AI-termer: en ordbog over AI-søgning og GEO-begreber
MCP, RAG, grounding, share of AI voice… sproget omkring AI-søgning flytter sig hurtigt, og en term, der ikke fandtes for et år siden, kan være overalt i dag. Denne ordbog forklarer de AI- og GEO-termer, enhver marketer og SEO'er skal kende.
Er vores SEO-ordbog opslagsværket til klassisk søgning, så tænk på denne her som dens makker til den generative tid — de ord, du har brug for for at forstå, hvordan ChatGPT, Gemini, Perplexity og Googles AI Overviews rent faktisk finder, læser og citerer indhold. Hvert opslag er kort og praktisk, og hvor vi har skrevet en hel guide, linker vi direkte til den, så du kan gå i dybden.
Skiftet fra at placere links til at generere svar har bragt et helt nyt ordforråd med sig, og meget af det er lånt fra machine learning. Du behøver ikke en grad i data science for at arbejde i det her felt, men du skal vide, hvad folk mener, når de taler om embeddings, grounding eller query fan-out. Sæt bogmærke ved denne side, og begynd at tale AI-søgning flydende.
Denne ordbog vedligeholdes af David Kaufmann og SEOcrawl AI-teamet — de folk, der hver dag følger, hvordan AI-motorer citerer brands.
A
AEO (Answer Engine Optimization)
Answer Engine Optimization er arbejdet med at optimere indhold, så AI-svarmotorer vælger det som kilde til et direkte svar. Det ligger tæt op ad GEO, med vægten lagt på at være svaret frem for et af ti blå links.
Agent (AI agent)
En AI-agent er et system, der bruger en sprogmodel til at handle — kalde værktøjer, browse eller løse opgaver i flere trin — frem for bare at returnere tekst. Agenter er grunden til, at protokoller som MCP betyder noget: de har brug for en sikker, standardiseret vej til eksterne data og services.
AI Mode
AI Mode er Googles samtalebaserede, AI-genererede søgeoplevelse, hvor en chatlignende grænseflade svarer direkte på opfølgende spørgsmål. Optræden inde i AI Mode kan ikke måles på samme måde som klassiske placeringer, men de klik, den sender, kan følges i analytics.
AI Overview
En AI Overview er det AI-genererede resumé, Google placerer øverst i mange søgeresultater, hvor den trækker på flere kilder og citerer dem. At få en plads blandt de citerede kilder er et centralt mål i GEO.
Answer engine
En answer engine er ethvert system, der svarer på et spørgsmål med et sammenfattet svar i stedet for en liste med links — ChatGPT, Perplexity, Gemini og Googles AI Overviews tæller alle med. Termen indrammer det strategiske skifte bag AEO.
B
Brand mention monitoring
Brand mention monitoring i AI-søgning betyder at følge, hvornår, hvor og hvordan AI-motorer nævner dit brand i deres svar. Det er fundamentet under enhver strategi for AI-synlighed, for du kan ikke forbedre det, du ikke kan se.
C
Chunking
Chunking er processen, hvor indhold deles op i mindre passager, så et retrieval-system kan indeksere og hente det mest relevante stykke. Tydelig struktur — korte sektioner, beskrivende overskrifter, selvstændige afsnit — gør indhold lettere at chunke og hente.
Citation
En AI-citering er en henvisning til dit site eller dit brand inde i et AI-genereret svar, vist som en linket kilde, en fodnote eller en omtale i teksten. Citeringer er for AI-søgning, hvad placeringer er for klassisk SEO: den synlighedsenhed, du konkurrerer om.
Kilde: Seer Interactive.
Crawler (AI crawler)
En AI-crawler er en bot, som et AI-selskab kører for at samle webindhold til træning eller til at hente frem i realtid — for eksempel GPTBot, ClaudeBot, Google-Extended eller PerplexityBot. Din robots.txt styrer, hvilke af dem der må tilgå dit site.
E
Embedding
En embedding er en talbaseret repræsentation af tekst (eller billeder), der fanger betydning som en liste af tal, så en model kan måle, hvor ens to stykker indhold er. Embeddings driver semantisk søgning og retrieval inde i AI-systemer.
Entity
En entitet er en afgrænset, identificerbar ting — en person, et brand, et produkt eller et sted — som motorerne følger og forbinder i en knowledge graph. At blive genkendt som en tydelig entitet hjælper AI-motorer med at knytte dit brand til de rigtige emner og nævne det med sikkerhed.
F
Fine-tuning
Fine-tuning er processen, hvor en basismodel trænes videre på et afgrænset datasæt for at specialisere dens adfærd eller viden. Det er noget andet end retrieval: fine-tuning bager viden ind i modellen, mens retrieval henter den i svarøjeblikket.
G
GEO (Generative Engine Optimization)
Generative Engine Optimization er disciplinen, hvor du optimerer dit indhold og dit brands tilstedeværelse, så generative AI-motorer nævner og citerer dig. Den udvider SEO ind i ChatGPT, Gemini, Perplexity og AI Overviews.
Grounding
Grounding er, når en AI-motor bygger sit svar på hentede, verificerbare kilder frem for kun på sine trænede parametre. Groundede svar er dem, der oftest indeholder citeringer — og netop derfor betyder det noget at være en troværdig kilde, der kan hentes frem.
H
Hallucination
En hallucination er et selvsikkert, men forkert eller opdigtet udsagn fra en AI-model. Stærkt, velstruktureret indhold, der kan citeres, mindsker risikoen for, at en motor finder på detaljer om dit brand i stedet for at hente de rigtige fakta.
K
Knowledge graph
En knowledge graph er et struktureret kort over entiteter og relationerne mellem dem. AI-motorer læner sig op ad knowledge graphs for at skelne brands fra hinanden og afgøre, hvilke fakta om dig de kan stole på.
L
LLM (Large Language Model)
En large language model er en AI-model, der er trænet på enorme mængder tekst til at forudsige og generere sprog — motoren bag ChatGPT, Claude, Gemini og andre. Alt i AI-søgning kører i sidste ende på en af dem.
llms.txt
llms.txt er en foreslået ren tekstfil, der peger AI-modeller hen på dit vigtigste indhold i en ren, struktureret form. Udbredelsen er stadig i sin vorden, og den erstatter ikke solidt indhold, der kan crawles.
M
MCP (Model Context Protocol)
Model Context Protocol er en åben standard, der lader AI-assistenter koble sig på eksterne værktøjer og datakilder på en ensartet måde. Det er sådan, en model sikkert kan kalde en service som SEOcrawl AI og hente friske SEO-data i stedet for at gætte ud fra sin træning.
Multimodal
Multimodal beskriver en model, der kan behandle mere end én type input — tekst, billeder, lyd eller video — inden for det samme system. Det er derfor, AI-motorer nu kan læse et skærmbillede eller en graf og ikke kun ord.
P
Prompt
En prompt er den instruktion eller det spørgsmål, du giver en AI-model for at få et svar. I AI-søgning er de prompts, rigtige brugere skriver, de søgninger, du prøver at blive vist på.
Prompt tracking
Prompt tracking er at følge, hvordan AI-motorer svarer på et fast sæt prompts over tid — hvilke brands de nævner, hvilke kilder de citerer, og hvordan det ændrer sig. Det er AI-søgningens modstykke til rank tracking.
Q
Query fan-out
Query fan-out er teknikken, hvor en AI-motor deler ét brugerspørgsmål op i flere delspørgsmål, kører dem parallelt og sammenfatter resultaterne til ét svar. Forstår du den, forstår du også, hvorfor det slår at dække et emne grundigt frem for at ramme én bestemt frase.
R
RAG (Retrieval-Augmented Generation)
RAG er en arkitektur, hvor en model henter relevante dokumenter i svarøjeblikket og bruger dem til at generere et groundet svar med kilder. De fleste AI-søgeoplevelser er en form for RAG — og derfor er hele opgaven at kunne hentes frem.
Reranking
Reranking er et ekstra trin, der sorterer de hentede passager efter relevans, før modellen skriver sit svar. Det er en af grundene til, at den mest brugbare, bedst matchende passage ofte vinder over den blot populære.
S
Share of AI voice
Share of AI voice er den andel af AI-svarene, for et emne eller et sæt prompts, hvor dit brand optræder over for konkurrenterne. Det er hovedtallet, når du skal måle AI-synlighed og benchmarke mod rivalerne.
T
Token
Et token er den tekstenhed, en model læser og genererer — cirka et ord eller en orddel. Tokens betyder noget, fordi de definerer en models kontekstgrænser og prisen for at køre den.
Training data
Træningsdata er den mængde tekst og andet indhold, en model har lært af, før den blev sat i drift. Er dit brand og dine fakta godt repræsenteret rundt om på nettet, er der større chance for, at de afspejles i det, en model allerede »ved«.
V
Vector database
En vektordatabase gemmer embeddings og finder de nærmeste match til et spørgsmål ud fra betydning frem for præcise søgeord. Den er retrieval-motoren bag semantisk søgning og de fleste RAG-systemer.
Z
Zero-click
Et zero-click-resultat er et, hvor brugeren får sit svar direkte i grænsefladen og aldrig besøger et website. AI-svar har skubbet zero-click op, og derfor betyder synlighed inde i svaret — citeringer og omtaler — nu lige så meget som klikket.
Forfatter: David Kaufmann
Jeg har brugt de sidste 10+ år fuldstændig opslugt af SEO — og helt ærligt: jeg ville ikke have det anderledes.
Min karriere rykkede et niveau op, da jeg arbejdede som senior SEO-specialist for Chess.com — et af de 100 mest besøgte websites på hele internettet. At arbejde i den skala, på tværs af millioner af sider, snesevis af sprog og en af de mest konkurrenceprægede SERP'er der findes, lærte mig ting, som intet kursus og ingen certificering kunne have lært mig. Den erfaring ændrede mit syn på, hvordan rigtig godt SEO ser ud — og den blev fundamentet for alt, hvad jeg har bygget siden.
Ud af det grundlagde jeg SEO Alive — et bureau for brands, der mener det alvorligt med organisk vækst. Vi er ikke her for at sælge dashboards og månedsrapporter. Vi er her for at bygge strategier, der rent faktisk flytter noget, og vi kombinerer det bedste fra klassisk SEO med den spændende nye verden inden for Generative Engine Optimization (GEO) — så dit brand ikke kun dukker op i Googles blå links, men også inde i de AI-genererede svar, som ChatGPT, Perplexity og Google AI Overviews leverer til millioner af mennesker hver eneste dag.
Og fordi jeg ikke kunne finde et værktøj, der håndterede begge verdener ordentligt, byggede jeg selv et — SEOcrawl AI, en enterprise-platform til SEO-intelligens, der samler placeringer, tekniske audits, backlink-overvågning, crawl-sundhed og tracking af brandets synlighed i AI ét sted. Det er den platform, jeg altid ønskede fandtes.
Find mere indhold fra denne forfatter
