Resumé
LLM-auditen af strukturerede data læser en sides schema.org-markup og giver den en score ud af 100 på syv tjek: JSON-LD til stede, hvert blok er gyldigt, og fem typer, der beskriver, hvem du er, og hvad siden er (Organization, WebSite, Article, BreadcrumbList, FAQPage). Den viser de typer, der er fundet, dem der mangler, og hvorfor hver enkelt betyder noget. Ret ugyldige blokke først, og tilføj derefter Organization og Article, de to tjek, der vejer mest efter JSON-LD selv.
Vil du vide mere? Spørg
En LLM-audit af strukturerede data kontrollerer, om din side angiver sine vigtigste fakta i en form, som maskiner ikke behøver at gætte sig til: hvem der udgiver den, hvilken type side det er, og hvor den ligger på sitet. Schema.org-markup er det fælles begrebssæt til dette, og Google anbefaler JSON-LD som det format, der er lettest at implementere og vedligeholde (Google Search Central, introduktion til strukturerede data). Det er stadig langt fra universelt: i 2024 fandtes JSON-LD på 41% af siderne, op fra 34% i 2022 (HTTP Archive Web Almanac 2024, strukturerede data).
Hvordan virker LLM-auditen af strukturerede data?
Indtast et domæne eller den fulde URL på en side, gennemfør anti-bot-tjekket, og kør analysen. Værktøjet henter siden, som en crawler ville, uden at køre JavaScript, og læser to slags markup.
- JSON-LD-blokke: hver
<script type="application/ld+json">analyseres. Typerne læses på hvert objekt på øverste niveau, i arrays og inde i@graph. En blok, der ikke er gyldig JSON, tælles som ugyldig. - Microdata: hver attribut
itemtype="https://schema.org/..."tilføjer sin type til listen.
Rapporten viser score og karakter, antallet af JSON-LD-blokke og ugyldige blokke, de fundne schema-typer og derefter de fem forventede typer markeret som til stede eller mangler, hver med en forklaring på én linje og en anbefaling. Den gratis version tillader tre audits pr. dag.
Test de sider, der betyder noget for citater, ikke kun forsiden: en blogartikel, en produkt- eller tjenesteside, en sammenligning. Hver skabelon har sin egen markup.

Hvordan beregnes scoren?
Scoren er en vægtet andel af de beståede tjek. Hvert tjek bestås eller fejler; vægtene lægger op til 9, og resultatet omregnes til en score ud af 100.
| Tjek | Bestået når | Vægt | Andel af scoren |
|---|---|---|---|
| JSON-LD til stede | Mindst ét gyldigt JSON-LD-blok | 2 | 22 point |
| Ingen ugyldige blokke | Hver JSON-LD-blok kan læses | 1 | 11 point |
| Organization | Organization-typen fundet | 1,5 | 17 point |
| Article | Article, BlogPosting eller NewsArticle fundet | 1,5 | 17 point |
| WebSite | WebSite-typen fundet | 1 | 11 point |
| BreadcrumbList | BreadcrumbList-typen fundet | 1 | 11 point |
| FAQPage | FAQPage-typen fundet | 1 | 11 point |
Karakteren følger scoren: A fra 90, B fra 75, C fra 60, D fra 40, F under det. Mærkaten lyder „Stærk“ fra 75, „God, med plads til forbedring“ fra 60, „Kræver arbejde“ fra 40 og „Kritiske huller“ under 40. Nogle typiske tilfælde:
- Ingen strukturerede data overhovedet: 11/100, karakter F. Kun tjekket „ingen ugyldige blokke“ består, fordi der ikke er noget at ødelægge.
- En forside med Organization og WebSite: 61/100, karakter C. Tilføjer man BreadcrumbList, kommer den op på 72.
- En blogartikel med Article, Organization, WebSite og BreadcrumbList: 89/100, karakter B. FAQPage er den eneste manglende type.
Hvilke schema-typer hjælper LLM'er med at forstå din side?
De fem forventede typer besvarer fem spørgsmål, en model ellers ville udlede af teksten. Tabellen tilføjer, hvor ofte hver type forekommer på mobilsider i JSON-LD, ifølge Web Almanac 2024.
| Type | Hvad den fortæller en maskine | Udbredelse (mobilsider, 2024) |
|---|---|---|
| Organization | Hvem der udgiver sitet: navn, logo, officielle profiler | 7,16% |
| WebSite | Sitet som helhed og dets navn | 12,73% |
| Article / BlogPosting | Siden er redaktionelt indhold, med forfatter og datoer | 0,18% / 1,40% |
| BreadcrumbList | Hvor siden ligger i sitets hierarki | 5,66% |
| FAQPage | Eksplicitte par af spørgsmål og svar | Cirka 0,34% |
Organization er ankeret. Google forklarer, at organisationsmarkup hjælper med at forstå dine administrative oplysninger og skelne din organisation fra andre (Google Search Central, strukturerede data for organisation). Egenskaben sameAs gør det samme for enhver læser: schema.org definerer den som URL'en til en referenceside, der entydigt angiver emnets identitet, for eksempel en Wikipedia- eller Wikidata-post eller en officiel profil (schema.org, sameAs).

Får strukturerede data AI-assistenter til at citere dig?
Ikke alene, og det er værd at være præcis her. Google oplyser, at der ikke kræves yderligere krav eller særlig schema.org-markup for at dukke op i AI Overviews eller AI-tilstand; de beder om, at de strukturerede data stemmer overens med sidens synlige tekst (Google Search Central, AI-funktioner og dit websted). Assistenter citerer sider for deres indhold og deres autoritet.
Det markup gør, er at fjerne tvetydighed. Det angiver dit brandnavn, dit logo, dine officielle profiler, forfatteren og datoen for en artikel og siden plads i dit site, i én konsistent form. Når en assistent, eller søgeindekset bag den, skal afgøre, hvilket „Acme“ du er, eller om en artikel er aktuel, hjælper de eksplicitte fakta. Betragt de strukturerede data som sidens identitetskort, og det synlige indhold som grunden til at citere den.
FAQPage fortjener en note. Google viser ikke længere FAQ-rich-resultatet i sine søgeresultater og fjernede dokumentationen i juni 2026 (Google Search Central, seneste dokumentationsopdateringer). Auditen tjekker stadig typen, fordi spørgsmål- og svarpar er et rent, selvstændigt format for ethvert system, der læser siden, men forvent ikke en synlig effekt i Google.
Hvordan retter du de problemer, auditen finder?
Arbejd i denne rækkefølge, fra det mest til det mindst skadelige.
- Ugyldige blokke. En JSON-LD-blok, der ikke kan læses, ignoreres helt. De typiske synder er et efterstillet komma, et ikke-escaped anførselstegn i en beskrivelse eller en skabelonvariabel, der står tom. Indsæt blokken i en JSON-validator, ret den, og kør auditen igen.
- Ingen JSON-LD. Tilføj en første blok med Organization (navn, url, logo, sameAs) og WebSite på hver side via din skabelon. schema-generatoren giver gyldig JSON-LD at starte fra.
- Article på redaktionelle sider, med overskrift, forfatter, datePublished og dateModified, der stemmer overens med det, læserne ser.
- BreadcrumbList, der spejler den synlige brødkrummesti.
- FAQPage kun når siden viser rigtige spørgsmål og svar. Markér aldrig indhold, der ikke er synligt.
Tjek derefter siden fra andre vinkler: LLM-læsbarhedstjekket måler, hvor let en model kan udtrække svar fra din tekst, og audit af svarmotoroptimering gennemgår sidestrukturen bag direkte svar. For definitioner, se vores ordliste under schema-markup.
Hvad er grænserne for auditen?
Den kontrollerer tilstedeværelse og syntaks, ikke kvalitet. Husk det, når du læser scoren.
- Egenskaberne kontrolleres ikke. En Article-blok uden forfatter består Article-tjekket. Gennemgå selv indholdet i hver blok.
- Indlejrede typer tælles ikke. En Organization, der kun er angivet som
publisherinde i en Article-blok, består ikke Organization-tjekket. Angiver du den som et eget objekt, i arrayet eller i@graph, løser det problemet, og enheden kan genbruges med et@id. - Ingen JavaScript-rendering. Markup indsat af en tag manager eller et klientscript ses ikke. Google kan læse dynamisk tilføjet JSON-LD, men mange andre crawlere kører ikke JavaScript, så markup på serversiden er det sikrere valg.
- De fem typer er et minimum. En produktside har også brug for Product og Offer, en lokal virksomhed LocalBusiness og en begivenhed Event. Auditen straffer ikke, at de mangler.
For at se, om bedre markup og indhold omsættes til citater, følger AI-omtaleopfølgning dit brand i svar fra ChatGPT, Claude og Gemini hver måned, og blogartikelgeneratoren udgiver kildebelagte, strukturerede artikler på dit site.
Gyldig JSON-LD med Organization og Article er det minimum, hver side bør opfylde. Lav en audit af dine vigtigste sider ovenfor, og se derefter Sorank-abonnementerne for at følge din synlighed i AI-svar på autopilot.
































































































