Dine omtaler vokser 12 % om måneden. Det er sundt. Men i sidste uge fik ét stykke indhold 200 omtaler på én dag alene i ChatGPT. Det er 10 gange dit daglige gennemsnit. Er det et tegn på, at noget ændrer sig, eller bare støj?
Dine klik fra Perplexity har i gennemsnit været 15 om måneden de sidste seks måneder. Denne måned er du på dag 20 med kun 8 klik. Er det begyndelsen på en faldende tendens, der kræver undersøgelse, eller bare en langsom måned, der normaliseres? Dine besøg fra crawlere fra ChatGPT har været stabile på 50-80 om dagen i tre måneder. I går så du 240 besøg fra ChatGPT-User alene på din side med produktsammenligning.
De fleste teams ignorerer deres afvigelser og fokuserer på den samlede tendens. Det er en fejl. Afvigelserne er ofte de signaler, der betyder mest. Et usædvanligt udsving kan lære dig mere end måneder med normale data. Et uventet fald kan afsløre problemer, du skal rette, før de bliver større. At forstå dine afvigelser er det, der adskiller teams, der optimerer GEO effektivt, fra teams, der bare ser på dashboardet.
Hvilke slags afvigelser bør du undersøge?
Det pludselige udsving i ét stykke indhold
Du udgav en guide med sammenligning for tre måneder siden. Den bliver citeret måske én gang om ugen i ChatGPT. Så pludselig en dag får den 15 omtaler. Dagen efter får den 8 mere. Det er ikke dit normale mønster.
Når det sker, har noget ændret sig. Enten begyndte ChatGPTs algoritme at rangere den side anderledes, eller også udløste en pludselig stigning i søgninger efter den sammenligning flere citater. Da du undersøgte lignende udsving tidligere, fandt du mønstre. Ét udsving faldt sammen med, at en konkurrent fik dårlig presse, hvilket fik folk til at søge efter alternativer. Din guide med sammenligning fangede den stigning i trafik. Et andet udsving skete, fordi en kendt skaber af videoer nævnte dit produkt, hvilket drev søgninger, der trak din guide ind i svar fra ChatGPT.
Det vigtige er at undersøge hvorfor. Hvad er anderledes ved det stykke indhold i forhold til dit andet? Er det mere fyldigt? Bedre opbygget? Nyere? Har det original data? Når du finder mønstret, kan du bruge det på andet indhold. Hvis guides med sammenligning er det, ChatGPT foretrækker, ved du, at du skal lave flere af dem. Hvis indhold, der er opdateret for nylig, bliver citeret mere, ved du, at du jævnligt skal forny dit eksisterende indhold.
Skiftet mellem platforme, hvor væksten går hver sin vej
Du har fulgt tre hovedplatforme: ChatGPT, Perplexity og Googles AI Overviews. I de sidste fire måneder har alle tre vokset med omtrent 10-12 % om måneden. Så i måned fem flader omtaler i ChatGPT ud på det samme niveau, mens omtaler i Claude pludselig stiger 35 %. Klik fra Perplexity fortsætter deres normale vækst på 8 %, men Googles AI Overviews vokser kun 2 %.
Den forskel er en afvigelse. Normalt, når én platforms adfærd skifter markant i forhold til de andre, betyder det, at noget har ændret sig hos den bestemte platform. Måske opdaterede Claude sit format for citater og henter nu mere fra dit site. Måske ændrede ChatGPT, hvilke kilder den prioriterer. Måske bliver Googles AI Overviews rullet ud på nye markeder, og du ser tidlig vækst der, mens ChatGPT allerede er mættet på dit marked.
Den fejl, de fleste teams begår, er at behandle alle platforme ens. De ser omtaler vokse samlet og går ud fra, at alt er fint. Men forskellen fortæller dig, at platformene modnes i forskelligt tempo. ChatGPT kan være i en moden fase, hvor du har brug for bedre indhold for at få flere omtaler. Claude kan være i en vækstfase, hvor du let kan fange en andel. Googles AI Overviews kan være i en tidlig fase, hvor du har tid til at bygge autoritet, før det bliver konkurrencepræget. Når du forstår de forskelle, kan du fordele din indsats i optimering på de platforme med mest at hente.
Det sæsonbestemte mønster, der gentager sig hvert år
Dit første års data for GEO viser omtaler, der er relativt flade fra november til december. Så i januar stiger de 25 %. Februar falder tilbage til normalt. Det mønster har gentaget sig tre år i træk hos andre virksomheder, du har undersøgt. December er, når folk har travlt med ferie, og der sker færre søgninger. Januar er, når nytårsforsæt driver en stigning i research og beslutninger.
Det er ikke en afvigelse. Det er et mønster. Men når du genkender det, ændrer det, hvordan du træffer beslutninger. Du ved, at december bliver langsom, så du går ikke i panik, når omtaler dykker. Du ved, at januar bliver stor, så du forbereder ekstra indhold og planlægger at lancere kampagner i december for at være klar til stigningen i januar. Du ved, at du skal sætte realistiske forventninger hos ledelsen. Januar viser 25 % vækst på grund af sæsonen. Det er normalt. Februar normaliserer sig. Uden at forstå det sæsonbestemte mønster ser januar ud, som om du har fundet ud af noget og fundet en vindende formel. Så skuffer februar, og alle tror, du har mistet magien.
Det gradvise fald, der er svært at opdage
Omtaler glider langsomt nedad over to måneder. Ikke et pludseligt fald, men en jævn tendens nedad. Måned ét: 320 omtaler. Måned to: 295 omtaler, ned 7,8 %. Måned tre: 278 omtaler, ned yderligere 5,8 %. Det er ikke alarmerende. Din tendens over tre måneder er stadig positiv i forhold til for seks måneder siden. Men retningen er forkert.
Når du ser det mønster, signalerer det som regel en af tre ting. For det første bliver dit indhold gammelt og mindre relevant. Efterhånden som nye konkurrenter udgiver nyere indhold, citerer AI-systemer dem i stedet for dig. For det andet har AI-platforme ændret deres adfærd eller præferencer for citater, og dit eksisterende indhold passer ikke til de nye kriterier. For det tredje skifter dit marked. Søgevolumen på dine søgeord falder. Færre folk stiller de spørgsmål, dit indhold besvarer.
De teams, der fanger det tidligt, undersøger og retter det. De teams, der overser det, ser omtaler falde i seks måneder, før de handler. Da har de mistet betydelig synlighed, og det tager længere tid at komme sig. Faldet begynder langsomt, fordi noget af dit ældre indhold stadig bliver citeret. Men efterhånden bliver alt forældet, og faldet tager fart.
Hvordan skiller du signal fra støj?
Reglen om tre hændelser til at bekræfte mønstre
Hvis noget sker én gang, er det støj. Hvis det sker to gange, kan det være tilfældigt. Hvis det sker tre gange ensartet, er det et mønster, du kan stole på og handle på. Brug reglen til at skille rigtige ændringer fra tilfældig variation.
Du lægger mærke til én dag med 10 gange normale omtaler i ChatGPT. Det er interessant, men ikke noget, du kan handle på. Du venter og ser. To uger senere ser du endnu et udsving af samme størrelse. Nu er du opmærksom. En måned senere ser du et tredje udsving, der følger det samme mønster. Nu har du bevis for et rigtigt mønster og ikke bare én mærkelig dag.
Brug den samme regel på andre afvigelser. Én måned med flad vækst er støj. Tre måneder med helt flad vækst er et signal om, at noget har ændret sig. Et udsving i omtaler af ét søgeord er tilfældig variation. Tre søgeord, der stiger sammen, er et mønster, du kan undersøge og lære af. Reglen forhindrer dig i at overreagere på hver lille variation i dine data og gør dig alligevel følsom over for rigtige ændringer.
Kontrol af sammenhæng, der forklarer de fleste afvigelser
Når du ser en afvigelse, bør det første spørgsmål være: Hvad skete der ellers på samme tid? Udgav du noget nyt den dag? Kom en konkurrent i nyhederne? Annoncerede en AI-platform en ændring af en funktion? Sendte du en pressemeddelelse? Brugte en kunde dig som case?
De fleste afvigelser har forklaringer, hvis du leder efter dem. Du ser omtaler stige 50 % tirsdag. Du tjekker din kalender for indhold og ser, at du udgav din største undersøgelse den uge. Det forklarer det. Du ser klik falde 60 % en onsdag. Du tjekker nyhederne og ser, at ChatGPT annoncerede, at den ikke længere ville tage bestemte typer citater med. Det forklarer det. Du ser et enkelt søgeord pludselig optræde i 30 omtaler, når det normalt optræder i 2. Du tjekker og finder, at en kendt branchepublikation skrev om det emne og linkede til dit indhold, hvilket fik flere AI-systemer til at citere dig.
Uden sammenhæng er afvigelser mystiske og forvirrende. Med sammenhæng giver de fleste afvigelser mening. Dine data fortæller en historie, men du har brug for de omkringliggende oplysninger for at læse den rigtigt.
Testen af sammenhæng, der bekræfter din hypotese
Når noget usædvanligt sker med én måling, så tjek straks relaterede målinger for at se, om de fortæller den samme historie. Hvis omtaler stiger, men klik ikke rykker sig, er det noget andet, end når begge stiger sammen. Hvis aktivitet fra crawlere stiger, men omtaler er flade, fortæller det dig noget andet, end når begge stiger.
Her er et rigtigt eksempel. Dine citater i Perplexity stiger 40 % på én uge. Det er en afvigelse, der er værd at undersøge. Tjek nu din klikrate i Perplexity. Hvis klik også stiger 35-40 %, er udsvinget ægte, og der kommer citater af høj kvalitet ind. Dit indhold bliver citeret steder, hvor brugerne klikker. Hvis klik er flade, mens citater stiger 40 %, er det en anden historie. Det betyder, at du bliver citeret mere, men på pladser eller i sammenhænge, hvor brugerne ikke klikker. Det kan skyldes, at du står længere nede på listen, eller at du bliver citeret som baggrund og ikke som den primære anbefaling.
Sammenhængen fortæller dig, om afvigelsen er gode nyheder eller noget, du skal undersøge nærmere. Ingen sammenhæng tyder på, at afvigelsen måske er en fejl i målingen eller citater af lav kvalitet. Stærk sammenhæng tyder på ægte, værdifuld vækst i synlighed.
Hvad betyder det, når én platform afviger, mens andre er flade?
Signalet om, at platformens algoritme er ændret
Én platforms adfærd skifter pludselig, mens alle andre forbliver stabile. Omtaler i ChatGPT stiger 50 %, mens Perplexity, Claude og Googles AI Overviews alle fortsætter deres normale vækst. Den forskel betyder næsten altid, at ChatGPT har ændret noget.
Når det sker, så undersøg ændringen. Opdaterede ChatGPT sin algoritme til rangering? Ændrede den, hvordan den formaterer citater? Udvidede den til nye markeder? Ændrede den sine træningsdata? ChatGPTs team annoncerer nogle gange ændringer offentligt. Men ofte opdager du ændringen ved at analysere, hvilket indhold der pludselig bliver citeret mere. Hvis dine guides med produktsammenligning pludselig stiger, mens andet indhold er fladt, har ChatGPT sandsynligvis ændret noget i, hvordan den citerer sammenligninger. Hvis indhold, der er udgivet for nylig, pludselig får højere andel af citater, har ChatGPT sandsynligvis opdateret sine træningsdata eller ændret, hvor meget den vægter friskhed.
Når du forstår de ændringer, kan du lettere forudsige dine næste træk. Hvis ChatGPT nu prioriterer sammenligninger, så flyt din strategi for indhold mod mere sammenlignende indhold. Hvis den vægter friskhed tungere, så opdater dit eksisterende indhold oftere. Andre teams gør sandsynligvis de samme observationer, så hvis du handler hurtigt, får du en fordel.
Signalet om præferencer for indhold, der viser, at forskellige platforme kan lide forskellige ting
Omtaler på én platform stiger, mens andre er flade. Men afvigelsen er specifikt i én type indhold. Dine guides stiger i omtaler i Claude, mens andet indhold er fladt. Dine indlæg med branchenyheder stiger i Googles AI Overviews, mens de næsten ikke bliver citeret i ChatGPT.
Det signalerer, at forskellige platforme har forskellige præferencer. Claude ser ud til at foretrække praktisk indhold med vejledninger. Googles AI Overviews foretrækker autoritative nyheder og branchenanalyse. ChatGPT ser ud til at foretrække indhold med sammenligninger og original research. Når du ser de mønstre, kan du optimere din strategi for indhold platform for platform.
Lav forskellige typer indhold til forskellige platforme. Dine guides går ind i din strategi for optimering til Claude. Dine nyheder og analyser lægger vægt på optimering til Googles AI Overviews. Dine guides med sammenligning fokuserer på ChatGPT. Med tiden slår den tilgang med en strategi for hver platform GEO-strategier, hvor én størrelse skal passe til alle.
Signalet om vækst, der viser, hvor muligheden er lige nu
Én platform vokser 25 %, mens andre vokser 8-10 %. Det viser dig, hvor den største mulighed for vækst er i dag. Den platform, der vokser hurtigt, har mere tilgængelig andel at fange. De platforme, der vokser langsomt, er enten mættede eller i en tidlig fase.
Hvis ChatGPT vokser 25 %, mens Perplexity vokser 8 %, er ChatGPT din motor for vækst. Læg din indsats i optimering der. Den hurtige vækst betyder som regel, at ChatGPT udvider til nye markeder, får nye brugere eller ændrer sin adfærd på måder, der favoriserer friskt indhold. Uanset hvad det er, kan du fange noget af den vækst, hvis du handler hurtigt.
Men husk, at den platform, der leder væksten i dag, kan blive et plateau i morgen. For tre måneder siden var Claude din langsomste platform. Nu vokser den hurtigst. Platforme er dynamiske. Det, der betyder noget, er at følge med i, hvilke der vokser hurtigst, og fordele din indsats derefter.
Hvordan beslutter du, om du skal handle på en afvigelse?
Testen af effekt på forretningen, der filtrerer støj fra
Påvirker afvigelsen faktisk dine resultater for forretningen? En afvigelse, der lyder imponerende, men ikke bliver til trafik, konverteringer eller omsætning, er ikke værd at handle på. Hvis omtaler stiger 50 %, men klik er flade, betyder afvigelsen ikke meget for dit bundresultat. Hvis klik stiger 50 %, betyder den noget, fordi din omsætning sandsynligvis voksede.
Det filtrerer meget støj fra. Du kan se en afvigelse i en måling, du følger, men hvis den ikke rykker på resultater for forretningen, kan du ikke handle på den. Et udsving i omtaler uden klik lyder godt, men hvis søgning på brandet ikke følger, og konverteringer ikke stiger, kan du ikke bevise, at udsvinget skabte værdi. Et udsving i klik, der konverterer med din normale konverteringsrate, skaber tydeligvis værdi.
Brug testen til at beslutte, hvilke afvigelser der fortjener undersøgelse. Undersøg kun afvigelser, der med rimelighed kan påvirke mål for omsætning eller vækst. Spring resten over.
Testen af gentagelse, der skiller held fra evner
Kan du gentage afvigelsen med vilje? Fandt du en vindende formel, eller var det held? Ændr kun din strategi på baggrund af afvigelser, du konsekvent kan genskabe. Hvis du ser ét udsving, du ikke kan forklare eller gentage, er det sandsynligvis støj. Hvis du ser det samme mønster tre gange og forstår, hvorfor det sker, kan du bygge en strategi op omkring det.
Her er et konkret eksempel. Du udgav en guide til at vælge mellem platformene A, B og C. Den blev citeret 8 gange i ChatGPT den første måned. Normalt. Så i måned to blev den citeret 35 gange. Udsving. Du undersøgte det og fandt, at platform B udgav en ny funktion, hvilket drev en stigning i søgninger efter sammenligninger. Tredje måned blev den citeret 28 gange. Stadig forhøjet, men normaliseret, efterhånden som nyhedscyklussen gik videre.
Du kan ikke pålideligt gentage præcis den afvigelse, fordi du ikke kan styre, hvornår platform B udgiver funktioner. Men du lærte noget, du kan gentage: Indhold med sammenligning bliver citeret mere, når der er relevante nyheder, der driver søgninger. Så nu laver du mere indhold med sammenligning, og du udgiver det omkring begivenheder i nyhederne, der driver søgninger efter sammenligninger. Det er et mønster, du kan gentage, som du fandt ud fra en afvigelse.
Test dine hypoteser. Hvis du tror, du har fundet et mønster, så prøv at genskabe det. Hvis du kan genskabe det to gange, har du et rigtigt mønster og ikke held. Hvis du ikke kan genskabe det, var det sandsynligvis en ekstern begivenhed, du ikke kan styre, og det er spild af tid at optimere omkring den.
Hvornår bør du opdatere din strategi på baggrund af afvigelser?
Vent på bekræftelse, før du skifter kurs
Én afvigelse er ikke nok til at ændre hele din strategi. Se, om den gentager sig. Hvis den samme afvigelse sker tre gange med det samme mønster, har du nok beviser til at opdatere strategien. Det forhindrer dig i at dreje for meget efter en enkeltstående begivenhed.
Du lægger mærke til, at omtaler stiger, når du udgiver længere indhold, 3.000 ord eller mere. Ét udsving er interessant. To udsving tyder på et mønster. Tre udsving giver dig beviser. Nu kan du trygt opdatere din strategi, så du prioriterer længere indhold til citater, mens du stadig beholder noget kortere indhold til andre kanaler.
Tålmodigheden forhindrer dyre fejl. Mange teams ser én afvigelse, går i panik og ændrer alt. Seks måneder senere opdager de, at afvigelsen var en enkeltstående begivenhed, og at de spildte indsats på et falsk signal.
Opdater trinvist ved at ændre én variabel ad gangen
Når du opdaterer strategien på baggrund af bekræftede afvigelser, så ændr én variabel ad gangen. Hvis omtaler stiger, når du skriver længere artikler, så gør dine næste artikler længere. Se, om omtaler stiger igen. Hvis de gør, har du bekræftet mønstret. Hvis de ikke gør, var længden ikke den egentlige faktor.
Ændr ikke alt på én gang. Hvis du samtidig ændrer længden på artikler, tilføjer video, opdaterer dit fokus på søgeord og ændrer din tidsplan for udgivelser, ved du ikke, hvilken ændring der gav resultatet. Trinvise ændringer lader dig isolere, hvad der faktisk virker.
Dokumentér, hvad du lærer, for at bygge din GEO-drejebog
Før en detaljeret log over afvigelser og hvad der forårsagede dem. Med tiden bliver den log din GEO-drejebog. Du ved, hvilke ændringer der giver hvilke resultater. Du ved, hvilke typer indhold der klarer sig bedst på hvilke platforme. Du ved, hvilke mønstre i timing der betyder noget. Du ved, hvilke eksterne begivenheder der påvirker din synlighed.
Den viden i organisationen er mere værd end nogen enkelt måling. Nye teammedlemmer kan læse din drejebog og forstå, hvorfor I gør tingene på bestemte måder. Du kan henvise til tidligere afvigelser for at træffe hurtigere beslutninger om nye afvigelser. Det ligner den afvigelse, vi så, da platform X ændrede sin algoritme. Her er, hvad vi lærte sidst, og hvordan vi reagerede.
Ofte stillede spørgsmål
Hvordan ved jeg, om en afvigelse er ægte eller bare en fejl i målingen fra mine værktøjer?
Tjek kilden direkte. Hvis dit værktøj til overvågning viser et udsving, så log ind på den platform i hånden og kontrollér, at udsvinget findes. Søg på dine målsøgeord i ChatGPT eller Perplexity, og tæl omtaler selv. Hvis udsvinget er der, når du tjekker i hånden, er det ægte. Hvis du ikke kan genskabe udsvinget i hånden, var det sandsynligvis en fejl i værktøjet eller et midlertidigt problem med rapportering af data. Tjek også, om dit værktøj har ændret, hvordan det tæller. Nogle gange giver opdateringer af værktøjer tilsyneladende udsving, der bare er en anden metode til måling og ikke rigtige ændringer. Kontrollér altid store afvigelser ved kilden, før du handler på dem. Med WEMASYs hjemmesidebygger kan du sætte det op direkte på din hjemmeside.
Skal jeg melde afvigelser til interessenter, selv om jeg ikke forstår dem fuldt ud?
Meld kun afvigelser, der påvirker resultater for forretningen. Et udsving i omtaler, der ikke driver klik eller konverteringer, er ikke værd at melde. Et udsving i klik eller konverteringer er helt sikkert værd at melde sammen med din hypotese om, hvad der forårsagede det, og hvad du planlægger at lære af det. Ledere går op i effekt på omsætningen, ikke i bevægelser i målinger. Formulér afvigelser som effekt på forretningen og ikke som rå tal. Vi så et udsving på 40 % i søgninger med høj intention i denne uge. Vi estimerer, at det kan give 8-12 ekstra konverteringer i denne måned, hvis vi optimerer det rigtige indhold, er langt mere nyttigt end omtaler var op 40 %.
Hvad hvis jeg ser en afvigelse, der gentager sig, men ikke kan finde ud af, hvorfor den sker?
Du behøver ikke forstå årsagen fuldt ud for at handle på den. Du ser, at omtaler stiger hver gang, du udgiver en rapport med research. Du ved ikke præcis hvorfor. Måske vægter ChatGPTs algoritme original research højere, eller måske driver opmærksomheden i pressen omkring din research søgevolumen. Uanset hvad er mønstret tydeligt: Udgivelse af research driver omtaler. Begynd at udgive mere research. Du bygger din business case gennem de resultater, du får, selv om du ikke forstår mekanikken helt.
Hvordan undgår jeg at dreje for meget efter nylige afvigelser og ignorere tendenser på længere sigt?
Afvej afvigelser på kort sigt mod dine tendenser over 6 og 12 måneder. En afvigelse er vigtig, men den bør ikke overstyre det, du ved fra længere mønstre i historikken. Du ser en måned med flad vækst, hvilket er en afvigelse. Men din tendens over 6 måneder er +12 % om måneden. Den flade måned er en afviger i forhold til din tendens. Gå ikke i panik og ændr strategi. Undersøg let, men stol på dit længere mønster. Omvendt, hvis du ser en flad måned, men din tendens over 6 måneder er faldende, passer den flade måned ind i mønstret med fald. Det er mere alvorligt og værd at undersøge grundigt.
Kan ændringer på markedet og opdateringer af platforme give afvigelser, jeg ikke kan styre?
Absolut ja. ChatGPT opdaterer sin algoritme hver måned. Googles AI Overviews udvides til nye regioner. Søgevolumen ændrer sig efter nyheder. Disse eksterne kræfter skaber afvigelser, du ikke kan forudsige eller styre. Dit job er ikke at styre eksterne kræfter. Dit job er at genkende dem, forstå deres effekt og justere din strategi derefter. Når ChatGPT opdaterer, så studer, hvad der er ændret, og optimer dit indhold til den nye algoritme. Når søgevolumen skifter, så skift dit fokus på søgeord. Når platforme udvider, så fang andel på de nye markeder. Eksterne afvigelser er muligheder, hvis du reagerer hurtigt.
Skal jeg lave et separat dashboard kun til at følge afvigelser?
Ja, især efterhånden som dit GEO-program modnes. Dit hoveddashboard viser tendenser og målinger i en stabil tilstand. Dit dashboard til afvigelser viser usædvanlige udsving, uventede fald og målinger, der går hver sin vej. Brug forskellige grænser til hver. Dit hoveddashboard markerer, hvis væksten er 10 % uden for dit forventede interval. Dit dashboard til afvigelser markerer, hvis væksten er 50 % fra forventningerne. Det forhindrer falske alarmer og sørger for, at du fanger rigtige ændringer. Nogle teams bruger egne underretninger, der automatisk giver dem besked, når målinger bevæger sig uden for normale intervaller. Det er endnu bedre, fordi du ikke selv skal tjekke dashboardet.