GEO etter SEO. Hva kan faktisk optimaliseres i AI-søk?

GEO-markedet merker ofte hvert ønskelig resultat som “optimalisering”: kildevalg, sitering, merkeinclusjon, gunstig innramming og til og med anbefaling. Dette er en kategorifeil.

Et merke kan endre nettstedet sitt, tilgangsvilkår, informasjonsarkitektur, innhold, påstander og noe av dataene som sendes til eksterne plattformer. Det kan ikke instruere et hentesystem til å velge et bestemt dokument. Det kan ikke tvinge en sitering eller bestemme hvordan en modell vil syntetisere kildene sine. Det kontrollerer heller ikke den endelige anbefalingen.

En moden tilnærming til Generative Engine Optimization (GEO) krever derfor tre distinkte handlingsmoduser:

• direkte optimalisering av kontrollerte eiendeler og vilkår;

• indirekte påvirkning av hvordan informasjon velges og brukes;

• overvåking av resultater som forblir utenfor merkets kontroll.

For å si det enklere:

GEO er ikke optimalisering av en modells svar. Det er optimalisering av kontrollerte forhold, et forsøk på å påvirke mellomliggende prosesser og måling av en representasjon som merket ikke kontrollerer.

“Etter SEO” betyr ikke “uten SEO”

Ordet “etter” antyder ikke at GEO erstatter SEO. Det refererer til de senere stadiene av informasjonsflyten – det punktet hvor et tilgjengelig dokument kan hentes, velges, brukes og transformeres til et svar.

For Googles generative funksjoner forblir de grunnleggende kravene til SEO en inngangsbetingelse. Google opplyser om at AI Overviews og AI Mode bruker sine kjerne søkekvalitets- og rangering systemer, Retrieval-Augmented Generation (RAG) og spørringsfan-out. En side må være indeksert og kvalifisert for å vises med et utdrag, men å oppfylle disse betingelsene garanterer ikke crawling, indeksering eller presentasjon.

Ikke alle systemer når informasjon gjennom samme rute.

OpenAI skiller den automatiserte OAI-SearchBot fra ChatGPT-User, som kan besøke en side som et resultat av en brukerhandling. Anthropic tildeler separate roller til Claude-SearchBot og Claude-User. Perplexity skiller også mellom PerplexityBot og Perplexity-User, med brukerinitiert henting som potensielt opererer under andre regler enn automatisert indeksering.

Omfanget av denne artikkelen

Gjennom hele denne artikkelen brukes generativ søkesystem som et paraplybegrep. Det antyder ikke at hvert produkt har samme arkitektur.

Sekvensen:

tilgang → henting → kildevalg → sitering → absorpsjon → syntese → representasjon → anbefaling

er en analytisk modell. I et bestemt system kan noen stadier være iterative, parallelle, skjulte eller fraværende.

Hva bør GEO bety?

Tre konkurrerende definisjoner kan identifiseres på tvers av akademisk forskning og bransjediskurs.

Den opprinnelige studien, “GEO: Generative Engine Optimization”, definerte GEO som en svart-boks optimaliseringsramme designet for å øke innholds synlighet innen generative motorrespons. Forskerne modifiserte dokumenter og målte endringer i deres eksponering. Det rapporterte resultatet av “opptil 40%” gjaldt et spesifikt referansepunkt, sine egne synlighetsmålinger og et kontrollert forskningsmiljø – det er ikke et referansepunkt for nåværende produksjonssystemer.

Fra Googles perspektiv er Answer Engine Optimisation (AEO) og GEO bransjebegreper relatert til synlighet i AI-søkopplevelser, men optimalisering for AI Overviews og AI Mode forblir en del av Google Søk optimalisering. Google krever ikke llms.txt, spesialist markup, kunstig chunking eller en egen skrivestil for AI-systemer.

Begge definisjonene er nyttige, men ingen gir en tilstrekkelig nøytral definisjon av disiplinen.

En operasjonell definisjon

Generative Engine Optimisation er den evidensbaserte praksisen med å modifisere kontrollerbare informasjonsressurser og tilgangsvilkår for å skape bedre forhold for generative søkesystemer til å finne, velge, bruke og nøyaktig representere informasjon – samtidig som man måler resultater som forblir utenfor merkets direkte kontroll.

Denne definisjonen inkluderer ikke:

• direkte kontroll av svaret;

• trening eller finjustering av en leverandørs modell;

• hver SEO- eller PR-aktivitet;

• bare overvåking;

• garantering av en omtale, sitering eller anbefaling.

GEO, AEO, LLMO og AI-synlighet

Denne termen beskriver overlappende, men distinkte objekter.

AI-synlighet er et måleområde, ikke et synonym for GEO.

Et merke kan bli nevnt ofte, men beskrevet unøyaktig. Det kan motta siteringer uten å bli anbefalt. Det kan vises konsekvent som en kilde til informasjon, men ikke som en leverandør av den relevante løsningen.

GEO-kontrollflaten

GEO-kontrollflaten, foreslått av Brand Semantics, organiserer aktiviteter i henhold til nivået av myndighet tilgjengelig for merket.

Modellen antyder ikke at hvert element utelukkende tilhører én kategori. Sitering, for eksempel, er en prosess som et merke kan forsøke å påvirke og et resultat som det må observere.

Klassifiseringen beskriver den passende forvaltningsmodusen, ikke bare elementets posisjon innen en pipeline.

Hva merker kan optimalisere direkte

Direkte optimalisering er mulig der et merke kontrollerer objektet for inngrepet og kan verifisere at endringen er implementert.

Teknisk tilgang er kontrollerbar; inkludering er ikke

I Google Søk kan et merke kontrollere om sidene deres er teknisk tilgjengelige for crawling, indeksering og utdragspresentasjon. Det kan ikke garantere at Google vil indeksere en side eller vise den innen en generativ funksjon.

Den samme distinksjonen gjelder for andre plattformer:

• OAI-SearchBot støtter inkludering av sider i ChatGPT-søkefunksjoner, mens GPTBot relaterer seg til innhold som kan brukes i modellutvikling. Kontrollene er uavhengige.

• Claude-SearchBot støtter indeksering ment for å forbedre kvaliteten, relevansen og nøyaktigheten av Claudes søkeresultater, mens Claude-User håndterer henting initiert av brukere.

• PerplexityBot støtter søkeflater, mens Perplexity-User kan besøke en side som svar på en brukerforespørsel. Perplexity opplyser om at sistnevnte generelt ignorerer robots.txt fordi henting er brukerinitiert.

Det er derfor ingen enkelt “tillate AI” eller “blokker AI”-beslutning. Automatisert indeksering, henting på forespørsel, modellutvikling og regler for Web Application Firewall (WAF) må vurderes separat.

Innhold, påstander og strukturerte data

Et merke kan forbedre:

• presisjonen av definisjonene sine;

• gjennomsiktigheten av metodologien sin;

• kvaliteten på dataene sine;

• klarheten av kildene sine;

• strukturen av argumentet sitt;

• aktualiteten av informasjonen sin;

• skille mellom fakta, tolkninger og begrensninger;

• konsistensen av navn, produkter og kategorier.

Dette innebærer ikke eksistensen av en universell skrivestil som garanterer sitering.

Google anbefaler nyttig, distinkt og ikke-kommodifisert innhold, men avviser behovet for en spesialist skrivestil for generative søk, en ideell dokumentlengde eller den kunstige delingen av innhold i korte fragmenter.

Strukturerte data er også et kontrollerbart element. Det kan hjelpe Google Søk med å forstå synlig innhold og bestemme berettigelse for spesifikke rike resultater, men teknisk korrekt implementering garanterer ikke at disse resultatene vil bli vist. Strukturerte data må gjenspeile informasjon som er tilgjengelig for brukeren.

Den detaljerte utformingen av entitet-, påstands- og kildekart er dekket i Brand Semantics Infrastructure: hvordan gjøre AI-søk forstå merkevaren din korrekt. Her er disse elementene viktige som kontrollerbare innganger – ikke som en garanti for den endelige representasjonen.

Hva som kun kan påvirkes

Et merke kan skape bedre forhold for henting, kildevalg og nøyaktig syntese, men det kontrollerer ikke disse beslutningene.

Henting og kildevalg

Potensielle inngrep inkluderer:

• teknisk tilgjengelighet;

• semantisk samsvar mellom dokumentet og spørringen;

• klar terminologi;

• tilstedeværelsen av relevante påstander;

• aktuelle data;

• tilgjengelighet på brukerens språk;

• eksterne kilder som bekrefter viktig informasjon.

Imidlertid forblir hele kandidatsettet, alle hjelpeforespørslene og vektene som plattformen anvender ukjente. Henting og kildevalg er derfor områder for påvirkning og delvis uobserverbare prosesser.

Fraværet av en synlig sitering etablerer ikke at en kilde ikke spilte noen rolle i henting eller generering. Uten tilgang til plattformens interne logger forblir en del av prosessen uobserverbar. En spesifikk usynlig kilde bør ikke krediteres for å forme et svar uten ytterligere bevis.

Sitering og absorpsjon er ikke det samme

Et merke kan forbedre et dokument, men det kan ikke implementere en siteringsrate på siden.

Siteringsrate er et resultat, ikke et objekt for optimalisering.

Studien “Fra siteringsvalg til siteringsabsorpsjon” skiller mellom:

• siteringsvalg – valget og presentasjonen av en kilde;

• siteringsabsorpsjon – påvirkningen av den siterte siden på språket, fakta, bevis eller strukturen av svaret.

I datasettet som ble analysert, var siteringsbredde og dybde av påvirkning ikke ekvivalente. Studien fant også at sider med større observerbar påvirkning var mer sannsynlig å være godt strukturerte, semantisk tilpasset og rike på utvinningsbare bevis. Dette er beskrivende relasjoner, ikke bevis for at en enkelt strukturell endring vil føre til høyere absorpsjon. Publikasjonen er en preprint.

En full metodologi for å skille sitering fra absorpsjon krever en separat analyse. For formålet med denne modellen er den relevante distinksjonen:

• struktur og bevis er kontrollerbare innganger;

• siteringsvalg og absorpsjon er områder for påvirkning;

• siteringsrate og påstandsabsorpsjon er observerte resultater.

Eksterne kilder

Digital PR, utgiverrelasjoner og korrigering av eksterne kilder kan støtte GEO, men ikke hver omtale er et GEO-inngrep.

En ekstern publikasjon blir en del av et GEO-program når den:

1. støtter en definert påstand eller entitetsrelasjon;

2. tar opp et spesifikt kildegap;

3. er knyttet til en eksplisitt påvirkningshypotese;

4. deretter overvåkes for valg, sitering eller representasjon.

Merket kontrollerer sine egne data, forskning og outreach. Det kontrollerer ikke utgiverens redaksjonelle beslutning eller systemets påfølgende valg av publikasjonen.

En full analyse av eide, opptjente og tredjeparts kilder hører hjemme et annet sted i innholdsklyngen. Denne artikkelen klassifiserer dem kun i henhold til nivået av kontroll tilgjengelig.

Innramming og anbefaling

Et merke kan:

• definere sin kategori klart;

• forklare relevante bruksområder og begrensninger;

• publisere sammenligninger basert på eksplisitte kriterier;

• korrigere unøyaktig informasjon;

• bygge konsistens mellom sitt tilbud, publikum og problemet det løser.

Det kan ikke bestemme om et system presenterer det som den første anbefalingen, ett alternativ blant flere, en nisjeløsning eller et merke som er irrelevant for scenariet.

Anbefalingsrate, svarfremtredende og innramming er observerte resultater. Å påstå at et merke kan “optimalisere anbefalinger” tilskriver det et kontrollnivå som det ikke besitter.

Eksempel: én eiendel, fire nivåer av myndighet

Anta at en programvareleverandør for bedrifter publiserer sin egen rapport som sammenligner metoder for å måle prosesseffektivitet.

Eksemplet demonstrerer hvorfor en økning i siteringsrate ikke bør beskrives som “implementering av siteringer”. Merket implementerte en rapport, forbedret sitt kilde miljø eller økte tilgjengeligheten. Sitering er et nedstrøms resultat.

Hva som primært bør overvåkes

AI-synlighet er ikke en enkelt metrikk.