GEO-studien från Princeton: vad som faktiskt ökade synligheten — och vad som sänkte den

Studien ”GEO: Generative Engine Optimization” är det arbete som gav fältet dess namn. Den accepterades till KDD 2024 och är skriven av forskare knutna till Princeton University och IIT Delhi samt två självständiga forskare (arXiv:2311.09735). Författarna formulerade GEO som svartlådeoptimering av innehåll: i stället för att gissa vad en generativ motor vill ha formulerar man redaktionella metoder, applicerar dem och mäter resultatet.

Nio metoder utvärderades: Authoritative, Statistics Addition, Keyword Stuffing, Cite Sources, Quotation Addition, Easy-to-Understand, Fluency Optimization, Unique Words och Technical Terms. Var och en är en konkret redaktionell åtgärd — skriv auktoritativt, lägg in siffror, citera källor och så vidare. Hur vinnarna omsätts i praktiken finns i guiden om citerbart innehåll; det här inlägget håller sig till vad studien själv mätte. Översikten över hela forskningsfältet finns i vad forskningen visar om GEO.

Hur mätte forskarna synligheten i AI-svar?

Studiens tyngd ligger i mätuppställningen. GEO-bench består av 10 000 frågor från 25 domäner — allt från Arts till Health och Games — sammanställda ur nio befintliga dataset som MS Macro, Natural Questions, ELI5 och Perplexity.ai Discover (Princeton/KDD 2024). Varje fråga är kopplad till textinnehållet i de fem bästa Google-resultaten, splitten är 8 000 frågor för träning, 1 000 för validering och 1 000 för test, och cirka 80 % av frågorna har informativ avsikt. Frågorna taggades i sju kategorier med GPT-4 plus manuell verifiering — så att varje metod senare kunde kopplas till den frågetyp där den fungerar bäst.

Synlighet definierades med två mått. Position-Adjusted Word Count räknar meningarna från din källa som hamnar i svaret, viktade exponentiellt efter position — tidigare nämnda meningar väger mer, motiverat av att klickfrekvenser följer potenslag per rang. Subjective Impression poängsätter sju aspekter — bland annat relevans, inflytande, klicksannolikhet och subjektiv position — med en LLM som bedömare (G-Eval med GPT-3.5). Måtten skalas så att alla källors synlighet i ett svar summerar till 1: det handlar om att ta andel av uppmärksamheten i svaret, inte bara om att bli nämnd.

Utöver benchen testades metoderna även mot Perplexity.ai — den kommersiella motor som ingick i studien, och som därmed ger en första brygga ut mot verkliga system.

Vilka taktiker ökade synligheten mest?

Tre metoder stod för vinsten: att citera källor, att lägga in direkta citat och att lägga in statistik. Tillsammans gav de en relativ förbättring på 30–40 % på Position-Adjusted Word Count och 15–30 % på Subjective Impression, jämfört med oändrat innehåll (Princeton/KDD 2024). På Perplexity.ai var Quotation Addition den enskilt starkaste metoden, med 22 % förbättring över baslinjen på huvudmåttet. Så här fördelade sig resultaten:

Sänker keyword-stuffing synligheten i AI-svar?

I den här studien gav den ingen ökning — och mättes under baslinjen. I resultatdelen konstaterar författarna att sådana metoder erbjuder ”little to no improvement” på generativa motorers svar (Princeton/KDD 2024). I resultattabellen presterade keyword-stuffing sämre än det oändrade innehållet: 17,8 respektive 17,7 mot baslinjens 19,5 och 19,3 på de två måtten — ungefär 9–10 % relativt sämre. På Perplexity.ai var gapet tydligast: 21,9 mot 24,1 på huvudmåttet, alltså omkring 10 % under baslinjen.

Värt att vara exakt med: huvudbudskapet är att nyckelordsoptimering saknar effekt i generativa svar — inte att den är förbjuden eller katastrofal. Men riktningen är entydig. Den taktik som historiskt byggde SEO-synlighet mätte sämst av de nio testade metoderna i den miljö som nu allt oftare svarar kunderna. Bra Google-ranking utan citerbart innehåll är därför ingen försäkring; den klyftan är precis vad forskningsöversikten handlar om.

För vardagsspråk: keyword-stuffing handlar om texter fyllda av upprepade sökord eller varumärkesnamn utan informativt värde. Studierna talar inte om att motorerna bestraffar dem med främlingskap — bara att det inte finns något att citera i en sådan text, och att den i resultaten hamnade under att inte ändra någonting alls.

Vem vinner mest på GEO?

Studiens mest intressanta fynd för svenska små och mellanstora företag: de lågrankade vinner mest. Cite Sources gav en ökning på 115,1 % i synlighet för webbplatser på femte plats i träfflistan — medan den topprankade webbplatsens synlighet i samma uppsättning minskade med 30,3 % (Princeton/KDD 2024). Tolkningen är att tydliga källhänvisningar får en generativ motor att låna av källor den annars hoppar över, medan en redan dominerande källa har mindre att vinna.

För en nischaktör betyder det att synlighet i AI-svar inte bara är en förlängning av domänauktoritet. Smal, väl dokumenterad expertis som gör sidan möjlig att citera kan slå en större aktörs vaga sammanställning — precis den mekanik som guiden om citerbart innehåll bygger på. För svenska B2B-företag är det en framför allt god nyhet: ni behöver inte vinna ett domänkrig, bara vara den bäst dokumenterade källan i ert smala. Ha samtidigt i bakhuvudet att effekten är mätt på synlighet i svaret, inte på trafik: en synlig källa som aldrig klickas ger exponering, inte besök.

Vad visar Princeton-studien inte?

Tre avgränsningar avgör hur långt resultaten bär:

• Miljön. Testerna gjordes på författarnas egen simulerade generativa motor och på Perplexity.ai — inte på Google AI Overviews, ChatGPT-sök eller Copilot. Överföringen till andra motorer är rimlig men outtestad i den här studien.
• Måtten. Synlighet definieras delvis subjektivt; paperet konstaterar själv att impression och relevans är ”subjective and not well-defined yet”, och Subjective Impression poängsätts av en LLM-bedömare. Siffrorna är studiens mått, inte en naturkonstant.
• Riktningen. ”Upp till 40 %” är ett tak i kontrollerade tester — inget genomsnitt, inget löfte, och inget påstående om trafik eller leads.

Med de förbehållen står studien sig som fältets referenspunkt: redaktionella metoder går att mäta, vissa vinner och en förlorar. Uppföljaren från CMU — reglerna som flyttade AI-synlighet — ställer om frågan från förhandstaktiker till motorhärledda regler, och i GEO vs SEO sätts resultaten i sammanhanget mot klassiskt sökarbete.

Vanliga frågor