AI SEO ja GEO ilman myyttejä: mikä oikeasti toimii

ChatGPT:n, Geminin, Perplexityn ja AI Overview -yhteenvetojen vastauksiin brändi pääsee pääosin kahta reittiä, jotka limittyvät, ja AI SEO on työtä molempien eteen:

1. Haun kautta. Malli etsii verkosta vastatessaan ja lainaa osaa löytämistään sivuista. Tässä toimii sama kuin SEO:ssa: robottien pääsy sivulle, indeksi, näkyvyys hakusanalla ja sen variaatioilla sekä katkelmat, jotka vastaavat kysymykseen ilman muuta sivua. Tulos näkyy SEO:n tapaan viikkojen tai kuukausien kuluttua.
2. Mallin muistin kautta. Malli vastaa sillä, mitä se oppi ennen koulutuksen päättymistä, ja tämä muisti vaikuttaa myös siihen, ketä malli mainitsee, kun se hakee verkosta. Tässä merkitystä on sillä, mitä brändistä ovat kirjoittaneet muut, ja yhdellä johdonmukaisella brändikuvauksella monessa lähteessä. Muistin muutosten vauhtia en ole mitannut, joten kolmen kuukauden aikajänteellä en lupaa tässä mitään.

Useimmilla GEO-”tempuilla” ei ole todistusaineistoa, ja osan niistä testasin omalla datalla. llms.txt-tiedostolla ja jäsennellyllä datalla ei ole näyttöä siitä, että ne tuottavat lainauksia. Useammat otsikot eivät nostaneet sivuja top 3:een testissäni. Testi siitä, ennustaako sijoitus alikyselyillä lainausta paremmin kuin sijoitus pääsanalla, ei ratkaissut mitään, ja ensimmäisen johtopäätökseni kumosi ristiintarkastus. Todisteet kustakin näistä väitteistä ovat alempana.

Mitä AI SEO on ja millä nimellä sitä kutsutaan?

AI SEO on työtä sen eteen, että brändi esiintyy tekoälyn tuottamissa vastauksissa: Googlen AI Overview -yhteenvedoissa ja tekoälytilassa sekä ChatGPT:ssä, Geminissä, Perplexityssä ja Copilotissa. Samalla työllä on useita nimiä, ja niiden erot ovat enimmäkseen markkinointia:

GEO-nimellä on tieteellinen lähde, ja koko tämän työn perusta on sama kuin SEO:ssa. GEO on peräisin marraskuun 2023 tutkimusartikkelista, joka hyväksyttiin KDD 2024 -konferenssiin. Sen kirjoittajat, Pranjal Aggarwal ja kumppanit, osoittivat omalla testiaineistollaan, että sisällön muutokset voivat kasvattaa lähteen näkyvyyttä generatiivisissa vastauksissa jopa 40 % (arXiv). Google kirjoittaa dokumentaatiossaan, että generatiiviseen hakuun optimointi on edelleen SEO:ta (Google Search Central). Zyppyn Cyrus Shepard vastaa samansuuntaisesti kysymykseen, tarvitseeko yritys erillisen GEO-strategian:

Ihmisillä ei myöskään ole tälle työlle yhtä nimeä, ja se näkyy Googlen tuloksissa. Kysymys ”Jak nazywa się pozycjonowanie w AI?” (”millä nimellä AI SEO:ta kutsutaan?”) ilmestyy osioon ”Ihmiset kysyvät myös” puolalaisissa tuloksissa, ja sen vastineet ilmestyvät Saksan, Espanjan ja Suomen tuloksissa, kun taas englanninkielinen ”What is AI SEO called now?” ilmestyy Yhdysvaltojen, Ruotsin ja Singaporen tuloksissa. Kysymys GEO:n (tai LLMO:n) ja SEO:n erosta ilmestyy 9 markkinalla 27:stä tarkistetusta, Brasiliasta Japaniin.

Hallitseva nimi riippuu markkinasta. Japanissa 72 % noin 16 730 kuukausihausta tästä aiheesta on LLMO:ta, ja pelkällä hakusanalla ”llmo” on noin 12 100 hakua, enemmän kuin hakusanalla ”ai seo” Yhdysvalloissa (noin 6 600). Saksassa ja Ranskassa GEO hallitsee (64 % ja 66 %), Etelä-Koreassa 83 %. Puolassa 58 % noin 2 265 kuukausihausta on AI SEO:ta yhdessä hakusanan ”ai seo” ja puolalaisten kuvausten (”pozycjonowanie ai”, ”pozycjonowanie w ai”) kanssa, ja GEO:n osuus on 32 %. Yhdysvalloissa AI SEO ja GEO ovat tasoissa: 42 % ja 39 % noin 25 400 hausta, ja Espanjassa on tasapeli (44 % ja 44 %). Tšekissä datassa ei ole kysyntää yhdellekään nimelle.

Hakusana ”ai seo” on monitulkintainen, joten AI SEO:n osuuden tulkitsen ylärajaksi. Hakusanalla ”ai seo” Google näyttää tekoälyoptimointia käsittelevien tekstien rinnalla myös tekoälytyökaluja ja oppaita siitä, miten SEO:ta tehdään tekoälyn avulla: Yhdysvalloissa ne ovat yli puolet top 10:n tuloksista, Tanskassa vähintään 6 tuloksesta 8:sta. AI Overview kuitenkin kuvaa AI SEO:n tälle hakusanalle sekä Yhdysvalloissa että Tanskassa optimointina tekoälyvastauksia varten, joten Google pitää sitä tämän työn nimenä. Ilman tätä yhtä hakusanaa GEO johtaa 25 markkinalla blogini 26 markkinasta, ja Japanissa johtaja on LLMO. Puolassa yksiselitteisillä puolalaisilla kuvauksilla (”pozycjonowanie ai”, ”pozycjonowanie w ai”) on yhteensä noin 580 hakua kuukaudessa ja GEO:lla noin 725. Tekoälytyökaluille SEO:n tekemiseen omistan erillisen tekstin.

En laske hakusanaa ”aeo” sellaisenaan mukaan, koska Puolassa se tarkoittaa ennen kaikkea tullisertifikaattia, ja Yhdysvalloissa osa tuloksista on vaatetusketju American Eaglen pörssikursseja. Puolalaisessa Googlessa kolme neljästä ensimmäisestä tuloksesta hakusanalle ”aeo” on valtiovarainministeriön sivuja. Täyden nimen hakusanat, esimerkiksi ”answer engine optimization”, lasken sarjaan ”Muut”.

Jokainen tämän tekstin kieliversio käyttää nimeä, jota ihmiset kyseisellä markkinalla hakevat. Japaninkielinen versio puhuu LLMO:sta, saksan- ja ranskankielinen GEO:sta ja puolankielinen puolalaisesta nimestä ”pozycjonowanie w AI” ja AI SEO:sta. Suomenkielinen versio käyttää nimeä AI SEO, koska Suomessa sillä on suurin osuus: 64 % noin 685 kuukausihausta, ja GEO:n osuus on 34 %.

Miten tekoäly valitsee vastausten lähteet?

Malli vastaa haulla tai muistista, ja siitä riippuu, mitä voit ylipäätään muuttaa. Kun malli hakee verkosta, se jakaa kysymyksen useaan kyselyyn, hakee tulokset, valitsee niistä katkelmia ja lainaa osaa niistä. Google kutsuu tätä dokumentaatiossaan nimellä ”query fan-out”: järjestelmä lähettää useita toisiinsa liittyviä hakuja alateemoista ja eri lähteistä (Google Search Central). Kun malli ei hae, se vastaa sillä, mitä se oppi koulutuksessa, eikä sivun sijoitus Googlessa muuta silloin mitään.

Nämä reitit limittyvät, koska mallin muisti vaikuttaa myös vastaukseen, jossa malli haki verkosta. Dan Petrovic Dejanilta kirjoittaa, että brändin maininta vastauksen tekstissä perustuu ennen kaikkea mallin aiempaan tietoon, ja yksittäinen sivu siirtää sitä tuskin lainkaan (Dejan, 7.7.2026). Siksi mittaan molemmat reitit erikseen mutta teen töitä niiden eteen rinnakkain.

Kuinka usein malli hakee verkosta, riippuu mallista: testissäni se vaihteli välillä 10-94 hakusanaa 94:stä. Testasin tämän API:n kautta 94 hakusanalla projekteista, joita vedän, englanniksi ja puolaksi, yöllä 3.-4. lokakuuta 2026 ja aamulla uudelleen. Tekstissä SEO-strategiasta kuvasin saman ilmiön viidellä opastyyppisellä kysymyksellä, tässä se on suuremmalla aineistolla.

• 93 / 94Näin monta kertaa Gemini 2.5 Flash käytti hakua ensimmäisellä kierroksella (toisella 94 / 94).Oma testini API:n kautta, 3.-4.10.2026
• 71 / 94Näin monta kertaa Gemini 3.5 Flash haki (toisella kierroksella 69 / 94).Oma testini API:n kautta, 3.-4.10.2026
• 25 / 84Näin monta kertaa Gemini 3.1 Pro haki (10 kutsua päättyi rajavirheeseen; toisella kierroksella 32 / 94).Oma testini API:n kautta, 3.-4.10.2026
• 10 / 94Näin monta kertaa Gemini 3.8 Flash haki (toisella kierroksella 15 / 94). Muilla hakusanoilla se vastasi muististaan.Oma testini API:n kautta, 3.-4.10.2026

Tässä kokoonpanossa uudemmat Gemini Flash -versiot hakivat harvemmin, mutta Gemini 3.1 Pro ei sovi tähän kaavaan. Prolla on vanhempi versionumero kuin 3.5 Flashilla, ja se haki harvemmin kuin tämä. Kyse on yhdestä mallisarjasta ja yhdestä API-kokoonpanosta eikä Gemini-sovelluksesta, jonka käyttäjä näkee, joten luvut ovat suuntaa antavia eivätkä sääntö. Ne riittävät kuitenkin siihen, että jokaisessa mittauksessa tarkistan, kuinka monessa kysymyksessä malli ylipäätään hakee.

Mallien muisti uudesta puolalaisesta brändistä osoittautui aukkoiseksi, ja osa malleista keksi sille kuvauksen. Samassa projektissa noin 500 vastausta kysymyksiin brändeistä, joiden parissa työskentelen, arvioi sokkona erillinen malli. Yksi aineiston uusista puolalaisista brändeistä oli tuntematon kaikille tarkistetuille malleille, ja 12 vastauksesta 9:ssä sen kuvaus oli keksitty. Keksittyjen osuus riippui mallista: 5-77 % vastauksista kaikista brändeistä. Vastauksia arvioi yksi tuomarimalli, joten alle noin 10 prosenttiyksikön eroja pidän kohinana.

Sama verkkotunnus voi olla näkyvissä yhdellä reitillä ja näkymätön toisella. Yksi sivusto sai lainauksia Googlen tekoälytilassa 13 hakusanaparista 10:ssä, mutta mallien vastauksissa ilman hakua se ei esiintynyt kertaakaan (0 / 13). Kyse on yhdestä verkkotunnuksesta ja 13 parista, joten se on havainnollistus eikä sääntö.

Samaa ilmiötä voi nähdä suuremman mittakaavan tutkimuksessa. Dan Petrovic referoi Google Researchin tutkimusta 13 mallilla ja 2 150 Wikipedia-faktalla: kärkimallit, kuten Gemini 3 Pro ja GPT-5, sisältävät painoissaan 95-98 % tästä tiedosta mutta eivät pysty palauttamaan mieleen 26-34 %:a siitä (Dejan, 17.8.2026). Nämä ovat tietosanakirjafaktoja eivätkä tietoa brändeistä, mutta johtopäätös brändille on samankaltainen: tiedon olemassaolo koulutusdatassa ei takaa, että malli sanoo sen.

Miten pääset tekoälyn vastauksiin haun kautta?

Hakureitillä toimii sama kuin SEO:ssa, yhtä eroa lukuun ottamatta. Google kirjoittaa, että päästäkseen AI Overview -yhteenvetoihin ja tekoälytilaan sivun on oltava indeksissä ja voitava näkyä tuloksissa tekstikatkelmana, eikä muita teknisiä vaatimuksia ole (Google Search Central). Ero on siinä, että malli esittää useita kyselyjä kerralla, joten sivulla, joka näkyy vain yhdellä pääsanalla, on vähemmän tilaisuuksia tulla lainatuksi kuin sivulla, joka näkyy myös sen variaatioilla. ChatGPT:llä on lisäksi oma hakurobottinsa (siitä alempana), joten näkyvyys Googlessa ei siirry siihen suoraan.

Tekoälyrobottien pääsy sivustolle

Tekoälyhakukoneiden robotit voivat olla estettyinä ilman, että sivuston omistaja tietää siitä. Palomuuri tai sisällönjakeluverkon (CDN) asetus voi estää ne, usein vasta kun kyselyjen määrä ylittää kynnyksen, joten yksi testi ei paljasta mitään. Tarkistan sarjan kyselyjä, joissa on Googlen, OpenAI:n, Perplexityn ja Anthropicin robottien nimet, ja vertaan palvelimen vastausta siihen, jonka tavallinen selain saa.

Mallien koulutuksen estäminen on eri päätös kuin haun estäminen. OpenAI erottaa nämä roolit: GPTBot kerää sisältöä, joka voi päätyä mallien koulutukseen, ja OAI-SearchBot päättää näkyvyydestä ChatGPT:n hakutuloksissa. OpenAI kirjoittaa, että sivuja, jotka estävät OAI-SearchBotin, ei näytetä ChatGPT:n hakuvastauksissa, ja GPTBotin estäminen ei muuta tätä (OpenAI). Samoin Google-Extended ohjaa sitä, miten Gemini-mallit käyttävät sisältöä, mutta Googlen mukaan se ei vaikuta näkyvyyteen eikä sijoitukseen haussa (Google Search Central). Se, joka estää kaikki tekoälyrobotit yhdellä kytkimellä, voi menettää näkyvyyden ChatGPT:n haussa, jota hän ei lainkaan halunnut luovuttaa.

Sijoitus hakusanalla ja alikyselyt

En tiedä, lisääkö korkeampi sijoitus lainauksen todennäköisyyttä, koska datani eivät ratkaise asiaa. Tekstissä SEO-strategiasta, hypoteesikartassa, kuvasin artikkelin, jota lainattiin AI Overview -yhteenvedossa vain yhdellä viidestä hyvin läheisestä hakusanasta, ja juuri sillä, jolla se oli alimpana. Alikyselyt muodostaa malli, ja ne voivat olla joka vastauksella erilaisia, joten ei ole olemassa yhtä pysyvää listaa ”hakusanan X alikyselyistä”. 94 hakusanan aineistossani malli tuotti yhdellä kierroksella 493 eri alikyselyä, keskimäärin yli viisi hakusanaa kohden.

Tarkistin, ennustaako sijoitus alikyselyillä lainausta paremmin kuin sijoitus pääsanalla, eikä ensimmäinen tulokseni kestänyt tarkistusta. Projektien, joita vedän, hakusana-sivuparien pohjalta kirjasin säännön ennen kuin laskin tuloksen. Mittarina oli ROC-käyrän alla oleva pinta-ala eli se, kuinka hyvin signaali erottaa lainatut sivut lainaamattomista (0,5 on kolikonheiton taso, 1 on virheetön erottelu). Alikyselyjen oli tarkoitus voittaa, jos niiden pinta-ala olisi vähintään 0,10 suurempi. 29 parilla, jotka oli erotettu AI Overview -testiin, ero oli 0,44, eli testi ”läpäisty”.

Ristiintarkastus osoitti, että vertasin kahta eritarkkuuksista mittausta. Arvioija, joka laski kaiken uudelleen alusta, toisti lukuni numeroilleen asti mutta huomasi, että sijoituksen pääsanalla olin ottanut yhdestä Googlen tulosten hausta ja lainauksen viidestä. Kun sijoitus laskettiin samoista viidestä hausta, ero putosi 0,04:ään, luottamusvälillä -0,28:sta +0,36:een. En siis osoittanut, että alikyselyt ovat sijoitusta parempia, enkä sitä, että ne ovat huonompia. Molemmat signaalit kertovat jotain, joten teen töitä molempien parissa.

Yhden DataForSEO-haun sijoitus osoittautui arvonnaksi usean tulosvariantin joukosta. Kun hain samat 94 hakusanaa kolme kertaa noin tunnin välein, kahdella samaa hakusanaa koskevalla haulla oli mediaanissa vähän yhteisiä osoitteita top 10:ssä: Jaccardin indeksi, eli kahden joukon yhtäpitävyyden mitta välillä 0-1, oli 0,14-0,15. Osa variaatioista on todennäköisesti tuloksia, joita ihminen selaimessa ei näe, sillä 5 hakusanalla selain täsmäsi yhteen niistä. AI Overview oli samalla vakaa: sen esiintyminen täsmäsi hakujen välillä 97-99 %:ssa. Siksi lasken sijoituksen tästä työkalusta nykyisin osuutena noin 10 samanaikaisesta hausta. Muita työkaluja en ole tällä tavalla testannut.

Katkelmat, jotka vastaavat itsenäisesti

Malli ei yleensä käytä koko sivua vaan katkelmia, jotka vastaavat sen kyselyyn. Siksi kirjoitan niin, että jokaisen katkelman ymmärtää ilman muuta sivua: vastaus otsikon alla ensimmäisessä lauseessa, tarkat luvut nimittäjineen ja päivämäärineen, nimet sanojen ”tämä” ja ”se” sijaan. Jokainen tämän tekstin kappale alkaa johtopäätöslauseella juuri tästä syystä. Se on hyvä kirjoitustapa, joka auttaa myös ihmisiä, eikä erillinen tekoälyyn tähtäävä tekniikka.

Tämä ei tarkoita, että sisältö pitäisi pilkkoa pieniksi paloiksi tai että otsikoita pitäisi lisätä. Google kirjoittaa suoraan, ettei sisältöä tarvitse jakaa pieniksi osiksi, jotta tekoäly ymmärtäisi sen paremmin (Google Search Central). Tarkistin myös, auttavatko useammat otsikot pääsemään top 3:een. 632 sivulla 119 englanninkielisen kyselyn top 10:stä, yritysohjelmistojen alalta (Yhdysvallat, 26. syyskuuta 2026), vetosuhde oli 0,95 (95 %:n luottamusväli: 0,81-1,12), ja tekstin pituus huomioiden 1,00. Top 3:ssa olevien sivujen osuus oli lähes sama kolmessa ryhmässä, joissa otsikoita oli vähiten, keskimäärin ja eniten: 32 %, 34 % ja 32 %. Se on sama testi, josta kirjoitan SEO-strategiatekstissä: yksi ala ja yksi mittauspäivä. Se riittää kuitenkin siihen, etten lisää otsikoita sijoituksen parantamiseksi: otsikon tehtävä on kertoa, mistä sen alla oleva katkelma kertoo.

Puolalaiset kysymykset, englanninkieliset alikyselyt

Aineistossani osa puolalaisten kysymysten alikyselyistä oli englanniksi. 81:ssä 277:stä puolalaisille hakusanoille muodostetusta alikyselystä ei ollut puolan kielen piirteitä. Esimerkiksi puolalainen kysymys tuoteluokan rankingista muuttui englanninkieliseksi kyselyksi, jonka nimessä oli vuosiluku. Se on karkea heuristiikka yhdellä aineistolla, mutta se riittää siihen, että puolalaisen brändin kohdalla tarkistan myös, mitä englanninkieliset lähteet siitä sanovat.

Miten pääset mallin muistiin?

Mallin muistia et muuta pelkällä omalla sivullasi: merkitystä on sillä, mitä sinusta kirjoittavat muut. Malli oppii suurista tekstiaineistoista, jotka on kerätty ennen koulutuksen päättymistä. Jos brändistä kirjoittaa pääasiassa se itse ja muiden lähteet ovat vanhoja tai ristiriitaisia, malli toistaa vanhan tai ristiriitaisen kuvan. Minulla ei ole mittausta siitä, kuinka nopeasti mallien muisti päivittyy. Oletan, että vasta seuraavissa versioissa, joten kolmen kuukauden aikajänteellä en lupaa tässä mitään.

Omalla brändilläni näen molemmat virhelähteet yhtä aikaa. Gemini kuvaili minua työnantajalla, jonka palveluksessa olin useita vuosia sitten, preesensissä, ja rogala.pro:ta ”rakenteilla olevana” sivuna. Kaksi kuvausta, joita mallit toistivat minusta useimmin, ovat sanasta sanaan peräisin elämäkerrastani alan sivustolla, joka näkyy korkealla Googlessa nimelläni. Tätä työnantajaa nykyisenä ei kuitenkaan mainitse yksikään niistä 26 sivusta, jotka tarkistin etu- ja sukunimelläni haetuista tuloksista, joten virhe on todennäköisesti mallin muistissa. Tarkistan sen samoilla kysymyksillä, kun elämäkerta on päivitetty.

Mitä malli muistaa brändistä, voit tarkistaa itse ilman tekoälynäkyvyyden työkaluja. Esitä kysymykset brändistä ilman pääsyä hakuun, todennäköisimmin API:n kautta ilman hakutyökalua. Kysy, mitä brändi tekee, kenelle ja mistä lähtien se toimii, jokainen kysymys kolme kertaa. Vertaa sitten vastauksia tosiasioihin ja kirjaa erikseen, mikä on ajantasaista, mikä vanhentunutta ja mikä keksittyä.

Maininnat ilman johdonmukaista brändin määritelmää toistavat vanhaa kuvausta, joten aloitan identiteetistä. Järjestykseni:

• yksi brändin määritelmä, sama sivulla, profiileissa ja elämäkerroissa muiden sivustoilla;
• jäsennelty data tunnisteineen, jotka tarkistin käsin;
• merkinnät tietopankeissa, kuten Wikidata, vain siellä, missä on lähteitä, jotka ne vahvistavat;
• vasta sen jälkeen maininnat ja julkaisut paikoissa, joita toimittaa joku muu.

Tunniste pitää avata ja lukea, ennen kuin se päätyy sivun koodiin. 5. lokakuuta 2026 huomasin, että Knowledge Graph -tunniste, joka oli edellisestä päivästä asti rogala.pro:n jäsennellyssä datassa, johtaa samannimisen näyttelijän paneeliin. Noin vuorokauden ajan sivuni ilmoitti hakukoneille, että olen näyttelijä. Tarkistus kestää minuutin: osoite google.com/search?kgmid= tunnisteen kera näyttää, kenelle se oikeasti kuuluu.

Wikidata ei osta paikkaa, jolle ei ole lähteitä. Wikidata vaatii lähteet elävien ihmisten tiedoille, joten siinä ei voi ilmoittaa erikoisalaa, josta kukaan muu kuin sinä ei ole kirjoittanut. Siksi aloitin omalla kohdallani julkaisuista paikoissa, joita toimittavat muut, en tietokantamerkinnästä.

Mikä AI SEO:ssa toimii ja mikä on myyttiä?

Jaan GEO-väitteet todisteiden vahvuuden mukaan. Dokumentoitu tarkoittaa, että hakukoneen dokumentaatio vahvistaa sen, ja oma mittaukseni on tulos yhdestä kokoonpanosta, jonka toistan. Kumottu ja ei osoitettu ovat väitteitä, jotka testasin omalla datallani ja jotka eivät kestäneet tai eivät ratkaisseet mitään. Ilman todistetta ovat suositut neuvot, joiden takana ei ole mittausta ja joskus on päinvastainen todiste.

Ei ole näyttöä siitä, että llms.txt-tiedosto ja sivujen Markdown-versiot auttavat pääsemään tekoälyn vastauksiin. Google kirjoittaa, että näkyvyyteen sen haussa ei tarvitse luoda uusia koneille tarkoitettuja tiedostoja, tekoälyn tekstitiedostoja, merkintöjä eikä Markdownia (Google Search Central). Kun heinäkuussa 2026 tarkistin 10 portfolioni verkkotunnusta, yksikään ei tarjonnut tekoälyagenteille Markdown-versiota. Rogala.pro:lla jokaisella sivulla on 8. lokakuuta alkaen Markdown-versio ja llms.txt-tiedosto, ja 8. marraskuuta asti mittaan palvelinlokeista, lataako niitä kukaan. Puolassa hakusanalla ”llms txt” on noin 720 hakua kuukaudessa, joten kirjoitan aiheesta erikseen.

Jäsennelty data kuvaa brändin hakukoneelle, mutta ei ole näyttöä siitä, että se tuottaa lainauksia. Google kirjoittaa, että jäsennelty data ei ole pakollista generatiivisessa haussa eikä ole erityisiä schema.org-merkintöjä, jotka pitäisi lisätä (Google Search Central). Seer Interactiven Matt Buxbaum analysoi 8 500 hakusanaa AI Overview -yhteenvedoilla ja 6 354 sivua, jotka saivat niissä ensimmäisen lainauksensa: schema ja E-E-A-T-signaalit liittyivät voittoon heikoimmin, ja sivut, joilla oli eniten FAQ- ja HowTo-merkintöjä, pärjäsivät noin 10 kertaa huonommin (Seer Interactive, 28.5.2026). Se on korrelaatio, joten en tiedä, haittaavatko merkinnät, mutta en lue tätä dataa todisteena hyödystä. Käytän jäsenneltyä dataa entiteetin kuvaamiseen (kuka, mitä, missä, mitkä tunnisteet), koska siihen se on tarkoitettu. Omaa testiä sen vaikutuksesta tekoälyn vastauksiin en ole vielä saanut valmiiksi.

Maininta ja lainaus ovat kaksi eri asiaa, ja moni raportti sekoittaa ne. Petrovic erottaa kolme tapahtumaa: sivun, jonka järjestelmä haki vastauksen aineistoksi, lainauksen eli sivun, joka näytetään lähteenä, ja maininnan eli brändin nimen vastauksen tekstissä, jonka käyttäjä lukee ja muistaa (Dejan, 7.7.2026). Brändiä voidaan lainata ilman mainintaa tekstissä ja mainita ilman sivun lainaamista. Siksi mittaan nämä kaksi erikseen enkä laske niitä yhteen yhdeksi ”tekoälynäkyvyyden tulokseksi”.

Miten tarkistat, toimiiko AI SEO?

Ilman lähtötilaa et voi yhdistää tulosta mihinkään muutokseen, joten kirjaan sen ennen ensimmäistä korjausta. Lähtötilaan kuuluvat sanatarkasti kirjatut kysymykset, mallien nimet ja versiot, päivämäärä ja markkina. Muodostan kysymykset kysyntädatasta ja Search Consolesta, ja suurin osa niistä ei sisällä brändin nimeä, koska nimi kysymyksessä vihjaa mallille vastauksen. Kahden ryhmän kysymyssarjan, jossa ryhmät rakentuvat sijoituksesta, kuvaan tekstissä SEO-strategiasta.

Viisi asiaa mittaan erikseen, koska jokainen voi mennä eri suuntaan:

1. Brändin maininta vastauksen tekstissä.
2. Sivun lainaus lähteenä.
3. Se, hakiko malli ylipäätään verkosta, eli haku ja muisti erikseen.
4. Liikenne tekoälyavustajista analytiikassa, joka on aina alaraja, koska osa käynneistä tulee ilman lähdetietoa.
5. Liikenne Googlesta samalla ajanjaksolla, ettei tekoälyyn tehty muutos tapahdu tavallisten tulosten kustannuksella.

Chattien vastaukset ovat satunnaisia, joten esitän saman kysymyksen kolme kertaa kerralla. AI Overview on vakaa, ja siihen riittää yksi haku. Tekoälynäkyvyyden työkalun luvun luen aina yhdessä nimittäjän kanssa: se on osuus minun kysymyssarjastani eikä ”osuus tekoälymarkkinasta”, jota kukaan ei tunne.

Mitä teen omalla sivustollani ja mitä en vielä tiedä?

Olen puhunut tekoälystä haussa julkisesti vuodesta 2016 lähtien, eikä omalla brändilläni ole vielä paikkaa tekoälyn vastauksissa, ja siitä kokeiluni alkoi. Lähtötila 26. heinäkuuta 2026: rogala.pro:lla ei ollut yhtään lainausta yhdelläkään Ahrefsissa Puolalle tarkistetuista 7 tekoälypinnasta, ja 6 tarkistuksessa kolmella alustalla, kysymyksissä ilman nimeäni, yksikään malli ei maininnut minua. Kun minusta kysyttiin nimellä, malli toisti usean vuoden takaisen kuvauksen. Se on yksi mittaus ja ilman ChatGPT:tä, koska työkalu, jolla keräsin vastaukset, ei palauttanut sille tuloksia, joten pidän sitä lähtöpisteenä enkä todisteena.

Töiden järjestys seuraa datasta: ensin identiteetti, sitten kattavuus. Yhtenäistin yhden määritelmän profiileissa (LinkedInissä 30 kieliversiona), tarkistin tunnisteet jäsennellyssä datassa (siitä näyttelijäsattuma), rakensin sivuston ja blogin 27 kielelle Markdown-versioineen. Kattavuus eli julkaisut ja maininnat muiden medioissa tulee vasta sen jälkeen.

En vielä tiedä, toimiiko tämä. Ensimmäisen toistomittauksen tekoälyn vastauksille suunnittelin alkamaan 1. marraskuuta 2026, ja Markdown-tiedostojen mittauksen tulos tulee 8. marraskuuta jälkeen. Lisään tulokset tähän tekstiin, myös jos ne ovat nollia.

Usein kysyttyä AI SEO:sta

Mistä aloittaa?

Kolme ensimmäistä askelta eivät maksa muuta kuin aikaa. Tarkista, saavatko tekoälyhakukoneiden robotit sivustosi. Esitä kolme kertaa kerralla muutama kysymys, joita asiakkaasi esittävät, ilman brändisi nimeä, ja kirjaa, ketä mainitaan ja ketä lainataan. Lue, mitä Googlen tulokset sanovat pelkästä brändisi nimestä, koska samoista lähteistä mallit ammentavat. Jos tulos yllättää sinut, se on hyvä aihe konsultointiin.