Trafik fra store sprogmodeller kan ifølge VentureBeat konvertere på 30 til 40 procent. Det er et voldsomt tal, hvis det holder bare nogenlunde bredt. Samtidig er hovedpointen næsten mere interessant end selve procentsatsen: Mange enterprise-virksomheder arbejder stadig, som om klassisk SEO er hele spillet, selv om discovery i stigende grad sker gennem AI-agenter og svarmaskiner frem for gamle blå links.
Det lyder måske som endnu en AI-bølge. Det er det næppe. Mere et ret jordnært skifte i, hvordan folk finder leverandører, produkter og svar, især når spørgsmålet er komplekst nok til, at brugeren hellere vil have en syntese end ti faner åbne i browseren.
Når modellen læser før mennesket
VentureBeat beskriver skiftet ret præcist: I over to årtier har nettet bygget på en simpel logik, search, scan, click, decide. Søg, skim, klik, vælg. Men når AI-agenter i højere grad bliver den første læser, er den primære forbruger af information ikke længere altid et menneske.
Den nye model er mere rå. Agent henter. Agent sammenfatter. Mennesket beslutter. Nogle gange stopper det ikke engang der, for VentureBeat peger også på, at agenter bevæger sig fra browsing til delegation, altså at de ikke bare finder svar, men overtager mere af det efterfølgende arbejde i et workflow. Det er dér, mange marketingplaner allerede virker lidt bedagede.
Vi ser det også i mindre skala hos os. Ikke som en Hollywood-revolution, men som et mærkbart skred i adfærd. Folk kommer ikke altid ind via en traditionel søgning længere. De kommer, når et system allerede har lavet forarbejdet og nærmest afleverer en halv beslutning i skødet på dem.
Fra SEO til AEO
Det nye begreb i VentureBeat-artiklen er AEO, Answer Engine Optimization, også omtalt som GEO, generative engine optimization. Bag de lidt tunge forkortelser gemmer der sig noget ret enkelt: Succes måles ikke kun på, om man rangerer højt og får klik, men på om ens indhold bliver forstået, udvalgt og citeret af AI-systemer.
Det er en reel forskel. SEO handler i høj grad om at vinde placeringer og få folk ind på sitet. AEO handler mere om, hvorvidt en model overhovedet kan bruge materialet. Hvis ikke systemet forstår, hvad din virksomhed tilbyder, hvad forskellen er på dine produkter, eller hvad du faktisk mener i en fagtekst, så kan du i princippet være usynlig, selv med et pænt SEO-dashboard.
VentureBeats formulering om, at SEO-modellen ikke længere er nok, er skarp. Måske også lidt hård. Men den rammer. For mange virksomheder tror stadig, at synlighed er det samme som at ligge nummer tre på Google på et udvalgt søgeord. Det er det ikke længere. Ikke nødvendigvis.
AI læser ikke som mennesker
En af de mere konkrete pointer i kilden er, at AI-agenter ikke browser nettet, som mennesker gør. De analyserer brugerintention ud fra formulering, kontekst og vedvarende hukommelse fra tidligere sessioner. Det betyder, at de ikke bare reagerer på enkelte nøgleord. De forsøger at forstå opgaven.
Det får nogle ret lavpraktiske konsekvenser. Materiale skal være kortfattet, struktureret og præcist, hvis en model nemt skal kunne bruge det. Fluffy tekster, halve svar, vage produktsider og lange afsnit med marketingsprog står svagere. Det er ikke dramatik. Bare mekanik.
Vi møder stadig virksomheder, hvor de vigtigste svar ligger gemt i en PDF fra 2022, tre klik nede, eller i en produktside der siger meget uden rigtigt at sige noget. Det er ikke bare irriterende for mennesker. Det er også svært for modeller at citere rent. Og så mister man plads, uden at nogen rigtigt opdager det.
Det ubehagelige for digitale teams
Det mest ubehagelige her er nok, at brugeren kan få et godt svar uden at besøge sitet. VentureBeat peger direkte på, at click-through rates falder i en verden, hvor agenter syntetiserer svar. Brugeren ser måske brandet nævnt. Måske bliver virksomheden citeret. Men selve klikket udebliver.
Det ændrer ikke bare marketingmålingen. Det ændrer også magtforholdet i brugerrejsen. Hvis et AI-system sammenfatter tre leverandører og beskriver dem forskelligt, så kan den beskrivelse blive vigtigere end ens egen forside. Det er derfor, VentureBeat fremhæver attribution og citability som vigtigere end ren synlighed. Hvem bliver nævnt. Hvor ofte. Og hvordan bliver man beskrevet.
Lad os være ærlige. Mange ledelser er ikke sat op til at måle det. De får rapporter om sessions, bounce rate og rank tracking. Fint nok. Men de får sjældent et klart svar på, om virksomhedens indhold overhovedet er brugbart for en model, der skal vælge kilder til et svar.
Hvorfor enterprise halter bagefter
Det korte svar er organisatorisk træghed. Det lidt længere svar er, at mange større virksomheder stadig er låst i en web- og SEO-model, hvor teams arbejder i hver deres kasse. SEO-teamet ser på placeringer. Webteamet ser på CMS og releases. Datateamet ser på noget helt tredje. Ingen ejer rigtigt spørgsmålet om, hvordan virksomheden bliver forstået af AI-systemer.
Der er også et mere kedeligt problem. Meget enterprise-indhold er lavet til kampagner, godkendelsesrunder og intern politik. Ikke til klarhed. Så teksterne bliver fulde af kompromisser, generiske vendinger og sidehensyn. Et menneske kan måske afkode det med lidt tålmodighed. En model er mere brutal. Den vælger det, der er tydeligt.
Og så er der formatet. Vi ser stadig alt for mange store virksomheder gemme centrale svar i halvrodede produktsider, lukkede dokumenter eller PDFer, som ingen rigtigt får ryddet op i. Det lyder småligt, men det er sådan nogle ting, der afgør, hvem modellen citerer. Ikke PowerPointen om digital modenhed.
Det praktiske skifte i indhold og data
Så hvad ændrer sig i praksis. Først og fremmest skal indhold være lettere at læse for maskiner uden at blive skrevet som maskinsprog. Klare overskrifter, præcise svar, konsistente produktbeskrivelser og tydelige kilder hjælper. Ikke fordi det er smart buzzword-arbejde, men fordi uklarhed nu bliver straffet hurtigere.
Derudover giver det mening at strukturere data, så systemer lettere kan forstå sammenhænge. Det kan være schema og metadata, altså små beskrivelser i koden, som forklarer hvad en side handler om, hvem afsenderen er, og hvordan information hænger sammen. Det kan også være mere API-first-tænkning, hvor oplysninger og funktioner ikke kun ligger pakket ind i websider, men kan hentes mere direkte og ordentligt. Pointen er enkel: Gør jeres viden nem at aflæse.
Vi ville også starte et andet sted end mange gør. Ikke med et stort AI-program, men med en ærlig gennemgang af de vigtigste spørgsmål kunderne stiller, og om jeres site faktisk svarer klart på dem. Ikke smart. Bare klart. Det er tit dér, forskellen begynder.
Det høje konverteringstal skal læses nøgternt
Så er der tallet, alle kommer til at citere. De 30 til 40 procent i konvertering fra LLM-henvist trafik stammer fra VentureBeats artikel og gentages i VentureBeats egne opslag og kategoriuddrag. Men der er en vigtig fodnote, som man skal sige højt: Det udleverede materiale giver ikke fuld metodegennemsigtighed for, hvordan tallet er målt på tværs af brancher, perioder og konverteringstyper.
Det betyder ikke, at tallet er forkert. Det betyder bare, at vi ikke bør lade som om, det er et universelt facit. Måske gælder det især i visse typer B2B-research, højt intentionelle køb eller komplekse spørgsmål, hvor brugeren allerede er langt i beslutningen. Kilden er stærk på retningen, mindre stærk på den brede dokumentation bag selve procentspændet. Det er fair at sige.
Til gengæld står hovedbevægelsen ret solidt. VentureBeat dokumenterer tydeligt, at AI-agenter ændrer discovery, at AEO eller GEO er ved at blive et reelt arbejdsfelt, og at målet flytter sig fra placeringer og klik til forståelse, udvælgelse og citation. Det er ikke bare semantik. Det er en anden måde at vinde på nettet.
En ny virkelighed for synlighed
Der vil stadig være søgninger, hvor klassisk search er bedst. VentureBeat nævner selv lokale og personlige opgaver som restauranter og nærliggende serviceydelser, hvor kort, anmeldelser og billeder stadig giver en bedre oplevelse. Så nej, søgning er ikke død.
Men for arbejdsrelateret research, sammenligninger, vurderinger og de spørgsmål, hvor folk tidligere læste sig gennem fem kilder for at danne sig et overblik, er der noget, der allerede har flyttet sig. Hvis et AI-system bliver indgangen til viden, produkter og leverandørvalg, så er det farligt kun at optimere til mennesker med mus og søgefelt. Man opdager først forskellen, når man ser hvem modellen citerer. Og hvem den springer over.
Kilder
- LLM-referred traffic converts at 30-40% — and most enterprises aren’t optimizing for it
- Transformative tech coverage that matters – VentureBeat
- VentureBeat (@VentureBeat) / Posts / X – Twitter
- The #SEO model that the web was built on simply isn’t going to cut it …
- freshnews – fresh tech news from around the web
- When an AI recommends you by name, conversion intent is different …
