LLM SEO-guide: hvordan store språkmodeller velger kildene sine, hva som gjør et avsnitt siterbart, crawlertilgang, entitetskonsistens og hvordan du måler omtaler.

På denne siden
Kort fortalt
LLM SEO er arbeidet med å få merkevaren og sidene dine til å dukke opp i svarene fra store språkmodeller som ChatGPT, Gemini, Claude og Perplexity. Disse modellene henter fra to kilder: det de lærte under trening, og det de henter fra nettet akkurat når spørsmålet stilles. Den første påvirker du gjennom hyppige og konsistente omtaler av merkevaren din på nettet, den andre gjennom søkbare sider der avsnitt svarer direkte på spørsmål, med fakta og kilder. Deretter måler du, prompt for prompt, om du blir sitert.
Vil du vite mer? Spør
Rask quiz
Hvordan får du omtale fra ChatGPT og andre AI-assistenter?
Sorank passer til svarene dine
Prøv det i 3 dager på ditt eget nettsted, og se hvor du står på Google, ChatGPT og de andre AI-assistentene.
Start en gratis prøveperiode på 3 dager3 dager gratis, deretter kan du stoppe når du vil. Resultatgaranti i 90 dager, ellers pengene tilbake.
Søkeatferden deles mellom den klassiske resultatsiden og samtalebaserte svar, og LLM SEO er navnet de fleste markedsførere bruker på den andre halvdelen av jobben. Du vil også se det kalt GEO (generative engine optimization), AEO eller LLMO. Navnene varierer, men mekanikken er den samme, og den er konkret nok til å jobbe systematisk med.
LLM SEO er settet med tiltak som øker sjansen for at en språkmodell nevner, anbefaler eller siterer merkevaren din når den svarer på et spørsmål. Klassisk SEO sikter mot en plass på en liste med ti lenker. LLM SEO sikter mot en plass i et samlet svar, der det ofte bare nevnes tre til fem merker eller kilder.
Målet har to former, og de er verdt å skille:
Et merke kan bli omtalt uten å bli sitert (modellen kjenner det fra treningen), og sitert uten å bli anbefalt (siden din brukes som en nøytral kilde). God LLM SEO jobber med begge.
Gjennom to kanaler: parametrisk hukommelse bygd under trening, og direkte henting fra nettet når modellen søker. Å forstå hvilken kanal som er i spill for et gitt spørsmål forteller deg hvilken spak du skal dra i.
| Kanal | Slik fungerer det | Hva påvirker det | Hastighet på effekt |
|---|---|---|---|
| Treningsdata | Modellen lærte sammenhenger fra et stort øyeblikksbilde av nettet, fryst ved kunnskapsgrensen | Hvor ofte og hvor konsekvent merkevaren din beskrives på mange uavhengige sider | Treg: måneder, til neste modellversjon |
| Direkte henting | Modellen sender søk, henter en håndfull sider og bygger svaret sitt av uttrukne avsnitt | Indeksering, crawlertilgang, rangering for delspørsmålene, kvaliteten på avsnittene | Rask: dager til uker etter publisering |
Henting er mekanismen som kalles retrieval-augmented generation (RAG). Når en modell søker, deler den ofte spørsmålet opp i flere delspørsmål (query fan-out), henter resultater for hvert av dem, og beholder avsnittene som svarer best. Å rangere godt i klassisk søk for disse delspørsmålene er derfor fortsatt en av de sterkeste indikatorene på at du blir sitert. Google opplyser at KI-funksjonene deres, som AI Overviews, bruker samme indeks og samme kvalitetssystemer som Søk, og at det ikke kreves spesiell markup for å dukke opp i dem (Google Search Central).
Et avsnitt blir sitert når det svarer fullstendig på ett spørsmål, på egen hånd, med et verifiserbart faktum. Modellen henter ut en bit på noen få setninger, så biten må gi mening uten resten av siden.
Forskningen støtter dette. Princeton-studien som laget begrepet GEO testet flere omskrivingsmetoder og fant at tilføyelse av kilder, sitater og statistikk økte synligheten i genererte svar med opptil omtrent 40% i testen deres (Aggarwal et al., GEO). Nøkkelordspamming hjalp derimot ikke.
De praktiske reglene:
Du kan sjekke hvordan en side leses av en modell med vår gratis LLM-lesbarhetssjekker.
Fordi en modell stoler på det mange uavhengige kilder sier likt. Hvis nettstedet ditt, LinkedIn-siden din, anmeldelsesplattformer, kataloger og pressartikler beskriver selskapet ditt med samme navn, kategori og nøkkelfakta, danner modellen en stabil kobling mellom merkevaren din og kategorien.
Ulike beskrivelser (et gammelt navn på én side, en annen kategori på en annen, utdatert prising andre steder) gjør den koblingen uklar og øker risikoen for feil i svarene. Arbeidet er lite glamorøst, men effektivt:
Dette er kjernen i entitets-SEO, og det mangler ofte for merkevarer som har et godt optimalisert nettsted, men aldri dukker opp i anbefalingslister.
Ved å slippe til crawlerne som henter sider til direkte svar, holde sidene dine mulige å gjengi uten JavaScript, og være indeksert i søkemotorene modellene bruker. En side modellen ikke kan hente, blir aldri sitert, uansett hvor god den er.
| Crawler | Operatør | Rolle |
|---|---|---|
| OAI-SearchBot | OpenAI | Henter sider til svar i ChatGPT-søk |
| GPTBot | OpenAI | Samler inn innhold til modelltrening |
| ClaudeBot | Anthropic | Samler inn innhold til Claude |
| PerplexityBot | Perplexity | Indekserer sider til svar i Perplexity |
| Google-Extended | Styrer bruk av innhold til trening av Gemini; påvirker ikke Søk eller AI Overviews |
Sjekk robots.txt, brannmuren eller CDN-innstillingene for bots (noen blokkerer KI-crawlere som standard), og server-side gjengivelse av hovedinnholdet. Guiden vår om robots.txt-regler for KI-crawlere går gjennom direktivene linje for linje.
Ved å følge en fast liste med spørringer over tid og registrere omtaler, siteringer og konkurrentene som nevnes i stedet for deg. Det finnes ingen tilsvarende plassering til en rangeringsplass, og svarene varierer fra kjøring til kjøring, så du måler trender over et panel av spørsmål i stedet for ett enkelt resultat.
Å gjøre dette for hånd blir fort tungvint, og derfor gjentar verktøy for AI-omtaleovervåking panelet hver måned og viser kildene som siteres for hver spørring.
LLM SEO handler om tre ting: være tilgjengelig for crawlerne, skrive avsnitt som svarer fullstendig på ett spørsmål med kildebelagte fakta, og sørge for at resten av nettet beskriver merkevaren din på samme måte som du gjør. Mål deretter på et stabilt panel av spørsmål, for det du ikke måler, kan du ikke forbedre.
Sorank kjører dette på autopilot: den skriver og publiserer svarorienterte artikler hver dag, følger hver måned med på om ChatGPT, Gemini eller Claude siterer merkevaren din, og viser hvem som siteres i stedet for deg. Du kan starte med en gratis prøveperiode på 3 dager.

LLM SEO bygger på tradisjonell SEO i stedet for å erstatte den. KI-ene som søker på nettet er fortsatt avhengige av crawlbare, indekserte sider, så teknisk helse og autoritet betyr fortsatt noe. Det som endrer seg er hva konkurransen står om: KI-ene siterer avsnitt, ikke sider, og de vekter hvor konsekvent andre sider beskriver merkevaren din. Klare svar, kilder og omtaler fra tredjeparter teller mer.
Lag en liste med de 20 til 50 spørsmålene kjøperne dine faktisk stiller, kjør dem i ChatGPT, Gemini, Perplexity og Claude, og noter om merkevaren din dukker opp, på hvilken plass, og hvilke kilder som siteres. Gjenta samme liste hver uke eller måned, for svarene varierer mellom kjøringene. Et sporingsverktøy automatiserer dette og viser hvilke konkurrenter som siteres i stedet for deg.
Å blokkere en treningscrawler som GPTBot holder innholdet ditt utenfor fremtidige treningsdata, men det fjerner ikke merkevaren din fra svarene og kan redusere tilstedeværelsen din på sikt. Søkecrawlere som OAI-SearchBot eller PerplexityBot er de som henter sider til direkte svar, og blokkerer du dem, blir du usynlig i disse svarene. De fleste merker som ønsker synlighet tillater begge.
DE PRØVDE SORANK FØR DEG
