Du investerer tid og penge i indholdsproduktion, men ChatGPT, Gemini og Perplexity ignorerer det fuldstændigt. Konkurrenterne dukker op — det gør du ikke. Chancen er stor for, at du begår en eller flere af disse ni fejl. Er du i tvivl om status, så start med at tjekke hvad AI siger om dig.
1. Dit indhold er for generisk
AI-modeller foretrækker indhold med specifikke data, unikke analyser og klare ekspertvurderinger. Generiske artikler, der gentager det, alle andre siger, har lav sandsynlighed for at blive citeret. Løsning: inkludér egne data, cases og førstehåndsindsigt.
2. Manglende entitetsdata
Hvis AI ikke ved, hvem du er, kan den ikke anbefale dig. Manglende Schema.org-markup, ingen tilstedeværelse på Wikipedia og inkonsistent information på tværs af kilder gør dig usynlig for AI'ens entitetsgenkendelse. Løsning: implementer Organization-schema, og opbyg en entitetsprofil.
3. Dårlig chunk-struktur
Lange afsnit uden overskrifter, vage formuleringer og manglende kontekst inden for hvert segment. AI evaluerer chunks individuelt — og et svagt chunk betyder en tabt citeringsmulighed. Løsning: strukturér med beskrivende H2'er og selvstændige afsnit.
4. JavaScript-afhængigt indhold
Mange AI-crawlere har svært ved tung JavaScript-rendering. Hvis dit indhold kræver JS for at blive indlæst, kan det være usynligt for AI-modellernes RAG-systemer. Løsning: brug server-side rendering (SSR), og sørg for, at indholdet er tilgængeligt i HTML-kilden.
5. Ingen tredjepartsomtaler
Du taler kun om dig selv, på dit eget website. AI har brug for validering fra uafhængige kilder — anmeldelser, brancheomtaler, presseklip. Uden det mangler den kildebredde, AI bruger som kvalitetssignal. Løsning: opbyg en aktiv PR- og anmeldelsesstrategi.
6. Forældet indhold
Perplexity har stærk recency-bias — 50 % af citeringerne kommer fra indhold publiceret i indeværende år. Indhold fra 2022 har meget lav chance for at blive citeret. Løsning: opdater eksisterende indhold med nye data og ny dateModified.
7. Fejl i robots.txt eller meta-tags
Blokerer du AI-crawlere uden at vide det? Mange virksomheder har utilsigtet blokeret ChatGPT's crawler (GPTBot) eller andre AI-agenter via robots.txt. Løsning: tjek robots.txt, og sørg for, at AI-crawlere har adgang.
8. Manglende FAQ-indhold
AI-forespørgsler er ofte formuleret som spørgsmål: «Hvad er...?», «Hvordan...?», «Hvilken er bedst...?». Indhold uden spørgsmål-og-svar-format matcher dårligt mod de prompts. Løsning: lav FAQ-sektioner med schema-markup — en kernedisciplin i AEO.
9. Ingen overvågning
Måske den største fejl: du har slet ikke noget overblik over din AI-synlighed. Du ved ikke, om du citeres, hvad AI siger, eller hvordan du ligger i forhold til konkurrenterne. Uden data kan du ikke forbedre. Løsning: start med CitationLab, og etablér en baseline.
Sådan prioriterer du fejlrettelserne
- Med det samme — Tjek robots.txt (fejl 7), og start overvågning (fejl 9). Tager timer, ikke dage.
- Denne uge — Implementer Schema.org (fejl 2), og tjek JS-rendering (fejl 4).
- Denne måned — Opdater indhold (fejl 6), lav FAQ (fejl 8), og forbedr chunk-strukturen (fejl 3).
- Løbende — Opbyg tredjepartsomtaler (fejl 5), og producér unikt indhold (fejl 1).
Konklusion
AI-usynlighed er sjældent én enkelt fejl — det er summen af flere. Den gode nyhed er, at de fleste fejl er nemme at identificere og rette. Start med en audit, prioritér ud fra indsats over for effekt, og mål fremgangen med jævnlig citeringssporing. Vil du forstå helheden først, så læs, hvad AI-synlighed handler om.
Ofte stillede spørgsmål
Hvorfor bliver mit indhold usynligt for AI?
Hvad er entitetsdata, og hvorfor er det vigtigt?
Hvordan ved jeg, om jeg blokerer AI-crawlere?
Hvilke fejl bør jeg rette først?
Begreber brugt i denne artikel
- Entitetsdata
- Entitetsdata er struktureret og konsistent information, der fortæller AI, hvem et brand, en person eller en organisation er — typisk via Schema.org-markup, opslagsværker og sammenfaldende omtale på tværs af kilder. Uden entitetsdata kan AI hverken genkende eller anbefale dig.
- Chunk
- En chunk er et selvstændigt tekststykke (typisk et afsnit), som AI-modeller deler indhold op i for at vurdere og citere information. God chunk-struktur gør, at hvert afsnit kan stå alene som et komplet svar.
- RAG (Retrieval-Augmented Generation)
- RAG er en teknik, hvor en AI-model henter relevante kilder i realtid og bruger dem som grundlag, når den genererer svaret, i stedet for kun at stole på sine træningsdata. Indhold, der kræver JavaScript for at blive indlæst, kan være usynligt for sådanne systemer.
- Server-side rendering (SSR)
- Server-side rendering (SSR) er, når en webside genereres færdig på serveren, så indholdet findes direkte i HTML-kilden. Det gør indholdet tilgængeligt for AI-crawlere, der ikke kører tung JavaScript.
- Recency-bias
- Recency-bias er AI-modellernes tendens til at foretrække friskt, nyligt publiceret indhold. Perplexity har stærk recency-bias, hvor en stor andel af citeringerne kommer fra indhold publiceret i indeværende år.
Var dette nyttigt?