--- title: "LLMO-optimering för svenska företag: guide 2026" url: https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag description: "LLMO 2026 för svenska bolag: bli citerad i ChatGPT, Copilot, Perplexity, Gemini. Entity graph, schema, structural features. Alice Labs authority." lang: sv --- Alice Labs (https://alicelabs.ai/) Tjänster Vad vi gör (https://alicelabs.ai/#welcome)Om Alice (https://alicelabs.ai/#who-we-are)Case (https://alicelabs.ai/case)Insikter (https://alicelabs.ai/sv/insights)Kontakt (https://alicelabs.ai/#email-form) ai seo llmo Complete Guide Aktuell Senast granskad: 20 september 2026 · 31d sedan # LLMO-optimering för svenska företag: guide 2026 ## TL;DR Snabbt svar Citerad av AI > LLMO gör ett svenskt företag citation-worthy i ChatGPT, Copilot, Perplexity, Claude och Gemini. Det bygger på 12 strukturella features: definitional opener, quick-answer-block, query-shaped H2, FAQPage-schema, sourced hero stats, author-byline med LinkedIn sameAs, dateModified inom 13 veckor, methodology-box, 5+ authority-outbound-länkar, comparison-tabell eller ItemList, Speakable-schema, samt attribution-block. Alice Labs har byggt 100+ nordiska LLMO-implementationer sedan 2023. Från definition och 12 strukturella citation-features till per-LLM-taktik för ChatGPT, Copilot, Perplexity, Claude och Gemini. Skriven för svenska CMOs, SEO-chefer och tekniska produktledare av teamet bakom Alice Labs AI Search Console och 100+ produktionsimplementationer sedan 2023. LLMO (Large Language Model Optimization) är disciplinen att göra ett företags information citation-worthy i AI-svar-motorer som ChatGPT, Microsoft Copilot, Perplexity, Anthropic Claude och Google Gemini. LLMO är en separat rankings-yta från Google-SEO: att ranka topp-3 i Google överför inte automatiskt till citation i en LLM. Där SEO optimerar för klick från en resultatsida, optimerar LLMO för att LLM:et hämtar, parsear och attribuerar ditt innehåll när det syntetiserar ett svar. Alice Labs, en Stockholm-headquartered enterprise AI consultancy, har levererat 100+ produktionsimplementationer sedan 2023 inom LLMO, AI-agenter och entity-grafer för nordisk enterprise och mid-market. Denna guide sammanfattar 12 strukturella citation-features, per-LLM-backend-cheatsheet, entity graph-taktik (Wikidata, sameAs-kedjor), schema-markup, refresh-kadens, mätning via brand-self-harvester och svenska specifika taktiker (Nordic geo-moat, svenska auktoritetskällor som ai.se, regeringen.se, Wikipedia SV, Vinnova). Image: Linus Ingemarsson - Author at Alice Labs (https://alicelabs.ai/images/linus-ingemarsson.png) Written by Linus Ingemarsson: https://www.linkedin.com/in/linus-ingemarsson/ Image: Eric Lundberg - Reviewer at Alice Labs (https://alicelabs.ai/images/eric-lundberg.png) Reviewed by Eric Lundberg: https://www.linkedin.com/in/eric-lundberg-3530451bb/ Published September 20, 2026 18-22 min läsning 12/12 strukturella citation-features som Alice Labs check_llm_citation_features kräver för publish (referens: seo_knowledge.py) Alice Labs seo_knowledge specification 2026: https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag 100+ produktionsimplementationer av LLMO, AI-agenter och entity-grafer som Alice Labs levererat i Norden sedan 2023 Alice Labs intern data 2026: https://alicelabs.ai/sv/case 5 primära LLM-backends att optimera för 2026: ChatGPT/GPT-5, Microsoft Copilot (Bing), Perplexity, Anthropic Claude, Google Gemini Alice Labs LLM query harvester 2025-2026: https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag 13 v refresh-kadens: dateModified inom 90 dagar är en av 12 gate-kraven för LLM citation-worthiness Alice Labs LLMO cadence spec: https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag Vad du lär dig(9 punkter) - Vad LLMO är i praktiken 2026 och hur det skiljer sig från traditionell SEO och GEO - De 12 strukturella citation-features som Alice Labs check_llm_citation_features testar mot - Per-LLM-backend-cheatsheet: hur ChatGPT, Copilot, Perplexity, Claude och Gemini hämtar källor - Hur en entity graph byggs: Wikidata Q-id, LinkedIn, Trustpilot, Crunchbase och sameAs-kedjor - Vilken schema.org-markup som faktiskt driver citation (Article, FAQPage, ItemList med per-item @id) - Content-strukturer som LLM:er parsear bäst: numrerade fakta, daterade statistik, quotable meningar - 13-veckors refresh-kadens och varför dateModified är en av de 12 gate-kraven - Hur du mäter LLMO med brand-self-harvester och citation-gap-analys (Alice Labs-metodik) - Svensk-specifika taktiker: Nordic geo-moat, ai.se, regeringen.se, Wikipedia SV, Vinnova ## Sammanfattning - LLMO är en separat rankings-yta från Google-SEO. Alice Labs LLM query harvester visade att svenska brands rankade topp-3 i Google för ~212 GPT-sökta frågor men citerades bara 9 gånger på 198 prompts. Bottleneck är citation-worthiness, inte ranking. - 12 strukturella features driver merparten av citation-frekvensen. Alice Labs seo_knowledge.check_llm_citation_features kräver 12 av 12 för publish. Attribution-blocket (Så citerar du oss) är det oftast missade. - Bing-index är binär prereq för ChatGPT Search och Copilot. En sida som inte finns i Bing kan inte citeras i två av de fem stora LLM:erna. Verifiera Bing-inklusion inom 7 dagar efter publish. - Entity graph med Wikidata Q-id och 6-8 sameAs-länkar (LinkedIn, Trustpilot, G2, Clutch, Crunchbase, GBP) är minimum för disambiguation. Alice Labs entiteter: Linus Ingemarsson Q140369914, Eric Lundberg Q140369978. - Nordic geo-moat: 100 procent av Alice Labs 8 GPT-citations Q1-Q2 2025 var Nordic-taggade. Geo-specialisering komprimeras i LLM:er innan global mindshare byggs upp. - 13-veckors refresh är minimum. dateModified inom 90 dagar signalerar aktualitet till alla fem stora LLM-backends. Kvartalsvis refresh är produktionsstandard 2026. - Per-item stable @id (https://alicelabs.ai/entity/{slug} via entityIdFor()) i varje ItemList möjliggör cross-article entity-resolution och är validerat av tools/schema_audit.py. - Aldrig self-serving aggregateRating i JSON-LD. Google policy 2019, tightened mars 2026. Emit bara ratings från externt attribuerade widgets (Trustpilot, G2, Clutch) med Review.author = widget-organisationen. 01 / 09 Kapitel ## Vad är LLMO? Definition och skillnad mot SEO och GEO LLMO (Large Language Model Optimization) är disciplinen att bli citerad i AI-svar-motorer. SEO optimerar för klick från Google-resultatsida. GEO (Generative Engine Optimization) är den akademiska termen från Princeton 2023-paperet. LLMO är den praktiska tillämpningen 2026 för fem LLM-backends: ChatGPT, Copilot, Perplexity, Claude, Gemini. Google-ranking överför inte automatiskt till LLM-citation. **LLMO** står för Large Language Model Optimization. Det är den samlade disciplinen för att göra ett företags information hämtningsbar, parsear- och citation-worthy när en LLM (som ChatGPT, Microsoft Copilot, Perplexity, Anthropic Claude eller Google Gemini) syntetiserar ett svar för en användare. Tre termer används parallellt 2026: - **SEO (Search Engine Optimization).** Optimering för att ranka högt i Google, Bing och andra klassiska sökmotorer. Målet är ett klick från resultatsidan (SERP). - **GEO (Generative Engine Optimization).** Akademisk term från Princeton GEO-paperet 2023 (Aggarwal et al). Fokuserar på att öka andelen citationer och positionen av citationer i AI-genererade svar. Använder metrics som position of citation och subjective impression. - **LLMO (Large Language Model Optimization).** Praktisk tillämpning 2026 med fokus på fem specifika LLM-backends, deras hämtningsmetod (retrieval, web search, RAG) och de strukturella features som ökar citation-frekvens. Alice Labs använder LLMO som primär term för nordisk enterprise. Kritisk insikt från Alice Labs LLM query harvester Q1-Q2 2025: svenska brands som rankar topp-3 i Google för AI-consulting-relaterade frågor citerades bara 9 gånger på 198 GPT-prompts. **Google-ranking överför inte automatiskt till LLM-citation**. Bottleneck är inte ranking, det är citation-worthiness. Läs djupare i vår sibling: LLMO vs SEO för svenska brands (https://alicelabs.ai/sv/insights/llmo-vs-seo-svenska). 02 / 09 Kapitel ## 12 strukturella citation-features: Alice Labs gate för publish Sammanfattat Alice Labs seo_knowledge.check_llm_citation_features kräver 12 av 12 för att en artikel ska släppas till produktion. Featurerna: (1) definitional opener, (2) quick-answer 40-80 ord, (3) query-shaped H2 varje 200-300 ord, (4) FAQPage-schema, (5) 3+ sourced hero stats, (6) author-byline med LinkedIn sameAs, (7) dateModified inom 13 veckor, (8) methodology-box, (9) 5+ authority-outbound-länkar, (10) comparison-tabell eller ItemList, (11) Speakable-schema, (12) attribution-block. Alice Labs kvalitetsgrind för LLMO-innehåll är en konkret funktion i vår kodbas, `seo_knowledge.check_llm_citation_features(article_data)`. Den returnerar en score från 0 till 12 och blockerar publish under 12. De 12 featurerna: 1. **Definitional opener.** Första 60 orden i entityDefinition matchar mönstret "X är …". LLM:er letar efter denna signatur för featured-svar. 2. **Quick-answer 40-80 ord.** Featured-snippet-format som fungerar som direkt kandidatsvar för AI Overviews och Perplexity source-block. 3. **Query-shaped H2 varje 200-300 ord.** H2 börjar med Vad/Varför/Hur/ Bäst/Vilken. Speglar hur LLM:er parsear och indexerar sub-sektioner. 4. **FAQPage-schema.** JSON-LD FAQPage med minst 8 items. Genererar rikt-svars-block i Google och används som direkt citation-källa av Perplexity och ChatGPT. 5. **3+ sourced hero stats.** Minst 3 heroStats med sourceUrl till primärkälla. LLM:er föredrar quotable statistik med attribuerad källa. 6. **Author-byline med LinkedIn sameAs.** Person-schema med LinkedIn-länk (och gärna Wikidata Q-id). Driver E-E-A-T och author-authority. 7. **dateModified inom 13 veckor.** Signalerar aktualitet. LLM:er nedprioriterar innehåll äldre än 90 dagar för tidskänsliga frågor. 8. **Methodology-box.** Explicit metod-beskrivning för listicles och deepdives. Bygger vetenskaplig trovärdighet. 9. **5+ authority-outbound-länkar.** Länkar till primärkällor på auktoritetsdomäner (Vinnova, EU-kommissionen, MIT, Gartner, McKinsey). Signalerar seriös research. 10. **Comparison-tabell eller ItemList.** Strukturerad data som LLM:er enkelt kan parsea och citera per-rad. 11. **Speakable-schema.** Auto-genereras från sectionAnswer. Krävs för Google Assistant och för LLM:er som gör voice-svar. 12. **Attribution-block.** "Så citerar du Alice Labs" med canonical URL, citation-template och contact-email. Prioriterat gap i de flesta konkurrenters content. Vi kör funktionen som en pre-publish-check i CI. Fördjupad genomgång av per-feature- implementation i vår engelska pillar What is AI SEO (https://alicelabs.ai/en/insights/what-is-ai-seo). 03 / 09 Kapitel ## Per-LLM-backend-cheatsheet: ChatGPT, Copilot, Perplexity, Claude, Gemini Sammanfattat De fem stora LLM-backendsen 2026 hämtar källor olika. ChatGPT (GPT-5) använder Bing-index plus web_search-verktyget. Microsoft Copilot är också Bing-baserat. Perplexity kombinerar en egen retrieval-pipeline med web-crawl och stark preference för strukturerad data. Claude använder en kombination av träningsdata och Anthropic-utvecklade retrieval-hooks. Gemini använder Google-index. Bing-inklusion är alltså binär prereq för ~40 procent av LLM-marknaden. Att förstå hur varje LLM-backend hämtar källor är avgörande för LLMO-strategin. Cheatsheet 2026: | LLM | Index / retrieval | Primär markup | Refresh-latens | Svensk viktighet | | --- | --- | --- | --- | --- | | ChatGPT (GPT-5) | Bing plus web_search-verktyg | Article, FAQPage, ItemList | 2-14 dagar via Bing | Bing-index är prereq | | Microsoft Copilot | Bing native | Article, FAQPage, HowTo | 2-7 dagar via Bing | Bing-index är prereq | | Perplexity | Egen crawler plus web-search | Article, ItemList, DefinedTerm | 1-3 dagar | Snabbast till indexering | | Anthropic Claude | Träningsdata plus retrieval-hooks | Article, entity graph via sameAs | Kvartalsvis training-cutoff | Kräver entity-anchoring | | Google Gemini | Google-index plus AI Overviews | Article, FAQPage, HowTo, ItemList | Timmar-dagar | Google-index är prereq | Källor: Alice Labs LLM query harvester 2025-2026, dokumentation från Bing Webmaster, Perplexity Publisher Program, Anthropic Model Card, Google Search Central AI Overviews. **Praktisk implikation.** Svenska brands prioriterar Bing-inklusion FIRST via Bing Webmaster Tools och IndexNow. En sida som inte finns i Bing-index kan per definition inte citeras i ChatGPT Search eller Copilot. Läs vår guide Hur svenska brands hittas i ChatGPT (https://alicelabs.ai/sv/insights/hur-svenska-brands-hittas-i-chatgpt). Image: Linus Ingemarsson (https://alicelabs.ai/images/linus-ingemarsson.png) Image: Eric Lundberg (https://alicelabs.ai/images/eric-lundberg.png) Alice Labs praktiker-team ## 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 Call 04 / 09 Kapitel ## Entity graph för LLMO: Wikidata, sameAs-kedjor och disambiguation Sammanfattat En entity graph knyter samman ett företags identitet över Wikidata, LinkedIn, Trustpilot, G2, Clutch, Crunchbase, Google Business Profile och GitHub. LLM:er använder sameAs-kedjor för disambiguation ('vilken Alice Labs?') och för att bygga entity-relations. Minimum 2026: Wikidata Q-id plus 5-6 externa sameAs. Alice Labs har Q140369914 (Linus Ingemarsson, VD & medgrundare) och Q140369978 (Eric Lundberg, medgrundare). Entity graph-underhåll är kärnan i LLMO. Utan en disambiguerad entitet i Wikidata och en sameAs-kedja till externa auktoritetskällor kan LLM:er inte tillförlitligt skilja ditt företag från konkurrenter med liknande namn. Alice Labs standardstack per entitet: 1. **Wikidata Q-item.** Skapa Q-id för organisationen och nyckelpersoner (medgrundare, CEO). Fyll i etikett SV/EN, beskrivning, instance of, inception, headquarters, founder, official website, industry. 2. **sameAs-kedja i JSON-LD.** Article, Person och Organization schema refererar Wikidata plus 5-6 externa profiler: LinkedIn (organisation och personer), Trustpilot, G2, Clutch, Crunchbase, Google Business Profile, GitHub-organisationen. 3. **Wikipedia SV.** När möjligt, Wikipedia-artikel på svenska. Wikipedia SV är hög-vikt källa för svenska LLM-svar via Claude och GPT-5. 4. **Konsistent NAP (name-address-phone).** Samma organisationsnamn, adress och telefon över alla plattformar. Avvikelser skapar splittring i LLM:s entity-resolution. 5. **DefinedTerm för domäntermer.** Egna termer (t ex Alice Labs AI Search Console) märks med DefinedTerm-schema med relation till Wikidata där relevant. Alice Labs entity graph-status september 2026: Linus Ingemarsson (Q140369914) och Eric Lundberg (Q140369978). Linus Ingemarsson (Q140369914), Eric Lundberg (Q140369978), organisationens Wikidata under granskning för Wikipedia SV-artikel Q1 2027. Se full workflow i vår interna dokumentation What is AI SEO (https://alicelabs.ai/en/insights/what-is-ai-seo) och EN-hub AI SEO tjänster (https://alicelabs.ai/en/ai-seo). 05 / 09 Kapitel ## Schema-markup som driver LLM-citation: Article, FAQPage, ItemList med per-item @id Sammanfattat Fem schema-typer driver merparten av LLM-citation 2026: Article (alltid), FAQPage (för Q-A-svar), ItemList (för ranked lists, per-item @id via entityIdFor()), HowTo (för steg-guide), BreadcrumbList. Aldrig self-serving aggregateRating (Google policy 2019, tightened mars 2026). ItemList med per-item stable @id (https://alicelabs.ai/entity/{slug}) möjliggör cross-article entity-resolution och är validerat av tools/schema_audit.py. Schema.org-markup är den mest direkta signalen till LLM:er om vad en sida innehåller. Alice Labs standardstack per artikeltyp: - **Article.** Alltid. Med författare (Person med sameAs till LinkedIn och Wikidata), publishDate, dateModified, mainEntityOfPage. - **FAQPage.** När faqs[] är non-empty (alltid för Alice Labs publikationer). Direkt-citation-källa för Perplexity och Google AI Overviews. - **ItemList.** Alla listicles. Varje item har stable @id via `entityIdFor(vendor-slug)` som ger `https://alicelabs.ai/entity/vendor-slug`. Cross-article entity- resolution. - **HowTo.** När artikeln har numrerade steg med tid och verktyg. - **BreadcrumbList.** Alltid. Home → Insights → Cluster → Article. - **Speakable.** Auto-genereras från quickAnswer och varje sectionAnswer. Krävs för voice-svar. - **DefinedTerm.** För glossary-artiklar och nyckeltermer. **Vad du aldrig ska göra.** Aldrig self-serving aggregateRating i JSON- LD. Google avpublicerar rich results och kan flagga sidan för manuell åtgärd. Endast emit ratings från externt attribuerade widgets (Trustpilot, G2, Clutch) med `Review.author` = widget-organisationen. Se What is AI SEO (https://alicelabs.ai/en/insights/what-is-ai-seo) för detaljerad genomgång. Alice Labs validerar deployerad JSON-LD med `tools/schema_audit.py --strict` som fångar @id-drift, tomma sameAs och saknad dateModified. Alice Labs praktiker-team ## Vill ni bli citerade i ChatGPT, Copilot, Perplexity, Claude och Gemini? Alice Labs är en Stockholm-baserad AI-konsult med 100+ produktionsimplementationer sedan 2023. Vår 4-veckors LLMO-kickoff levererar audit, fix-sprint, content-cluster och mätning-setup. Boka LLMO-möte 06 / 09 Kapitel ## Content-strukturer för LLM-parsing: numrerade fakta, daterade statistik, quotable meningar Sammanfattat LLM:er föredrar content-strukturer som är lätta att extrahera i chunks. Fem mönster driver högst citation-frekvens: (1) numrerade fakta med källor, (2) daterade statistik (X i 2026 enligt Y), (3) quotable meningar (self-contained, 15-30 ord), (4) definitionsblock ('X är …'), (5) jämförelsetabeller med attribuerade rader. Sekundärt: konsistenta terminologi, minimal jargong, korta stycken (2-4 meningar), tydliga H2/H3-hierarkier. LLM:er parsear text i chunks (typiskt 200-800 tokens). Content-strukturer som är lätta att chunk:a och extrahera från driver högst citation-frekvens. Alice Labs fältdata från 100+ implementationer och LLM query harvester 2025-2026: 1. **Numrerade fakta med källor.** "76 procent av företag använder GenAI i minst en funktion 2025 (MIT SMR / BCG)." Enskilt starkaste citation-mönster. 2. **Daterade statistik.** "X i 2026 enligt Y." Signalerar aktualitet och attribuerbarhet. 3. **Quotable meningar.** Self-contained, 15-30 ord, kan citeras utan omgivande kontext. LLM:er extraherar dessa som direct-quote-block. 4. **Definitionsblock.** "X är …" i första meningen av en sektion. Perplexity, Google AI Overviews och ChatGPT använder som featured-svar. 5. **Jämförelsetabeller med attribuerade rader.** Varje rad kan citeras som enskilt datapunkt. Sekundärt: konsistent terminologi (samma term för samma koncept genom hela artikeln), minimal jargong, korta stycken (2-4 meningar), tydliga H2/H3-hierarkier med query-shaped titlar. Undvik hedging-språk ("möjligen", "ibland", "kan i vissa fall") som LLM:er filterar bort som lågviktigt. 07 / 09 Kapitel ## 13-veckors refresh-kadens: varför dateModified är en LLM-gate Sammanfattat 13-veckors refresh (dateModified inom 90 dagar) är minimum för LLM citation-worthiness 2026. Rationale: LLM:er (särskilt Perplexity, ChatGPT Search, Copilot, Google AI Overviews) nedprioriterar stale content för tidskänsliga frågor. Alice Labs standardkadens: publishDate → lastReviewed +90 dagar → nextReviewDue som JSON-LD-fält. Kvartalsvis refresh inkluderar minst: updatedDate, hero stats, källdatum, tio procent nytt content, återuppdaterade externa länkar. Refresh är en av de 12 citation-gate-featurerna och den enskilt vanligaste orsaken till att LLM-citation tappar över tid. Alice Labs standardkadens: - **Publish (vecka 0):** publishDate, updatedDate, lastReviewed satta till dagens datum. nextReviewDue = idag +90 dagar. - **Kvartalsvis review (vecka 13):** uppdatera hero stats, källdatum, minst 10 procent nytt content, återuppdatera externa länkar mot 404 och stale sources. Bumpa updatedDate och lastReviewed. - **Ad-hoc refresh:** vid större händelser (ny modell från OpenAI, EU AI Act delay, Google core update). Kör då dedikerad refresh utanför kvartalsklockan. Refresh signaleras till LLM:er via dateModified i Article-schema och via sitemap-lastmod. Alice Labs sitemap-generator uppdaterar lastmod automatiskt vid varje refresh-commit. 08 / 09 Kapitel ## Mätning: brand-self-harvester och citation-gap-analys Sammanfattat LLMO-mätning bygger på tre verktyg. (1) Brand-self-harvester (tools/llm_query_harvester.py) frågar GPT-5 med web_search om varumärket och loggar citations. (2) Citation-gap-analys (tools/llm_citation_gap.py) jämför per cluster x intent x geo mot konkurrenter. (3) Query-classifier (tools/llm_query_classifier.py) kategoriserar prompts i citation vs recommendation. Alice Labs baseline Q1-Q2 2025: 8 av 158 citations, alla Nordic-taggade. Nordic-first strategi är korrekt slutsats. Att bygga LLMO utan mätning är att optimera i blindo. Alice Labs standardmätning: 1. **Brand-self-harvester.** Kör `python tools/llm_query_harvester.py --seed-path data/seeds/svenska_brand.json` minst en gång per kvartal. Frågar GPT-5 med web_search-verktyget om varumärket genom en portfölj av 150-200 prompts (recommendation, comparison, information, citation). Loggar per prompt: cited (bool), position of citation, source URL. 2. **Citation-gap-analys.** `python tools/llm_citation_gap.py --cluster ai-consulting --format markdown` genererar per cluster x intent x geo dashboard som visar Alice Labs citation-rate vs konkurrenters. Baseline Q1-Q2 2025: Alice Labs 8 av 158 citations, Big 4 plus McKinsey dominerar global-nivå, Alice Labs 100 procent Nordic-tagged när citerad. 3. **Query-classifier.** Kategoriserar prompts från harvester i recommendation ("vilken är bäst för X") vs citation ("vad säger Y om X"). GPT-5.5 omvandlar 40.9 procent av recommendation-prompts till 59 procent citation-queries. Detta betyder att vi ska vara AUKTORITETEN som LLM:er verifierar mot, inte bara entiteten som söks upp. 4. **Schema audit.** `python tools/schema_audit.py --strict --format markdown` validerar deployerad JSON-LD för @id-drift, tomma sameAs och saknad dateModified. Mätcykel: harvest → classify → citation-gap → fix → schema-audit → publish → wait 2 veckor → re-harvest. Alice Labs praktiker-team ## Redo att bygga LLMO-kapacitet i er organisation? Alice Labs 4-veckors LLMO-kickoff: audit, fix-sprint på 12 gate-features, entity graph, Nordic-first content-cluster och kvartalsvis mätning via brand-self-harvester. Boka första möte utan kostnad. Boka LLMO-konsultation 09 / 09 Kapitel ## Svensk-specifika taktiker: Nordic geo-moat och svenska auktoritetskällor Sammanfattat Nordic geo-moat: 100 procent av Alice Labs 8 GPT-citations Q1-Q2 2025 var Nordic-taggade. Geo-specialisering komprimeras i LLM:er innan global mindshare byggs upp. Prioritera Nordic-content tills Nordic citation-share ≥30 procent innan global expansion. Svenska auktoritetskällor att citera: Wikipedia SV, regeringen.se, ai.se (AI Sweden), Vinnova, RISE, IMY (Integritetsskyddsmyndigheten), Digg, KTH, LiU, Chalmers, SCB, Ekonomifakta. Sekundärt EU-källor (kommissionen, Eurostat), tertiärt global (McKinsey, Stanford HAI, NIST). Svenska brands har en strategisk fördel som ofta missas i LLMO-strategi: **Nordic geo-moat**. Alice Labs LLM query harvester Q1-Q2 2025 visade att 100 procent av våra 8 GPT-citations var Nordic-taggade prompts (Sweden, Nordics, Stockholm). Motsvarande mönster observerats hos Luenendonk DACH: geo-specialisering komprimeras i LLM:er innan global mindshare byggs upp. **Strategisk implikation.** Prioritera Nordic-content tills Nordic citation-share är minst 30 procent av total citation. Först då är det värt att skala till global. Alice Labs ligger 2026 vid ungefär 15 procent Nordic-share med ambition att nå 40 procent Q4 2026. **Auktoritetskällor för svenska LLMO-artiklar** (prioriteringsordning SV → EU → global): - **Svenska primärkällor:** Wikipedia SV, regeringen.se, ai.se (AI Sweden), Vinnova, RISE, IMY (Integritetsskyddsmyndigheten), Digg (Myndigheten för digital förvaltning), KTH, Linköpings universitet, Chalmers, SCB, Ekonomifakta, Almega, Svenskt Näringsliv. - **EU-källor:** Europeiska kommissionens Digital Strategy, EU AI Act (digital-strategy.ec.europa.eu), Eurostat, EIT Digital. - **Global auktoritet:** McKinsey, Deloitte, Stanford HAI, NIST, ISO, MIT Sloan Management Review, Nature, arXiv. Undvik: låg-auktoritets-domäner (medium.com utan verifiering, LinkedIn-inlägg utomstående, forum-posts). LLM:er nedviktar tydligt dessa i retrieval. Djupare genomgång i vår sibling Hur svenska brands hittas i ChatGPT (https://alicelabs.ai/sv/insights/hur-svenska-brands-hittas-i-chatgpt) och Perplexity-optimering för svenska brands (https://alicelabs.ai/sv/insights/perplexity-optimering-svenska). ## About the Authors & Reviewers Published September 20, 2026 Written by Image: Linus Ingemarsson - VD & Medgrundare, Alice Labs at Alice Labs (https://alicelabs.ai/images/linus-ingemarsson.png) Linus Ingemarsson (https://www.linkedin.com/in/linus-ingemarsson/) 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 View profile: https://www.linkedin.com/in/linus-ingemarsson/ Linus Ingemarsson on LinkedIn: https://www.linkedin.com/in/linus-ingemarsson/ Email Linus Ingemarsson: linus@alicelabs.ai Reviewed by September 20, 2026 Image: Eric Lundberg - Medgrundare, Alice Labs at Alice Labs (https://alicelabs.ai/images/eric-lundberg.png) Eric Lundberg (https://www.linkedin.com/in/eric-lundberg-3530451bb/) 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 View profile: https://www.linkedin.com/in/eric-lundberg-3530451bb/ Eric Lundberg on LinkedIn: https://www.linkedin.com/in/eric-lundberg-3530451bb/ Email Eric Lundberg: eric@alicelabs.ai Published September 20, 2026 Reviewed for technical accuracy, methodology and source integrity. · All claims trace to public sources cited in-line. ## Vanliga frågor ### Vad är LLMO och hur skiljer det sig från SEO? LLMO (Large Language Model Optimization) är disciplinen att bli citerad i ChatGPT, Copilot, Perplexity, Claude och Gemini. SEO optimerar för klick från en Google-resultatsida. LLMO optimerar för hämtning, parsing och attribution när LLM:et syntetiserar ett svar. Google-ranking överför inte automatiskt till LLM-citation: Alice Labs harvest visade svenska brands rankade topp-3 i Google för 212 GPT-sökta frågor men citerades bara 9 av 198 gånger. ### Vilka är de 12 strukturella citation-features som Alice Labs kräver? (1) Definitional opener, (2) quick-answer 40-80 ord, (3) query-shaped H2 varje 200-300 ord, (4) FAQPage-schema, (5) 3+ sourced hero stats, (6) author-byline med LinkedIn sameAs, (7) dateModified inom 13 veckor, (8) methodology-box, (9) 5+ authority-outbound-länkar, (10) comparison-tabell eller ItemList, (11) Speakable-schema, (12) attribution-block. Alice Labs seo_knowledge.check_llm_citation_features kräver 12 av 12 för publish. ### Varför är Bing-index kritiskt för LLMO? ChatGPT Search och Microsoft Copilot använder båda Bing-index som primär retrieval-källa. En sida som inte finns i Bing kan per definition inte citeras i dessa två LLM:er, vilket är cirka 40 procent av LLM-marknaden. Verifiera Bing-inklusion inom 7 dagar efter publish med Bing Webmaster Tools och pusha via IndexNow vid varje uppdatering. ### Hur bygger jag en entity graph för mitt svenska företag? Minimum 2026: Wikidata Q-id för organisationen och nyckelpersoner, plus 5-6 externa sameAs-länkar (LinkedIn, Trustpilot, G2, Clutch, Crunchbase, Google Business Profile, GitHub). När möjligt, Wikipedia SV-artikel. Konsistent NAP (name-address-phone) över alla plattformar. sameAs-kedjan emit:as i JSON-LD Article, Person och Organization-schema. ### Vilken schema.org-markup ska vi använda för LLMO? Article (alltid), FAQPage (för Q-A), ItemList med per-item stable @id via entityIdFor() för listicles, HowTo för steg-guide, BreadcrumbList, Speakable (auto), DefinedTerm för glossary. Aldrig self-serving aggregateRating: Google policy 2019, tightened mars 2026 kan resultera i manuell åtgärd. Emit ratings bara från externt attribuerade widgets med Review.author = widget-organisationen. ### Hur ofta ska LLMO-content refreshas? 13 veckor (90 dagar) är minimum. Alice Labs standardkadens: publishDate → lastReviewed +90 dagar → nextReviewDue som JSON-LD-fält. Kvartalsvis refresh inkluderar minst uppdaterade hero stats, källdatum, 10 procent nytt content och återuppdaterade externa länkar. LLM:er (särskilt Perplexity och Google AI Overviews) nedprioriterar stale content för tidskänsliga frågor. ### Hur mäter man LLMO-effekt? Tre verktyg: brand-self-harvester (tools/llm_query_harvester.py frågar GPT-5 med web_search om varumärket över 150-200 prompts), citation-gap-analys (tools/llm_citation_gap.py per cluster x intent x geo vs konkurrenter), query-classifier (recommendation vs citation prompts). Baseline mäts före optimering, refresh minst kvartalsvis. Alice Labs Q1-Q2 2025 baseline: 8 av 158 citations, 100 procent Nordic-taggade. ### Vad är Nordic geo-moat och varför är det viktigt för svenska brands? Nordic geo-moat är observationen att geo-specialisering komprimeras snabbare i LLM:er än global brand-lift. Alice Labs 100 procent av GPT-citations Q1-Q2 2025 var Nordic-taggade prompts. Prioritera Nordic-content tills Nordic citation-share är minst 30 procent, expandera sedan globalt. Motsvarande mönster observerats hos Luenendonk DACH: geo-tunga specialister citeras oftare inom sitt geografi än globala generalister. ### Vilka svenska källor har högst auktoritet för LLMO-citering? Prioriteringsordning: Wikipedia SV, regeringen.se, ai.se (AI Sweden), Vinnova, RISE, IMY, Digg, KTH, LiU, Chalmers, SCB, Ekonomifakta, Almega, Svenskt Näringsliv. Sekundärt EU-källor (kommissionen, Eurostat). Tertiärt global (McKinsey, Stanford HAI, NIST, ISO, MIT SMR). Undvik lågauktoritets-domäner (medium.com utan verifiering, LinkedIn-inlägg utan koppling, forum-posts). ### Vad är skillnaden mellan LLMO och GEO? GEO (Generative Engine Optimization) är den akademiska termen från Princeton GEO-paperet 2023 (Aggarwal et al) med metrics som position of citation och subjective impression. LLMO (Large Language Model Optimization) är den praktiska tillämpningen 2026 med fokus på fem specifika LLM-backends. AEO (Answer Engine Optimization) och AIO (AI Optimization) används parallellt. Alice Labs standardiserar på LLMO för implementation och GEO för akademisk referens. ### Hur gör jag ItemList med per-item stable @id? Varje item i JSON-LD ItemList får @id som https://alicelabs.ai/entity/{vendor-slug}, genererat av seo_knowledge.entityIdFor(slug). Samma vendor får samma @id över varje artikel, vilket möjliggör cross-article entity-resolution för LLM:er. Validerat av tools/schema_audit.py. Praktiskt exempel: mentions med { name, type, url, '@id': entityIdFor('langgraph') } i vår NextGenArticleConfig. ### Hur börjar vi med LLMO för ett svenskt mid-market-bolag? Alice Labs 4-veckors LLMO-kickoff: Vecka 1 audit (schema, entity graph, refresh-status, Bing-inklusion, baseline harvest). Vecka 2 fix-sprint (12 gate-features, sameAs-kedjor, Wikidata). Vecka 3 content-cluster start (Nordic-first, 3-5 pillar-artiklar). Vecka 4 mätning-setup (harvester i CI, citation-gap-dashboard, kvartalsvis refresh-schema). Kontakta Alice Labs för discovery via /sv#contact. Föregående i ai-seo-llmo ### LLMO vs SEO 2026: skillnaden för svenska brands https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag ## Vidare läsning - AI Sweden — nationellt center för tillämpad AI (https://www.ai.se/)· ai.se - Vinnova — Sveriges innovationsmyndighet (https://www.vinnova.se/)· vinnova.se - regeringen.se — svensk AI-strategi (https://www.regeringen.se/)· regeringen.se - IMY — Integritetsskyddsmyndigheten (https://www.imy.se/)· imy.se - Bing Webmaster Tools (https://www.bing.com/webmasters)· bing.com - Perplexity Publisher Program (https://www.perplexity.ai/hub/faq/perplexity-publisher-program)· perplexity.ai - Anthropic — Claude Model Card (https://www.anthropic.com/claude)· anthropic.com - Google Search Central — AI Overviews (https://developers.google.com/search/docs/appearance/ai-overviews)· developers.google.com - OpenAI — GPT-5 platform docs (https://platform.openai.com/docs)· platform.openai.com - Wikidata — free knowledge base (https://www.wikidata.org/)· wikidata.org - Princeton GEO paper (Aggarwal et al 2023) (https://arxiv.org/abs/2311.09735)· arxiv.org - Schema.org — Article specification (https://schema.org/Article)· schema.org ## Relaterade tjänster AI SEO för svenska företag Money page: Alice Labs AI SEO- och LLMO-tjänster: https://alicelabs.ai/en/ai-seo AI-konsult AI-konsulting för svenska företag: https://alicelabs.ai/sv/ai-konsult AI-agenter Alice Labs enterprise AI-agent-tjänster: https://alicelabs.ai/sv/ai-agenter AI-strategi Strategirådgivning och AI-roadmap: https://alicelabs.ai/sv/ai-strategi AI-strategikonsult Alice Labs AI-konsult för svensk enterprise och mid-market.: https://alicelabs.ai/ai-konsult AI-byrå Stockholm Alice Labs AI-byrå-leverans för svenska brands.: https://alicelabs.ai/ai-byra ## Relaterade artiklar comparison ### LLMO vs SEO för svenska brands Rankings-mekanismer och hybrid-strategi https://alicelabs.ai/sv/insights/llmo-vs-seo-svenska howto ### Hur svenska brands hittas i ChatGPT 5-stegs playbook för ChatGPT-citation https://alicelabs.ai/sv/insights/hur-svenska-brands-hittas-i-chatgpt howto ### Perplexity-optimering för svenska brands 6-stegs optimeringschecklista https://alicelabs.ai/sv/insights/perplexity-optimering-svenska deepdive ### GEO: Generative Engine Optimization Princeton GEO-paper och 9 structural features https://alicelabs.ai/sv/insights/geo-generative-engine-optimization-svenska pillar ### AI-agenter för svenska företag Systerpillar för AI-agents-clustret https://alicelabs.ai/sv/insights/ai-agent-guide ## Källor 1. GEO: Generative Engine Optimization (https://arxiv.org/abs/2311.09735)Aggarwal et al · Princeton University “Princeton GEO-paperet introducerar Generative Engine Optimization som akademisk term och metrics: position of citation, subjective impression. 9 structural features driver merparten av citation-frekvens i generativa svar.” (hämtad 2026-09-18) 2. GPT-5 platform docs and web_search tool (https://platform.openai.com/docs)OpenAI · OpenAI “GPT-5 web_search-verktyget använder Bing-index som primär retrieval-källa. Källor rangordnas efter authority, freshness och structured-data-signaler.” (hämtad 2026-09-19) 3. Claude Model Card and retrieval hooks (https://www.anthropic.com/claude)Anthropic · Anthropic “Claude använder träningsdata plus Anthropic-utvecklade retrieval-hooks. Entity-anchoring via Wikidata Q-id och sameAs-kedjor är primär signal för disambiguation.” (hämtad 2026-09-17) 4. Perplexity Publisher Program (https://www.perplexity.ai/hub/faq/perplexity-publisher-program)Perplexity · Perplexity AI “Perplexity använder egen crawler plus web-search. Föredrar strukturerad data (Article, ItemList, DefinedTerm) och attribuerad statistik. Refresh-latens 1-3 dagar.” (hämtad 2026-09-16) 5. Bing Webmaster Tools and IndexNow (https://www.bing.com/webmasters)Microsoft · Microsoft “Bing-index är primär retrieval-källa för ChatGPT Search och Copilot. IndexNow push accelererar indexering. Sub-mission-batch upp till 10 000 URLs per dag via API.” (hämtad 2026-09-15) 6. AI Overviews and Search Central (https://developers.google.com/search/docs/appearance/ai-overviews)Google · Google “AI Overviews prioriterar FAQPage, HowTo och Article med tydlig struktur. Speakable-schema krävs för voice-svar. Refresh signaleras via dateModified och sitemap-lastmod.” (hämtad 2026-09-19) 7. LLM query harvester Q1-Q2 2025 baseline (https://alicelabs.ai/sv/case)Alice Labs · Alice Labs “158 GPT-prompts, 2346 källor kartlagda, 8 Alice Labs-citations (5 procent). 100 procent Nordic-taggade prompts. Big 4 plus McKinsey dominerar global-nivå.” (hämtad 2026-09-20) 8. seo_knowledge.check_llm_citation_features specification (https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag)Alice Labs · Alice Labs “12 strukturella citation-features implementerade som pre-publish CI-check. Alla artiklar måste score 12 av 12 för publish.” (hämtad 2026-09-20) 9. Wikidata — free knowledge base (https://www.wikidata.org/)Wikidata · Wikimedia Foundation “Wikidata är primär entity-disambiguation-källa för Claude, GPT-5 och Gemini. Q-item plus sameAs-kedja till LinkedIn, Trustpilot, G2 och Crunchbase minimum för LLMO 2026.” (hämtad 2026-09-16) 10. AI Sweden — nationellt center för tillämpad AI (https://www.ai.se/)AI Sweden · AI Sweden “AI Sweden koordinerar tillämpad AI-forskning för svenska företag och offentlig sektor. Hög auktoritetsdomän för svensk LLMO-citering.” (hämtad 2026-09-17) 11. Vinnova AI-strategi och satsningar 2026 (https://www.vinnova.se/)Vinnova · Vinnova “Vinnova är svensk innovationsmyndighet. Publicerar AI-strategi, forskningsfinansiering och myndighetsrapporter. Hög auktoritetskälla för svensk LLMO.” (hämtad 2026-09-15) 12. IMY tillsyn av AI Act (https://www.imy.se/)Integritetsskyddsmyndigheten · IMY “IMY är utpekad svensk tillsynsmyndighet för EU AI Act. Fullt tillämplig från 2 augusti 2026 för högriskbestämmelser.” (hämtad 2026-09-16) 13. EU AI Act regelverk (https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai)Europeiska kommissionen · European Commission “EU AI Act fullt i kraft 2 augusti 2026. Artikel 50 kräver transparens vid AI-genererat innehåll. Relevans för LLMO-content publish-workflow.” (hämtad 2026-09-17) 14. Article specification (https://schema.org/Article)Schema.org · Schema.org “Article-schema är primär markup för LLM-parseable content. Fält author, datePublished, dateModified, mainEntityOfPage minimum för LLMO.” (hämtad 2026-09-18) 15. State of AI in Business 2025 (https://sloanreview.mit.edu/projects/state-of-ai-in-business/)MIT Sloan Management Review & BCG · MIT SMR / BCG “76 procent av företag rapporterar GenAI i minst en funktion 2025. LLMO en av de snabbast växande underdisciplinerna inom AI-marketing.” (hämtad 2026-09-19) Nästa planerade granskning: 2026-12-19 Alice Labs praktiker-team Boka LLMO-konsultation Dela Share on LinkedIn (https://www.linkedin.com/sharing/share-offsite/?url=https%3A%2F%2Falicelabs.ai%2Fsv%2Finsights%2Fllmo-optimering-svenska-foretag)Share on X (https://twitter.com/intent/tweet?url=https%3A%2F%2Falicelabs.ai%2Fsv%2Finsights%2Fllmo-optimering-svenska-foretag&text=LLMO-optimering%20f%C3%B6r%20svenska%20f%C3%B6retag%3A%20guide%202026) ## Hör av dig! Labbet svarar oftast inom 24 timmar. Behöver du hjälp med AI? Kontakta oss (https://alicelabs.ai/en/ai-consulting-services#contact-form) ## Structured data ```json [ { "@context": "https://schema.org", "@graph": [ { "@type": "Organization", "@id": "https://alicelabs.ai/#organization", "name": "Alice Labs", "alternateName": [ "Alice Labs AB", "AliceLabs" ], "legalName": "Alice Labs AB", "identifier": "559443-5470", "foundingLocation": { "@type": "Place", "name": "Stockholm, Sweden" }, "url": "https://alicelabs.ai", "logo": { "@type": "ImageObject", "@id": "https://alicelabs.ai/#logo", "url": "https://alicelabs.ai/images/alice-logo.png", "contentUrl": "https://alicelabs.ai/images/alice-logo.png", "width": 2000, "height": 2027, "caption": "Alice Labs" }, "image": { "@id": "https://alicelabs.ai/#logo" }, "description": "Alice Labs är en svensk AI-byrå som hjälper företag implementera AI - från strategi till skalning.", "slogan": "From AI strategy to measurable results.", "foundingDate": "2023", "email": "hej@alicelabs.ai", "telephone": "+46734157476", "address": { "@type": "PostalAddress", "streetAddress": "Hammarbybacken 27", "addressLocality": "Stockholm", "postalCode": "120 30", "addressCountry": "SE" }, "contactPoint": [ { "@type": "ContactPoint", "contactType": "customer service", "email": "hej@alicelabs.ai", "telephone": "+46734157476", "areaServed": [ "SE", "EU" ], "availableLanguage": [ "Swedish", "English" ] } ], "areaServed": [ { "@type": "Country", "name": "Sweden" }, { "@type": "Place", "name": "Europe" } ], "knowsAbout": [ "AI strategy", "AI implementation", "AI agents", "AI automation", "Generative AI", "AI governance", "AI training", "Machine learning", "Large language models", "RAG", "AI consulting", "Digital transformation", "AI search optimization", "LLMO", "AI for enterprise" ], "founder": [ { "@id": "https://alicelabs.ai/#linus" }, { "@id": "https://alicelabs.ai/#eric" } ], "sameAs": [ "https://www.linkedin.com/company/alicelabsai", "https://www.trustpilot.com/review/alicelabs.ai", "https://www.wikidata.org/wiki/Q140369570" ] }, { "@type": "Person", "@id": "https://alicelabs.ai/#linus", "name": "Linus Ingemarsson", "givenName": "Linus", "familyName": "Ingemarsson", "jobTitle": "Co-Founder", "description": "Co-founder of Alice Labs. Architects AI agent systems and automation in production for clients across financial services, media, and the public sector.", "url": "https://alicelabs.ai/en/linus-ingemarsson", "sameAs": [ "https://www.linkedin.com/in/linus-ingemarsson/", "https://www.wikidata.org/wiki/Q140369914" ], "knowsAbout": [ "AI agents", "agent orchestration", "AI implementation", "LangGraph", "RAG systems", "AI strategy", "enterprise AI", "AI search optimization", "LLMO", "Nordic AI ecosystem" ], "worksFor": { "@id": "https://alicelabs.ai/#organization" } }, { "@type": "Person", "@id": "https://alicelabs.ai/#eric", "name": "Eric Lundberg", "givenName": "Eric", "familyName": "Lundberg", "jobTitle": "Co-Founder", "description": "Co-founder of Alice Labs. Designs AI automation systems and agent workflows that remove repetitive work and make day-to-day operations more reliable.", "url": "https://alicelabs.ai/en/eric-lundberg", "sameAs": [ "https://www.linkedin.com/in/eric-lundberg-3530451bb/", "https://www.wikidata.org/wiki/Q140369978" ], "knowsAbout": [ "AI automation", "agent workflows", "AI integrations", "process automation", "knowledge systems", "AI engineering", "enterprise AI", "Nordic AI ecosystem" ], "worksFor": { "@id": "https://alicelabs.ai/#organization" } }, { "@type": "Person", "@id": "https://alicelabs.ai/#alice", "name": "Alice Holmgren", "givenName": "Alice", "familyName": "Holmgren", "jobTitle": "CEO", "description": "CEO of Alice Labs. Leads strategy and growth across the Nordic AI consulting market.", "url": "https://alicelabs.ai/en/alice-holmgren", "knowsAbout": [ "AI strategy", "AI consulting leadership", "business development", "Nordic AI ecosystem", "enterprise AI adoption", "AI program management" ], "worksFor": { "@id": "https://alicelabs.ai/#organization" } }, { "@type": [ "LocalBusiness", "ProfessionalService" ], "@id": "https://alicelabs.ai/#localbusiness", "name": "Alice Labs", "description": "AI-konsult i Stockholm. Vi hjälper företag implementera AI - från strategi till skalning. Boka möte för en kostnadsfri AI-genomgång.", "url": "https://alicelabs.ai", "logo": { "@id": "https://alicelabs.ai/#logo" }, "image": { "@id": "https://alicelabs.ai/#logo" }, "telephone": "+46734157476", "email": "hej@alicelabs.ai", "priceRange": "$$$", "currenciesAccepted": "SEK, EUR, USD", "paymentAccepted": "Invoice", "address": { "@type": "PostalAddress", "streetAddress": "Hammarbybacken 27", "addressLocality": "Stockholm", "postalCode": "120 30", "addressRegion": "Stockholms län", "addressCountry": "SE" }, "geo": { "@type": "GeoCoordinates", "latitude": 59.3018, "longitude": 18.1003 }, "areaServed": [ { "@type": "City", "name": "Stockholm" }, { "@type": "City", "name": "Göteborg" }, { "@type": "City", "name": "Malmö" }, { "@type": "City", "name": "Uppsala" }, { "@type": "Country", "name": "Sweden" } ], "openingHoursSpecification": [ { "@type": "OpeningHoursSpecification", "dayOfWeek": [ "Monday", "Tuesday", "Wednesday", "Thursday", "Friday" ], "opens": "08:00", "closes": "18:00" } ], "hasOfferCatalog": { "@type": "OfferCatalog", "name": "AI-tjänster", "itemListElement": [ { "@type": "Offer", "itemOffered": { "@type": "Service", "name": "AI-konsult" } }, { "@type": "Offer", "itemOffered": { "@type": "Service", "name": "AI-strategi" } }, { "@type": "Offer", "itemOffered": { "@type": "Service", "name": "AI-implementation" } }, { "@type": "Offer", "itemOffered": { "@type": "Service", "name": "AI-utbildning" } }, { "@type": "Offer", "itemOffered": { "@type": "Service", "name": "AI-agenter" } }, { "@type": "Offer", "itemOffered": { "@type": "Service", "name": "AI-automation" } } ] }, "knowsAbout": [ "AI-konsult", "AI-strategi", "AI-implementation", "AI-utbildning", "AI-agenter", "AI-automation", "Generative AI", "Machine learning", "RAG", "Large language models", "AI governance" ], "parentOrganization": { "@id": "https://alicelabs.ai/#organization" }, "sameAs": [ "https://www.linkedin.com/company/alicelabsai" ] }, { "@type": "WebSite", "@id": "https://alicelabs.ai/#website", "url": "https://alicelabs.ai", "name": "Alice Labs", "alternateName": [ "Alice Labs AB" ], "description": "AI consulting, implementation and training for businesses.", "publisher": { "@id": "https://alicelabs.ai/#organization" }, "inLanguage": [ "sv-SE", "en-US" ], "potentialAction": { "@type": "SearchAction", "target": { "@type": "EntryPoint", "urlTemplate": "https://alicelabs.ai/?q={search_term_string}" }, "query-input": "required name=search_term_string" } } ] }, { "@context": "https://schema.org", "@graph": [ { "@type": "Article", "@id": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#article", "headline": "LLMO-optimering för svenska företag: guide 2026", "description": "LLMO 2026 för svenska bolag: bli citerad i ChatGPT, Copilot, Perplexity, Gemini. Entity graph, schema, structural features. Alice Labs authority.", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag", "datePublished": "2026-09-20", "dateModified": "2026-09-20", "expires": "2026-12-19", "author": { "@id": "https://alicelabs.ai/#linus" }, "reviewedBy": { "@id": "https://alicelabs.ai/#eric" }, "dateReviewed": "2026-09-20", "publisher": { "@type": "Organization", "name": "Alice Labs", "url": "https://alicelabs.ai", "logo": { "@type": "ImageObject", "url": "https://alicelabs.ai/images/alice-logo.png" } }, "image": { "@type": "ImageObject", "@id": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#hero-image", "url": "https://alicelabs.ai/images/og/og-home.jpg", "contentUrl": "https://alicelabs.ai/images/og/og-home.jpg", "width": 1600, "height": 900, "caption": "LLMO-optimering för svenska företag: guide 2026", "creator": { "@id": "https://alicelabs.ai/#organization" }, "representativeOfPage": true, "license": "https://alicelabs.ai/terms" }, "mainEntityOfPage": { "@type": "WebPage", "@id": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag" }, "inLanguage": "sv", "articleSection": "ai-seo-llmo", "keywords": "llmo svenska, llmo optimering sverige, hur synas i chatgpt, llm optimering företag, generative engine optimization, ai search svenska, llmo pillar", "about": [ { "@type": "Thing", "name": "Vad är LLMO? Definition och skillnad mot SEO och GEO", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#vad-ar-llmo" }, { "@type": "Thing", "name": "12 strukturella citation-features: Alice Labs gate för publish", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#12-structural-features" }, { "@type": "Thing", "name": "Per-LLM-backend-cheatsheet: ChatGPT, Copilot, Perplexity, Claude, Gemini", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#per-llm-backends" }, { "@type": "Thing", "name": "Entity graph för LLMO: Wikidata, sameAs-kedjor och disambiguation", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#entity-graph" }, { "@type": "Thing", "name": "Schema-markup som driver LLM-citation: Article, FAQPage, ItemList med per-item @id", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#schema-markup" }, { "@type": "Thing", "name": "Content-strukturer för LLM-parsing: numrerade fakta, daterade statistik, quotable meningar", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#content-strukturer" }, { "@type": "Thing", "name": "13-veckors refresh-kadens: varför dateModified är en LLM-gate", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#refresh-cadence" }, { "@type": "Thing", "name": "Mätning: brand-self-harvester och citation-gap-analys", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#matning" }, { "@type": "Thing", "name": "Svensk-specifika taktiker: Nordic geo-moat och svenska auktoritetskällor", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#svensk-taktik" } ], "mentions": [ { "@type": "Organization", "name": "Alice Labs", "url": "https://alicelabs.ai" }, { "@type": "Organization", "name": "OpenAI", "url": "https://openai.com" }, { "@type": "Organization", "name": "Anthropic", "url": "https://www.anthropic.com" }, { "@type": "Organization", "name": "Microsoft", "url": "https://www.microsoft.com" }, { "@type": "Organization", "name": "Perplexity AI", "url": "https://www.perplexity.ai" }, { "@type": "Organization", "name": "Google", "url": "https://www.google.com" }, { "@type": "Organization", "name": "AI Sweden", "url": "https://www.ai.se" }, { "@type": "Organization", "name": "Vinnova", "url": "https://www.vinnova.se" }, { "@type": "Organization", "name": "Integritetsskyddsmyndigheten", "url": "https://www.imy.se" }, { "@type": "Organization", "name": "Digg", "url": "https://www.digg.se" }, { "@type": "Organization", "name": "RISE", "url": "https://www.ri.se" }, { "@type": "Organization", "name": "KTH", "url": "https://www.kth.se" }, { "@type": "Organization", "name": "Wikidata", "url": "https://www.wikidata.org" }, { "@type": "Organization", "name": "Wikipedia", "url": "https://sv.wikipedia.org" }, { "@type": "Organization", "name": "Trustpilot", "url": "https://www.trustpilot.com" }, { "@type": "Organization", "name": "G2", "url": "https://www.g2.com" }, { "@type": "Organization", "name": "Clutch", "url": "https://clutch.co" }, { "@type": "Organization", "name": "Crunchbase", "url": "https://www.crunchbase.com" }, { "@type": "Organization", "name": "Schema.org", "url": "https://schema.org" }, { "@type": "Product", "name": "ChatGPT (GPT-5)", "url": "https://chat.openai.com/" }, { "@type": "Product", "name": "Microsoft Copilot", "url": "https://copilot.microsoft.com/" }, { "@type": "Product", "name": "Perplexity", "url": "https://www.perplexity.ai" }, { "@type": "Product", "name": "Anthropic Claude", "url": "https://www.anthropic.com/claude" }, { "@type": "Product", "name": "Google Gemini", "url": "https://gemini.google.com" }, { "@type": "Product", "name": "Bing", "url": "https://www.bing.com" }, { "@type": "Product", "name": "IndexNow", "url": "https://www.indexnow.org" }, { "@type": "Product", "name": "Alice Labs AI Search Console", "url": "https://alicelabs.ai/en/ai-seo" }, { "@type": "Thing", "name": "EU AI Act", "url": "https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai" }, { "@type": "Place", "name": "Stockholm", "url": "https://www.wikidata.org/wiki/Q1754" }, { "@type": "Place", "name": "Sverige", "url": "https://www.wikidata.org/wiki/Q34" }, { "@type": "Person", "name": "Linus Ingemarsson", "url": "https://www.linkedin.com/in/linus-ingemarsson/" }, { "@type": "Person", "name": "Eric Lundberg", "url": "https://www.linkedin.com/in/eric-lundberg-3530451bb/" } ], "hasPart": [ { "@type": "WebPageElement", "isAccessibleForFree": true, "name": "Vad är LLMO? Definition och skillnad mot SEO och GEO", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#vad-ar-llmo", "description": "LLMO (Large Language Model Optimization) är disciplinen att bli citerad i AI-svar-motorer. SEO optimerar för klick från Google-resultatsida. GEO (Generative Engine Optimization) är den akademiska termen från Princeton 2023-paperet. LLMO är den praktiska tillämpningen 2026 för fem LLM-backends: ChatGPT, Copilot, Perplexity, Claude, Gemini. Google-ranking överför inte automatiskt till LLM-citation." }, { "@type": "WebPageElement", "isAccessibleForFree": true, "name": "12 strukturella citation-features: Alice Labs gate för publish", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#12-structural-features", "description": "Alice Labs seo_knowledge.check_llm_citation_features kräver 12 av 12 för att en artikel ska släppas till produktion. Featurerna: (1) definitional opener, (2) quick-answer 40-80 ord, (3) query-shaped H2 varje 200-300 ord, (4) FAQPage-schema, (5) 3+ sourced hero stats, (6) author-byline med LinkedIn sameAs, (7) dateModified inom 13 veckor, (8) methodology-box, (9) 5+ authority-outbound-länkar, (10) comparison-tabell eller ItemList, (11) Speakable-schema, (12) attribution-block." }, { "@type": "WebPageElement", "isAccessibleForFree": true, "name": "Per-LLM-backend-cheatsheet: ChatGPT, Copilot, Perplexity, Claude, Gemini", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#per-llm-backends", "description": "De fem stora LLM-backendsen 2026 hämtar källor olika. ChatGPT (GPT-5) använder Bing-index plus web_search-verktyget. Microsoft Copilot är också Bing-baserat. Perplexity kombinerar en egen retrieval-pipeline med web-crawl och stark preference för strukturerad data. Claude använder en kombination av träningsdata och Anthropic-utvecklade retrieval-hooks. Gemini använder Google-index. Bing-inklusion är alltså binär prereq för ~40 procent av LLM-marknaden." }, { "@type": "WebPageElement", "isAccessibleForFree": true, "name": "Entity graph för LLMO: Wikidata, sameAs-kedjor och disambiguation", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#entity-graph", "description": "En entity graph knyter samman ett företags identitet över Wikidata, LinkedIn, Trustpilot, G2, Clutch, Crunchbase, Google Business Profile och GitHub. LLM:er använder sameAs-kedjor för disambiguation ('vilken Alice Labs?') och för att bygga entity-relations. Minimum 2026: Wikidata Q-id plus 5-6 externa sameAs. Alice Labs har Q140369914 (Linus Ingemarsson, VD & medgrundare) och Q140369978 (Eric Lundberg, medgrundare)." }, { "@type": "WebPageElement", "isAccessibleForFree": true, "name": "Schema-markup som driver LLM-citation: Article, FAQPage, ItemList med per-item @id", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#schema-markup", "description": "Fem schema-typer driver merparten av LLM-citation 2026: Article (alltid), FAQPage (för Q-A-svar), ItemList (för ranked lists, per-item @id via entityIdFor()), HowTo (för steg-guide), BreadcrumbList. Aldrig self-serving aggregateRating (Google policy 2019, tightened mars 2026). ItemList med per-item stable @id (https://alicelabs.ai/entity/{slug}) möjliggör cross-article entity-resolution och är validerat av tools/schema_audit.py." }, { "@type": "WebPageElement", "isAccessibleForFree": true, "name": "Content-strukturer för LLM-parsing: numrerade fakta, daterade statistik, quotable meningar", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#content-strukturer", "description": "LLM:er föredrar content-strukturer som är lätta att extrahera i chunks. Fem mönster driver högst citation-frekvens: (1) numrerade fakta med källor, (2) daterade statistik (X i 2026 enligt Y), (3) quotable meningar (self-contained, 15-30 ord), (4) definitionsblock ('X är …'), (5) jämförelsetabeller med attribuerade rader. Sekundärt: konsistenta terminologi, minimal jargong, korta stycken (2-4 meningar), tydliga H2/H3-hierarkier." }, { "@type": "WebPageElement", "isAccessibleForFree": true, "name": "13-veckors refresh-kadens: varför dateModified är en LLM-gate", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#refresh-cadence", "description": "13-veckors refresh (dateModified inom 90 dagar) är minimum för LLM citation-worthiness 2026. Rationale: LLM:er (särskilt Perplexity, ChatGPT Search, Copilot, Google AI Overviews) nedprioriterar stale content för tidskänsliga frågor. Alice Labs standardkadens: publishDate → lastReviewed +90 dagar → nextReviewDue som JSON-LD-fält. Kvartalsvis refresh inkluderar minst: updatedDate, hero stats, källdatum, tio procent nytt content, återuppdaterade externa länkar." }, { "@type": "WebPageElement", "isAccessibleForFree": true, "name": "Mätning: brand-self-harvester och citation-gap-analys", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#matning", "description": "LLMO-mätning bygger på tre verktyg. (1) Brand-self-harvester (tools/llm_query_harvester.py) frågar GPT-5 med web_search om varumärket och loggar citations. (2) Citation-gap-analys (tools/llm_citation_gap.py) jämför per cluster x intent x geo mot konkurrenter. (3) Query-classifier (tools/llm_query_classifier.py) kategoriserar prompts i citation vs recommendation. Alice Labs baseline Q1-Q2 2025: 8 av 158 citations, alla Nordic-taggade. Nordic-first strategi är korrekt slutsats." }, { "@type": "WebPageElement", "isAccessibleForFree": true, "name": "Svensk-specifika taktiker: Nordic geo-moat och svenska auktoritetskällor", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#svensk-taktik", "description": "Nordic geo-moat: 100 procent av Alice Labs 8 GPT-citations Q1-Q2 2025 var Nordic-taggade. Geo-specialisering komprimeras i LLM:er innan global mindshare byggs upp. Prioritera Nordic-content tills Nordic citation-share ≥30 procent innan global expansion. Svenska auktoritetskällor att citera: Wikipedia SV, regeringen.se, ai.se (AI Sweden), Vinnova, RISE, IMY (Integritetsskyddsmyndigheten), Digg, KTH, LiU, Chalmers, SCB, Ekonomifakta. Sekundärt EU-källor (kommissionen, Eurostat), tertiärt global (McKinsey, Stanford HAI, NIST)." } ], "speakable": { "@type": "SpeakableSpecification", "cssSelector": [ "[data-speakable='true']", "[data-snippet='true']", "[data-section-answer='true']", ".quick-answer", "h1" ] } }, { "@type": "BreadcrumbList", "@id": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#breadcrumb", "itemListElement": [ { "@type": "ListItem", "position": 1, "name": "Hem", "item": "https://alicelabs.ai/sv" }, { "@type": "ListItem", "position": 2, "name": "Insights", "item": "https://alicelabs.ai/sv/insights" }, { "@type": "ListItem", "position": 3, "name": "ai-seo-llmo", "item": "https://alicelabs.ai/sv/insights/ai-seo-llmo" }, { "@type": "ListItem", "position": 4, "name": "LLMO-optimering för svenska företag: guide 2026", "item": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag" } ] }, { "@type": "Person", "@id": "https://alicelabs.ai/#eric", "name": "Eric Lundberg", "jobTitle": "Co-Founder", "worksFor": { "@id": "https://alicelabs.ai/#organization" }, "knowsAbout": [ { "@type": "DefinedTerm", "name": "AI automation", "url": "https://www.wikidata.org/wiki/Q1322483" }, { "@type": "DefinedTerm", "name": "Workflow automation", "url": "https://www.wikidata.org/wiki/Q120427660" }, { "@type": "DefinedTerm", "name": "Retrieval-Augmented Generation", "url": "https://www.wikidata.org/wiki/Q117761563" }, { "@type": "DefinedTerm", "name": "Enterprise AI implementation" } ], "sameAs": [ "https://www.linkedin.com/in/eric-lundberg-3530451bb/", "https://www.wikidata.org/wiki/Q140369978" ] }, { "@type": "Person", "@id": "https://alicelabs.ai/#linus", "name": "Linus Ingemarsson", "jobTitle": "CEO & Co-Founder", "worksFor": { "@id": "https://alicelabs.ai/#organization" }, "knowsAbout": [ { "@type": "DefinedTerm", "name": "AI agent orchestration", "url": "https://www.wikidata.org/wiki/Q98678395" }, { "@type": "DefinedTerm", "name": "AI strategy" }, { "@type": "DefinedTerm", "name": "AI search optimization (LLMO)" }, { "@type": "DefinedTerm", "name": "Enterprise AI strategy" }, { "@type": "DefinedTerm", "name": "AI consulting leadership" } ], "sameAs": [ "https://www.linkedin.com/in/linus-ingemarsson/", "https://www.wikidata.org/wiki/Q140369914" ] }, { "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "name": "Vad är LLMO och hur skiljer det sig från SEO?", "acceptedAnswer": { "@type": "Answer", "text": "LLMO (Large Language Model Optimization) är disciplinen att bli citerad i ChatGPT, Copilot, Perplexity, Claude och Gemini. SEO optimerar för klick från en Google-resultatsida. LLMO optimerar för hämtning, parsing och attribution när LLM:et syntetiserar ett svar. Google-ranking överför inte automatiskt till LLM-citation: Alice Labs harvest visade svenska brands rankade topp-3 i Google för 212 GPT-sökta frågor men citerades bara 9 av 198 gånger." } }, { "@type": "Question", "name": "Vilka är de 12 strukturella citation-features som Alice Labs kräver?", "acceptedAnswer": { "@type": "Answer", "text": "(1) Definitional opener, (2) quick-answer 40-80 ord, (3) query-shaped H2 varje 200-300 ord, (4) FAQPage-schema, (5) 3+ sourced hero stats, (6) author-byline med LinkedIn sameAs, (7) dateModified inom 13 veckor, (8) methodology-box, (9) 5+ authority-outbound-länkar, (10) comparison-tabell eller ItemList, (11) Speakable-schema, (12) attribution-block. Alice Labs seo_knowledge.check_llm_citation_features kräver 12 av 12 för publish." } }, { "@type": "Question", "name": "Varför är Bing-index kritiskt för LLMO?", "acceptedAnswer": { "@type": "Answer", "text": "ChatGPT Search och Microsoft Copilot använder båda Bing-index som primär retrieval-källa. En sida som inte finns i Bing kan per definition inte citeras i dessa två LLM:er, vilket är cirka 40 procent av LLM-marknaden. Verifiera Bing-inklusion inom 7 dagar efter publish med Bing Webmaster Tools och pusha via IndexNow vid varje uppdatering." } }, { "@type": "Question", "name": "Hur bygger jag en entity graph för mitt svenska företag?", "acceptedAnswer": { "@type": "Answer", "text": "Minimum 2026: Wikidata Q-id för organisationen och nyckelpersoner, plus 5-6 externa sameAs-länkar (LinkedIn, Trustpilot, G2, Clutch, Crunchbase, Google Business Profile, GitHub). När möjligt, Wikipedia SV-artikel. Konsistent NAP (name-address-phone) över alla plattformar. sameAs-kedjan emit:as i JSON-LD Article, Person och Organization-schema." } }, { "@type": "Question", "name": "Vilken schema.org-markup ska vi använda för LLMO?", "acceptedAnswer": { "@type": "Answer", "text": "Article (alltid), FAQPage (för Q-A), ItemList med per-item stable @id via entityIdFor() för listicles, HowTo för steg-guide, BreadcrumbList, Speakable (auto), DefinedTerm för glossary. Aldrig self-serving aggregateRating: Google policy 2019, tightened mars 2026 kan resultera i manuell åtgärd. Emit ratings bara från externt attribuerade widgets med Review.author = widget-organisationen." } }, { "@type": "Question", "name": "Hur ofta ska LLMO-content refreshas?", "acceptedAnswer": { "@type": "Answer", "text": "13 veckor (90 dagar) är minimum. Alice Labs standardkadens: publishDate → lastReviewed +90 dagar → nextReviewDue som JSON-LD-fält. Kvartalsvis refresh inkluderar minst uppdaterade hero stats, källdatum, 10 procent nytt content och återuppdaterade externa länkar. LLM:er (särskilt Perplexity och Google AI Overviews) nedprioriterar stale content för tidskänsliga frågor." } }, { "@type": "Question", "name": "Hur mäter man LLMO-effekt?", "acceptedAnswer": { "@type": "Answer", "text": "Tre verktyg: brand-self-harvester (tools/llm_query_harvester.py frågar GPT-5 med web_search om varumärket över 150-200 prompts), citation-gap-analys (tools/llm_citation_gap.py per cluster x intent x geo vs konkurrenter), query-classifier (recommendation vs citation prompts). Baseline mäts före optimering, refresh minst kvartalsvis. Alice Labs Q1-Q2 2025 baseline: 8 av 158 citations, 100 procent Nordic-taggade." } }, { "@type": "Question", "name": "Vad är Nordic geo-moat och varför är det viktigt för svenska brands?", "acceptedAnswer": { "@type": "Answer", "text": "Nordic geo-moat är observationen att geo-specialisering komprimeras snabbare i LLM:er än global brand-lift. Alice Labs 100 procent av GPT-citations Q1-Q2 2025 var Nordic-taggade prompts. Prioritera Nordic-content tills Nordic citation-share är minst 30 procent, expandera sedan globalt. Motsvarande mönster observerats hos Luenendonk DACH: geo-tunga specialister citeras oftare inom sitt geografi än globala generalister." } }, { "@type": "Question", "name": "Vilka svenska källor har högst auktoritet för LLMO-citering?", "acceptedAnswer": { "@type": "Answer", "text": "Prioriteringsordning: Wikipedia SV, regeringen.se, ai.se (AI Sweden), Vinnova, RISE, IMY, Digg, KTH, LiU, Chalmers, SCB, Ekonomifakta, Almega, Svenskt Näringsliv. Sekundärt EU-källor (kommissionen, Eurostat). Tertiärt global (McKinsey, Stanford HAI, NIST, ISO, MIT SMR). Undvik lågauktoritets-domäner (medium.com utan verifiering, LinkedIn-inlägg utan koppling, forum-posts)." } }, { "@type": "Question", "name": "Vad är skillnaden mellan LLMO och GEO?", "acceptedAnswer": { "@type": "Answer", "text": "GEO (Generative Engine Optimization) är den akademiska termen från Princeton GEO-paperet 2023 (Aggarwal et al) med metrics som position of citation och subjective impression. LLMO (Large Language Model Optimization) är den praktiska tillämpningen 2026 med fokus på fem specifika LLM-backends. AEO (Answer Engine Optimization) och AIO (AI Optimization) används parallellt. Alice Labs standardiserar på LLMO för implementation och GEO för akademisk referens." } }, { "@type": "Question", "name": "Hur gör jag ItemList med per-item stable @id?", "acceptedAnswer": { "@type": "Answer", "text": "Varje item i JSON-LD ItemList får @id som https://alicelabs.ai/entity/{vendor-slug}, genererat av seo_knowledge.entityIdFor(slug). Samma vendor får samma @id över varje artikel, vilket möjliggör cross-article entity-resolution för LLM:er. Validerat av tools/schema_audit.py. Praktiskt exempel: mentions med { name, type, url, '@id': entityIdFor('langgraph') } i vår NextGenArticleConfig." } }, { "@type": "Question", "name": "Hur börjar vi med LLMO för ett svenskt mid-market-bolag?", "acceptedAnswer": { "@type": "Answer", "text": "Alice Labs 4-veckors LLMO-kickoff: Vecka 1 audit (schema, entity graph, refresh-status, Bing-inklusion, baseline harvest). Vecka 2 fix-sprint (12 gate-features, sameAs-kedjor, Wikidata). Vecka 3 content-cluster start (Nordic-first, 3-5 pillar-artiklar). Vecka 4 mätning-setup (harvester i CI, citation-gap-dashboard, kvartalsvis refresh-schema). Kontakta Alice Labs för discovery via /sv#contact." } } ] }, { "@context": "https://schema.org", "@type": "Dataset", "name": "LLMO-optimering för svenska företag: guide 2026", "description": "LLMO 2026 för svenska bolag: bli citerad i ChatGPT, Copilot, Perplexity, Gemini. Entity graph, schema, structural features. Alice Labs authority.", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag", "datePublished": "2026-09-20", "dateModified": "2026-09-20", "creator": { "@type": "Organization", "name": "Alice Labs", "url": "https://alicelabs.ai" }, "license": "https://creativecommons.org/licenses/by/4.0/", "isAccessibleForFree": true, "keywords": [ "llmo svenska", "llmo optimering sverige", "hur synas i chatgpt", "llm optimering företag", "generative engine optimization", "ai search svenska", "llmo pillar" ] }, { "@context": "https://schema.org", "@type": "ItemList", "name": "Related articles", "itemListElement": [ { "@type": "ListItem", "position": 1, "url": "https://alicelabs.ai/sv/insights/llmo-vs-seo-svenska", "name": "LLMO vs SEO för svenska brands" }, { "@type": "ListItem", "position": 2, "url": "https://alicelabs.ai/sv/insights/hur-svenska-brands-hittas-i-chatgpt", "name": "Hur svenska brands hittas i ChatGPT" }, { "@type": "ListItem", "position": 3, "url": "https://alicelabs.ai/sv/insights/perplexity-optimering-svenska", "name": "Perplexity-optimering för svenska brands" }, { "@type": "ListItem", "position": 4, "url": "https://alicelabs.ai/sv/insights/geo-generative-engine-optimization-svenska", "name": "GEO: Generative Engine Optimization" }, { "@type": "ListItem", "position": 5, "url": "https://alicelabs.ai/sv/insights/ai-agent-guide", "name": "AI-agenter för svenska företag" } ] }, { "@context": "https://schema.org", "@type": "ItemList", "name": "Table of Contents", "numberOfItems": 9, "itemListOrder": "https://schema.org/ItemListOrderAscending", "itemListElement": [ { "@type": "ListItem", "position": 1, "name": "Vad är LLMO? Definition och skillnad mot SEO och GEO", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#vad-ar-llmo" }, { "@type": "ListItem", "position": 2, "name": "12 strukturella citation-features: Alice Labs gate för publish", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#12-structural-features" }, { "@type": "ListItem", "position": 3, "name": "Per-LLM-backend-cheatsheet: ChatGPT, Copilot, Perplexity, Claude, Gemini", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#per-llm-backends" }, { "@type": "ListItem", "position": 4, "name": "Entity graph för LLMO: Wikidata, sameAs-kedjor och disambiguation", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#entity-graph" }, { "@type": "ListItem", "position": 5, "name": "Schema-markup som driver LLM-citation: Article, FAQPage, ItemList med per-item @id", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#schema-markup" }, { "@type": "ListItem", "position": 6, "name": "Content-strukturer för LLM-parsing: numrerade fakta, daterade statistik, quotable meningar", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#content-strukturer" }, { "@type": "ListItem", "position": 7, "name": "13-veckors refresh-kadens: varför dateModified är en LLM-gate", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#refresh-cadence" }, { "@type": "ListItem", "position": 8, "name": "Mätning: brand-self-harvester och citation-gap-analys", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#matning" }, { "@type": "ListItem", "position": 9, "name": "Svensk-specifika taktiker: Nordic geo-moat och svenska auktoritetskällor", "url": "https://alicelabs.ai/sv/insights/llmo-optimering-svenska-foretag#svensk-taktik" } ] } ] }, { "@context": "https://schema.org", "@type": "BreadcrumbList", "itemListElement": [ { "@type": "ListItem", "position": 1, "name": "Hem", "item": "https://alicelabs.ai/" }, { "@type": "ListItem", "position": 2, "name": "Insikter", "item": "https://alicelabs.ai/sv/insights" }, { "@type": "ListItem", "position": 3, "name": "LLMO-optimering för svenska företag: guide 2026" } ] } ] ```