Alla sidor är inte kandidater i Google och AI-sök

E-handelsbolagen jag stött på de senaste åren tänker fortfarande ungefär som för några år sedan. Du rankar bra, du får trafik. Klart.

Men rankingen avgör inte allt längre.

En sida kan ligga bra till i sök och ändå bidra väldigt lite i AI-sök. Systemet bryr sig inte om sidan på samma sätt som vi länge vant oss vid. Det bryr sig om vilka delar av sidan som går att återanvända.

Det låter som en liten skillnad. Kommersiellt är det inte det.

Så blev det tydligt för oss inhouse

När jag jobbade inhouse började jag se det här tydligt under ett projekt där vi fokuserade på, säg, barnvagnskategorin inför högsäsongen.

Vi följde produkter som historiskt sålt bra och som hade ganska förutsägbar säsongsefterfrågan. Samma produkter hade dessutom sålt bra året innan, vilket gjorde jämförelsen rimlig. Inte den vanliga e-handelslogiken där man jämför Black Friday med en slumpmässig tisdag och kallar det analys.

Det intressanta var inte rankingen. Vissa produkter gick upp lite, andra stod still. Det intressanta var allt som hände runt rankingen:

• Bredare query coverage
• Starkare synlighet i Organic Shopping, alltså free listings
• Mer long-tail-trafik
• Bättre assisterad konvertering
• Mer AI-relaterad referraltrafik
• Starkare kommersiell synlighet totalt sett

Över hela produkturvalet landade organisk revenue på ungefär tvåsiffrig procentuell ökning år över år under peak-säsong efter att uppdateringarna gått live. Vi såg också högre synlighet i AI-drivna sökflöden, särskilt i ChatGPT. Det är ett litet sample. Jag säger inte att det är akademiskt bevisat, eftersom flera variabler förstås var med i bilden. Fair enough. Men det är fortfarande svårt att ignorera.

Framför allt eftersom förändringarna inte hade särskilt mycket med “AI-optimering” att göra i LinkedIn-mening. Vi gjorde mest sidorna mer användbara. Det visade sig spela större roll än många trodde.

Vad vi ändrade

Inget av arbetet var särskilt sexigt. Vi slutade bara utgå från att kunden redan förstod kategorin. Det antagandet förstör förvånansvärt mycket e-handelsinnehåll.

Tydligare use cases på produktsidorna

Istället för generiska produkttexter förklarade sidorna tydligt:

• Vem vagnen passar bäst för
• När den är ett bra val
• När den blir opraktisk i vardagen
• Vilken typ av föräldraliv den passar ihop med

För formuleringar som “lätt barnvagn med fjädring” säger ganska lite till någon som köper sin första barnvagn klockan 01:14 efter två timmars panikgooglande.

Däremot är formuleringar som “bättre för stadsföräldrar som ofta åker kollektivt och har begränsat förvaringsutrymme” både lättare för människor att förstå och mycket lättare för retrieval-system att matcha mot verklig intent.

Viktigt att säga: det här gjordes för att stärka SEO och konvertering. Inte för att jaga AI-synlighet som ett mål i sig. Även om metoderna i praktiken är identiska.

Vi förklarade tekniska funktioner ordentligt

Många produktsidor listar tekniska specifikationer som om kunden redan kan kategorin på djupet. Tror vi att förstaföräldrar förstår vad måtten “75x50x30 cm i hopfällt läge” innebär i praktiken? Eller vad ett ”intuitivt tvåstegslås för chassit” kräver av ens tålamod?

Så istället för att bara rada upp funktioner förklarade vi:

• Varför hjulstorlek spelar roll
• Hur fjädring påverkar användbarheten i vardagen
• När vikt blir irriterande på riktigt
• Varför vikmekaniken spelar roll i trånga miljöer
• Vilken typ av terräng olika hjulkonfigurationer passar för

Bara nyttig, konkret information. Maskiner verkar uppskatta det betydligt mer än luddiga påståenden om “hög kvalitet” skrivna av någon som inte jobbat nära produktkategorin.

Vi byggde ut filter och attribut

Det här är pinsamt underskattat. Vi förbättrade filterkompletthet, strukturerade attribut, jämförelselogik, kategorirelationer och produktdjup ganska rejält.

Det är inte särskilt glamoröst. Vilket ofta är ett bra tecken på att det spelar roll kommersiellt.

Mer kompletta attribut gav produkterna fler retrievable dimensions. Det blir viktigt när AI-system börjar bryta ner användarfrågor i mindre delar bakom kulisserna.

En kund kanske söker på “bästa barnvagnen”, men systemet under ytan bryter ned det ungefär så här:

• Barnvagn för lägenhet
• Barnvagn för resor
• Barnvagn för förstföderskor
• Lätt barnvagn
• Barnvagn med stor varukorg

En generisk produktsida har svårt att täcka allt det där bra. En sida som är byggd med tydliga use cases, praktiska förklaringar, strukturerad data, djupare jämförelser, FAQ:er och bättre attribut blir mycket lättare att hämta och återanvända.

Vad jag tror händer

Jag tror inte att AI-system belönar “bra innehåll” i den luddiga marknadsföringsmening folk gärna använder.

Jag tror att de föredrar sidor som minskar osäkerhet snabbt. Det ändrar vad som kvalificerar en sida som användbar kandidat. Sidor blir enklare att hämta när de:

• Förklarar specifika situationer tydligt
• Förklarar tekniska saker på ett begripligt sätt
• Innehåller originellt och verifierbart värde
• Matchar flera lager av intent samtidigt
• Strukturerar information snyggt med kompletta attribut och relationer
• Minskar kontextuell oklarhet rejält

Retrieval-lagret letar allt mer efter användbara källor, inte bara relevanta URL:er. Det är en ganska viktig skillnad.

Varför lägre rankade sidor ibland väljs

Det blir tydligt när man slutar stirra på ranking och börjar testa riktiga köpfrågor. Två återförsäljare kan sälja nästan identiska produkter:

Retailer A: rankar högre, lutar sig mot leverantörstext, har specifikationer och hyfsad traditionell teknisk SEO.

Retailer B: förklarar vem produkten passar för, jämför mot alternativ, beskriver tradeoffs, svarar på vanliga frågor och lägger in tydligare kontext.

Historiskt kunde Retailer A ändå klara sig bra om auktoritetssignalerna var starka nog. Det var gamla spelet. Rank högt, se trovärdig ut, och man fick ofta benefit of the doubt.

Nu är det ofta Retailer B som blir mer användbar i AI-genererade svar, eftersom systemet får mer substans att arbeta med. Sidan bidrar till fler subfrågor.

När vi testade den här typen av logik i praktiken såg vi exakt samma mönster. Innan vi förbättrade produktinnehållet var våra mest populära produkter knappt synliga när vi körde de köprelaterade prompts vi brydde oss om i ChatGPT.

I flera fall blev vi utkonkurrerade av sidor som inte nödvändigtvis var starkare i varumärke eller produktbredd, men som var mycket lättare för systemet att återanvända eftersom de gav tydligare kontext och bättre beslutsstöd.

Problemet under ytan

Det obekväma är att många e-handelsbolag fortfarande behandlar produktinnehåll som administration snarare än infrastruktur.

Leverantörstext läggs in. Någon putsar första stycket lite. Hälften av filtren är fortfarande ofullständiga eftersom attributmappningen aldrig blev riktigt klar. FAQ finns på sex slumpmässiga produkter, eller inte alls, och jämförelselogiken ligger i någons huvud istället för på sajten där kunden kan använda den.

Det var hanterbart när discovery mest handlade om traditionell ranking. Det blir betydligt skörare när retrieval-system börjar avgöra vilka källor som är enklast att tolka, extrahera från och lita på. Maskiner är ovanligt dåliga på att förlåta strukturell oklarhet.

Vad smarta e-handlare borde granska nu

Panik är onödigt. Du behöver inte bygga om hela SEO-strategin bara för att AI blivit en rubrikmaskin. Men det är rimligt att utvärdera om de viktigaste sidorna är användbara som retrieval-källor.

Frågor att ställa i nästa audit:

• Hjälper sidan kunden att fatta beslut, eller beskriver den bara produkten?
• Förklarar den varför specifika funktioner spelar roll?
• Svarar den tydligt på närliggande köpfrågor?
• Innehåller den originell information som konkurrenterna inte har?
• Är attributen kompletta nog för att stödja algoritmisk retrieval?
• Skulle en maskin ha en tydlig anledning att välja den här källan framför tio nästan identiska återförsäljarsidor?

De frågorna blir kommersiellt viktiga snabbt. För alla sidor är inte längre kandidater. Och allt oftare verkar systemen bry sig mindre om att sidan finns och mer om den går att återanvända.