LLM- og AI-søk: Hvordan gjøre nettstedet klart for fremtidens søk

Søkevanene endrer seg, og det går fort

For første gang på 20 år er ikke Google alene om å forme hvordan vi finner informasjon. ChatGPT, Perplexity, Claude og Gemini endrer spillereglene. I Norge bruker allerede over en tredel AI-verktøy i arbeidshverdagen, men 90 % av søk skjer fortsatt i Google. For nå.

Det betyr at søkemotoroptimalisering (SEO) ikke forsvinner. Men hvordan du blir synlig, er i ferd med å endres.

Hva betyr egentlig LLM-optimalisering?

LLM står for Large Language Model, altså de språkmodellene som driver AI-søk, som ChatGPT eller Gemini.

Når du stiller et spørsmål, gir AI deg ett samlet svar, ofte uten at brukeren klikker videre.

Det reiser et nytt spørsmål: Hvordan sørger du for at ditt innhold blir hentet inn som del av svaret?

Der kommer LLM-optimalisering (eller AEO – Answer Engine Optimization) inn.

Kort fortalt handler det om å:

• bygge tydelige temaer og kontekst rundt virksomheten din,
• strukturere innholdet slik at AI-modellen forstår hva du tilbyr og hvem du er,
• og sørge for at du fremstår som en troverdig kilde, ikke bare en lenke.

Når "#1 på Google" ikke betyr seier

Fra SEO-konferanser til AI-labene hos OpenAI sier alle det samme: å ligge på førsteplass betyr mindre enn det gjorde.

CTR (klikkraten) er mer volatil enn noen gang. Nettsteder på topp-1 i Google kan bli fullstendig forbigått i AI-søk.

Spørsmålet er ikke lenger om du rangerer. Det er om AI nevner deg.

De to lagene av synlighet

Vi har begynt å tenke på synlighet som todelt:

• SEO-laget: Her handler alt om lenker, plassering og klikk. Du blir funnet.
• LLM-laget: Her handler det om hvordan AI-modellen "forstår" deg. Du blir nevnt.

Begge lagene er viktige. LLM-laget er vanskeligere å måle, men det er der fortrinnet bygges.

Virksomheter som begynner å jobbe med begge nå, er vanskelige å hente inn.

Kan man faktisk optimalisere for LLM?

Ja, og det ligner mer på kommunikasjon enn på klassisk SEO. Der søkemotorer tidligere lette etter nøkkelord, leter AI-modeller etter betydning.

Her er tre grep som gir merkbar effekt:

1. Skriv for spørsmål, ikke bare søkeord. Bruk mellomtitler som er faktiske spørsmål ("Hvordan måles AI-synlighet?").
2. Format > formulering. AI elsker struktur: korte avsnitt, tydelige lister, konsise svar. Ikke la modellen "gjette" hvem du er eller hva du mener.
3. Klargjør hvem, hva og hvorfor, og implementer strukturerte data riktig. (Mega viktig, game changer.) Det bidrar til at AI-modellen henter og lenker til deg som kilde.

Kan resultater måles?

Ja, delvis. Flere verktøy (som SEMrush og SERanking) tester nå AI Visibility Tracking, men støtten for Norge er foreløpig begrenset.

Vi har funnet en plattform som fungerer godt for oss. Den er også implementert hos et av Norges største merkevarer, der vi nå er i analysefasen. Funn og resultater deler vi på et senere tidspunkt.

I tillegg kombinerer vi tradisjonelle SEO-data (søkeord, trafikk, CTR) med manuelle tester i ChatGPT, Gemini, Claude og Perplexity.

Vi ser hvor vi dukker opp som svar, og resultatene viser et tydelig mønster:

Innhold som er strukturert for spørsmål og svar, blir oftere hentet inn.

Synaro som testobjekt: "Bli den åpenbare anbefalingen"

Vi bestemte oss for å bruke oss selv som eksperiment.

Målet? Å bli det åpenbare svaret når noen spør AI-en: "Hvem i Norge jobber med LLM-optimalisering?"

Noen ganger dukker Synaro opp. Andre ganger ikke. Og det er greit, fordi vi vil lære av testene.

Det som overrasker oss mest: vi begynner å dukke opp i LLM-svar til tross for at Synaro.no ble lansert så sent som 9. september 2025.

Når struktur, innhold og teknikk spiller på lag, bygger du tillit i AI-modellene, ikke bare synlighet.

Samtidig ser vi hvor det stopper: de brede søkene, som "hvilket byrå skal jeg bruke til digital markedsføring?". Der dominerer aktører som har vært lenge i markedet, med etablert autoritet, fagartikler og caser som støtter posisjonen deres. Men vi kommer frem også her, av og til.

Det er helt naturlig. De søkene tar tid å vinne. Men det viser også hvorfor langsiktighet og kvalitet alltid vil lønne seg.

Resultatet? Vi ser oss selv dukke opp i stadig flere LLM-responser. (PS: Fortell oss gjerne hva du får som svar!)

Et nyttig tips: når du tester dette på egenhånd, skru av "session memory" / "conversational memory". Dette er funksjonen i en LLM-plattform som husker konteksten i en enkelt samtale, altså alt som er skrevet tidligere i chatten.

Et enkelt alternativ er å åpne ChatGPT i inkognitomodus, slik at du kan teste uten å være logget inn. Hvis du ikke gjør dette, kan du få et feil bilde av de faktiske svarene, fordi modellen husker tidligere input og tilpasser seg den historikken.

Feil som dreper AI-synlighet

Vi ser mange virksomheter gå i disse fellene:

• Bruker for komplekst språk → AI klarer ikke å "grounde" deg.
• Glemmer strukturdata → modellen finner ingen lenke.
• Skriver for langt og metaforisk → konteksten går tapt.
• Gjenbruker generisk innhold fra AI → mister autoritet.

Det er bedre å være tydelig og menneskelig enn perfekt maskinell.

Tre innsikter etter én måned

Etter å ha jobbet aktivt med LLM-optimalisering i en måned, sitter vi igjen med tre enkle innsikter:

1. Dette er mer håndverk enn hype.
2. AI-modeller elsker tydelighet.
3. De som tester tidlig, lærer raskest.

Vi har bistått noen av Norges største merkevarer med å teste LLM-strategier. Små strukturelle endringer gir uventet synlighet i AI-svar.

Bygg tydelig struktur, klargjør innholdet for spørsmål og svar, og vær forberedt på å måle på nye måter.

Ønsker du å forstå hvordan virksomheten din kan bli svaret i AI-søk? Kom på kaffe, så viser vi deg live ☕️