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

Merker kan optimalisere sine informasjonsressurser og tilgangsvilkår. De kan kun påvirke henting, sitering, absorpsjon og anbefaling. GEO-kontrollflaten gir en praktisk modell for å skille mellom kontrollerte inngrep og observerte resultater.

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, tilgangsvilkårene, informasjonsarkitekturen, innholdet, påstandene 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 optimaliseringen av en modells svar. Det er optimaliseringen av kontrollerte forhold, et forsøk på å påvirke mellomliggende prosesser og målingen 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 der et tilgjengelig dokument kan hentes, velges, brukes og omformes til et svar.

For Googles søks generative funksjoner forblir de grunnleggende kravene til SEO en inngangsbetingelse. Google sier at AI Oversikter og AI-modus bruker sine kjerne søkekvalitets- og rangering systemer, Retrieval-Augmented Generation 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 PerplexityBot fra Perplexity-User, med bruker-initiert henting som potensielt opererer under forskjellige regler fra automatisk indeksering.

Hva bør GEO bety?

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

Fra Googles perspektiv er Answer Engine Optimisation (AEO) og GEO bransjebegreper relatert til synlighet i AI-søkeopplevelser, men optimalisering for AI Oversikter og AI-modus forblir en del av Google Søk optimalisering. Google krever ikke llms.txt, spesialist markup, kunstig chunking eller en separat 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 over svaret;

• trening eller finjustering av en leverandørs modell;

• hver SEO- eller PR-aktivitet;

• kun overvåking;

• garantering av en omtale, sitering eller anbefaling.

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 tilhører eksklusivt 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 ledelsesmodusen, 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 søkeoverflater, mens Perplexity-User kan besøke en side som svar på en brukerforespørsel. Perplexity oppgir at sistnevnte vanligvis ignorerer robots.txt fordi henting er bruker-initiert.

Det er derfor ingen enkelt “tillate AI” eller “blokker AI” beslutning. Automatisk indeksering, henting på forespørsel, modellutvikling og regler for Web Application Firewall 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 i kildene sine;

• strukturen av argumentet sitt;

• aktualiteten av informasjonen sin;

• distinksjonen 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-commoditised innhold, men avviser behovet for en spesialist skrivestil for generativ 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 bestemte 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 enhet, påstand og kildekart er dekket i Brand Semantics Infrastruktur: 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 tilpasning mellom dokumentet og forespørselen;

• klar terminologi;

• tilstedeværelse 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 ha formet 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.

Innen datasettene 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 utvinnbare bevis. Dette er beskrivende relasjoner, ikke bevis på 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 formålene til 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 enhetsrelasjon;

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.

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, svarets betydning og innramming er observerte resultater. Å påstå at et merke kan “optimalisere anbefalinger” gir det et kontrollnivå som det ikke besitter.

Hva som primært bør overvåkes

AI-synlighet er ikke en enkelt metrikk.

En enkelt forespørsel gir ikke en stabil måling av en plattform. Svar kan variere mellom kjøringer, forespørselvarianter og datoer. Nylige preprints anbefaler å behandle synlighet som en distribusjon av resultater og rapportere usikkerhet i stedet for å presentere individuelle resultater med falsk presisjon. Se “Mål ikke én gang: Måling av synlighet i AI-søk (GEO)” og “Kvantifisering av usikkerhet i AI-synlighet”.

Denne artikkelen løser ikke det fulle problemet med eksperimentell GEO-måling. Det krever en separat metodologi som dekker scenariebiblioteker, gjentatte forsøk, plattformendringskontroller, responsklassifisering og statistisk usikkerhet. Det vil bli utviklet i en egen artikkel: Måle AI-synlighet pålitelig: forespørsel, variasjon og eksperimentell design.

C–I–O–X-rammeverket

Før du velger en GEO-taktikk, gå gjennom fem trinn.

1. Identifiser objektet

Ikke si “forbedre AI-synlighet”. Spesifiser inngrepet eller målingen:

• tillate OAI-SearchBot;

• oppdatere en påstand;

• publisere en metodologi;

• måle siteringsrate;

• klassifisere innramming.

2. Tildel en klasse

• C – Kontroll: merket kan implementere endringen;

• I – Påvirkning: merket kan forbedre forholdene;

• O – Observasjon: elementet er et resultat;

• X – Ekstern tilstand: variabelen stammer fra det omkringliggende systemet.

3. Angi mekanismen

Ikke:

Å legge til et bord vil øke siteringer.

I stedet:

Et bord kan gjøre data lettere å tolke og sammenligninger lettere å hente, noe som rettferdiggjør å teste effekten på valg, sitering eller absorpsjon.

4. Definer evidensnivået

Kommer anbefalingen fra:

• leverandørdokumentasjon;

• forskning;

• korrelasjon;

• tolkning;

• hypotese?

5. Match metrikken og rapporter begrensningene

Inngrepet bør evalueres mot et resultat som tilsvarer den foreslåtte mekanismen, samtidig som man tar hensyn til variasjon og alternative forklaringer.

Det mest praktiske prinsippet for GEO er derfor:

Optimaliser eiendelene og forholdene du kontrollerer. Påvirk kildeomgivelsene der det er mulig. Mål representasjonen du ikke kontrollerer.

Hvis et team ikke kan skille mellom disse tre lagene, bør neste steg ikke være en annen GEO-taktikk. Det bør være en diagnose av GEO-kontrollflaten.

Kilder og metodologiske notater

Offisiell leverandørdokumentasjon

1. Google Search Central, “Optimalisering av nettstedet ditt for generative AI-funksjoner på Google Søk”, oppdatert 10. juli 2026.

2. Google Search Central, “AI-funksjoner og nettstedet ditt”.

3. Google Search Central, “Generelle retningslinjer for strukturerte data”, oppdatert 10. juli 2026.

4. OpenAI, “Oversikt over OpenAI Crawlers”.

5. Anthropic Privacy Center, dokumentasjon som dekker ClaudeBot, Claude-SearchBot og Claude-User.

6. Perplexity, “Perplexity Crawlers”.

Forskning

7. Aggarwal, P. et al., “GEO: Generative Engine Optimization”.

8. Kai, Z., He, X. og Yao, J., “Fra siteringsvalg til siteringsabsorpsjon”, arXiv:2604.25707, versjon 2, 29. april 2026.

9. Schulte, J., Bleeker, M. og Kaufmann, P., “Mål ikke én gang: Måling av synlighet i AI-søk (GEO)”, arXiv:2604.07585.

10. Sielinski, R., “Kvantifisering av usikkerhet i AI-synlighet”, arXiv:2603.08924, versjon 2, 9. juni 2026.

Bidrag fra Brand Semantics

Den operasjonelle definisjonen av GEO, GEO-kontrollflaten og C–I–O–X-klassifiseringen er metodologiske forslag utviklet av Brand Semantics. De er ikke offisiell leverandørterminologi eller en allment akseptert akademisk standard.