En arbetsdelning, inte ett ersättningsprojekt
Frågan om vad AI kan automatisera i SEO ställs ofta som en ja-eller-nej-fråga: kan AI ta över SEO-arbetet? Svaret är mer användbart om du delar upp arbetet i uppgifter. Vissa uppgifter är många, regelstyrda och går att kontrollera snabbt. Där sparar AI mest tid. Andra uppgifter handlar om att välja, avgöra och ta ansvar. Där är AI ett stöd, och granskningen är själva arbetet.
Den här guiden går igenom SEO-uppgifter efter hur väl de lämpar sig för AI, med arbetsexempel och förslag på kontroller. Den förutsätter att du känner till begreppen. Behöver du en grundförklaring av vad AI och SEO innebär finns den i vad är AI SEO, och samlingssidan AI och SEO ger en överblick över hela området.
Ett ärligt förbehåll först. Den forskning som finns om tidsvinst från generativ AI gäller oftast allmänna skrivuppgifter, inte SEO specifikt. Noy och Zhang visade i ett experiment publicerat i Science 2023, med 453 högskoleutbildade yrkesverksamma, att gruppen med tillgång till ChatGPT i genomsnitt använde 40 procent kortare tid på skrivuppgifter och fick 18 procent högre kvalitetsbetyg. Det är ett uppmuntrande resultat, men uppgifterna var korta och avgränsade, och studien säger inget om hur mycket tid kontroll av fakta eller längre projekt kräver. Räkna därför med att tidsvinsten i SEO varierar kraftigt mellan uppgifter, och mät den själv.
Uppgifter där AI sparar mest tid
De uppgifter där AI hjälper mest har tre gemensamma drag: det finns mycket material, det finns tydliga kriterier för vad som är rätt och det går snabbt att kontrollera resultatet. Gå igenom dem en och en.
Klustring och sortering av sökord
En lång lista sökord är svår att överblicka. En språkmodell kan gruppera dem efter ämne och sökavsikt, föreslå ett huvudsökord per grupp och peka ut dubbletter och närliggande varianter. Du ger modellen listan och en tydlig beskrivning av grupperna du vill ha, till exempel: “Gruppera orden i ämnen. Markera för varje ämne om avsikten är att lära, jämföra eller köpa. Lägg ord du är osäker på i en egen grupp med förklaring.”
Kontrollen är att du stickprovar. Ta tio grupper och kontrollera att orden verkligen hör ihop, och undersök en handfull söksidor för att se om Google tolkar dem som samma ämne. Modellen ser ord, inte sökresultat, så den kan slå ihop sådant som i praktiken kräver olika sidor.
Metabeskrivningar, titlar och alternativtexter i skala
På en sajt med hundratals produkt- eller kategorisidor är det tidskrävande att skriva egna metabeskrivningar och alternativtexter. AI kan skriva förslag utifrån sidans innehåll, med din mall för längd och ton. Det är ett typiskt fall där en mall plus granskning slår att skriva allt för hand.
Risken är likformighet. Om alla beskrivningar börjar på samma sätt och använder samma fraser märks det, och det hjälper varken användare eller klickfrekvens. Be om flera varianter, låt någon läsa ett urval och förbjud uttryckligen fraser du vet att ni inte vill ha. Kontrollera att uppgifter som pris, egenskaper och plats stämmer med sidan, eftersom modellen kan fylla i det som saknas.
Första utkast till innehållsplaner och disposition
Utifrån ett ämne och en målgrupp kan AI föreslå frågor som läsaren troligen har, i vilken ordning de bör besvaras och vilka underrubriker en sida kan ha. Det är ett bra sätt att komma förbi den tomma sidan, och det går snabbare än att börja från noll.
Det som saknas är det som inte finns i modellens underlag: era kunders faktiska frågor från säljsamtal och kundtjänst, era egna data och er unika kunskap. Använd förslaget som utgångspunkt och komplettera med vad som bara ni vet. Jämför också med vad som redan rankar, så att du ser vilken typ av sida sökresultatet efterfrågar.
Sammanfattningar, rapporter och repetitiva kontroller
Månadsrapporter är ofta mer sammanställning än analys. Om du har siffrorna kan AI hjälpa dig att skriva en läsbar sammanfattning, föreslå vad som sticker ut och formulera rekommendationer för beslutsfattare. Samma sak gäller export från en crawler: be modellen gruppera felen efter typ och föreslå prioriteringsordning.
Kontrollen är att varje påstående i rapporten går att spåra till en siffra du själv sett. Be gärna modellen ange vilken rad eller vilket värde den utgår från. Stora språkmodeller kan göra räknefel och dra slutsatser som ser rimliga ut men inte stämmer med datan, så lägg aldrig in rapportens siffror utan att ha kontrollerat dem.
Uppgifter där AI hjälper, men du styr
Mellan de tydliga fallen finns en stor mellanzon. Där kan AI vara ett utmärkt stöd om du vet vad du vill ha och granskar noga.
- Konkurrentanalys: AI kan sammanfatta strukturen på konkurrenters sidor och peka ut luckor. Du avgör vilka luckor som är värda att fylla utifrån vad ni faktiskt kan.
- Utkast till texter: modellen skriver ett första utkast, du lägger till egna exempel, siffror och erfarenheter och rättar fakta. Utan det blir texten generisk.
- Intern länkning: AI kan föreslå vilka sidor som borde länkas till varandra utifrån innehåll, om du ger den en lista över sidor. Du bestämmer ankartexter och kontrollerar att länkarna tillför något för läsaren.
- Strukturerad data: modellen kan skriva förslag på schemamärkning, men du måste validera den och se till att märkningen matchar det som syns på sidan. Googles dokumentation om AI-funktioner anger att strukturerad data ska stämma med den synliga texten.
- Skript och formler: AI kan skriva formler för kalkylark eller små skript för att behandla exportfiler. Testa dem på en liten mängd data där du vet svaret innan du kör dem på allt.
Det som fortfarande kräver dig
Den mest värdefulla delen av SEO är bedömningarna, och de går inte att delegera fullt ut. Det handlar om att avgöra vad användaren egentligen vill ha när hon söker, vilka ämnen ni kan något unikt om och vilka som är bortkastad energi, när en rekommendation är fel trots att den låter övertygande och vad som är värt att satsa på med begränsade resurser.
Ytterligare en uppgift är ansvaret. En modell kan inte svara för att ett påstående på er sajt är korrekt, för att en jämförelse är rättvis eller för att ni följer gällande regler om marknadsföring och dataskydd. Det är ni som publicerar. Likaså är relationsbyggandet mänskligt: att få en branschsajt att skriva om er, att få en kund att dela sin erfarenhet eller att bli inbjuden som talare går inte att automatisera på ett sätt som håller.
Slutligen krävs din förmåga att läsa sökresultat. Ser sökresultaten ut som en lista med guider, en jämförelse eller en produktgalleri? Vilka sidtyper vinner? Modellen kan beskriva vad den har lärt sig, men du ser det aktuella resultatet och tolkar vad det betyder för er.
Risken med att automatisera för mycket
Det finns en frestelse i att koppla ihop ett sökordsverktyg, en språkmodell och ett publiceringssystem och låta det rulla. Det kan ge stora mängder sidor snabbt. Resultatet blir ofta likartat innehåll som ingen bett om, vilket ger läsaren lite och sällan något som sökmotorer värdesätter. Googles vägledning för AI-funktionerna anger att samma grundprinciper gäller: innehållet ska vara användbart och sidorna ska ha en bra upplevelse. Att producera mer är inte detsamma som att bli bättre.
Ett annat problem är felspridning. Om en modell gör samma fel på tvåhundra sidor har du tvåhundra sidor att rätta. Därför bör automatisering alltid ha ett granskningssteg före publicering, och du bör börja i liten skala så att du upptäcker felen medan de är få.
Det finns också ett kompetensproblem. Den som lämnar över allt riskerar att tappa förmågan att bedöma kvalitet. Gör det till en vana att då och då utföra uppgiften för hand, så att du vet hur ett bra resultat ser ut.
Så bygger du ett första automatiserat arbetsflöde
Ett arbetsflöde är bara en upprepbar kedja av steg. Börja med en uppgift och följ den här ordningen:
- Välj en återkommande uppgift som tar tid och är regelstyrd, till exempel klustring av sökord eller metabeskrivningar för en sidtyp.
- Mät hur lång tid det tar i dag och vilken kvalitet du är nöjd med. Spara ett par exempel på bra resultat.
- Skriv ett uppdrag till modellen med mål, målgrupp, format, begränsningar och exempel på hur det ska se ut. Ange vad den ska göra om den är osäker.
- Kör uppgiften på ett litet urval och jämför mot dina exempel. Justera uppdraget tills resultatet håller.
- Lägg in ett granskningssteg: vem kontrollerar vad, och vilka fel letar ni efter. Skriv ner checklistan.
- Mät tiden med det nya arbetssättet inklusive granskning, och jämför. Räkna bara den tid du faktiskt sparar.
- Utöka först när kvaliteten håller. Dokumentera flödet så att andra kan använda det.
Hur mycket tid kan du räkna med att spara?
Det ärliga svaret är att det beror på uppgiften, och att ingen kan ge en siffra som gäller för alla. Det finns studier som visar tidsvinster på skrivuppgifter, som den av Noy och Zhang som nämndes ovan, men de gäller inte din sajt, dina data eller dina krav på kvalitet. Mät i stället: notera tiden före och efter, räkna med granskningen och jämför även kvaliteten.
Som tumregel är vinsten störst när uppgiften är tydlig och granskningen snabb, och minst när uppgiften kräver omdöme eller när fel är kostsamma. I vissa fall blir det inte snabbare alls, till exempel när du måste skriva om hela utkastet eller kontrollera varje fakta. Räkna det som ett resultat, inte som ett misslyckande: då vet du att uppgiften inte passar automatisering.
Vill du lära dig bygga och granska sådana arbetsflöden finns utbildningar. Se kurser i AI och SEO eller den bredare listan under alla kurser. Om du vill veta vad en bra kurs i ämnet bör ta upp, läs AI SEO-kurs: vad ska den innehålla. Och för skillnaden mellan att jobba snabbare och att synas i AI-svar, se AI i SEO-arbetet eller att synas i AI-svar.
Ett exempel på granskning i praktiken
Anta att du låter en modell skriva metabeskrivningar för femtio kategorisidor i en webbutik. Uppdraget anger maxlängd, ton, att varje beskrivning ska nämna kategorins huvudsökord en gång och att inga priser eller påståenden som inte står på sidan får läggas till. Du får tillbaka femtio förslag.
Granskningen går i tre varv. Först en snabb genomläsning av alla: låter några nästan likadana, bryter någon mot längdgränsen, har modellen hittat på egenskaper? Därefter ett stickprov där du jämför tio beskrivningar mot sidorna de gäller. Sist ett test: publicera i en mindre del av sajten och följ klickfrekvensen i Search Console under några veckor, och jämför med motsvarande sidor som inte ändrats. Först då vet du om det spelade roll. Notera också hur lång tid hela proceduren tog jämfört med att skriva beskrivningarna själv, inklusive granskningen.
Sammanfattning
AI kan ta över mycket av det repetitiva i SEO: sortering, utkast, sammanställningar och återkommande kontroller. Det som kräver dig är bedömningar, ansvar och relationer. Risken ligger i att automatisera för mycket för snabbt, och i att tro att mängd är kvalitet. Välj en uppgift, bygg ett arbetsflöde med granskning, mät och bygg vidare. Det är det säkraste sättet att få ut verklig effekt.
