I vores overordnede guide til fremtidens synlighed med GEO og SEO beskriver vi det store billede. Denne artikel zoomer ind på den konkrete disciplin: LLM brand optimering. Altså hvordan du påvirker, hvad sprogmodeller som ChatGPT, Gemini og Copilot siger om din virksomhed og dine produkter.
Indholdsfortegnelse
- Hvad er LLM brand mentions, og hvorfor skal du bekymre dig?
- Tre konkrete greb til at påvirke AI træningsdata
- Mål din AI brand awareness (uden dyre værktøjer)
- Den vigtigste pointe: Mennesker skaber det indhold, AI lærer af
Hvad er LLM brand mentions, og hvorfor skal du bekymre dig?
Når en sprogmodel (tænk: den motor der driver ChatGPT eller Copilot) svarer på et spørgsmål, trækker den på enorme mængder tekst, den er trænet på. Hvis dit brand optræder ofte, i positive sammenhænge og på troværdige kilder, er sandsynligheden langt større for, at modellen nævner dig i sit svar. Det er det, man kalder LLM brand mentions.
Forestil dig en salgschef i en industrivirksomhed, der mister 30% af sine leads i pipeline. Han spørger ChatGPT: "Hvilket CRM-system er bedst til mellemstore produktionsvirksomheder?" Hvis dit CRM-system aldrig bliver nævnt på branchesider, i anmeldelser eller i fagartikler, eksisterer du simpelthen ikke i modellens verden. Du er usynlig.
Det er fundamentalt anderledes end Google, hvor du kan købe dig til en annonce i toppen. AI produktanbefalinger bygger på, hvad modellen har "læst". Og det kan du faktisk påvirke, hvis du forstår, hvordan du fanger kunderne i den nye søgeadfærd.
Tre konkrete greb til at påvirke AI træningsdata
Sprogmodeller lærer fra det indhold, der findes på nettet. Det giver dig et klart mandat: sørg for, at det rigtige indhold er der.
1. Bliv citeret på autoritetskilder
Modellerne vægter troværdige kilder tungere. Hvis din virksomhed bliver nævnt i en brancherapport, et fagmedie eller en offentlig anbefaling, tæller det langt mere end ti blogindlæg på din egen side. Det understreger, hvordan E-E-A-T er afgørende i en AI-verden, og hvorfor din menneskelige ekspertise er dit stærkeste våben.
Sådan gør du det konkret:
Skriv gæsteindlæg i branchemedier. Det behøver ikke være en lang analyse. Et indlæg på 600-800 ord, der besvarer et specifikt spørgsmål inden for dit felt, er nok. Det vigtige er, at dit navn og din virksomhed er knyttet til det faglige svar på en ekstern, troværdig side.
Deltag i paneldebatter og brancheevents, der bliver refereret online. Arrangøren offentliggør typisk en opsummering, et referat eller en pressemeddelelse. Sørg for, at din pointe er citeret med navn og virksomhed. Det er den slags sætninger, sprogmodeller trækker på.
Sørg for, at din virksomhed optræder i sammenligningsartikler og "top 10"-lister inden for dit felt. Tag kontakt til redaktørerne bag dem. Mange er åbne for at opdatere deres lister, hvis du kan dokumentere din relevans.
Få kunder til at skrive anmeldelser på platforme som Trustpilot, G2 eller Capterra. Disse sider bliver crawlet og indekseret, og sprogmodeller læser dem. En stærk anmeldelse med konkrete resultater tæller mere end fem generiske roser.
Et eksempel på, hvad der virker:
En softwarevirksomhed inden for HR-tech bad ti eksisterende kunder om at skrive anmeldelser på G2 med fokus på ét konkret resultat: "Vi reducerede vores onboarding-tid fra tre uger til fem dage." Tre måneder senere dukkede virksomheden op i ChatGPT-svar på spørgsmålet "Hvilket HR-system er bedst til hurtig onboarding?" Anmeldelserne var den direkte årsag.
2. Strukturér dit eget indhold til sprogmodel marketing
Din hjemmeside skal besvare præcis de spørgsmål, som folk stiller sprogmodellerne. Det lyder simpelt, men de fleste virksomheders websites er bygget til at imponere, ikke til at informere. Det er det modsatte af, hvad en sprogmodel belønner.
Hvad sprogmodeller leder efter på din side:
- Klare spørgsmål og svar i FAQ-format, ikke markedsføringstekst
- Produktbeskrivelser med konkrete brugsscenarier ("Bruges af produktionschefer til at reducere spild i produktionslinjen") frem for abstrakte løfter ("Optimér din forretning")
- Casebeskrivelser med tal: ikke "vi hjalp en stor dansk virksomhed", men "vi hjalp Arla med at reducere lageromkostninger med 18% på seks måneder"
- Svar på sammenligningsspørgsmål: "Hvornår er [dit produkt] det rigtige valg, og hvornår er det ikke?"
En prompt du kan bruge til at finde ud af, hvad du mangler:
Åbn ChatGPT og skriv:
"Hvilke spørgsmål ville en indkøbschef i en dansk fødevarevirksomhed stille om [dit produkt/din ydelse], hvis hun sammenlignede leverandører? Giv mig 10 konkrete spørgsmål."
Tag de 10 spørgsmål og tjek din hjemmeside: besvarer du dem direkte? Hvis ikke, er det der, du starter. Skriv dedikerede sektioner eller sider til hvert spørgsmål. Brug det præcise sprog fra promptens output, fordi det er det samme sprog, dine kunder bruger, når de spørger AI.
Et konkret eksempel på forskellen:
Før (markedsføringstekst): "Vores løsning hjælper virksomheder med at optimere deres indkøbsprocesser gennem avanceret teknologi og brancheledende ekspertise."
Efter (sprogmodel-venligt): "Hvornår passer vores indkøbssystem til din virksomhed? Systemet er bedst egnet til produktionsvirksomheder med 50-500 ansatte, der håndterer mere end 200 varenumre. Det integrerer direkte med SAP og Navision. Typisk ser kunderne en reduktion i indkøbstid på 30% inden for de første 90 dage."
Den første version siger ingenting, som en sprogmodel kan citere. Den anden giver præcise, faktuelt forankrede svar på de spørgsmål, en indkøbschef faktisk stiller.
Vores guide til struktureret data og AI-læsbarhed går i dybden med den tekniske side af det.
3. RAG-systemoptimering: klassisk synlighed tæller stadig
Mange AI-værktøjer bruger noget, der hedder RAG (Retrieval-Augmented Generation). I stedet for kun at svare ud fra hukommelsen, søger modellen først på nettet og finder frisk information, som den fletter ind i svaret. Perplexity, Bing Chat og den webaktiverede version af ChatGPT gør det allerede.
Det betyder, at klassisk synlighed stadig tæller direkte. Hvis din side rangerer godt i søgeresultaterne, er der større sandsynlighed for, at et RAG-system finder og citerer den. Her spiller LLM optimering og traditionel SEO altså sammen – ikke i konkurrence.
Hvad du skal prioritere for RAG-synlighed:
Sørg for, at dine vigtigste sider er teknisk sunde: hurtige, mobilvenlige og med klar sidestruktur. RAG-systemer henter typisk de øverste resultater, og de øverste resultater er dem, der allerede performer teknisk.
Skriv indhold, der svarer direkte på spørgsmål med det samme. Ikke en lang indledning om, hvorfor emnet er relevant. Svaret i første eller anden sætning, detaljer bagefter. Det er det format, et RAG-system let kan trække et præcist citat ud af.
Brug entydige formuleringer om, hvem I er og hvad I gør. En RAG-model, der søger svar på "bedste CRM til produktionsvirksomheder", har brug for, at din side eksplicit siger "Vi leverer CRM-systemer til produktionsvirksomheder med 50-500 ansatte i Danmark." Ikke bare at det fremgår indirekte.
Mål din AI brand awareness (uden dyre værktøjer)
Du behøver ikke et avanceret dashboard for at komme i gang. Start med det åbenlyse: spørg selv.
Sådan sætter du en simpel månedlig måling op:
Åbn et Google Sheet eller Excel-ark med disse kolonner:
- Dato
- Spørgsmål stillet
- Platform (ChatGPT / Gemini / Copilot / Perplexity)
- Nævnt? (Ja / Nej)
- Placering i svaret (1. nævnt / midt / sidst / ikke nævnt)
- Konkurrenter nævnt i samme svar
Stil de samme tre til fem spørgsmål hver måned. Vælg spørgsmål, dine kunder faktisk stiller. Eksempler:
- "Hvem er de bedste leverandører af [din ydelse] i Danmark?"
- "Hvad skal jeg kigge efter, når jeg vælger [dit produkt]?"
- "Hvilke virksomheder leverer [specifik funktion eller brugssituation]?"
Dokumentér svaret ordret, ikke bare om du blev nævnt. Kig på formuleringen: bliver du beskrevet præcist, eller er det en generisk omtale? Er der faktuelt forkerte oplysninger i svaret, der kan stamme fra forældet indhold om din virksomhed?
Over tre til seks måneder vil du kunne se, om dine indsatser rykker noget. Du behøver ikke statistisk signifikans. Du skal bare se en retning.
En konsulent, vi kender, begyndte at gøre det systematisk for sin egen nicheydelse. Efter tre måneder med målrettet indhold på fagmedier og sin egen blog gik hun fra ikke at blive nævnt overhovedet til at dukke op i to ud af tre sprogmodellers svar. Ingen magi. Bare konsistent, relevant tilstedeværelse dokumenteret i et simpelt regneark.
Du kan læse mere om hvordan du måler AI-søgetrafik og ROI, når du er klar til at gå et lag dybere.
Den vigtigste pointe: Mennesker skaber det indhold, AI lærer af
Det er fristende at betragte LLM optimering som et rent teknisk spil. Men det starter med det samme som al god marketing: forstå din kunde, levér reel værdi, og vær synlig de rigtige steder. Sprogmodellerne er bare et nyt filter mellem dig og kunden. Og det filter belønner dem, der allerede gør det grundlæggende rigtigt.
En god måde at starte på: tag de tre greb fra denne artikel og vælg ét, du kan eksekvere på i denne måned.
- Greb 1: Identificér ét branchesite eller fagmedie, og skriv et gæsteindlæg eller tag kontakt om at blive inkluderet i en sammenligningsartikel.
- Greb 2: Brug prompten fra greb 2 til at generere 10 spørgsmål, din kunde ville stille. Tjek om din hjemmeside besvarer dem. Skriv indhold til det første hul, du finder.
- Greb 3: Opret dit månedlige måleark. Stil de samme spørgsmål i ChatGPT, Gemini og Copilot i dag, og gem svarene. Det er din baseline.
Konsistens over tid er det, der flytter noget.
Vil du forstå den bredere kontekst, har vi en artikel klar om hvordan AI-søgemaskiner fungerer, og hvad GEO egentlig er.
Ofte stillede spørgsmål
Bruno Poulsen er partner i Poulsen & Vinding, et konsulenthus der hjælper danske virksomheder og styrelser med at tage generativ AI i brug i den daglige drift. Han har været underviser hos Bigum i mere end 10 år og har siden 2023 stået bag AI-implementeringer, foredrag og workshops for blandt andre Lægemiddelstyrelsen, GS1 Danmark, Bornholms Højskole og 30+ bornholmske SMV’er via Business Center Bornholm. Skriver om praktisk anvendelse af AI-værktøjer, prompt engineering og hvordan ledelser kommer i gang mandag morgen kl. 08.00.
