Hvad er generative engine optimization (GEO)?

Du spørger en AI-assistent om en leverandør, en metode eller et produkt. Den giver ét svar. Det svar nævner to eller tre navne og linker til en håndfuld kilder. Alle andre i den kategori findes reelt ikke i den samtale.

Det er præcis det problem, generative engine optimization forsøger at løse, og det er et andet problem, end at rangere højt på Google. Denne artikel går i dybden med, hvad GEO er, hvordan det adskiller sig fra klassisk SEO, hvilken teknik der ligger bag, og hvordan en dansk virksomhed konkret griber det an i 2026, uden at gætte sig frem.

Hvad er generative engine optimization (GEO)?

Generative engine optimization, forkortet GEO, er arbejdet med at forme indhold, så AI-genererede svar navngiver og citerer dit brand. Begrebet stammer fra en forskningsartikel fra 2024 af Aggarwal og kolleger, som undersøgte, hvordan ændringer i en kildesides indhold påvirker, om en generativ søgemaskine bruger den, og fandt at tilføjelse af citater, tal og direkte kilder øgede, hvor ofte en side blev brugt i et svar, med op til 40 procent i deres testdata (GEO: Generative Engine Optimization, Aggarwal et al.).

GEO konkurrerer om at blive inkluderet i et svar, ikke om en placering på en liste. Den ene forskel styrer stort set alt andet ved, hvordan arbejdet gribes an.

Modtageren har skiftet karakter. Klassisk søgemaskineoptimering skriver til et menneske, der skanner ti blå links og klikker på ét af dem. En generativ søgemaskine samler i stedet ét svar ud fra en håndfuld udvalgte kilder, og den, der stiller spørgsmålet, klikker ofte aldrig videre til nogen af dem.

I praksis dækker "generative engine" flere systemer på én gang: ChatGPT fra OpenAI, Perplexity, Claude fra Anthropic, Googles AI Overviews og AI-tilstand, samt Microsofts Copilot, der bygger på Bing. De fungerer forskelligt under motorhjelmen, men de løser alle den samme opgave for brugeren: at spare vedkommende for at skulle læse flere sider selv.

En dansk virksomhed, der aldrig har hørt om GEO, oplever alligevel konsekvensen af det hver dag. En potentiel kunde spørger "hvilket bogføringssystem passer til en enkeltmandsvirksomhed" eller "hvordan finder jeg en pålidelig håndværker i mit område", og svaret, der kommer tilbage, indeholder allerede en kortliste. Er virksomheden ikke på den liste, er den reelt usynlig for den kunde, uanset hvor godt den i øvrigt ligger på Google.

Det er værd at understrege, at "generative engine optimization" ikke er et markedsføringsudtryk opfundet af et bureau. Det kommer fra et akademisk studie, der målte effekten empirisk, hvilket adskiller det fra mange af de buzzwords, der cirkulerer i branchen. Det gør også begrebet mere håndgribeligt end det umiddelbart lyder: det handler ikke om at "snyde en algoritme", men om at gøre indhold nemmere for en maskine at læse, forstå og genbruge korrekt, uden at forvrænge det undervejs.

Hvordan bestemmer en AI-model helt konkret, hvilke kilder den citerer?

En AI-assistent finder sine kilder gennem en proces, der typisk kaldes retrieval, hvor systemet først finder en række kandidatsider og derefter lader selve sprogmodellen sammenfatte og citere et udvalg af dem. Det er ikke magi, og det er heller ikke en sort boks uden logik. Det er en søgemekanisme, koblet til en tekstgenerator.

Når du stiller et spørgsmål til en assistent, der har adgang til nettet, sker der i store træk tre ting efter hinanden. Først omdannes dit spørgsmål til en eller flere søgninger, ofte flere samtidigt, hvis spørgsmålet dækker flere delemner. Dernæst henter systemet en kortliste af sider, der matcher godt, ud fra en blanding af klassiske søgesignaler og såkaldte embeddings, en matematisk måde at måle, hvor tekstligt beslægtet to stykker tekst er, selv når de ikke bruger præcis de samme ord. Til sidst læser selve sprogmodellen de hentede sider og formulerer et samlet svar, hvor den vælger, hvilke af kilderne der er værd at nævne eller citere direkte.

Det sidste trin er det, de fleste virksomheder overser. Modellen vælger ikke automatisk den side, der ligger højst i en klassisk søgerangering. Den vælger den side, der bedst kan omsættes til en kort, præcis sætning i svaret. En side, der allerede er formuleret som et direkte, selvstændigt svar, kræver mindre omskrivning af modellen og er derfor statistisk mere tilbøjelig til at blive brugt uændret, med kildehenvisning, end en side, hvor det samme fakta ligger begravet midt i et langt afsnit.

En AI-model citerer den kilde, der kræver mindst arbejde at genbruge korrekt, ikke nødvendigvis den kilde, der har mest autoritet. Det er en pointe, der ofte overraskes de fleste, der kommer fra klassisk SEO, hvor autoritet historisk har vejet tungest.

Det betyder også, at to sider med præcis den samme information kan blive behandlet forskelligt, afhængigt af hvor let modellen kan udtrække et citérbart udsnit. En tabel med tre klare tal slår ofte en lang brødtekst, der indeholder de samme tre tal, fordi tabellen kræver mindre fortolkning at gengive korrekt.

Hvad er forskellen på SEO og GEO?

Den korte version: samme indhold, en ekstra modtager, en anden sejrsbetingelse. SEO vinder en placering i en liste af links. GEO vinder en omtale inde i selve svaret.

Forskellen er ikke kosmetisk. Den ændrer, hvad der reelt bliver belønnet, og hvor man overhovedet kan blive læst.

	SEO	GEO
Hvem læser det	Et menneske, der skanner en liste af links	En model, der samler ét svar
Sejrsbetingelse	En placering blandt de øverste tre til fem	At blive nævnt og citeret i selve svaret
Hvad der belønnes	Søgeord, links, tid brugt på siden	Klare påstande, efterprøvelige tal, citerbare sætninger, tydelig struktur
Hvor du bliver læst	Googles og Bings egne indekser	De samme indekser, plus live-opslag og tredjepartskilder, motoren allerede stoler på
Hvordan du taber	Side to på Google	At slet ikke være med i det udvalg, modellen henter fra

Den vigtigste række i tabellen er den sidste. På Google er en fjerdeplads en dårlig dag. I et AI-genereret svar svarer en fjerdeplads i praksis til slet ikke at eksistere, fordi svaret typisk navngiver to eller tre kilder og stopper der.

Indhold, der vinder i GEO, er en udvidelse af det indhold, der vinder i SEO, ikke en erstatning for det. Det er derfor, man aldrig bør skrive to versioner af den samme side, én til mennesker og én til AI-modeller. Hvis en taktik hjælper det ene og skader det andet, er taktikken forkert, ikke det andet mål.

Det, der i praksis adskiller de to discipliner mest, er ikke skrivestilen, men målingen. En placering kan du læse direkte af i et værktøj. En omtale i et AI-svar kan du kun opdage ved selv at stille spørgsmålet og se, hvad der kommer tilbage, gentagne gange, over tid.

Der er også en mere subtil forskel, som ofte overses: konkurrencebilledet er ikke det samme. På Google konkurrerer du typisk mod de samme ti til tyve sider, uge efter uge. I et AI-genereret svar kan konkurrenterne skifte fra spørgsmål til spørgsmål, fordi modellen vælger kilder ud fra den præcise formulering, brugeren har brugt, ikke ud fra en fast liste. Det gør GEO sværere at måle med et enkelt tal, men det gør også konkurrencen mindre statisk, hvilket kan være en fordel for en mindre virksomhed uden års historik på Google.

Hvilke AI-motorer skal en dansk virksomhed tage alvorligt i 2026?

De motorer, der betyder mest for en dansk virksomhed lige nu, er Google, med både klassisk søgning og AI Overviews, samt ChatGPT, Perplexity og i stigende grad Microsoft Copilot. Google dominerer stadig selve søgetrafikken i Danmark, men de generative assistenter vinder terræn som det sted, en beslutning rent faktisk træffes.

I juni 2026 stod Google for 85,24 procent af alle søgninger i Danmark, mens Bing lå på 8,94 procent, Yahoo på 2,66 procent, DuckDuckGo på 1,73 procent, Ecosia på 0,54 procent og Yandex på 0,53 procent (StatCounter, søgemaskinernes markedsandel i Danmark).

Motor	Markedsandel i Danmark (juni 2026)	Relevans for GEO
Google (inklusive AI Overviews og AI-tilstand)	85,24 %	Afgørende. AI Overviews er tilgængelig på dansk siden foråret 2025 og bruger samme indeks som klassisk søgning
Bing (inklusive Microsoft Copilot)	8,94 %	Mindre trafik direkte, men Copilot trækker på Bings indeks og bruges i mange danske virksomheders standardopsætning
Yahoo	2,66 %	Minimal, ingen selvstændig indsats nødvendig
DuckDuckGo	1,73 %	Lille, men voksende blandt privatlivsbevidste brugere
Ecosia og Yandex	0,54 % og 0,53 %	Marginalt for de fleste danske virksomheder

Det tal fortæller kun halvdelen af historien, for det måler klassiske søgninger, ikke chatbaserede forespørgsler. ChatGPT havde ifølge OpenAI-chefen Sam Altman over 800 millioner ugentlige brugere globalt i oktober 2025 (TechCrunch, Sam Altman om 800 millioner ugentlige ChatGPT-brugere), og herhjemme har brugen taget fart markant. Ifølge en analyse fra Dansk Erhverv havde 55 procent af danskerne i september 2025 prøvet ChatGPT eller en lignende sprogmodel, mod kun 21 procent i 2023, og blandt de 18-29-årige lå andelen på 84 procent (Dansk Erhverv, over halvdelen af danskerne har brugt ChatGPT).

Halvdelen af danskerne har allerede prøvet ChatGPT, og andelen vokser hurtigst blandt dem under 30, den gruppe, der om få år er hovedparten af enhver virksomheds kundegrundlag.

Google selv oplyser, at AI-oversigter er tilgængelige på dansk og understøttet på over 100 sprog i alt, og at funktionen leverer "et AI-genereret snapshot med vigtige oplysninger og links" direkte i søgeresultaterne (Google Søgning Hjælp, AI-oversigter). Ifølge danske SEO-rådgivere blev AI Overview rullet ud i Danmark i foråret 2025 og var bredt tilgængeligt fra midten af maj samme år (Team Robin, Google AI Overview: sådan forandres søgningen). Google har desuden i oktober 2025 udvidet AI-tilstand med over 35 nye sprog og til over 40 nye lande og territorier, så funktionen samlet dækker mere end 200 lande og territorier (Google, udvidelse af AI-tilstand til flere sprog og lokationer).

De enkelte motorer opfører sig heller ikke ens, hvilket har praktisk betydning for, hvor du bør lægge din indsats først. Perplexity er bygget til at søge live for stort set alle spørgsmål og lægger stor vægt på friskhed og direkte citater med synlige kildehenvisninger i selve svaret. ChatGPT bruger en kombination af sin egen træningsdata og en indbygget søgefunktion, der aktiveres, når spørgsmålet kræver aktuel information, hvilket betyder, at ældre, velkendte fakta kan komme fra træningsdata, mens nyere eller meget specifikke spørgsmål trigger en live-søgning. Googles AI Overviews og AI-tilstand er tættest koblet til det almindelige søgeindeks og arver derfor meget af den samme tekniske SEO-hygiejne, som allerede gælder for klassisk Google-synlighed.

For en dansk virksomhed betyder det i praksis, at Google stadig er der, hvor det meste af trafikken kommer fra i dag, men at ChatGPT, Perplexity og Googles egne AI-svar hurtigt bliver det sted, hvor beslutningen om hvilken leverandør, der overhovedet kommer i betragtning, allerede er truffet, før brugeren når til de klassiske søgeresultater.

Hvor henter ChatGPT, Perplexity og Google AI Overviews deres svar fra?

De henter svar fra flere kilder på samme tid, ikke kun fra din egen hjemmeside, og det er den del, de fleste virksomheder overser. En assistent, der besvarer et spørgsmål, trækker på sin træningsdata, en live søgning på nettet udført i selve øjeblikket, og de kilder, dens søgesystem allerede stoler på.

Google beskriver, at både AI Overviews og AI-tilstand bruger en teknik kaldet "query fan-out", hvor systemet stiller flere relaterede søgninger på tværs af underemner for at samle et fyldestgørende svar, og at det giver et bredere og mere varieret sæt af links end en klassisk søgning (Google Search Central, AI features and your website). Google skriver samtidig direkte, at der ikke findes særlige krav for at optræde i AI Overviews eller AI-tilstand ud over almindelig god SEO-praksis: korrekt adgang for crawlere, brugbart indhold og en god sideoplevelse.

Det betyder, at den overflade, du reelt optimerer til, inkluderer steder, du ikke selv ejer. En velbesøgt debattråd på et forum, en sammenligningsartikel på en andens hjemmeside, en leverandørs egen dokumentation, en video med undertekster nogen har transskriberet. Halvdelen af generative engine optimization foregår uden for dit eget domæne, hvilket gør disciplinen tættere på public relations end på teknisk SEO.

Det praktiske eksempel er en dansk B2B-virksomhed, der sælger regnskabssoftware. Selv hvis virksomhedens egen hjemmeside er teknisk perfekt, kan et AI-svar om "bedste regnskabsprogram til en dansk enkeltmandsvirksomhed" i stedet trække på en anmeldelse på Trustpilot, en sammenligningsartikel fra en brancheblog eller en tråd på et forum for iværksættere. Er virksomheden ikke til stede, eller nævnt positivt, i de kilder, hjælper det kun delvist, at den egen hjemmeside er velskrevet.

Ingen AI-model kan citere en kilde, den ikke har adgang til at hente eller aldrig har set omtalt et andet sted.

Der er også en tidsdimension i, hvilken type kilde en model foretrækker. Til spørgsmål, hvor et svar kan ændre sig hurtigt, priser, produktnavne, tilgængelighed, foretrækker en assistent med live-søgning typisk den nyeste kilde, den kan finde, selv hvis en ældre kilde er mere grundig. Til spørgsmål, hvor svaret er stabilt over tid, definitioner, generelle metoder, historiske fakta, kan en model i højere grad læne sig op ad det, den har lært under træning, hvilket betyder, at indhold, der har ligget tilgængeligt og blevet citeret et stykke tid, har en fordel, modellen ikke nødvendigvis får opdateret før næste gentræning.

Hvad skal være på plads, før GEO overhovedet kan virke?

Tre forudsætninger skal være opfyldt, i den rækkefølge, og ingen af dem er valgfrie. Mangler den første, er resten spild af tid.

1. Motorerne skal have lov til at hente dig. De fleste AI-assistenter respekterer robots.txt-filen på din hjemmeside. Blokerer den filen for crawlere som GPTBot, ClaudeBot eller PerplexityBot, har du reelt fravalgt at blive citeret af de systemer, uden nødvendigvis at have truffet det valg bevidst. Mange sider gør det ved et uheld, fordi en generisk sikkerhedsindstilling blokerer bredt. En robots.txt-fil, der bevidst tillader de vigtigste AI-crawlere, kan se sådan ud i sin enkleste form:

   User-agent: GPTBot
   Allow: /
   
   User-agent: PerplexityBot
   Allow: /
   
   User-agent: ClaudeBot
   Allow: /
   
   User-agent: Google-Extended
   Allow: /
   

   Det modsatte, en blok, ser tilsvarende simpelt ud med Disallow: / i stedet for Allow: /, hvilket er præcis hvad mange sikkerhedsplugins sætter som standard, uden at nogen har set det efter.

2. Svaret skal kunne overleve at blive taget ud af sin sammenhæng. En AI-model trækker et afgrænset stykke tekst ud, ikke en hel side. Et afsnit, der begynder med "som nævnt ovenfor" eller et løsrevet "det", er ubrugeligt og bliver fravalgt til fordel for en konkurrents renere formulering. Hver sektion bør derfor kunne stå alene og stadig give mening. Et svagt eksempel starter sådan: "Det er også vigtigt, fordi det påvirker resultatet markant." Et stærkt eksempel navngiver i stedet emnet direkte: "Robots.txt-filen afgør, om en AI-crawler overhovedet må hente din side."

3. Påstandene skal kunne efterprøves. Forskningsartiklen bag GEO-begrebet fandt netop, at tilføjelse af citater og tal øgede en sides synlighed i genererede svar. Det virker kun med rigtige tal knyttet til rigtige kilder. Et opdigtet tal er værre end intet tal, for det er det første, en kritisk læser tjekker, og bliver det opdaget, mister hele siden sin troværdighed på én gang.

En simpel test, du selv kan lave uden værktøjer: kopiér tre til fem sætninger fra en central side på din hjemmeside ind i et separat dokument, uden overskrift og uden kontekst. Giver de stadig mening for en, der ikke kender siden i forvejen? Hvis svaret er nej, er den sektion sandsynligvis usynlig for en AI-model, selv hvis den er velskrevet for et menneske, der læser hele siden fra toppen.

Hvilken rolle spiller strukturerede data (schema markup) for GEO?

Strukturerede data, ofte kaldet schema markup, er en måde at mærke indhold på siden med maskinlæsbare etiketter, så en søgemaskine eller AI-model ikke skal gætte, hvad et stykke tekst betyder. Det er ikke nyt, klassiske søgemaskiner har brugt det siden begyndelsen af 2010'erne, men det har fået fornyet relevans, fordi det gør indhold nemmere at udtrække præcist til et AI-svar.

I praksis betyder det at tilføje et JSON-LD-script i sidens kode, der eksplicit angiver ting som: dette er en artikel, forfatteren hedder det og det, dette afsnit er et spørgsmål-og-svar-par, dette er en trinvis vejledning. En FAQPage-markering fortæller for eksempel maskinlæseligt, hvilke tekstblokke der er spørgsmål, og hvilke der er de tilhørende svar, i stedet for at modellen selv skal gætte det ud fra overskrifter og afsnit.

Fordelen for GEO er, at struktureret data fjerner en del af fortolkningsarbejdet fra AI-modellen. Jo mindre modellen selv skal gætte sig til, hvad der er svaret på et spørgsmål, jo mindre er risikoen for, at den gengiver det forkert, forkort det for meget, eller helt springer det over til fordel for en side, hvor strukturen er tydeligere.

Struktureret data er ikke en genvej til at blive citeret uden godt indhold, men det er den billigste tekniske forbedring, der reducerer risikoen for fejlcitater. Det koster typisk timer, ikke uger, at tilføje til en eksisterende side, og det skader aldrig den klassiske SEO-synlighed, fordi Google har brugt de samme standarder i årevis.

Det er værd at være ærlig om grænsen her: ingen af de store AI-leverandører har offentligt bekræftet præcis, hvor meget vægt deres model lægger på struktureret data i forhold til almindelig, velskrevet brødtekst. Det sikre er, at det ikke skader, og at det gør indholdet lettere at parse korrekt, hvilket er hele GEO-disciplinens kerneopgave.

Hvad er llms.txt, og bør en dansk virksomhed oprette en?

Llms.txt er et forslag til en fil, der fungerer lidt som robots.txt, men rettet mod AI-modeller i stedet for søgemaskinecrawlere. Tanken er, at en hjemmeside i et enkelt, læsbart format kan angive sine vigtigste sider og et kort resumé af hver, så en AI-assistent hurtigt kan orientere sig, uden at skulle gennemtrawle hele sitet.

Det er endnu ikke en officiel, bredt anerkendt standard på samme måde som robots.txt. Hverken Google, OpenAI eller Anthropic har offentligt bekræftet, at deres produktionssystemer aktivt læser og prioriterer filen i deres almindelige retrieval. Det betyder ikke, at den er værdiløs, men det betyder, at den skal betragtes som et eksperimentelt supplement, ikke som en erstatning for de tre forudsætninger nævnt tidligere i denne artikel.

For en dansk virksomhed med begrænset teknisk tid er den ærlige prioritering derfor: sørg først for, at robots.txt tillader de kendte AI-crawlere, at indholdet er struktureret og citerbart, og at påstandene er kildebelagte. En llms.txt-fil kan tilføjes bagefter, som en lavrisiko-ekstra indsats, der i værste fald ikke gør nogen forskel, og i bedste fald gør det marginalt lettere for et system, der vælger at læse den.

Hvordan laver du generative engine optimization i praksis? Trin for trin

GEO-arbejdet følger en fast rækkefølge, og at springe de tidlige trin over er hovedårsagen til, at indsatsen ikke giver resultater. Processen ser typisk sådan ud, uanset om den udføres internt, af en freelancer eller af et bureau:

1. Kortlæg de reelle spørgsmål, kunderne stiller. Ikke søgeord i klassisk forstand, men hele spørgsmål og beslutninger, formuleret som en kunde ville skrive dem, gerne inklusive talesprogsnære varianter på dansk. Tal med salgsafdelingen eller kundeservice, hvis de findes, for de sidder ofte på den bedste liste af reelle spørgsmål uden at vide, den er værdifuld.
2. Tjek, om din hjemmeside overhovedet kan hentes af AI-crawlere. Gennemgå robots.txt og eventuelle sikkerhedsindstillinger, der kan blokere GPTBot, PerplexityBot og lignende, uden at det var meningen. Dette trin tager typisk under en time og bør gøres, før noget andet indhold skrives.
3. Skriv ét direkte, liftbart svar per spørgsmål. Første eller andet sætning i hver sektion skal alene kunne besvare spørgsmålet, uden at kræve resten af artiklen som kontekst.
4. Tilføj rigtige tal med rigtige kilder til hver central påstand. Et tal uden kilde er en påstand. Et tal med en kilde er et fakta, en model tør citere.
5. Byg struktur, en model kan parse. Overskrifter som spørgsmål, tabeller til sammenligninger, nummererede lister til processer, og gerne struktureret data i baggrunden, som beskrevet tidligere.
6. Arbejd også uden for eget domæne. Sørg for korrekte, konsistente omtaler på tredjepartskilder som brancheforums, anmeldelsessider og relevante sammenligningsartikler, de steder modellerne allerede henter fra.
7. Test dine egne målspørgsmål i ChatGPT, Perplexity og Google AI Overviews. Notér, om dit brand nævnes, og om det citeres med et link. Gør det gentagne gange, ikke bare én gang.
8. Justér ud fra, hvad der faktisk bliver citeret, ikke ud fra den oprindelige plan. Det, der ikke virker efter et par måneder, omskrives. Det, der virker, udvides til flere beslægtede spørgsmål.

Denne cyklus stopper ikke efter første gennemløb. Hver testrunde i trin syv afslører nye huller, som næste runde af indhold og kildearbejde retter op på. En virksomhed, der kører de otte trin én gang og derefter bare publicerer i det uendelige uden at vende tilbage til trin syv, har i praksis droppet den del af arbejdet, der reelt afgør, om indsatsen lykkes.

Det er også værd at nævne, hvad rækkefølgen bevidst undgår. Den starter ikke med design, ikke med en teknisk audit af hele hjemmesiden, og ikke med at vælge et værktøj. Den starter med spørgsmålene, fordi alt andet i processen kun giver mening, hvis det svarer på noget, en rigtig kunde rent faktisk vil spørge om.

Hvordan skriver du et afsnit, en AI-model rent faktisk kan citere?

Et citérbart afsnit svarer direkte på et konkret spørgsmål i den første eller anden sætning, uden at kræve resten af siden som kontekst. Det lyder simpelt, men det er den enkeltstående vane, der oftest mangler i almindeligt virksomhedsindhold, hvor første sætning traditionelt bruges til at "varme op" i stedet for at svare.

Sammenlign to måder at åbne det samme afsnit på. En svag version: "Når man taler om synlighed i søgemaskiner, er der mange faktorer, der spiller ind, og det er derfor vigtigt at have styr på det grundlæggende, før man går videre." Den sætning siger stort set intet konkret og kan ikke bruges som et selvstændigt citat, fordi den ikke navngiver noget, en model kan gengive som et fakta. En stærk version af samme emne: "Robots.txt-filen bestemmer, om en AI-crawler som GPTBot overhovedet må hente en side, før noget andet arbejde med synlighed giver mening." Den anden version navngiver et konkret objekt, en konkret aktør og en konkret konsekvens, hvilket gør den langt lettere at trække ud og genbruge korrekt.

Tre konkrete vaner går igen i indhold, der bliver citeret ofte. For det første: navngiv subjektet i sætningen i stedet for at bruge "det", "dette" eller "man" som det bærende led. For det andet: sæt tal og enheder direkte ved siden af hinanden, "85,24 procent" fremfor "en stor andel", fordi et konkret tal er lettere at udtrække præcist end en vurdering. For det tredje: afslut hvert afsnit, før det bevæger sig videre til et nyt underemne, i stedet for at blande to spørgsmål i samme tekstblok, for en AI-model udtrækker typisk et sammenhængende stykke tekst ad gangen, og et afsnit, der dækker to emner på én gang, risikerer at blive skåret forkert over.

Den mest almindelige fejl er ikke dårlig research, det er en indledende sætning, der ikke kan stå alene. Det er også den billigste at rette, fordi det ikke kræver ny viden, kun en omskrivning af den sætning, der allerede findes.

Hvordan måler du, om GEO virker?

Du kan ikke aflæse en placering, for der findes ingen placering. I stedet måler du en andel: hvor stor en del af et fast sæt rigtige kundespørgsmål dit brand optræder i, målt gentagne gange over tid.

Metoden i praksis: saml 15 til 30 spørgsmål, en rigtig kunde realistisk ville stille en AI-assistent i din branche, for eksempel "hvilket bureau er bedst til lokal SEO i [din by]" eller "hvordan vælger jeg [din type produkt]". Kør de samme spørgsmål gennem ChatGPT, Perplexity og Googles AI Overviews med faste mellemrum, for eksempel hver måned, og notér for hvert spørgsmål to ting: blev dit brand nævnt, og blev det citeret med et link.

Et tal for andel af svar giver kun mening, hvis det måles mod det samme faste spørgsmålssæt hver gang. Ændrer du spørgsmålene undervejs, har du reelt ændret målestokken, og tidligere tal bliver ikke sammenlignelige med de nye.

Trafik fortæller dig ikke ret meget her, for hele pointen med et genereret svar er netop, at brugeren ofte aldrig besøger nogen af de citerede sider. Placeringer i Google Search Console fortæller heller ikke historien, for de måler klassisk søgning, ikke om ChatGPT eller Perplexity nævner dig i en samtale, brugeren aldrig forlader.

Det, du derimod kan holde øje med i Google Search Console, er om din side dukker op i AI Overviews-relaterede visninger under det almindelige "Web"-søgetype i performancerapporten, da Google selv oplyser, at der ikke findes separate målinger for AI-funktionerne, kun samme rapport som for klassisk søgning (Google Search Central, AI features and your website). Det er et supplement, ikke en erstatning for selv at teste spørgsmålene direkte i assistenterne.

En simpel opstart for en mindre dansk virksomhed uden budget til værktøjer: en delt regnearksfane med de faste spørgsmål i venstre kolonne, og en kolonne per måned til højre, hvor du manuelt noterer "nævnt", "citeret med link" eller "slet ikke nævnt" efter at have stillet spørgsmålene selv. Det er ikke elegant, men det er ærligt, og det er den samme grundlæggende metode, mere avancerede værktøjer automatiserer.

Der er i de seneste år opstået en række kommercielle værktøjer, der markedsfører sig som "AI-synligheds-trackere" og automatiserer netop denne manuelle proces. Ingen af dem er nævnt her, fordi deres reelle dækning og nøjagtighed varierer, og fordi det ikke er ærligt at anbefale et navngivet værktøj, uden selv at have testet dets målemetode grundigt. Den manuelle metode beskrevet ovenfor er langsommere, men den er til gengæld fuldstændig gennemsigtig: du ved præcis, hvad der er blevet spurgt om, og præcis, hvad der kom tilbage.

Hvor lang tid tager det, før GEO viser resultater?

Det afhænger af, om assistenten svarer live fra nettet eller fra sin egen træningsdata, og det er en vigtigere skelnen end de fleste virksomheder er klar over. En assistent med live-søgning kan i princippet finde og bruge en ny side inden for dage efter, den er indekseret. Et svar, der udelukkende kommer fra modellens træning, ændrer sig først, når modellen selv bliver gentrænet, hvilket sker med måneders mellemrum, ikke ugentligt.

Google skriver i sin officielle guide til klassisk SEO, at nogle ændringer virker i løbet af timer, mens andre først viser effekt efter flere måneder, og anbefaler mindst et par ugers ventetid, før man vurderer effekten af en given ændring (Google Search Central, SEO Starter Guide). Den samme tommelfingerregel gælder for GEO, blot med den ekstra usikkerhed, at du ikke kan se en placering flytte sig gradvist. Du ser enten, at du bliver nævnt i en test, eller du gør ikke.

En realistisk tidslinje for en mindre dansk virksomhed uden tidligere GEO-arbejde ser typisk sådan ud:

• Uge 1-4: kortlægning af spørgsmål, tjek af crawleradgang, de første omskrevne eller nye sider med direkte svar og kilder.
• Måned 2-3: de første tegn i live-søgende assistenter som Perplexity og ChatGPT-med-søgning, ofte på mindre konkurrenceprægede, meget specifikke spørgsmål først.
• Måned 4-6: bredere spørgsmål begynder at give resultat, forudsat at arbejdet med tredjepartskilder (anmeldelser, omtaler, forumtråde) har været konsistent sideløbende.
• Efter måned 6: svar, der delvist trækker på modellens træningsdata og ikke kun på live-søgning, begynder at fange indholdet, men kun hvis det har ligget tilgængeligt og citeret et stykke tid forinden.

Ingen seriøs aktør kan love en fast dato for, hvornår en bestemt AI-model begynder at nævne dit brand, for det afhænger delvist af, hvornår den model næste gang gentrænes.

Der findes én reel genvej: helt nye virksomheder eller helt nye produktkategorier, hvor der endnu ikke findes gode kilder på dansk, kan blive citeret hurtigere, simpelthen fordi konkurrencen om at være "det bedste svar" er tyndere. Omvendt kan en etableret kategori med mange velskrevne konkurrenter kræve længere tid, uanset hvor godt det nye indhold er.

Hvor ofte skal du publicere nyt indhold for at vinde i GEO?

Der findes ikke ét rigtigt publiceringstempo, men der findes en klar fejl at undgå: at skrive én grundig artikel og derefter ikke røre den igen i et år. GEO belønner indhold, der bliver holdt ved lige, mere direkte end klassisk SEO gør, fordi flere af motorerne aktivt foretrækker det nyeste svar, de kan finde, når spørgsmålet handler om noget, der kan ændre sig.

Friskhed betyder noget forskelligt afhængigt af, hvilken type spørgsmål en side besvarer. En side om en tidløs definition, som denne artikel selv er et eksempel på, mister ikke sin værdi, bare fordi den ikke opdateres hver måned, så længe kernefaktaene stadig holder. En side om priser, tilgængelige funktioner eller lovgivning derimod forældes hurtigt, og en assistent med live-søgning vil ofte hoppe videre til en nyere kilde, hvis den gamle side ikke længere matcher virkeligheden.

Det praktiske råd er derfor todelt. For det første: skriv færre, men grundigere sider, fremfor mange tynde sider, der hver dækker et snævert underemne overfladisk. En AI-model foretrækker en side, der besvarer et spørgsmål udtømmende, over ti sider, der hver kun delvist besvarer det. For det andet: sæt konkret tid af til at genbesøge eksisterende sider, ikke kun til at skrive nye. En side, hvis "opdateret"-dato er flere år gammel, og hvis tal ikke længere stemmer, skader både den klassiske SEO-synlighed og chancen for at blive citeret af en AI-model, der tjekker, om informationen stadig er aktuel.

En forældet side med ét forkert tal er ofte værre for GEO end slet ingen side, fordi den aktivt kan blive citeret med en fejl, der ligger hos dig, ikke hos modellen. Det er en anden risiko end i klassisk SEO, hvor en forældet side typisk bare falder i placering, uden at blive fremhævet som en autoritativ kilde til en forkert oplysning.

Brictale arbejder selv efter den logik i sin egen produktion, med over 500 artikler om måneden gennem en intern pipeline, men det afgørende princip gælder uanset skala: en fast, realistisk kadence for både nyt indhold og opdatering af det eksisterende slår en stor mængde indhold, der aldrig bliver vedligeholdt.

Er der forskel på GEO for B2B og B2C i Danmark?

Ja, primært fordi beslutningsprocessen og de spørgsmål, kunderne stiller en AI-assistent, ser forskellige ud, ikke fordi den grundlæggende teknik er anderledes. Et B2C-køb bliver ofte afklaret i én samtale, mens et B2B-køb typisk involverer flere spørgsmål stillet over uger, ofte af flere personer i samme organisation.

For en B2C-virksomhed er de spørgsmål, der er værd at målrette, ofte korte og sammenlignende: "hvilket produkt passer bedst til X" eller "hvad koster Y typisk". Svaret, der bliver citeret, skal derfor være kort, konkret og let at sammenligne direkte med konkurrenter i samme svar, hvilket gør tabeller og punktlister særligt værdifulde her.

For en B2B-virksomhed strækker relevante spørgsmål sig ofte over hele beslutningsrejsen: "hvad er forskellen på X og Y", "hvordan implementerer man Z i en mindre organisation", "hvilke krav stiller lovgivningen til W". Det betyder, at en B2B-virksomhed typisk har brug for flere, dybere artikler, der hver dækker ét trin i beslutningen, frem for én bred side, der forsøger at dække det hele.

Den praktiske forskel er ikke, om GEO virker for den ene eller den anden, det er hvor mange forskellige spørgsmål der reelt skal dækkes, før beslutningstageren har set nok til at handle. En kortere B2C-beslutning kræver færre, men skarpere sider. En længere B2B-beslutning kræver flere sider, der hver besvarer ét konkret trin grundigt.

Fælles for begge er, at kilderne uden for eget domæne vejer tungt. For B2C er det ofte anmeldelsessider og forbrugerfora. For B2B er det oftere branchemedier, dokumentation og fagfællebedømte sammenligninger. Ingen af delene erstatter arbejdet på egen hjemmeside, men begge afgør, om den øvrige indsats reelt bliver set af de systemer, der samler svarene.

Hvem skal betale for GEO, og hvad koster det at komme i gang?

Kort svar: den samme afdeling eller det samme budget, der allerede betaler for SEO og indhold, for det meste af arbejdet er identisk. Kun målingen og et par tekniske detaljer adskiller sig reelt.

Der findes ikke én fast pris for GEO i Danmark, fordi arbejdet endnu er så nyt, at markedet ikke har sat sig. Det, der derimod kan siges med sikkerhed, er hvad omkostningen typisk består af, uanset hvem der udfører arbejdet:

Omkostningstype	Hvad den dækker	Hvem bærer den typisk
Indholdsproduktion	Research, skrivning, kildetjek, opdatering af eksisterende sider	Samme budget som SEO-indhold i forvejen
Teknisk tjek	Gennemgang af robots.txt, crawleradgang, sidestruktur	En enkeltstående opgave, ofte under en dags arbejde for en, der kender feltet
Løbende måling	Manuel eller værktøjsbaseret test af faste spørgsmål i flere AI-motorer	Tilbagevendende, typisk månedligt
Arbejde uden for eget domæne	Opbygning af omtale på anmeldelsessider, forums og branchemedier	Kræver mest tid, og er lettest at undervurdere i et budget

Den dyreste post er ofte ikke den, virksomheder budgetterer med. Arbejdet uden for eget domæne, altså det at blive nævnt godt på steder, du ikke selv ejer, tager mere tid end at skrive en artikel på egen hjemmeside, men bliver typisk glemt i den første plan.

Der findes ingen officiel dansk prisliste for GEO specifikt, i modsætning til klassisk SEO, hvor markedet i 2026 typisk lå mellem 3.000 og 25.000 kroner om måneden afhængigt af omfang og konkurrence. Da GEO for det meste er en udvidelse af samme indholdsarbejde, er det rimeligt at forvente et sammenligneligt niveau, snarere end en helt ny budgetpost oveni.

Det er også værd at overveje omkostningen ved at vente. Jo længere en kategori venter med at have kildebaseret, citérbart indhold på dansk, jo mere tid får de tidlige aktører til at blive den kilde, modellerne allerede stoler på og derfor foretrækker at genbruge, også længe efter at konkurrencen selv begynder at skrive tilsvarende indhold.

Det er også værd at sætte forventningen rigtigt i forhold til afkast. GEO er ikke en kanal, der kan vise et direkte konverteringstal på samme måde som en betalt annonce, netop fordi brugeren ofte aldrig klikker sig videre til din side. Det rigtige spørgsmål til et budget er derfor ikke "hvad er afkastet per krone denne måned", men "hvor stor en andel af de reelle beslutninger i vores kategori bliver truffet med hjælp fra en AI-assistent, og optræder vi i dem". Det er et langsommere, men mere ærligt grundlag at planlægge et budget ud fra.

Hvis du vil se, hvor din virksomhed reelt står lige nu, både i klassisk søgning og i AI-genererede svar, er et gratis synlighedstjek et konkret, uforpligtende første skridt, før du overhovedet lægger et budget.

Hvilke fejl laver virksomheder oftest, når de kaster sig over GEO?

De dyreste fejl handler sjældent om selve indholdet, men om forkerte antagelser om, hvordan AI-assistenter rent faktisk fungerer. Her er de mest almindelige, i den rækkefølge de typisk opdages, ofte for sent:

• Skriver to versioner af den samme side, én "til Google" og én "til AI". Det dobbelte arbejde er unødvendigt, og det efterlader typisk begge versioner svagere end én samlet, velskrevet side ville have været.
• Blokerer AI-crawlere ved en fejl gennem en generisk sikkerhedsindstilling. Mange content management-systemer og sikkerhedsplugins blokerer bredt for ukendte user agents, inklusive GPTBot og PerplexityBot, uden at nogen har truffet det valg bevidst.
• Måler kun på trafik. Trafikken fra en AI-assistent er ofte lav eller ikke-eksisterende, selv når brandet reelt bliver nævnt og anbefalet, fordi brugeren får svaret uden at klikke videre.
• Forventer resultater efter en enkelt testrunde. Én test i ChatGPT en enkelt dag viser et øjebliksbillede, ikke en tendens, og AI-modellernes svar varierer naturligt fra forespørgsel til forespørgsel.
• Ignorerer omtaler uden for egen hjemmeside. En perfekt optimeret hjemmeside hjælper mindre, hvis de kilder, modellerne rent faktisk stoler på, aldrig nævner virksomheden positivt.
• Opdigter tal eller overdriver påstande for at lyde mere autoritativ. Det modsatte af hensigten sker: en model, der opdager en unøjagtighed, eller en bruger, der selv tjekker kilden, mister tilliden til hele siden, ikke kun den ene sætning.
• Skriver lange, indlejrede afsnit uden en klar første sætning. En AI-model, der udtrækker et stykke tekst, springer typisk over afsnit, der kræver hele konteksten for at give mening.
• Dropper arbejdet efter tre måneder, fordi der "ikke sker noget". GEO er stadig så nyt et felt, at mange af de relevante AI-modeller endnu ikke har opdateret deres forståelse af markedet, og det tager tid, før nyt indhold slår igennem i både live-søgning og træningsdata.
• Behandler struktureret data og llms.txt som en mirakelkur. Begge dele hjælper en model med at læse indholdet korrekt, men ingen af dem kompenserer for et svagt eller upræcist svar. Teknikken understøtter indholdet, den erstatter det ikke.
• Lader én person eje hele indsatsen uden opbakning fra ledelsen. GEO kræver konsistens over måneder på tværs af både egen hjemmeside og tredjepartskilder, og det arbejde stopper ofte brat, hvis det udelukkende hviler på én medarbejders private prioritering.

Den dyreste fejl er ikke at vælge den forkerte taktik, det er at måle på det forkerte tal og konkludere, at intet virker.

Hvornår giver GEO ikke mening for en dansk virksomhed?

GEO giver ikke mening, når kunderne aldrig bruger AI-assistenter til at træffe den type beslutning, virksomheden sælger til, eller når virksomheden endnu ikke har et stabilt produkt at skrive om. Det er reelle situationer, ikke sjældne undtagelser, og det er værd at anerkende dem ærligt i stedet for at sælge indsatsen ind alligevel.

Konkrete situationer, hvor et andet fokus giver mere mening end GEO lige nu:

• En meget lokal, fysisk service uden onlinebeslutning. En frisørsalon i et enkelt kvarter får sjældent kunder via et AI-genereret svar. Her betyder en komplet Google Virksomhedsprofil og lokale anmeldelser markant mere.
• En brancheindustri, hvor beslutningen tager år, og hvor personlige relationer afgør valget. Store B2B-indkøb i visse industrier bygger stadig primært på eksisterende netværk og udbudsprocesser, ikke på et spørgsmål stillet til en chatbot.
• En startup uden et valideret produkt. Indhold skrevet om et produkt, der ændrer sig hver måned, mister sin værdi hurtigt, uanset om det er optimeret til AI-svar eller ej. Budgettet er bedre brugt på at validere selve produktet først.
• Meget begrænset budget til indhold i forvejen. GEO er for det meste en udvidelse af eksisterende indholdsarbejde. Findes det arbejde ikke, er der ikke noget at udvide, og pengene er bedre brugt på det grundlæggende først.
• En branche med strenge regler for markedsføringspåstande. Sundhedsydelser og finansielle produkter har ofte ekstra restriktioner, og indhold skrevet for at blive citeret bredt skal kende de grænser fra start, ikke rettes til bagefter.

En sjette situation, det er let at overse: virksomheder, hvis vigtigste kanal reelt er personligt salg eller udbud, ikke søgning i nogen form. Her ændrer GEO ikke noget grundlæggende ved, hvordan aftaler faktisk indgås, og en indsats her risikerer at blive et pænt stykke indhold, ingen relevant beslutningstager nogensinde støder på undervejs i deres proces.

At anerkende de her situationer er ikke imod noget bureaus interesse. Det er præcis den type råd, en ærlig aktør burde give, selv hvis det betyder, at opgaven venter eller aldrig kommer.

SEO bureau, freelancer eller en intern medarbejder: hvem skal løse GEO-opgaven?

Valget afhænger af, hvor meget arbejde der reelt skal laves, ikke af hvem der lyder mest overbevisende. En intern medarbejder kender virksomheden bedst, en freelancer er billigst for et afgrænset omfang, og et bureau eller en specialiseret leverandør giver mening, når teknik, indhold og arbejdet uden for egen hjemmeside skal køre samtidigt.

Model	Passer bedst til	Reel begrænsning
Intern medarbejder	Virksomheder, hvor indhold og optimering allerede er en fast, tilbagevendende opgave	Kræver tid til at følge et felt, der stadig ændrer sig hurtigt, oveni det almindelige arbejde
Freelancer	Mindre virksomheder med et afgrænset behov, for eksempel en gennemgang og et par måneders opfølgning	Én person dækker sjældent teknik, indhold og arbejde uden for eget domæne lige godt samtidig
SEO- eller GEO-bureau	Virksomheder, der har brug for flere kompetencer parallelt, hurtigere end de selv kan opbygge dem internt	Koster mere end en freelancer, og kræver at bureauet reelt forstår GEO, ikke kun klassisk SEO under et nyt navn

En simpel tommelfingerregel: fylder arbejdet under 10 timer om måneden, er en freelancer eller en kort intern opgave nok. Mellem 10 og 30 timer om måneden bør du overveje en deltidsressource eller et lille bureau. Over 30 timer om måneden, eller hvis den tekniske forståelse af AI-crawlere og målemetoder mangler internt, er et bureau med et samlet team ofte den hurtigste vej.

Fordi GEO kræver gentagen testning og løbende opdatering, snarere end et engangsprojekt, passer arbejdet bedre til en løbende aftale end til et afgrænset projekt med en fast slutdato. Et projekt, der afsluttes efter den første runde indhold, efterlader typisk målingen i trin syv af processen beskrevet tidligere uden nogen til at følge op på den, hvilket er præcis det trin, der afgør, om indsatsen reelt virker.

Uanset hvem der udfører arbejdet, bør du stille de samme spørgsmål, du ville stille til et klassisk SEO bureau: kan de vise, hvordan de tester for AI-omtale, ikke kun for Google-placeringer? Forklarer de metoden i almindeligt sprog? Og er de ærlige om, at ingen kan garantere, hvornår en bestemt model begynder at nævne dig?

Et par yderligere spørgsmål er værd at stille specifikt til GEO, som ikke altid dukker op i en klassisk SEO-samtale: hvordan håndterer leverandøren tredjepartskilder, altså omtaler uden for din egen hjemmeside? Har de en konkret proces for at teste robots.txt og crawleradgang, eller antager de bare, at det er i orden? Og kan de vise et eksempel på, hvordan de omskriver et svagt, uciterbart afsnit til et stærkt et, frem for kun at tale om strategi på et overordnet niveau?

Hvordan påvirker ChatGPT og Google AI Overviews allerede danske virksomheder?

De påvirker allerede trafikken til danske hjemmesider målbart, og reaktionen fra den danske mediebranche viser, hvor alvorligt det bliver taget. Da Google rullede AI Overviews ud i Danmark i foråret 2025, reagerede brancheorganisationen Danske Medier sammen med DPCMO officielt over for Google.

Danske Mediers direktør udtalte offentligt, at organisationen havde meddelt Google, at selskabet ikke må bruge dansk medieindhold i AI Overview uden tilladelse, og pegede på erfaringer fra andre lande, hvor funktionen har medført betydelige trafiknedgange til de oprindelige kilder (Danske Medier og DPCMO, pressemeddelelse via Ritzau, september 2024). Uenigheden handler grundlæggende om det samme, som GEO forsøger at løse for den enkelte virksomhed: hvem bliver nævnt, og hvem forsvinder, når et svar bliver samlet af en model i stedet for læst direkte på kilden.

At være det fjerde forslag i et AI-genereret svar svarer i praksis til slet ikke at eksistere, uanset hvor god ens hjemmeside i øvrigt er.

For dansksproget indhold specifikt er situationen på én måde en mulighed. Der findes markant mindre velskrevet, kildebaseret indhold på dansk om konkrete forretningsspørgsmål, end der findes på engelsk, hvilket betyder, at de generative motorer har færre gode kilder at vælge imellem, når en bruger spørger på dansk. Det er samme mekanisme, uanset om spørgsmålet handler om regnskabssoftware, håndværkere eller marketingydelser.

Denne mangel på konkurrence er midlertidig, ikke strukturel. Efterhånden som flere danske virksomheder og medier begynder at skrive med samme bevidsthed om citérbarhed, vil de tomrum, der findes i dag, blive fyldt ud af nogen, hvad enten det er en konkurrent eller en selv. Den reelle fordel ved at starte nu ligger derfor ikke kun i selve indholdet, men i at blive den kilde, en model allerede har set citeret et stykke tid, når konkurrencen først begynder at skrive tilsvarende sider.

For en mindre dansk virksomhed uden en dedikeret marketingafdeling betyder alt dette ovenstående noget helt konkret: den samme AI-samtale, der i dag afgør, om en potentiel kunde overhovedet overvejer virksomheden, foregår allerede, uanset om virksomheden selv har taget stilling til det. At vente på, at markedet "modner sig" mere, inden man begynder, betyder i praksis at overlade de tomrum, der findes på dansk lige nu, til hvem som helst, der først skriver et godt, kildebaseret svar på de spørgsmål, kunderne stiller.

Brictale arbejder med netop den type indsats: klare, direkte svar på reelle spørgsmål, bygget op med samme struktur, mennesker og AI-modeller begge kan bruge. Vi har blandt andet produceret og offentliggjort AI-genererede reklamefilm, heriblandt en julekampagne for Revolut Junior, og bruger en tilsvarende tilgang til skriftlig produktion i stor skala, over 500 artikler om måneden med tilhørende billeder, gennem en intern produktionsproces.

Det er samtidig værd at sige helt åbent: Brictale arbejder udelukkende på afstand, uden kontor og uden team i Danmark, og har endnu ingen offentliggørelig kunde på det danske marked. Det, der kan vises, er selve arbejdsmetoden, beskrevet trin for trin i denne artikel, ikke et opdigtet kundecase. Vil du se, hvor din virksomhed i dag optræder, eller ikke optræder, i AI-genererede svar på danske forespørgsler, giver et gratis synlighedstjek et konkret billede uden binding.

Ordliste: centrale begreber inden for generative engine optimization

En hurtig reference til de begreber, der går igen i denne artikel og i det bredere GEO-felt, samlet ét sted til opslag:

Begreb	Betydning
GEO	Generative engine optimization, arbejdet med at blive nævnt og citeret i AI-genererede svar
Retrieval	Det trin, hvor en AI-assistent finder en kortliste af kandidatkilder, før den formulerer et svar
RAG	Retrieval-augmented generation, teknikken hvor en model henter tekst og bruger den som grundlag for sit svar, i stedet for kun at stole på sin træning
Embedding	En matematisk repræsentation af tekst, der gør det muligt at måle, hvor beslægtet to tekststykker er, selv uden identiske ord
Query fan-out	Googles betegnelse for at stille flere relaterede søgninger på tværs af underemner, for at samle et bredere svar
Crawler	Et automatiseret program, der besøger og henter sider, for eksempel GPTBot, ClaudeBot eller PerplexityBot
Robots.txt	En fil på en hjemmeside, der fortæller crawlere, hvad de må og ikke må hente
Struktureret data / schema markup	Maskinlæsbare etiketter i sidens kode, der eksplicit angiver, hvad forskellig tekst betyder
Llms.txt	Et endnu ikke officielt anerkendt forslag til en fil, der opsummerer en hjemmesides vigtigste sider for AI-modeller
Citérbart afsnit	Et stykke tekst, der giver mening og svarer på et spørgsmål, selv når det læses helt løsrevet fra resten af siden
Andel af svar (share of answer)	Den metrik, GEO måles på: hvor stor en andel af et fast spørgsmålssæt et brand nævnes i over tid

Et par yderligere begreber er værd at kende, selvom de ikke har fået deres eget afsnit i denne artikel. En chunk er det afgrænsede tekststykke, en model rent faktisk henter og læser ad gangen, typisk et afsnit eller en sektion, ikke en hel side, hvilket er grunden til, at hvert afsnit bør kunne stå alene. Friskhed, på engelsk freshness, er et samlebegreb for, hvor nyt et stykke indhold er, og hvor tæt det matcher den aktuelle virkelighed, hvilket vejer tungere for spørgsmål med et tidsfølsomt svar end for tidløse definitioner. En tredjepartskilde er enhver kilde, en AI-model citerer, som ikke er din egen hjemmeside, for eksempel en anmeldelsesside, et forum eller et branchemedie, og det er præcis den kategori af kilder, GEO-arbejdet ikke må ignorere.

Disse begreber overlapper bevidst med hinanden. En chunk skal være citérbar. Et citérbart afsnit har brug for friskhed, hvis dets emne er tidsfølsomt. Og en tredjepartskilde, der nævner dig korrekt, tæller lige så meget for en models tillid som din egen hjemmeside gør, ofte mere.

Hvad er næste skridt, hvis du vil arbejde struktureret med GEO?

Næste skridt er at finde ud af, hvor du reelt står i dag, før du beslutter noget som helst om budget eller leverandør. Saml 15 til 20 rigtige spørgsmål, dine kunder stiller, og prøv dem selv i ChatGPT, Perplexity og Google, gerne over et par dage frem for på ét tidspunkt.

Med den liste i hånden kan du vurdere, om problemet primært er teknisk (bliver du overhovedet hentet), om det er strukturelt (er dine svar liftbare og kildebaserede), eller om det ligger uden for din egen hjemmeside (mangler du gode omtaler andre steder). Den vurdering afgør, hvilket af trinene tidligere i denne artikel du reelt skal starte med, i stedet for at gætte.

En sidste anbefaling til virksomheder, der er i tvivl om, hvor meget de skal investere, før de ved, om det virker: start med et pilotforsøg afgrænset til én kategori af spørgsmål, ikke en fuld omlægning af al eksisterende indhold på én gang. Vælg fem til ti spørgsmål, der tydeligt hænger sammen med en konkret del af forretningen, gennemfør de otte trin beskrevet tidligere for netop dem, og mål resultatet over tre måneder, før du beslutter, om indsatsen skal skaleres op til resten af hjemmesiden. Den tilgang holder risikoen lav, hvis metoden af en eller anden grund ikke passer til netop din branche eller dine kunders adfærd, og den giver samtidig et konkret, sammenligneligt datapunkt, andelen af svar for netop det afgrænsede spørgsmålssæt, som kan bruges til at retfærdiggøre en større investering bagefter.

Vælger du at få hjælp, uanset om det er en freelancer, et bureau eller Brictale, så vælg den, der kan forklare metoden konkret, det samme princip som gælder ved valg af ethvert klassisk SEO bureau. En leverandør, der kun taler om placeringer og aldrig om, hvordan de tester for AI-omtale, har ikke forstået forskellen, denne artikel netop har beskrevet.

Resten af vores publicerede indhold finder du indtil videre primært på engelsk, hvor du også kan læse den engelsksprogede, mere kortfattede version af denne artikel: What is generative engine optimization?. Den danske del af læringssiden udbygges løbende, efterhånden som vi publicerer flere artikler om SEO og GEO for det danske marked, herunder vores guide til at vælge et SEO bureau i Aarhus, der går i dybden med samme spørgsmål for klassisk SEO.