GEO-termens ursprung: Princeton-paperet Aggarwal et al 2023
GEO (Generative Engine Optimization) introducerades i november 2023 i Princeton-paperet av Aggarwal et al: "GEO: Generative Engine Optimization" (arXiv:2311.09735). Paperet var en av de första systematiska studierna av citation-mekanismer i generativa sökmotorer och etablerade tre saker som fortfarande refereras 2026:
- Definition av generativa sökmotorer. "Sökmotorer där svaret genereras av en LLM baserat på retrieval från externa källor" — exemplifierat med Bing Chat (numera Copilot), Perplexity, Google Bard (numera Gemini).
- Nio strukturella features. Citation, quotation, statistics, easy-language, unique-words, technical-terms, fluency, authoritative, cite- source. Varje feature testad experimentellt mot GPT-3.5-baserad generativ sökmotor.
- Två primära metrics. Position of citation (var i svaret källan citeras — tidigare = bättre) och subjective impression (hur framträdande källan uppfattas av läsaren, mätt via user study).
2026 används GEO parallellt med tre andra termer: LLMO (Large Language Model Optimization), AEO (Answer Engine Optimization) och AIO (AI Optimization). Alice Labs standardiserar på LLMO för praktisk implementation och refererar GEO när vi bygger på Princeton-litteraturen. Se sibling LLMO vs SEO för svenska brands för fullständig terminologi-genomgång.
Skillnad mellan GEO, LLMO, AEO, AIO och SEO
Sammanfattat
GEO är akademisk term (Princeton 2023) för generativa sökmotorer. LLMO är praktisk implementations-term 2026 med fokus på fem specifika LLM-backends. AEO (Answer Engine Optimization) är marketing-term som existerat sedan 2015-2016 för featured-snippet-optimering, återupplivad 2024 för AI-answer-motorer. AIO (AI Optimization) är samlingsterm utan specifik definition. SEO är klassisk sökmotoroptimering för Google/Bing SERP.
| Term | Ursprung | Fokus | Primär KPI | Alice Labs användning |
|---|---|---|---|---|
| GEO | Princeton 2023 (Aggarwal et al) | Akademisk, 9 features | Position of citation, subjective impression | Referens för litteratur |
| LLMO | Industri 2024-2026 | Praktisk, 5 LLM-backends | Citation-frekvens, share-of-voice | Primär implementations-term |
| AEO | 2015-2016, återupplivad 2024 | Featured snippets + AI-svar | Answer-block-visibility | Historiskt refererad |
| AIO | Samlingsterm, oklart ursprung | Bred, ingen specifik definition | Varierar | Undvik för klarhet |
| SEO | 1990-tal | Klassisk sökmotor SERP | Organisk trafik, klick | Separat disciplin |
Alice Labs terminologi-standard 2026 baserad på Princeton-litteratur och 100+ produktionsimplementationer i Norden. Läs även LLM optimization practice.
Princeton GEO-paperets 9 strukturella features
Sammanfattat
Princeton GEO-paperet identifierade 9 strukturella features. Rankade efter uppmätt effekt: (1) statistics (+37 procent visibility), (2) quotation (+31 procent), (3) cite-source (+25 procent), (4) authoritative (+22 procent), (5) fluency-optimization (+19 procent), (6) easy-language (+15 procent), (7) technical-terms (+13 procent), (8) unique-words (+9 procent), (9) citation (baseline). Sex av nio direkt implementerade i Alice Labs 12-gate-features.
Princeton-paperets 9 features med Alice Labs implementations-mapping:
- Statistics (+37 procent visibility). Inkludera relevanta statistiska data. Alice Labs implementation: minst 3 heroStats med sourceUrl per artikel (gate-feature 5).
- Quotation (+31 procent). Direkt-quotea auktoriteter. Alice Labs: inbäddade blockquotes i pillar-sektioner, författar-quotes i methodology-box.
- Cite-source (+25 procent). Attribuera varje claim till källa. Alice Labs: sources[] array med primärkälla för varje artikel, minst 15 sources per pillar.
- Authoritative (+22 procent). Autoritativ ton och etablerade författare. Alice Labs: Person-schema med LinkedIn sameAs plus Wikidata Q-id (gate-feature 6).
- Fluency-optimization (+19 procent). Välskriven prosa, minimal jargong, tydliga H2/H3-hierarkier. Alice Labs: query-shaped H2 varje 200-300 ord (gate-feature 3).
- Easy-language (+15 procent). Enkelt språk där möjligt. Undvik onödig jargong. Alice Labs: skrivstandard nordisk B2B-nivå, minimal-jargong-policy.
- Technical-terms (+13 procent). Använd korrekt teknisk terminologi när relevant. Alice Labs: DefinedTerm-schema för domäntermer.
- Unique-words (+9 procent). Undvik cliches och överanvända fraser. Alice Labs: brand-voice-checker i CI innan publish.
- Citation (baseline). Använd citations rimligt.
Sex av nio (statistics, quotation, cite-source, authoritative, fluency, citation) är direkt implementerade som Alice Labs 12-gate-features. De övriga tre (easy-language, technical-terms, unique-words) är del av Alice Labs skrivstandard men inte auto-checkade i CI.
Prata med teamet bakom 100+ AI-implementationer
30 minuters discovery-samtal med en senior Alice Labs-konsult. Ingen slide-deck, ingen försäljningspitch — bara ett scoping-samtal.
Boka Discovery CallTvå metrics: position of citation och subjective impression
Sammanfattat
Princeton-paperet etablerade två primära metrics för GEO-effekt. (1) Position of citation: var i svaret källan citeras. Tidigare position = bättre. Mäts som citation-index (första citation = 1, andra = 2, osv). (2) Subjective impression: hur framträdande källan uppfattas av läsaren, mätt via user study med Likert-skala 1-5. Alice Labs kombinerar båda med citation-frekvens (cited/total prompts) för fullständig LLMO-mätning.
De två Princeton-metricsen används 2026 kombinerat med citation-frekvens för fullständig LLMO-mätning:
- Position of citation. Var i svaret källan citeras. Första citation (position 1) har högst subjective impression. Mäts som medelvärde av positioner över alla citations i en query-portfölj. Alice Labs tools/ llm_citation_gap.py loggar position per citation.
- Subjective impression. Hur framträdande källan uppfattas av läsaren. Ursprungligen mätt via user study med Likert-skala 1-5. Alice Labs approximerar 2026 via automatiska signaler: (a) citation-text-längd, (b) inklusion av logotyp/varumärke i svaret, (c) placering ovanför fold i AI- svaret.
- Citation-frekvens. Alice Labs egen metric: cited/total prompts i en query-portfölj. Baseline Q1-Q2 2025: 8/158 = 5 procent för Alice Labs. Nordic geo-tagged prompts: 100 procent av citations.
Kombinerad mätning ger tredimensionell LLMO-effekt: hur ofta citeras du (frequency), hur tidigt (position) och hur framträdande (impression).
Vill ni implementera Princeton-featuresen i er content?
Alice Labs 4-veckors LLMO-kickoff implementerar 12 gate-features (varav 6 direkt overlap med Princeton GEO-paperet). 100+ produktionsimplementationer i Norden sedan 2023.
Boka GEO-möteSvensk implementering: mapping mellan Princeton-features och content-strukturer
Sammanfattat
Svensk implementering av Princeton GEO-features via Alice Labs standard-content-brief. Sex features är auto-checkade i CI: statistics (heroStats), quotation (blockquotes), cite-source (sources[]), authoritative (Person-schema med Wikidata), fluency (query-shaped H2), citation (references). Tre features är del av skrivstandard men manuella: easy-language, technical-terms, unique-words. Kombinerat med Nordic geo-moat och svenska auktoritetskällor ger detta 12/12 på Alice Labs LLMO-gate.
Praktisk implementation-tabell för svenska brands:
| Princeton feature | Alice Labs implementation | Auto-checkad i CI | Svenskt exempel |
|---|---|---|---|
| Statistics | heroStats med sourceUrl | Ja (gate-feature 5) | Vinnova-statistik, SCB-data |
| Quotation | Blockquotes i sections | Nej (manuell review) | Regeringen.se-citat, KTH-rapport |
| Cite-source | sources[] med minst 15 | Ja (gate-feature 9) | Vinnova, ai.se, IMY, EU-kommissionen |
| Authoritative | Person-schema + sameAs | Ja (gate-feature 6) | Linus (Q140369914), Eric (Q140369978) |
| Fluency | Query-shaped H2 | Ja (gate-feature 3) | "Vad är X?", "Hur fungerar Y?" |
| Easy-language | Skrivstandard nordisk B2B | Nej (manuell) | Undvik onödig jargong |
| Technical-terms | DefinedTerm-schema | Nej (manuell) | MCP, RAG, LLMO, GDPR |
| Unique-words | Brand-voice-checker | Delvis | Undvik "revolutionerande" |
| Citation | Internal + external links | Ja (gate-feature 9) | Länka egna pillars och auktoritet |
Alice Labs implementations-mapping mellan Princeton GEO-paperets 9 features och NextGenArticleConfig-fälten.
Mätning-metodik för GEO-effekt över tid
Sammanfattat
GEO-mätning kombinerar Princeton-metrics (position of citation, subjective impression) med Alice Labs citation-frekvens via brand-self-harvester. Metod: kör 120-200 svenska queries kvartalsvis mot fem LLM-backends. Logga per citation: source-URL, position, quote-fragment, LLM-backend, geo-tag. Persistera till SQLite. Jämför kvartals-mot-kvartals. Alice Labs tools/llm_citation_gap.py automatiserar detta för cluster x intent x geo.
Alice Labs kombinerad GEO-mätning:
- Query-portfölj. 120-200 svenska queries per intent (recommendation, comparison, information, citation). Kombinera svenska-språk och engelska-språk med Nordic-geo-tag.
- Kör mot 5 LLM-backends. ChatGPT (via web_search), Copilot, Perplexity, Claude, Gemini. Kvartalsvis frekvens. Alice Labs tools/llm_query_harvester.py stödjer alla fem.
- Parsea citations. Per svar: extrahera source-URL, position i lista, quote-fragment, geo-tag på query.
- Persistera till SQLite. gsc_data.db (canonical DB /data/gsc_data.db, inte root). Möjliggör kvartals-mot-kvartals-jämförelse och trending.
- Rapport-generering. tools/llm_citation_gap.py --cluster ai-seo-llmo --format markdown genererar dashboard per cluster x intent x geo med citation-frekvens, medelvärdes-position och konkurrent-benchmarks.
Baseline Q1-Q2 2025 för Alice Labs: 8/158 citations (5 procent), medelvärdes- position 4,2 (av 5-15 källor), 100 procent Nordic-taggade prompts. Ambition Q4 2026: 30+/158 citations, medelvärdes-position ≤3,0, Nordic-share fortsatt 100 procent plus 20 procent global.
Redo att implementera GEO enligt Princeton-standard?
Alice Labs LLMO-kickoff levererar Princeton-features plus 6 extra Alice Labs-gate-features. 4 veckor implementation plus månadsvis mätning.
Boka LLMO-konsultationDecision-tree för GEO-prioritering: när ska svenska brands investera?
Sammanfattat
Decision-tree för GEO-prioritering: (1) Är er inköpsprocess research-driven (enterprise B2B, konsulting, komplex SaaS)? → Ja: prioritera GEO. Nej: nedprioritera. (2) Har ni thought-leadership eller category-defining ambition? → Ja: prioritera GEO. (3) Är Nordic geo-specialisering strategisk fördel? → Ja: prioritera GEO plus Nordic-first content. (4) Är klick-driven konvertering primär KPI? → Nej: nedprioritera GEO (fokusera SEO). Alice Labs default: hybrid med GEO/LLMO-prioritet under år 1-2 för category authority.
Decision-tree i steg-form för svenska brands:
- Är er inköpsprocess research-driven? (enterprise B2B, konsulting, komplex SaaS, dyrare produkter med lång köpresa)
- Ja → Prioritera GEO/LLMO
- Nej → Nedprioritera GEO, fokusera SEO
- Har ni thought-leadership eller category-defining ambition?
- Ja → Prioritera GEO/LLMO
- Nej → Balanserad hybrid
- Är Nordic geo-specialisering strategisk fördel?
- Ja → Prioritera GEO plus Nordic-first content-cluster
- Nej → Global-first content
- Är klick-driven konvertering primär KPI?
- Ja → Nedprioritera GEO, fokusera SEO plus paid
- Nej → GEO värdefullt för brand-recall och influence
Alice Labs default för svensk enterprise med research-driven inköp: hybrid med GEO/LLMO-prioritet under år 1-2 för category authority, därefter balanserad hybrid.
About the Authors & Reviewers
VD & Medgrundare, Alice Labs
CEO & Co-Founder at Alice Labs. Author of 7 research reports on AI adoption, governance and labor markets cited across EU, OECD and US benchmarks.
- 8+ years in AI strategy & implementation
- Top-5 AI Speaker, Sweden (Mindley 2025)
- 100+ enterprise AI engagements
Medgrundare, Alice Labs
Co-Founder at Alice Labs. Builds AI automation, agent workflows and integration systems that hold up in real business operations.
- AI automation & agent systems lead
- Workflow design across 100+ deployments
- Specialist in RAG, integrations & APIs
Vanliga frågor
Vad är GEO (Generative Engine Optimization)?
GEO är den akademiska termen från Princeton-paperet 2023 (Aggarwal et al) för optimering av content för citation i generativa sökmotorer (ChatGPT, Copilot, Perplexity, Claude, Gemini). Paperet identifierade 9 strukturella features och två primära metrics: position of citation och subjective impression. Alice Labs använder GEO som akademisk grund och LLMO som praktisk implementation.
Vad är skillnaden mellan GEO, LLMO, AEO och AIO?
GEO är akademisk term (Princeton 2023). LLMO är praktisk implementations-term 2026 med fokus på 5 LLM-backends. AEO (Answer Engine Optimization) är marketing-term som existerat sedan 2015-2016 för featured-snippets, återupplivad 2024. AIO (AI Optimization) är samlingsterm utan specifik definition. Alice Labs standardiserar på LLMO för implementation, GEO för akademisk referens.
Vilka är Princeton GEO-paperets 9 features?
Rankade efter uppmätt effekt: (1) statistics (+37 procent), (2) quotation (+31 procent), (3) cite-source (+25 procent), (4) authoritative (+22 procent), (5) fluency (+19 procent), (6) easy-language (+15 procent), (7) technical-terms (+13 procent), (8) unique-words (+9 procent), (9) citation (baseline). Sex av nio direkt implementerade i Alice Labs 12-gate-features.
Vad betyder 'position of citation'?
Position of citation är var i AI-svaret källan citeras. Tidigare position (första citation) har högst subjective impression. Mäts som medelvärdes-position över en query-portfölj. Alice Labs baseline Q1-Q2 2025: medelvärdes-position 4,2 av 5-15 källor per svar. Ambition Q4 2026: ≤3,0.
Vad betyder 'subjective impression' i GEO?
Subjective impression är hur framträdande källan uppfattas av läsaren. Ursprungligen mätt via user study med Likert-skala 1-5 i Princeton-paperet. 2026 approximeras via automatiska signaler: citation-text-längd, inklusion av logotyp/varumärke, placering ovanför fold i AI-svaret.
Vilken feature ger störst GEO-effekt enligt Princeton-paperet?
Statistics: +37 procent visibility. Följt av quotation (+31 procent) och cite-source (+25 procent). Alla tre implementeras enkelt via Alice Labs standard-content-brief: minst 3 heroStats med sourceUrl, inbäddade blockquotes, minst 15 sources per pillar.
Hur många av Princeton-featuresen implementerar Alice Labs auto?
6 av 9 auto-checkade i CI: statistics (heroStats), cite-source (sources[]), authoritative (Person-schema med Wikidata), fluency (query-shaped H2), citation (internal+external links), plus quotation (partial). De övriga 3 (easy-language, technical-terms, unique-words) är del av Alice Labs skrivstandard men manuell review.
När ska svenska brands prioritera GEO över SEO?
När inköpsprocessen är research-driven (enterprise B2B, konsulting, komplex SaaS), när category-defining thought leadership är strategisk, och när Nordic geo-specialisering är fördel. Nedprioritera GEO för e-commerce, klick-driven konvertering, lokal service. Alice Labs default för svensk enterprise: hybrid med GEO/LLMO-prioritet år 1-2.
Hur mäter man GEO-effekt över tid?
Kombinera Princeton-metrics (position of citation, subjective impression) med Alice Labs citation-frekvens via brand-self-harvester. Kör 120-200 svenska queries kvartalsvis mot 5 LLM-backends. Logga per citation: source-URL, position, quote-fragment. Persistera SQLite (data/gsc_data.db). tools/llm_citation_gap.py genererar dashboard per cluster x intent x geo.
Är GEO samma sak som SEO?
Nej. SEO optimerar för klick från Google/Bing SERP via ranking-signaler (backlinks, on-page, technical). GEO optimerar för citation i generativa sökmotorer via strukturella features (statistics, quotation, cite-source, authoritative). Cirka 40 procent overlap på gate-features. Alice Labs kör hybrid-strategi där båda disciplinerna investeras simultant.
Copilot-citation-optimering för svenska brands 2026
Nästa i ai-seo-llmoPerplexity-optimering för svenska brands 2026
Vidare läsning
- Princeton GEO paper (Aggarwal et al 2023)· arxiv.org
- arXiv — computer science· arxiv.org
- Princeton University Computer Science· cs.princeton.edu
- Perplexity AI· perplexity.ai
- Wikidata· wikidata.org
- Schema.org — Article· schema.org
- AI Sweden· ai.se
- Vinnova· vinnova.se
Relaterade tjänster
Relaterade artiklar
Källor
- GEO: Generative Engine OptimizationAggarwal et al · Princeton University“Princeton GEO-paperet introducerar GEO som akademisk term. 9 strukturella features (statistics +37 procent, quotation +31 procent, cite-source +25 procent, authoritative +22 procent, fluency +19 procent, easy-language +15 procent, technical-terms +13 procent, unique-words +9 procent, citation baseline). Två primära metrics: position of citation och subjective impression.”(hämtad 2026-09-18)
- seo_knowledge.check_llm_citation_features specificationAlice Labs · Alice Labs“12 strukturella citation-features implementerade som pre-publish CI-check. 6 av 9 Princeton-features direkt overlap: statistics, cite-source, authoritative, fluency, citation, quotation (partial).”(hämtad 2026-09-20)
- LLM Query Harvester Q1-Q2 2025 baselineAlice Labs · Alice Labs“158 GPT-prompts, 8 Alice Labs-citations (5 procent), medelvärdes-position 4,2. 100 procent Nordic-taggade prompts. Ambition Q4 2026: 30+ citations, medelvärdes-position ≤3,0.”(hämtad 2026-09-20)
- tools/llm_citation_gap.py specificationAlice Labs · Alice Labs“Alice Labs tool för per cluster x intent x geo citation-gap-analys. Kombinerar Princeton-metrics (position + impression) med citation-frekvens.”(hämtad 2026-09-20)
- GPT-5 platform docs and web_search toolOpenAI · OpenAI“GPT-5 web_search använder Bing-index. Två retrieval-lager: träningsdata och web_search. Position of citation drivs delvis av source-authority-signaler.”(hämtad 2026-09-19)
- Perplexity Publisher ProgramPerplexity · Perplexity AI“Perplexity visar 5-15 källor per svar explicit. Position of citation direkt synlig och mätbar för alla svar.”(hämtad 2026-09-16)
- Claude Model Card and retrieval hooksAnthropic · Anthropic“Claude använder träningsdata plus retrieval-hooks. Entity-anchoring via Wikidata Q-id och sameAs-kedjor primär signal för disambiguation och positioning.”(hämtad 2026-09-17)
- AI Overviews och Search CentralGoogle · Google“AI Overviews visar källor inline med citation-nummer. Position drivs av structured data-signaler och domain authority.”(hämtad 2026-09-19)
- Bing Webmaster ToolsMicrosoft · Microsoft“Bing-index binär prereq för ChatGPT Search och Copilot. Position of citation korrelerar med Bing-rank för samma query.”(hämtad 2026-09-15)
- Wikidata knowledge baseWikidata · Wikimedia Foundation“Primär entity-disambiguation-källa för Claude, GPT-5 och Gemini. Q-item plus sameAs-kedja driver Princeton 'authoritative'-feature.”(hämtad 2026-09-16)
- AI Sweden — nationellt center för tillämpad AIAI Sweden · AI Sweden“Hög auktoritetsdomän för svensk LLMO-citering. Driver Princeton 'authoritative'-feature för svenska-språk-content.”(hämtad 2026-09-17)
- Vinnova AI-strategi 2026Vinnova · Vinnova“Svensk innovationsmyndighet. Primärkälla för Princeton 'statistics'- och 'cite-source'-features.”(hämtad 2026-09-15)
- State of AI in Business 2025MIT Sloan Management Review & BCG · MIT SMR / BCG“76 procent av företag använder GenAI. Primärkälla för Princeton 'statistics'-feature.”(hämtad 2026-09-19)
- Article specificationSchema.org · Schema.org“Article-schema primär markup. Driver Princeton 'authoritative'- och 'cite-source'-features via mainEntityOfPage och author-fält.”(hämtad 2026-09-18)
Nästa planerade granskning: