Slik lykkes du med AEO i 2026

Da jeg utviklet CAVIS-rammeverket, gjorde jeg noe ingen andre i den norske AEO-bransjen har gjort. Jeg analyserte 150 000 ekte AI-samtaler for å finne ut hvordan og når AI faktisk siterer merkevarer.

Funnene endret hvordan jeg tenker AEO. De motbeviste også flere av rådene som dominerer norske AEO-guider akkurat nå. Her er de syv viktigste.

Funn 1. Sitering skjer i samtaletur 2 til 4, ikke i første prompt

Det første promptet i en AI-samtale er nesten alltid generisk ("hva er X", "forklar Y"). Modellen svarer med generelle definisjoner og siterer sjelden konkrete merkevarer. Det er på turene 2 til 4, når brukeren har gått fra utforskende til evaluerende ("hvilken er best", "anbefal noe spesifikt", "sammenlign A og B"), at siteringene eksploderer.

Konsekvens. Hvis innholdet ditt er optimalisert for "hva er kombinasjonslån", vinner du i AI-svar som ingen klikker videre fra. Hvis det er optimalisert for "hvilken aktør bør jeg velge for kombinasjonslån", vinner du i AI-svar som faktisk leder til kjøp. Flytt fokuset fra øvre trakt og mot evaluerings- og kjøpsfasen. Det samme mønsteret går igjen i vår analyse av kommersiell intensjon i AI-samtaler.

Funn 2. AI siterer mindre fra perfekt SEO-optimalisert innhold enn forventet

Sider som leser som lærebok-eksempler på answer-first-formatering ble overraskende ofte forbigått til fordel for sider med tettere, mer faktadrevet språk. Hypotesen er at modellene oppdager hvor sterkt en side er skrevet om for SEO, og foretrekker det de oppfatter som mer autoritativ kildetekst.

Konsekvens. Slutt å bygge om alt til formelaktig SEO-format. Skriv som om du forklarer noe til en kollega som kan faget. Tett prosa, konkrete fakta, mindre fyll.

Funn 3. Kjøpsintensjon viser seg i tre spørsmålstyper

Tre typer spørsmål utløste majoriteten av de kommersielle siteringene i samtalene jeg analyserte:

• Anbefalingsspørsmål ("anbefal meg en X")
• Sammenligningsspørsmål ("X mot Y, hvilken er best")
• Erfaringsspørsmål ("noen som har erfaring med X")

Konsekvens. Bygg innhold som direkte svarer på disse tre spørsmålstypene for kategoriene dine. Det er der konverteringene skjer i AI-søk. Generiske "hva er"-artikler vinner ikke kommersielt.

Funn 4. Modellene foretrekker eldre etablerte sider fremfor nye optimaliserte

Autoritetssignaler som alder, lenkeprofil og omtaler på autoritetsplattformer slo nesten alltid ferskhet. En tre år gammel artikkel fra et etablert nettsted vant over en helt fersk artikkel som var bedre optimalisert.

Konsekvens. Hvis du starter fra null, må du investere i autoritetsbygging parallelt med innholdsproduksjon. Schema og answer-first uten autoritet er som å bygge tak før vegger. Få omtaler i etablerte norske fagmedier, bli intervjuet i bransjepodkaster, og publiser jevnlig på den samme plattformen over tid.

Funn 5. Konkurrentene dine nevnes sammen med deg, ikke i stedet for deg

I de fleste kommersielle AI-svar nevnes tre til fem aktører samtidig. Brukeren får en sammenligning, ikke ett enkelt svar. Det betyr at "å eie svaret" er feil mental modell. Den riktige modellen er å bli inkludert i sammenligningen, helst med den beste vinklingen.

Konsekvens. Co-mention patterns er et undervurdert måltall. Hvis du alltid nevnes sammen med de samme tre konkurrentene, sier det noe om hvor markedet plasserer deg. Hvis du nevnes sammen med en annen gruppe enn den du vil tilhøre, har AI lært en feilaktig kategorisering du må korrigere aktivt. CAVIS måler co-mention patterns kontinuerlig.

Funn 6. Schema er en hygienefaktor, ikke en konkurransefordel

Sider med riktig schema-markup ble ikke favorisert over sider uten, i tilfeller der begge fantes i kategorien. Men sider helt uten schema ble systematisk forbigått. Schema avgjør altså ingenting alene, mens fravær av schema diskvalifiserer deg.

Konsekvens. Implementer schema som obligatorisk grunninvestering, men forvent ikke at det alene løfter deg. Det forhindrer at du sorteres bort. Innholdsstyrke og autoritet avgjør hvem som vinner blant de gjenværende kandidatene.

Funn 7. Sentiment betyr mer enn antall siteringer

En merkevare med 50 nøytrale siteringer presterte dårligere kommersielt enn en med 15 positive. To negative siteringer ("for dyr", "skuffende kundeservice") slettet effekten av ti positive. Sentiment er multiplikatoren ingen norske AEO-guider snakker om.

Konsekvens. Mål sentiment, ikke bare frekvens. Adresser negative siteringer aktivt gjennom kundeservice, kommunikasjon og gjerne også produktendringer. En negativ sitering i ChatGPT lever videre fordi modellen lærer fra den.

Hva dette betyr for deg

De fleste norske AEO-guider sier det samme. Schema, FAQ, answer-first, autoritet, mål. Rådene stemmer. De stopper bare på overflaten. Det som faktisk avgjør om AI siterer deg eller konkurrenten din, er den underliggende empirien om hva som utløser siteringer i ekte samtaler, og hvilke vinklinger de får. Det er også derfor godt AEO-arbeid må bygge på data, ikke antakelser.

CAVIS-rammeverket er CitationLabs forsøk på å gjøre disse funnene operasjonaliserbare. Det måler de fire dimensjonene som faktisk teller. Det er Share of Voice, Citation Count, Sentiment og Co-mention Patterns. Og det bygger en kontinuerlig feedback-loop for å forbedre dem.

Vil du se hvordan merkevaren din presterer på de syv funnene over, kan du starte med en AI-synlighetsanalyse.