LLM:s citerar djupt innehåll, inte startsidor

Siffrorna är tydliga. Endast 11,6 % av citeringarna kommer från URL:er med en mappdjup på ett. Med varje ytterligare nivå ökar procentandelen – 27,5 % vid två mappar, 33,3 % vid tre. Sidor med djup på fyra till tio mappar står för ytterligare 16,2 % av citeringarna tillsammans.

Varför AI-modeller föredrar specifikt innehåll

ChatGPT och liknande verktyg söker inte allmän information på huvudsidorna. De behöver precisa svar på specifika frågor. När någon frågar efter ”UV-skydd i sportkläder” föredrar modellen en detaljerad bloggartikel eller produktsida framför generisk text om sportkläder.

Studieresultaten visar att framgångsrika varumärken skapar innehåll just för denna typ av sökning.

Detaljerade FAQ-sektioner, tekniska produktspecifikationer, datastudier och långsvansinnehåll ger AI-modeller material de kan hänvisa till.

Source: Similarweb

Struktur avgör sikten

Walmart och Temu är ett bra exempel på hur formatering påverkar resultaten. Walmart använder en separat sektion ”Om denna vara” på produktsidor med punktlistor och tydliga egenskaper. Temu lägger in det mesta av informationen i produkttiteln.

Skillnaden i resultat är betydande. Walmart förekommer i 59 % av relevanta AI-svar. Temu är praktiskt taget osynlig. Anledningen är enkel – LLM-modeller bearbetar strukturerat innehåll med tydliga sektionsetiketter bättre.

Source: Similarweb

Vad detta betyder för din e-butik

Skapa specialiserat innehåll som besvarar dina kunders specifika frågor. Istället för en allmän sida ”Hur man väljer löparskor”, gör fem separata artiklar för nybörjare, maratonlöpare, vinterlöpning, personer med ledproblem och ultralätta skor.

Använd tydliga strukturer – H2- och H3-rubriker, punktlistor för funktioner och separata sektioner för specifikationer. AI-modeller behöver veta var de kan hitta specifik information.

Analysera vilka frågor kunderna ställer. Long-tail-sökningar är din möjlighet – konkurrensen är lägst här och chansen att citera är störst.