Innehållsstruktur

Uppdelning i textblock existerar eftersom inbäddnings- och chattmodeller begränsar inmatningslängden, och eftersom en vektor dåligt beskriver en lång blandad sida^[1]. Microsofts dokumentation för hämtning rekommenderar att börja med 512 tokens per block med 25 % överlappning, och nämner HTML-rubriksyntax som ett sätt att dela upp ett dokument i sektioner^[4]. En utvärdering från 2024 fann att semantisk uppdelning i textblock, som placerar gränser efter betydelse snarare än efter längd, inte på ett tillförlitligt sätt överträffar uppdelning i fasta storlekar^[5]. Rubriker på en sida fungerar därför mindre som en rankningssignal än som en gräns: de bestämmer var en hämtningsbar enhet börjar och slutar.

Artikeln som namngav generativ sökmotoroptimering testade nio innehållsredigeringar mot ett benchmark på 10 000 frågor^[6]. Att lägga till citat, statistik eller källhänvisningar gav en 30 till 40 % relativ vinst på dess synlighetsmått^[7]. Nyckelordsfyllning fick 17,8 mot en baslinje på 19,5, sämre än att lämna texten orörd^[8]. Mönstret gynnar text som innehåller kontrollerbara detaljer framför text som är formad för nyckelordsmatchning, en av de praktiska skillnaderna mellan SEO och GEO.

Google använder ett system för passage-rankning som identifierar enskilda sektioner på en sida för att bedöma relevans^[9], så ett dolt svar kan dyka upp utan att hela sidan handlar om det, mekanismen bakom utvalda utdrag. Inne i modellen kostar position fortfarande: svar är starkast när den relevanta texten sitter i början eller slutet av sammanhanget och försvagas när den sitter i mitten^[10]. En analys av 1,4 miljoner ChatGPT-prompter fann att citerade sidtitlar var närmare prompten än ociterade, 0,602 mot 0,484 cosinuslikhet^[11].

Ingen svarsmotor publicerar sin chunker. Googles vägledning säger att en sida bara behöver indexeras och vara berättigad till utdrag^[12], vilket lämnar formateringsråd overifierade mot det rankningssystem det påstår sig adressera. Formatstudierna är korrelationella, och det enda kontrollerade benchmark optimerar en proxy-poäng över en syntetisk frågemängd snarare än live-trafik^[6]. Motorerna attribuerar också ofullständigt: en utvärdering från 2023 av fyra generativa sökmotorer fann att 51,5 % av de genererade meningarna helt stöddes av deras citat och 74,5 % av citaten stödde den mening de satt under^[13].