LLM-er siterer dypt innhold, ikke hjemmesider

Tallene er klare. Bare 11,6 % av siteringene kommer fra URL-er med en mappedybde på én. For hvert ekstra nivå øker prosentandelen – 27,5 % ved to mapper, 33,3 % ved tre. Sider med dybde på fire til ti mapper utgjør ytterligere 16,2 % av siteringene til sammen.

Hvorfor AI-modeller foretrekker spesifikt innhold

ChatGPT og lignende verktøy leter ikke etter generell informasjon på hovedsidene. De trenger presise svar på spesifikke spørsmål. Når noen spør etter «UV-beskyttelse i sportsklær», vil modellen foretrekke en detaljert bloggartikkel eller produktside fremfor generell tekst om sportsklær.

Studieresultatene viser at suksessrike merkevarer lager innhold nettopp for denne typen søk.

Detaljerte FAQ-seksjoner, tekniske produktspesifikasjoner, datastudier og langhaleinnhold gir AI-modeller materiale de kan sitere.

Source: Similarweb

Struktur bestemmer sikt

Walmart og Temu gir et godt eksempel på hvordan formatering påvirker resultatene. Walmart bruker en egen «Om denne varen»-seksjon på produktsidene med punktlister og tydelige egenskaper. Temu legger mesteparten av informasjonen i produkttittelen.

Forskjellen i resultater er betydelig. Walmart vises i 59 % av relevante AI-svar. Temu er praktisk talt usynlig. Grunnen er enkel – LLM-modeller behandler strukturert innhold med tydelige seksjonsetiketter bedre.

Source: Similarweb

Hva dette betyr for din nettbutikk

Lag spesialisert innhold som svarer på kundenes spesifikke spørsmål. I stedet for en generell «Hvordan velge løpesko»-side, lag fem separate artikler for nybegynnere, maratonløpere, vinterløping, folk med leddproblemer og ultralett fottøy.

Bruk tydelige strukturer – H2- og H3-overskrifter, punktlister for funksjoner, og separate seksjoner for spesifikasjoner. AI-modeller må vite hvor de kan finne spesifikk informasjon.

Analyser hvilke spørsmål kundene stiller. Long-tail-søk er din mulighet – konkurransen er lavest her, og siteringssjansene er høyest.