Indholdsstruktur

Chunking eksisterer, fordi indlejrings- og chatmodeller begrænser inputlængden, og fordi en enkelt vektor dårligt beskriver en lang, blandet side^[1]. Microsofts hentningsdokumentation anbefaler at starte med 512 tokens pr. chunk med 25% overlap, og nævner HTML-overskriftssyntaks som en måde at opdele et dokument i sektioner på^[4]. En evaluering fra 2024 fandt, at semantisk chunking, som placerer grænser efter betydning snarere end efter længde, ikke pålideligt overgår opdeling i faste størrelser^[5]. Overskrifter på en side fungerer derfor mindre som et rangeringssignal end som en grænse: de bestemmer, hvor en hentbar enhed starter og stopper.

Den artikel, der navngav generativ søgemaskineoptimering, testede ni indholdsredigeringer mod en benchmark på 10.000 forespørgsler^[6]. Tilføjelse af citater, statistik eller kildehenvisninger gav en relativ gevinst på 30 til 40% på dens synlighedsmåling^[7]. Keyword stuffing scorede 17,8 mod en baseline på 19,5, hvilket var dårligere end at lade teksten være uændret^[8]. Mønsteret favoriserer tekst, der indeholder kontrollerbare specifikke oplysninger, frem for tekst formet til søgeordsmatch, hvilket er en af de praktiske forskelle mellem SEO og GEO.

Google kører et passage-rangeringssystem, der identificerer individuelle sektioner af en side for at bedømme relevans^[9], så et begravet svar kan dukke op, uden at hele siden handler om det, hvilket er mekanismen bag featured snippets. Inde i modellen koster position stadig: svar er stærkest, når den relevante tekst sidder i begyndelsen eller slutningen af konteksten og svækkes, når den sidder i midten^[10]. En analyse af 1,4 millioner ChatGPT-prompter fandt citerede sidetitler tættere på prompten end ikke-citerede, 0,602 mod 0,484 cosinuslighed^[11].

Ingen svarmaskine offentliggør sin chunker. Googles vejledning siger, at en side kun behøver at være indekseret og snippet-egnet^[12], hvilket efterlader formateringsråd ubekræftet mod det rangeringssystem, det hævder at adressere. Formatstudierne er korrelationelle, og den ene kontrollerede benchmark optimerer en proxy-score over et syntetisk forespørgselssæt snarere end live trafik^[6]. Maskiner attribuerer også ufuldkomment: en evaluering fra 2023 af fire generative søgemaskiner fandt, at 51,5% af genererede sætninger var fuldt understøttet af deres citater, og 74,5% af citaterne understøttede den sætning, de stod under^[13].