Du har skrivit en fantastisk artikel på 3 000 ord med grundlig research och bra källor. Men ChatGPT citerar ändå din konkurrent i stället. Varför? Svaret ligger ofta i chunks — de segment AI-modellen faktiskt utvärderar när den hämtar information från nätet.
Vad är en chunk?
När en AI-modell (genom RAG — Retrieval-Augmented Generation) hämtar innehåll från webbsidor delar den upp sidan i mindre segment som kallas ”chunks”. Dessa är typiskt 512–2 048 tokens långa (ungefär 375–1 500 ord). Varje chunk utvärderas separat för relevans mot användarens fråga.
Det betyder att även om din artikel samlat sett är utmärkt kan enskilda chunks få låg poäng om de saknar kontext, är för allmänna eller innehåller irrelevant information. Vill du komma i gång kan du kontrollera vad AI faktiskt säger om dig innan du börjar optimera.
Chunk Relevancy Ratio som nytt mått
Vi har utvecklat konceptet Chunk Relevancy Ratio (CRR) för att mäta kvaliteten på en sidas chunks. CRR beräknas som andelen chunks som får poäng över en relevanströskel för en given uppsättning målfrågor.
En sida med 10 chunks där 7 får hög relevanspoäng har en CRR på 70 %. Vår erfarenhet visar att sidor med CRR över 60 % har betydligt högre sannolikhet att bli citerade av AI-modeller.
Så optimerar du för chunks
- Varje stycke ska kunna stå ensamt — Undvik stycken som bara ger mening i kontexten av föregående stycke. Varje stycke bör innehålla tillräckligt med kontext för att vara självständigt begripligt.
- Använd beskrivande rubriker — H2:or som ”Vad är en chunk?” är bättre än ”Bakgrund”, eftersom de ger AI:n kontext för vad segmentet handlar om.
- Front-ladda nyckelinformationen — Placera det viktigaste svaret i början av varje stycke, inte i slutet.
- Undvik långa inledningar — En inledning på 300 ord utan substans äter upp chunk-utrymme som kunde ha använts till värdefull information.
- Inkludera entitetsinformation — Nämn ditt varumärke, din produkt och din kategori explicit i relevanta chunks.
Använd CitationLabs Chunk Analyzer
CitationLabs Chunk Analyzer låter dig se exakt hur AI-modeller delar upp dina sidor. Du får en visuell överblick över varje chunk, en relevanspoäng per segment, och konkreta rekommendationer för förbättring.
Verktyget visar dig också vilka chunks dina konkurrenter har som får hög poäng — så att du kan identifiera innehållsgap och optimera målinriktat.
Vanliga fel i chunk-struktur
- För långa stycken — Ett stycke på 500 ord utan underrubriker blir en dålig chunk.
- Upprepning — Att säga samma sak tre gånger i olika formuleringar försvagar chunk-kvaliteten.
- Saknad kontext — Pronomen som ”detta”, ”den” och ”det” utan tydlig referens förvirrar AI:n.
- Irrelevant utfyllnad — Generiska inledningar och övergångar som inte tillför information.
Slutsats
Chunk-optimering är kanske den mest underskattade strategin inom GEO/AEO. Det handlar inte om att skriva mer — det handlar om att skriva bättre, med en struktur som fungerar för AI:ns segmenteringslogik. Analysera dina sidor med Chunk Analyzer, arbeta systematiskt med att bygga mentions och citations, och se skillnaden.
Vanliga frågor
Vad är en chunk i AI-sök?
Vad är en bra Chunk Relevancy Ratio?
Hur optimerar jag innehåll för chunks?
Varför blir konkurrenten citerad i stället för mig?
Begrepp som används i artikeln
- Chunk
- En chunk är ett självständigt textsegment (typiskt 512–2 048 tokens, ungefär 375–1 500 ord) som en AI-modell delar upp en webbsida i. Varje chunk utvärderas separat för relevans mot användarens fråga.
- Chunk-optimering
- Chunk-optimering är praktiken att strukturera innehåll så att varje textsegment kan stå ensamt och får hög relevanspoäng i AI-modellernas segmenteringsprocess.
- Chunk Relevancy Ratio (CRR)
- Chunk Relevancy Ratio (CRR) mäter andelen av en sidas chunks som får poäng över en relevanströskel för en given uppsättning målfrågor. Sidor med CRR över 60 % har betydligt högre sannolikhet att bli citerade av AI-modeller.
- RAG (Retrieval-Augmented Generation)
- RAG är en teknik där en AI-modell hämtar in relevanta källor från nätet i realtid och använder dem som grund när den genererar svaret. Innehållet delas då upp i chunks som utvärderas var för sig.
- Token
- En token är den minsta textenhet en språkmodell behandlar, ungefär tre fjärdedelar av ett ord. Chunk-storlek anges i tokens, typiskt mellan 512 och 2 048.
Var detta till hjälp?