Citationer er det nye linkbuilding
For Google og andre søgemaskiner var links stemmer, i en AI-svar verden, er det nu citationer der afgør din synlighed. Jeg arbejder med begge dele og denne disciplin er den der fylder mest i mit arbejde med GEO.
Præmissen
Hvorfor jeg kalder det det nye linkbuilding
Da PageRank kom, var idéen at et link er en stemme. Har mange sider stemt på dig, må du være vigtig. Det var fundamentet under hele Google, og det er stadig grunden til at linkbuilding virker.
Sprogmodellerne gør noget der ligner, men som ikke er det samme. Når ChatGPT eller Perplexity svarer på et spørgsmål, henter de fra et sæt kilder, og de kilder er på ingen måder tilfældige. Nogle domæner går igen på tværs af tusindvis af svar. Er du med i dem, bliver du nævnt. Er du ikke, bliver du ikke en del af svaret.
Forskellen er at et link er permanent og målbart, mens en citation er flygtig. Den samme prompt kan give forskellige kilder to dage i træk. Det gør det sværere at måle, og det er derfor de fleste ikke arbejder systematisk med det endnu. Det er også derfor der er meget at hente lige nu!
Kernen
De to veje ind
Jeg arbejder med to overordnede spor, når det kommer til arbejdet med citation building.
Spor 1: Præg narrativet
Du kan betale dig til plads i de kilder der allerede bliver brugt. Det er advertorials, og det er ikke nyt, men formålet er et andet end før. Før købte du et link for at flytte en placering. Nu køber du en tekst for at få dit navn til at stå i den kontekst du gerne vil nævnes i.
Det betyder at teksten er vigtigere end linket. Står der "en af flere leverandører på markedet", har du fået meget lidt. Står der hvad du konkret er bedst til, med et eksempel og et tal, så er det dét en sprogmodel har at arbejde med næste gang nogen spørger. Jeg skriver narrativet, ikke bare annoncen.
Spor 2: Find kilderne der allerede bliver brugt
Den anden vej er research. Jeg kører de spørgsmål dine kunder faktisk stiller gennem ChatGPT, Perplexity og Google AI Overviews, og noterer mig hvilke domæner der går igen i svarene.
Det giver en liste over de sider modellerne stoler på i din branche. Det er den samme øvelse som en content gap-analyse, bare på kilder i stedet for søgeord.
Metoden
Citation gap-analysen
Sådan gør jeg det i praksis.
Kortlæg spørgsmålene
Ikke søgeord, men de spørgsmål folk faktisk stiller en sprogmodel. De er længere, mere specifikke og formuleret som samtale.
Kør dem igennem
ChatGPT, Perplexity, Gemini og Google AI Overviews. Samme spørgsmål, flere gange, over flere dage, fordi svarene svinger.
Tæl kilderne
Hvilke domæner går igen? Hvor mange gange? Og i hvilken sammenhæng nævnes de?
Sortér i dem
Nogle kilder er lukkede for dig, som myndigheder og brancheforeninger. Andre er åbne, og det er dem, du skal arbejde med.
Luk hullerne
For hver åben kilde: kan jeg komme ind med indhold, med en advertorial, med et interview, eller ved at svare på det spørgsmål der bliver stillet?
Kilderne
Hvor citationerne kommer fra
Nogle kilder går igen, og listen ser anderledes ud end den ville have gjort for linkbuilding.
Nyhedsmedier og fagmedier
Det er dem jeg oftest arbejder med, og det er dem der bærer mest. Bliver du omtalt i et medie modellerne allerede trækker på, kommer du med i svaret på mediets autoritet frem for din egen.
I praksis er det advertorials. Du køber pladsen, og det er der ikke noget galt med, men det afgørende er hvad der står. Jeg skriver teksten så den besvarer det spørgsmål dine kunder rent faktisk stiller, og så dit navn står i selve svaret. Det er dét en model har at arbejde med, næste gang nogen spørger om det samme.
Et fagmedie i din branche vejer ofte tungere end et stort nyhedsmedie, fordi konteksten er rigtig, og fordi læserne er dem du gerne vil nævnes sammen med.
Anmeldelsessider
Trustpilot og lignende bliver citeret hele tiden, både når nogen spørger om en webshop og når de leder efter en konsulent eller en rådgiver. Modellerne bruger dem som facit for hvad andre mener om dig, og det kan du ikke skrive dig ud af på din egen side.
Forretningskataloger og brancheregistre
Kedelige sider med struktureret data om hvem du er, hvor du ligger og hvad du laver. De bliver brugt, fordi de er nemme at læse og sjældent modsiger sig selv. Det samme gælder medlemslister hos brancheforeninger.
Og så er der dem der overrasker folk mest.
Reddit og fora
Modellerne trækker tungt på diskussioner hvor rigtige mennesker sammenligner produkter og svarer hinanden. Det er ustruktureret, det er rodet, og det bliver alligevel citeret, fordi det er dét der findes om emnet.
YouTube
Transskriptioner er tekst, og tekst kan citeres. En video der besvarer et konkret spørgsmål grundigt, kan ende som kilde i et svar, uden at nogen nogensinde ser videoen.
Quora og spørgsmål-svar-sider
Samme mekanisme. Formatet ligner det modellerne selv producerer, og det gør indholdet nemt at bruge.
Du skal ikke være alle steder. Listen ser bare anderledes ud end den ville have gjort for linkbuilding, og du finder den ved at måle i stedet for at gætte.
Konteksten
Co-occurrence
Modellerne lærer sammenhænge, ikke bare navne. Nævnes dit firma konsekvent sammen med "linkbuilding" og "SEO", så er det dét du bliver associeret med. Nævnes du sammen med femten andre i en liste over bureauer, så er du ét navn i en liste.
Derfor betyder konteksten mere end antallet. Ti omtaler i den rigtige sammenhæng slår hundrede i den forkerte, og det er den omvendte logik af klassisk linkbuilding, hvor volumen faktisk hjalp.
Ydelsen
Hvad jeg gør for dig
- Kortlægning af de spørgsmål der bliver stillet i din branche
- Citation gap-analyse på tværs af ChatGPT, Perplexity, Gemini og AI Overviews
- Prioriteret liste over kilder du realistisk kan komme ind i
- Advertorials hvor jeg skriver narrativet, ikke bare køber pladsen
- Løbende måling, fordi svarene ændrer sig
Det tekniske fundament ligger i AI-synlighed og strukturering, og hele billedet måles i en GEO-analyse. Se også hvad GEO er og klassisk linkbuilding.
