GEO-byrå för B2B: synas i ChatGPT och AI-sök

En GEO-byrå arbetar med Generative Engine Optimization, alltså med att göra ett företag lätt att hitta, förstå och citera för AI-tjänster som ChatGPT, Claude, Perplexity, Microsoft Copilot och Google AI Overviews. Arbetet omfattar teknisk åtkomst (indexering i Google och Bing, robots.txt för OAI-SearchBot, IndexNow), citerbara sidor som svarar på de frågor kunderna ställer, strukturerad data och tydlig entitet, omnämnanden i källor som modellerna hämtar, samt mätning av vad modellerna faktiskt söker på och rekommenderar. Alice Labs gör detta för svenska B2B-företag.

Det finns inga garantier, men det finns förutsättningar ni kan påverka. ChatGPT search behöver kunna hämta era sidor, så OAI-SearchBot får inte vara blockerad i robots.txt, och sidorna bör vara indexerade i Bing. Därefter behöver det finnas en sida som tydligt svarar på den fråga kunden ställer, med frågan eller tjänsten i titeln och ett kort svar högt upp. Modellen parar ofta leverantörer med officiella källor och jämförelser, så det hjälper att ni citerar primärkällor och nämns i trovärdiga externa källor. Till sist behöver ni mäta vilka sökfraser modellen skickar och vilka sidor den citerar, så att ni vet vad som saknas.

SEO handlar om att ranka i sökmotorns resultatlista så att användaren klickar sig till er sida. GEO handlar om att bli hämtad, citerad och rekommenderad när en AI-tjänst sammanställer ett svar från flera källor. Grunden är densamma: indexerbara sidor, hjälpsamt innehåll och tydlig struktur. Skillnaden ligger i vad man optimerar för och mäter. I GEO räknas vilka källor modellen citerar, vilka företag den nämner och vilka sökfraser den själv formulerar, inte bara position och klick. Google skriver själva att det inte krävs några särskilda optimeringar för AI Overviews utöver god SEO.

Vi mäter i återkommande skanningsrundor. Vi ställer samma uppsättning köparfrågor till AI-modeller med webbsök aktiverad och loggar tre saker: vilka sökfraser modellen själv skickar, vilka källor den hämtar och citerar, och vilka företag den rekommenderar. Det kompletteras med Bing Webmaster Tools AI Performance (citeringar och grounding queries i Copilot) och Search Console. Genom att köra samma frågor igen efter en ändring ser ni om den gjorde skillnad. För sajt- och e-handelssök mäter vi i stället zero-result-rate, search exit och add-to-cart from search.

AI-sök är en samlingsterm för sökupplevelser där en språkmodell (LLM) formulerar svaret i stället för att bara visa en lista med länkar. Det inkluderar Google AI Overviews och AI Mode, ChatGPT search, Perplexity, Microsoft Copilot och liknande. Traditionell sök rankar dokument, medan AI-sök sammanställer svar från flera källor och citerar utvalda webbsidor. Användaren får ofta svaret direkt utan att klicka. För företag betyder det att synlighet också handlar om att bli citerad och rekommenderad i svaren.

Börja med det Google faktiskt skriver: det finns inga extra krav för att synas i AI Overviews eller AI Mode, och oprövade knep som särskilda AI-filer hjälper inte i Google Search. Fokusera därför på tekniska grunder (indexering, crawlbarhet, strukturerad data som stämmer med synligt innehåll) och på unikt innehåll som svarar tydligt på de frågor era kunder ställer. Vi kartlägger era ämnen, konkurrenternas omnämnanden och frågeformaten, skriver citerbara block (definitioner, frågor och svar, steglistor, tabeller) och mäter effekten i nya skanningsrundor.

LLM-authority handlar om att bli omnämnd och citerad i trovärdiga källor som AI-modeller hämtar. Vi arbetar med fyra delar: 1) Omnämnanden i jämförelser, branschsajter, forum, media och hos partners. 2) Citerbart innehåll på er egen sajt, med definitioner, frågor och svar och länkar till primärkällor. 3) En tydlig entitet med konsekvent namn, schema och profiler. 4) En långsiktig innehållsplan för rätt ämnen och format. Vi följer upp vilka källor modellerna faktiskt använder och justerar efter det.

Googles AI Overviews och AI Mode styrs av Google och visas automatiskt för vissa sökningar. Som webbplatsägare kan ni inte stänga av funktionen generellt, men Google beskriver i sin dokumentation hur befintliga kontroller som nosnippet påverkar vad som kan visas. Vår rekommendation är oftast att i stället arbeta för att bli citerad i svaren. För aktuella inställningar, se Googles sida AI features and your website.

Det går inte att lova en tidslinje, eftersom AI-tjänsterna ändrar hur de söker och vilka källor de använder. Tekniska åtgärder som att öppna för OAI-SearchBot eller skicka URL:er via IndexNow kan märkas snabbt i loggar och indexering. Nya sidor behöver indexeras innan de kan hämtas, och omnämnanden i externa källor tar längre tid att bygga. Därför arbetar vi med korta mätcykler: vi skannar före en ändring, gör ändringen och skannar igen. För sajt- och e-handelssök går effekten oftast att mäta direkt efter lansering i er egen söklogg.

Det beror på omfattning: hur många frågekluster och språk som ska täckas, hur mycket innehåll som behöver skrivas och vilka integrationer som krävs för sajt-sök. Vi börjar med en diagnos som kartlägger nuläget och ger en konkret plan, och lämnar sedan en offert med fast omfattning för pilot och fortsättning. Boka ett samtal så går vi igenom era förutsättningar.

Keyword-baserad sök matchar exakta ord eller fraser. Semantisk vektorsök omvandlar både fråga och innehåll till vektorer (embeddings) som representerar mening. Det innebär att 'röd klänning' och 'crimson dress' hamnar nära varandra, trots olika ord. Sajten förstår synonymer, stavfel och vaga beskrivningar ('somrig festklänning') och kan ranka resultat efter relevans, inte bara ordmatchning. Det ger bättre träffsäkerhet och färre sökningar utan resultat.

RAG (Retrieval Augmented Generation) innebär att AI-modellen först hämtar relevant information från era dokument, produktkataloger eller kunskapsbaser och sedan formulerar svaret utifrån den hämtade datan. I stället för att generera information ur minnet bygger modellen svaret på faktiska källor. Det minskar risken för felaktig information (hallucinationer) och gör svaren spårbara, eftersom användaren kan se vilka dokument eller produkter som ligger till grund för svaret.

Ja. Semantisk vektorsök förstår produktbeskrivningar och kundens avsikt bättre än keyword-matchning. Vi kan bygga AI-filter (förslag på fasetter utifrån frågan), bildsök, variantmatchning (storlek och färg), neural re-ranking (relevans och merchandising) och logik för sökningar utan resultat (föreslå liknande produkter). Målet är fler köp från sök och färre avhopp.

Ja, vi implementerar rollbaserad åtkomst så att användare bara ser dokument de har behörighet till (security trimming). Sökningar kan loggas för revision och compliance. Vi integrerar med befintliga identitets- och behörighetssystem (till exempel Microsoft Entra ID eller Okta) och hanterar känslig data enligt GDPR och era interna policyer. Vid höga säkerhetskrav kan lösningen köras i er egen molnmiljö.

Ja, det är vår rekommenderade modell. Vi startar med en tidsboxad pilot med tydligt scope: antingen ett eller två GEO-kluster med sidor och externa omnämnanden, eller en PoC för semantisk sajt-sök eller RAG med utvalda datakällor. När piloten har mätts skalar vi till fler ämnen, kanaler och datakällor. Så minimerar ni risken och kan justera innan en större implementation.

AI-sök för intranät kombinerar tre lager: 1) Indexering, där dokument från SharePoint, Confluence, Notion, Drive, Slack och liknande delas upp och omvandlas till embeddings. 2) Retrieval, där de mest relevanta delarna hämtas utifrån semantisk likhet och behörighet. 3) Generering (RAG), där en LLM formulerar svaret med citerade källor. Medarbetare hittar policyer, manualer och projektinformation snabbare. Vi bygger in rollbaserad åtkomst, loggning och GDPR-efterlevnad från start.

Avancerad AI-sök kombinerar flera tekniker: semantisk vektorsök för betydelse, hybridsök (vektor och keyword) för precision, neural re-ranking (till exempel cross-encoders) för att finslipa toppresultaten, query understanding för att tolka avsikten ('billig somrig klänning under 500 kr') och AI-genererade fasetter som anpassas efter sökfrågan.

Det beror på era krav. För e-handel kan det vara Algolia, Constructor, Klevu eller en egen lösning med pgvector och embeddings från OpenAI eller Cohere. För intern kunskapsbas kan det vara Glean, Microsoft 365 Copilot eller en egenbyggd RAG-lösning. För hög datasäkerhet och full kontroll kan en open source-stack med Weaviate eller Qdrant och en lokalt körd modell passa. Vi utvärderar alternativen utifrån datavolym, latens, kostnad, säkerhet och integration, och rekommenderar inget innan vi förstår er kontext.

Generativ AI är paraplytermen för språkmodeller som genererar text, kod och bild. En chattbot är ett gränssnitt där användaren samtalar med en AI. AI-sök är ett specifikt användningsområde där generativ AI besvarar informationsfrågor genom att hämta data (retrieval) och sammanställa svar (generation). En modern chattbot bygger ofta på samma RAG-stack som AI-sök men optimeras för dialog och uppgifter.

Sökupplevelse (search experience) är hur snabbt, relevant och förtroendeingivande det känns att söka. I AI-sammanhang handlar det om snabb respons, tydliga citat och källor, möjlighet att ställa följdfrågor, bra hantering när data saknas ('jag hittade inget, vill ni se X i stället?') och spårbarhet. Vi designar den iterativt med användartester och loggad data.