Hur man använder AI för SEO
Connecta på LinkedIn
Skapa content med AI
Innan du springer vill jag vara tydlig med att jag inte förespråkar ett arbetssätt där AI-innehåll publiceras rakt av. Människor vill fortfarande ta del av andra människors åsikter och tankar och inte en AI’s, här har inget ändrats.
Utöver det har Google varit väldigt tydliga i sina E-E-A-T guidelines att förstahandserfarenhet, vilket en språkmodell inte besitter, är något som belönas.
Med det sagt finns det fortfarande mycket att hämta här så låt mig gå in på hur jag arbetar med copywriters och AI för att ta fram innehåll som rankar.
Jag börjar med att göra research kring de sökord jag vill ranka på. Jag gör en SERP-analys, utvärderar dess sökintention och ser på konkurrensen.
När jag har en bra idé av typen av innehåll jag vill skapa ber jag AI’n att skapa en struktur kring artikeln med rubriker och underrubriker utefter de sökord jag valt ut. Här behövs det alltid manuell handpåläggning för att få det som jag vill.
När strukturen är klar använder jag AI för att skapa innehåll för varje avsnitt. Verktyg som AI story ending generator kan hjälpa till med kreativa skrivuppgifter, men innehållet behöver ofta justeras manuellt för att stämma överens med varumärkets tonalitet. För att uppnå detta kan du mata in existerande innehåll från varumärket och be AI’n att anpassa det för att behålla en konsekvent ton.
Nu skickar jag över detta första utkast till kundens copywriter. Strukturen är egentligen det viktiga här, självaste brödtexten ska fungera som inspiration. Det händer att brödtexten behöver återskapas helt och hållet men det underlättar ofta enormt för copywritern att komma igång. Genom att ha något att utgå ifrån minimerar man risken för “writers block”.
Bulkskapa titlar och metabeskrivningar
Gällande titlar och meta-beskrivningar tycker jag personligen att man kan låta AI’n vara mer frigående. Det handlar om 60 respektive 160 bokstäver att röra sig med vilket gör att aspekter så som förstahandserfarenhet, tone of voice, expertis och trovärdighet inte kan ta lika mycket utrymme.
Läser man Google’s AI content guidelines nämner de att automatiserat innehåll inte nödvändigtvis behövar vara dåligt. Jag tycker titlar och meta-beskrivningar är ett bra exempel på där detta spelar in.
Då utrymmet är så begränsat är titlar och meta-beskrivningar ofta väldigt informationstäta vilket gör att de tappar delar av det mänskliga.
Så hur kommer man igång? Börja med att rada upp alla URLer du vill ta fram meta data på i ett spreadsheet. Verktyg så som Screaming Frog gör detta väldigt smidigt men det går även att exportera ut från Google Search Console som du sedan kan filtrera på.
Efter det kan du antingen ladda ner ett plugin såsom GPT for Sheets som låter dig prompta direkt i spreadsheetet eller så kan du välja att gå via gränssnittet på din favorit AI.
I det här exemplet har jag valt att utföra detta direkt i gränssnittet för sneaker e-handeln Footlocker. Obs: jag har ingen koppling till Footlocker utan det här är enbart ett exempel.
Anpassa följande prompt utefter varumärket du jobbar med och individuella preferenser:
AI’n kommer nu att bekräfta det du bett den om. Om något misstolkats har du möjlighet att styra den i rätt riktning. Om allt ser bra ut kan du nu ge den ett par URLer.
Du kommer efter detta att få tillbaka en tabell med URL, titel och meta-beskrivning. Se detta som ett första utkast som du har möjlighet att ge feedback på. Det kan vara ordval eller formuleringar som du inte riktigt känns i linje med varumärket.
Påpeka då detta och om möjligt ge förslag på hur du själv anpassat det. Du tränar nu AI’n för att sedan kunna sköta jobbet felfritt.
Efter ett par korrekturrunder fick jag tillbaks följande som jag kände mig nöjd med:
Structured data
Som många är överens om är har uppvågen av AI varit revolutionerande inom programmering. Som SEO’are är det sällsynt att man behöver koda själv men det är många områden inom teknisk SEO som kräver grundläggande förståelse för de vanligaste kodspråken.
Felsökandet och framtagandet av structured data är ett område som för mig personligen blivit oerhört mycket mer effektivt sedan jag började använda ChatGPT.
Tidigare använde jag mig utav online structured data generators vilket också är ett stort kliv från att knacka koden själv men ChatGPT har gjort det ännu mer effektivt.
Felsökande av structured data exempel
Låt oss använda ytterligare en sida från Footlocker som ett exempel på hur man kan använda ChatGPT för att felsöka felaktig structured data.
Låt oss säga att du kommit så långt att du med hjälp av Google’s Rich Results Test fått bekräftat att din sida innehåller problem när det kommer till product reviews.
Verktyget flaggar för att det obligatoriska fältet “ItemReviewed” saknas.
Nu är steg 1 att lokalisera markupen i källkoden och ge den till ditt Ai-verktyg. Beskriv problemet och fråga om hur du går tillväga för att lösa det.
Min prompt var:
The schema markup for my product page is getting error messages due for "Missing field 'ItemReviewd'" Can you analyze the code and tell me how to correct it to fix the issue?
Tillbaka fick jag detta:
Okej, då vet vi problemet och vilka värden som saknas. Nu vill vi ju även lösa det så jag förklarar vilket värde jag vill ha i de olika fälten, prompten löd:
Can you update the structured data accordingly so I have the code finished for use?
Name: adidas Basketball Tee
Description: Elevate your everyday style with the adidas One BB T-Shirt. Its smooth fabric feels soft against the skin and keeps you cozy and comfortable throughout the day. Look your best with the adidas One BB T-Shirt.
SKU: 317338718440
Tillbaka fick jag en ny markup som jag sedan stoppade tillbaks in i Rich Results Test och vipps!
Generera ALT text till bilder
ALT texters funktion är att informera sökmotorer och användare med skärmläsare om bildens innehåll. Här gör inte förstahandserfarenhet någon skillnad så jag ser inte problemet med att låta en språkmodell sköta denna monotona uppgift.
För detta använder jag ytterligare två olika verktyg
SheetGPT (Chrome addon) för att att kunna integrera ChatGPT i Google Sheets.
ScreamingFrog för att få tillgång till en sidas bilder.
Börja med att öppna ScreamingFrog och crawla sidan vars bilder du vill ta fram ALT text till. Om det inte gäller någon särskild sida kan du välja att crawla domänen och sedan exportera ut de bild-URLer du vill ta fram ALT-text till.
Nästa steg är att klistra in bild-URLerna i ett sheet.
Såhär är dokumentet uppbyggt:
Kolumn A (Text) Består av första delen av prompten. Det är vad jag vill att AI’n ska assistera med utan att hänvisa till vilken bild. I denna kolumn lägger du in “Generate an ALT text based on SEO best practices to the following image:
Kolumn B (Image) Här radar du upp bild-URLerna.
Kolumn C (Prompt) Här använder du formeln “concatenate” för att kombinera texten från kolumn A och bilden i kolumn B, slutresultaten är en färdig prompt som hänvisar till en bild. Är ditt dokument strukturerad likt mitt är formeln: =CONCATENATE(A2,B2)
Kolumn C (Output) Slutgiltigen lägger du in formeln =GPT(C2) i kolumn D vilket och tillbaks ALT-texten som instruerat.
Dataanayls
Stor del av ens arbete som SEO’are går ut på att tolka data för att sedan kunna dra slutsatser och tillsist ta action. När det kommer till att tolka och dra slutsatser kan AI vara ett oerhört starkt verktyg.
Något jag gillar att göra är att exportera ut rapporter från verktyg så som Google Search Console, Google Analytics och SEMrush och sedan fråga AI’n om insikter.
När man själv sitter i dessa verktyg dagligen blir man lätt hemmablind och det kan vara så att problem eller potential är framför näsan på en utan att man lägger märke till det. Genom att fråga ChatGPT får man ett nytt perspektiv som ofta leder till nya insikter.
Dataanalys exempel
Börja med att gå in i Google Search Console, välj datumsperioden till senaste 3 månaderna jämfört med föregående period eller år.
Jag gillar att ta lite längre perioder för att få mer data och på så sätt kunna dra med tillförlitliga slutsatser.
Efter det väljer du att markera i respektive metrik: Clicks, Impressions, CTR och Average Position och sedan exportera som CSV-fil.
Du bör har nu sex olika filer med clicks, impression, CTR och average position, uppdelat i följande dimensioner:
Ge nu den filen som du vill börja analysera till ChatGPT. I detta exempel börjar jag med Countries.csv som alltså är dimensionerat beroende på land med prompten: I'll provide you with a few Google Search Console exports. I want you to analyse the files and provide useful insights. Take the role of an SEO analyst.
ChatGPT kommer nu att analysera filen och sedan ge dig insikter. Här är ett utdrag från det jag fick tillbaks:
Du har nu möjligheten att nöja dig med insikterna, följa upp manuellt eller ställa följdfrågor. Vill du se på det från en annan dimension kan du alltid komplettera med ytterligare en export och ställa frågor relaterade till den.
Jag hade t.ex. kunnat ladda upp Queries rapporten och ställa frågan: vilka svenska söktermer har minskats mest i clicks?
Sammanfattning
Avslutningsvis så finns det många möjligheter för SEOare att effektivisera sina arbetsprocesser med hjälp av AI. I den här artikeln har jag täckt fem olika användningsområden men det finns självklart betydligt fler möjligheter än så.
Trots det bör man fortfarande behålla en viss skepticism till tekniken och inte helt förlita sig på den. AI’s har en tendens att hallucinera och ta fram information som låter riktigt men egentligen inte stämmer alls.
I slutändan ligger ansvaret på en själv att säkerställa att innehållet förblir korrekt, relevant och värdefullt för sin publik.
Genom att använda AI som ett verktyg snarare än en ersättning kan man leverera resultat som inte bara är effektiva utan också har kvar sin mänskliga touch.
