Chunken är den nya sidan

Din sida läses aldrig. Ett stycke av den läses.

När en AI-modell citerar en webbplats hämtar den inte sidan som en människa skulle läst den – från toppen, genom en inledning, ner till slutsatsen. Den hämtar en chunk: en liten, avgränsad textbit, ofta inte mer än ett stycke. Den chunken klistras in i ett svar, isolerad från allt annat som stod omkring den, och din sida får aldrig chansen att förklara sig själv i sin helhet.

Det gör chunken, inte sidan, till den faktiska konkurrensenheten. Två sidor kan ha identiskt bra övergripande innehåll och ändå prestera helt olika i AI-sök, om den ena är skriven i bitar som ger mening ensamma och den andra inte är det.

Retrieval i korthet: embedding, likhet, hämtning

Mekaniken bakom detta kallas retrieval, och den behöver inte vara jargong för att förstås. Ett retrieval-system delar först upp innehållet på en sida i chunks. Varje chunk görs sedan om till en embedding – en talvektor som fångar den övergripande meningen i texten, inte bara orden i den. När någon ställer en fråga görs frågan om till samma typ av talvektor.

Systemet jämför sedan frågans vektor med vektorerna för alla chunks det har lagrat, och hittar de som ligger närmast – alltså de chunks som ”liknar mest” det frågan handlar om. Det är dessa, och bara dessa, som hämtas in som underlag för svaret. En chunk längre ner på sidan kan hämtas medan en chunk direkt ovanför eller under den inte gör det, eftersom likheten räknas ut per chunk, inte per sida.

Konsekvensen är praktisk, inte teoretisk: du skriver inte längre för en läsare som ser hela din sida på en gång. Du skriver för ett system som kan komma att plocka ut precis ett stycke av den och lämna resten.

Vad gör en chunk självständig

En chunk som fungerar kan stå ensam utan någon av texten omkring den. Den har ett tydligt subjekt i stället för ett pronomen som ”vi” eller ”det” (se nästa del i serien). Den definierar eller förklarar det den handlar om där och då, i stället för att hänvisa till ”som nämnts tidigare”. Och den fullföljer sin tanke inom sina egna gränser, i stället för att inleda ett påstående som först ger mening när nästa stycke läses bredvid.

En enkel fråga avslöjar svagheten: kopiera ut stycket ur sidan och klistra in det någon helt annan stans, ensamt. Ger det fortfarande mening? Om svaret kräver att läsaren minns något längre upp på sidan gör det troligen inte det för ett retrieval-system heller.

Rubrikhierarkin är en chunk-gräns, inte bara design

Många retrieval-system delar upp innehåll längs den struktur som redan finns i HTML:en – och rubrikhierarkin är den tydligaste struktur en sida har. En H2 markerar ofta var en chunk slutar och en ny börjar, på samma sätt som den markerar ett nytt avsnitt för en mänsklig läsare. Det gör rubriken till något mer än typografi: den är en bokstavlig gräns för vad som räknas som samma textenhet och vad som inte gör det.

En rubrik som ”Lite mer om detta” eller ”Andra förhållanden” ger ingen information om vad som ligger under den, varken för en mänsklig skumläsare eller för ett system som ska avgöra om chunken är relevant för en given fråga. En rubrik formulerad som själva frågan eller påståendet den svarar på gör däremot dubbelt arbete: den berättar för en människa vad som följer, och den fungerar som ett precist filter för hämtningen.

Långa inledningar är dödvikt

”I den här artikeln ska vi titta på …” är en vanlig öppning, och den är nästan alltid bortkastad plats sett från retrieval-systemets sida. Hämtas just den inledande chunken – vilket sker oftare än man kan tro, eftersom den ofta är den första, mest generiska texten på sidan – består svaret av en avisering om att ett svar kommer, utan själva svaret. För en mänsklig läsare är det en mild irritation. För en AI-modell som ska bygga en citering direkt från chunken är det en blindgång: inget påstående att citera, bara ett löfte om ett längre ner.

Regeln som följer av detta är enkel: låt den första meningen i varje avsnitt innehålla själva poängen, inte en avisering om att poängen kommer.

Tabeller, listor och definitioner: formerna som överlever hämtningen

Löpande prosa är inte fel i sig, men den döljer ofta flera separata påståenden bakom samma stycke utan någon synlig gräns mellan dem. Strukturerade former undviker det problemet eftersom gränsen är inbyggd i formatet självt. En definition (”X är Y”) är per konstruktion ett självständigt påstående. Ett listobjekt under en precis rubrik är avgränsat av själva listformatet. En tabellrad tar med sig kolumnrubriken som kontext, oavsett var i texten den citeras ifrån.

Det betyder inte att hela sidan bör skrivas som listor och tabeller – det vore lika oläsligt som en sida full av ”vi”. Det betyder att där du står med ett val mellan att linda ett påstående i ett långt stycke eller ge det sin egen, tydliga form, är den tydliga formen nästan alltid det säkrare valet för hur innehållet överlever att hämtas ut ensamt.

En sida, en fråga slår en sida, tio frågor

En sida som försöker täcka tio besläktade frågor på en gång sprider med nödvändighet signalen för varje enskild fråga tunnare. Chunken som till slut hämtas för fråga nummer sju konkurrerar då mot en dedikerad sida som inte gör annat än att svara grundligt på just den frågan. Den dedikerade sidan vinner oftare, inte för att den är ”bättre skriven” i någon allmän mening, utan för att varje enskild chunk på den är skriven med bara ett syfte för ögonen.

Praktisk konsekvens: när en sida växer till att täcka allt fler delfrågor är det värt att överväga om några av dem hellre förtjänar en egen, smalare sida – inte för att blåsa upp sidantalet, utan för att en smalare sida producerar skarpare, mer citerbara chunks för just den frågan.

Där detta möter det du redan mäter

Hur väl en given sida faktiskt presterar i AI-citeringar, inte bara i teorin, är något av det CAVIS-ramverket från CitationLab är byggt för att mäta över tid – över flera modeller, inte bara som en engångsbild. Chunk-struktur är en av flera strukturella faktorer som spelar in i den bilden, vid sidan av entitetsklarhet och tekniska förhållanden som resten av den här serien har täckt.

Självkoll: klistra in ett slumpmässigt stycke, ensamt

Självkoll. Öppna en godtycklig sida på din webbplats och kopiera ut ett slumpmässigt stycke – inte det första, inte det du är mest stolt över, utan ett helt vanligt stycke någonstans i mitten. Klistra in det ensamt i ett nytt dokument, utan rubriken ovanför det och utan stycket före eller efter.

Ger det fortfarande mening? Vet en läsare som aldrig sett resten av sidan vad texten faktiskt handlar om, och om vem? Om svaret är nej är det troligen inget fel på innehållet – bara på hur självständigt det är skrivet för att stå. Och en chunk som inte ger mening ensam blir inte citerad ensam.