AI-søk: Hva er holdbart og hva er humbug?

«Hvordan blir vi synlige og anbefalt av ChatGPT, Claude og Gemini?»

Dette spørsmålet hører vi svært ofte nå for tiden. Bare det i seg selv er et symptom. For når noen må stille det samme spørsmålet flere ganger, betyr det at de ikke har fått gode svar.

Hvis du er en av de som har prøvd å finne svar selv, vet du hva som møter deg: en bokstavsuppe av GEO, AEO, AIO, LLMO, GSO og AXO. Kryptiske akronymer som forskjellige eksperter sier betyr forskjellige ting.

Eller akkurat det samme. Det kommer an på hvem du spør. Og når du spør, hvis vi skal tro på en analyse Search Engine Land har gjort av LinkedIn-poster, som fant at færre enn 1 av 3 tankeledere klarte å holde seg til samme begrep gjennom året.

Vi i Frei har dessverre ingen guddommelig innsikt i algoritmene og AI-en under panseret på LLM-ene. Men det er det aldri noen som hadde med SEO heller.

Det vi er vitne til med AI-søk, er nok en definisjonskamp av samme type som har herjet innen business-litteratur og praksis i mer enn hundre år. Dette fører til mye sprikende forklaringer og motstridende anbefalinger.

For det som er faktum, er at i et nytt felt som AI-søk er det illusjonen om visshet som selger. Den som høres sikrest ut, vinner oppdraget. Selv om ingen egentlig vet ennå.

Så det vi trenger, er ikke nok en stemme eller flere tilskudd i bokstavsuppen.

Vi trenger en måte å vurdere hva som faktisk har dokumentasjon på at det fungerer, og skille det fra det som bare er anekdoter og selvsikkerhet.

Semantikk og problematikk

For å unngå forvirring må vi adressere at AI-søk dekker forskjellige situasjoner som ofte blandes sammen. Det kan dreie seg om hva den svarer på spørsmål, hvilke kilder den henter og peker til, eller spesifikke anbefalinger.

Det vi forholder oss til i denne artikkelen, angår hvordan en skal bli anbefalt av LLM-er når en kunde starter kjøpsreisen og gjør et AI-søk på ting som Hvem bør vi snakke med?

Evidenshierarkiet som kompass

Det vi i Frei først og fremst ønsker med denne artikkelen, er at du skal få et verktøy du kan bruke for å selv sortere og finne klarhet i støyen. Derfor skal vi ta en retur til evidenshierarkiet, og anvende dette på dagens landskap i AI-søk.

Den enkleste måten å forklare hva evidenshierarkiet innebærer, er at det er en måte å rangere påliteligheten og bevisene på forskjellige påstander. Det fungerer ved å kategorisere påstander inn i følgende nivåer:

• Nivå 5: Magefølelse og enkeltanekdoter lagt fram som «min erfaring er at…».
  
  
• Nivå 4: Enkeltcaser, der noen prøvde noe og så bedring, men uten å vite om det var tiltaket som virket.
  
  
• Nivå 3: Benchmarkstudier og plattformrapporter, ofte lagt fram av noen med kommersiell egeninteresse i konklusjonen.
  
  
• Nivå 2: Kontrollerte forsøk, der man sammenligner de som ble utsatt for et tiltak, mot de som ikke ble det.
  
  
• Nivå 1: Systematisk forskning som har sett det samme mønsteret igjen og igjen, på tvers av hundrevis til tusenvis av tilfeller.

Poenget er ikke at du bare skal stole på toppen, men vite hvor på stigen en påstand står før du satser pengene dine på den.

Hvis du vil gå mer i dybden, sjekk ut artikkelen Finn kursen i AI, ekkokamre og konkurrerende sannheter.

Hvem krangler om hva innen AI-søk?

Når man prøver å sortere de forskjellige meningene og perspektivene, faller påstandene om AI-søk i fem leire.

• Leir 1. «Det er bare SEO i ny drakt.» De mener hele AEO/GEO-bølgen er SEO pakket om for å selge nye tjenester. Fortsett med SEO-fundamentene godt, så går alt bra.

• Leir 2. «Lag mer innhold.» Bruk AI til å produsere flere artikler, flere FAQ-er, mer å mate maskinen med. Jo mer du publiserer, jo større sjanse for å bli plukket opp.

• Leir 3: «AI-søk er en helt ny teknisk disiplin.» Å bli funnet krever ny teknisk tilnærming til struktur på avsnittsnivå, schema, entitetsbygging og dashbord som måler nøyaktig hvor du «rangerer» i AI-svarene.

• Leir 4: «Det handler om hva andre sier om deg.» AI anbefaler det som omtales bredt og troverdig av andre. Redaksjonell omtale, earned media, anmeldelser på G2 og Trustpilot. Ikke det du selv publiserer på egen nettside.

• Leir 5: «Det handler om å være kjent.» Her snakker man knapt om AI i det hele tatt, men viser til dokumenterte mønstre innen kjøpsatferd. Rasjonalet er at AI endrer grensesnittet, men ikke måten mennesker bearbeider informasjon og fatter valg.

Fem leire. Fem svar. Alle med tilhengere, alle med data, alle overbevist om at nettopp de har forstått det riktig. Så hvordan skal du vite hvem du skal lytte til?

Rangering mot evidenshierarkiet

En viktig presisering før vi går videre

At en leir havner lavt, betyr ikke nødvendigvis at den tar feil. Det betyr at dokumentasjonen er svak. Dette kan bety to ting:

1. At metoden faktisk ikke virker som lovet.
2. At ingen har rukket å forske skikkelig på den ennå.

Det er viktig å være klar over dette. For AI-søk er knapt to år gammelt som et fenomen. Mye av det vi ikke har bevis for i dag, kan vise seg å stemme i morgen, når flere studier er gjort.

Støyreduksjonen

Det er en interessant symmetri her. Leir 1 («det er bare SEO») og leir 5 («det handler om å være kjent») gjør egentlig samme bevegelse: begge nekter å la seg rive med av at noe revolusjonerende har skjedd, og insisterer på at det grunnleggende består.

Forskjellen er hva de hevder er uforandret. Leir 1 sier at mekanikken for å bli funnet er den samme som før. Leir 5 sier at menneskelig kjøpspsykologi er den samme som før.

Da har vi to leirer som peker på viktige grunnprinsipper, men som alene blir for brede til å svare godt på spørsmålet alle lurer på: «Hvordan blir vi synlige og anbefalt av ChatGPT, Claude og Gemini?»

Vi mener også at man bør være forsiktig med anbefalingene fra leir 2 (lag mer). Da Ahrefs analyserte 174 000 sider som faktisk ble sitert i AI-svar, fant de så å si ingen sammenheng mellom innholdets lengde og om det ble brukt (0,04 i korrelasjon). I en separat studie av 75 000 merker var antall sider på nettstedet den aller svakeste av tolv målte faktorer. Mengde ser rett og slett ikke ut til å være det som avgjør.

Da har vi to leirer med meninger som en ikke kan handle på, og én leir hvor studier taler mot anbefalingen.

Så hva gjenstår?

Teknisk struktur og digital omtale

La oss være tydelige på én ting, så ingen misforstår: Dette betyr ikke at SEO er dødt, eller at kjennskap er mindre viktig. God SEO er fortsatt viktig, og kjennskap har alltid vært mye viktigere enn praksisen i B2B-markedsføring tilsier.

Men for denne artikkelens formål leter vi etter svar på hva vi konkret kan gjøre for å bli anbefalt i AI-søk. Da sitter vi igjen med to leirer som faktisk gir oss noe å jobbe med.

Leir 3 handler om struktur. Leir 4 handler om omtale. Og de løser to fundamentalt forskjellige problemer.

Strukturproblemet er tilgang. For at en LLM skal kunne anbefale deg, må den først forstå deg. Det krever at nettstedet ditt tydelig svarer på tre spørsmål: Hvilket problem løser dere? For hvem? Og hvorfor er dere et bedre alternativ enn de åpenbare konkurrentene? Ikke spredt utover ti sider med bransjeinformasjon, men eksplisitt, på sidene som faktisk skal gjøre jobben. En side som er uklar på dette, er ikke teknisk feil. Den er bare ubrukelig for en modell som skal ta et valg på vegne av den potensielle kunden som spør.

Omtaleproblemet er troverdighet. Når AI-en har forstått hva du gjør, gjør den noe mennesker også gjør: den ser etter social proof. Den henter det som er sagt om deg på tvers av kilder som redaksjonelle artikler, bransjeomtaler, faglige referanser, mm. Ikke for å telle dem, men for å vurdere om du fremstår som et reelt og anerkjent alternativ i din kategori. Volumet er underordnet. Det som teller er om kildene er uavhengige, og om de kobler din bedrift til det spesifikke problemet kunden din prøver å løse.

De to henger sammen på en bestemt måte: Struktur uten omtale gjør deg forståelig, men ikke troverdig. Omtale uten struktur gjør deg kjent, men uklar. Alene er begge utilstrekkelig. Kombinasjonen er det som faktisk gir AI-en nok grunnlag til å velge deg når den skal anbefale.

Det er ikke en magisk oppskrift. Men det er det nærmeste vi kommer et dokumentert svar på spørsmålet alle stiller.