Entiteter, salience og semantik: Derfor ranker du ikke

Du har lavet en, ifølge dig selv, rigtig god landingsside. Du nævner de rigtige søgeord på siden og svarer umiddelbart på spørgsmålet, men den ranker ikke. Hvorfor ikke? Fordi SEO ikke længere kun handler om ord, men om relationer, emner og entiteter.

Infografik om entiteter, salience og semantik i moderne SEO - fra søgeord til entiteter

Vi er gået fra søgeord til vektorer

Google forstår ikke længere bare ord. Google forstår mening. Søgeord bliver oversat til vektorer (matematiske repræsentationer af betydning).

Det er det, der er årsagen til, at to sider med samme søgeord, men med forskellig kontekst, kan rangere forskelligt.

Google kigger på helheden omkring dine ord og ikke bare forekomsten. Det handler altså ikke om, hvor mange gange du nævner et ord, men hvordan du passer ind i det pågældende emne.

Hvad er en entitet, og hvorfor er det vigtigt?

En entitet er ikke bare ord. Det er et begreb, en person, et sted, et produkt eller et emne, som Google genkender og forstår som noget konkret.

Linkbuilding gjort nemt – Anbefaling
Tilmeld dig Bazoom her

Synes du det er svært at finde relevante linkbuilding-medier? Så prøv Bazoom – en af verdens største handelspladser for linkbuilding. Her finder du relevante medier fra stort set alle lande, opdelt efter sprog, kategori og domæneautoritet. Brug koden Bondtofte1500 og få 1.500 kr. i sign-up bonus (mod normalt 750 kr.).

Eksempel:

  • “Siemens opvaskemaskine” er en entitet
  • “Indbygget model til nybyggeri” er kontekst
  • “Hvidevarer” er overordnet emne
  • “Henrik Bondtofte” er en entitet

Når Google forstår sammenhængen mellem, at du skriver om Siemens, og relaterer til hvidevarer og nybyggeri, så øges relevansen for hele det semantiske felt.

Det er Googles vidensgraf, der er på arbejde, og den er, som du nok ved, ikke ligefrem ny. Google har i mange år arbejdet med vektorer og entiteter frem for søgeord og søgefraser. Der er bare rigtig mange, der ikke har forstået dette ellers markante skift.

Rigtig mange entiteter får deres eget videnspanel, som kan findes direkte i Googles SERP. Når du ser en sådan, kan du være sikker på, at der er tale om en entitet, men som sagt er der mange entiteter, der ikke har et videnspanel. Er du i tvivl om hvorvidt noget er registreret som en entitet eller ej, kan du slå det op i Wikidata.

Som det kan ses her, har jeg et videnspanel i Google, når man søger på mit navn. Jeg er altså ikke bare et navn, jeg er en person, som Google kender.

Mit videnspanel i Googles SERPs

Som et lille bonustip kan jeg fortælle dig, at du kan oprette dig selv på Wikidata. Herudover findes der en lang række andre sider, du bør benytte dig af, hvis du gerne vil have, at Google opfanger dig som en entitet. Dette kan du få vejledning i, hvis du opretter en premium-profil på mit projekt: Profilindeks, som netop har til formål at assistere dig med at øge forståelsen af dig som en entitet.

Udover at du kan være en entitet, kan en virksomhed eller et brand naturligvis også være en entitet. Og det er ting også. Ting dækker bredt. En ting kan både være en computer, et motherboard, en hammer eller en læbestift. Sprogmodeller arbejder selvfølgelig også med vektorer og entiteter.

Har du et entitets-gap? (De fleste har det)

Du kender sikkert keyword gap-analysen: Find de søgeord dine konkurrenter ranker på, som du ikke gør. Simpelt. Et entitets-gap er det samme princip – bare et niveau dybere. Hvor keyword gap handler om ord, handler entitets-gap om emner og begreber. Det er forskellen på at nævne “løbesko” og faktisk dække alt det, Google forventer at se i en artikel om løbesko: pronation, drop, dæmpning, underlag, distance.                                                         

Problemet opstår sådan: Du skriver en artikel. Du synes den er grundig. Men Google kan ikke se, at du faktisk dækker emnet komplet. Måske mangler du centrale begreber. Måske er vægtningen skæv, du har brugt 500 ord på noget uvæsentligt og 50 ord på det essentielle. Resultatet? Du ranker ikke, selvom du har skrevet om det.

Sådan finder du dit entitets-gap: Brug Googles NLP API til at analysere dit indhold og dine konkurrenters. Se hvilke entiteter de dækker, som du ikke gør. Det giver dig et konkret billede af, hvad du mangler, ikke bare hvilke ord, men hvilke emner Google forventer at se.                                     

Hvad betyder ‘salience’?

Salience = hvor fremtrædende en entitet er i din tekst.

Men det handler ikke om, hvor mange gange du nævner et ord. Det handler derimod om:

  • Hvor tidligt det optræder
  • Hvor meget vægt du giver det
  • Hvordan det hænger sammen med resten af din tekst
  • Om du relaterer det til andre entiteter
  • Om konteksten signalerer, at det her er det vigtigste

Google bruger Natural Language Processing (NLP) til at vurdere det som en semantisk model, ikke som tekst!

Søgeord ≠ Entitet ≠ Salience

  • Et søgeord er det, brugeren skriver
  • En entitet er det, Google genkender
  • Salience er Googles vurdering af, om det faktisk er det, din tekst handler om

Du kan godt nævne “hvidevarer” 14 gange i din tekst, uden at Google identificerer det som hovedemnet.

Hvordan påvirker det SEO?

Google prioriterer sider, hvor entiteter er:

  • Tydelige
  • Vigtigt placeret
  • Understøttet af kontekst og relaterede begreber

Det betyder:

  • Din landingsside for Siemens opvaskemaskiner skal ikke bare nævne “Siemens opvaskemaskine”. Den skal handle om det
  • Din contentstruktur skal binde relaterede entiteter sammen (f.eks. energiforbrug, indbygning og støjniveau)
  • Dine links (interne og eksterne) skal signalere, at du ved, hvad du snakker om, og referencer, der kan understøtte det

Eksempel på et entitets-gap

Forestil dig, at du har skrevet en side om “hvidevarer til nybyggeri”.

Men du nævner ikke:

  • Energiforbrug
  • Integrering i køkkeninventar
  • Logistik til byggeplads
  • Producenter eller konkrete modeller

Du vil gerne ranke på emnet, men du dækker det ikke godt nok. Du har altså et entitets-gap.

Så hvad gør du?

  1. Brug Google NLP Demo eller det fulde NLP API til at analysere din teksts entiteter og salience
  2. Se hvilke entiteter der mangler ift. top-rankende konkurrenter
  3. Udvid indholdet med tydelige, relaterede begreber
  4. Brug struktureret data (Schema) til at gøre entiteter endnu tydeligere (SameAs Schema, peg på Wikidata eller Wikipedia)
  5. Brug intern linking til at bygge relationer mellem tematiske undersider

Eksempel:

Du vil gerne findes på “hvidevarer til nybyggeri”, men du har ingen undersider om:

  • Integrerbare løsninger
  • Leveringslogistik til byggeplads
  • Energimærkede modeller i DGNB-projekter

Note ift. Google NLP-værktøj

Bruger du NLP, skal du lige oversætte teksten først, da Googles NLP-værktøj ikke understøtter det danske sprog endnu. Der findes for øvrigt ingen værktøjer pt., der kan slå danske NLP’er op, så drop bare at lede efter et tool til det.

Personligt bruger jeg ikke demoen af NLP, men det fulde API, og det er gratis at slå op i. For at oversætte først sender jeg indholdet til Google Translate, der så efterfølgende sender det til NLP API. Translate API er IKKE gratis, men koster få ører pr. kald. Det er både nemt og simpelt at vibe-code en sådan løsning.

Sådan vibe-coder du din egen NLP-løsning

Du behøver ikke være udvikler for at bygge dette. Med et AI-værktøj som Claude, Cursor eller lignende kan du bede om at få lavet et simpelt script, der gør arbejdet for dig.

Flowet er simpelt: Dansk tekst → Google Translate API → Engelsk tekst → Google NLP API → Entiteter + salience.

⚙️ Hvad du skal bruge

  • En Google Cloud-konto (gratis at oprette)
  • Cloud Translation API aktiveret
  • Cloud Natural Language API aktiveret
  • En API-nøgle eller service account

Sådan prompter du AI’en:

? Vibe Code Prompt
Lav mig et Python-script der tager en dansk tekst som input, oversætter den til engelsk via Google Translate API, sender den oversatte tekst til Google Natural Language API, returnerer alle entiteter med deres salience-score sorteret efter salience, og gemmer resultatet i en CSV-fil.

? Output

En liste over alle entiteter i din tekst, sorteret efter hvor fremtrædende de er.

Eksempel: Siemens (Organization, 0.42), dishwasher (Consumer Good, 0.31), energy consumption (Other, 0.12)

? Priseksempel

  • Translate API: ~0,15 kr. pr. 1.000 tegn
  • NLP API: Gratis op til 5.000 enheder/måned

For de fleste SEO-formål rammer du aldrig grænsen for NLP API. Translate koster lidt, men vi snakker få kroner for at analysere en hel artikel.

? Pro tip

Bed AI’en om at tilføje en sammenligning med en konkurrents tekst. Så kan du hurtigt se, hvilke entiteter de har, som du mangler. Dit entitets-gap i ren data.

Kilder og referencer

  1. Google Cloud – Natural Language API
    Googles officielle NLP API til entitets- og sentiment-analyse.
    cloud.google.com/natural-language/docs/analyzing-entities
  2. Wikidata – Structured Data Knowledge Base
    Den frie vidensbase til at slå entiteter op og verificere deres eksistens.
    www.wikidata.org/wiki/Wikidata:Main_Page
  3. Google – Knowledge Graph Search API
    API til at søge i Googles vidensgraf og finde entiteter.
    developers.google.com/knowledge-graph
  4. Search Engine Journal – Entity SEO Guide
    Omfattende guide til at forstå og arbejde med entiteter i SEO.
    www.searchenginejournal.com/seo-guide/
author avatar
Henrik Bondtofte SEO-specialist & strateg med fokus på AI og retrieval
Henrik Bondtofte er en af Danmarks mest erfarne SEO-specialister med over 20 års praktisk erfaring. Han står bag flere anerkendte fagbøger om SEO, linkbuilding og interne links og er forfatteren bag denne blog, hvor han deler sine erfaringer.

Del denne artikel

Indsend Kommentar

Din e-mailadresse vil ikke blive publiceret. Krævede felter er markeret med *