AI Overviews 2026: Så optimerar du för citations (Answer Units, evidens och semantisk HTML)

AI Overviews (AIO) har i praktiken flyttat mållinjen för SEO. I många informationssökningar är det inte längre “rank #1” som avgör om du får trafik – utan om du blir en källa som Google (och andra AI-gränssnitt) väljer att visa/länka till.

Samtidigt pressas klickfrekvensen. Seer Interactive visar i sin Q3 2025-analys att queries med AIO tappat kraftigt i CTR – och att ”att bli citerad” korrelerar med mindre tapp jämfört med att inte citeras.

Quotable block #1

I AI Overviews är ”citerad” ofta den nya topplaceringen.

Ranking utan citation blir lätt en KPI utan kassaflöde.

I den här guiden får du en konkret modell för att göra dina sidor mer citerbara: Answer Units + Evidence Gate + semantisk HTML + korrekt structured data. Det är samma tänk som används i bra RAG-system: gör innehållet lätt att hämta, förstå och återanvända.

Varför citations är en ny kärn-KPI (inte bara ”nice to have”)

Seer Interactive studerade 3 119 informations-/utbildningsqueries (25,1M organic impressions) och jämförde CTR med/utan AIO och med/utan citation.

• När AIO fanns men varumärket inte citerades: organic CTR ~0,52% (−65,2% YoY).
• När AIO fanns och varumärket citerades: organic CTR ~0,70% (−49,4% YoY).

Det här bevisar inte kausalitet (Seer är tydliga med att citation kan hänga ihop med starkare varumärken/auktoritet), men det räcker för en praktisk strategi:

1. bygg sidor som kan bli citerade
2. mät det som citation/synlighet – inte bara position

Källa: https://www.seerinteractive.com/insights/aio-impact-on-google-ctr-september-2025-update

Google’s egen guidance för AI search: gör ”rätt” på samma sätt som alltid (fast mer rigoröst)

Google Search Central (maj 2025) säger i princip: fortsätt med people-first, unik nytta, bra page experience och se till att Google kan crawla och förstå sidan.

Några rader som är extra viktiga i en citation-strategi:

• Structured data måste matcha synligt innehåll (annars är det en risk, och kan helt enkelt ignoreras).
• Se över preview controls (nosnippet/max-snippet/noindex) – för restriktivt kan minska chans att synas i AI-format.

Källa: https://developers.google.com/search/blog/2025/05/succeeding-in-ai-search

Quotable block #2

AI-synlighet är ofta en “relevance engineering”-fråga, inte en copywriting-fråga.

Den som gör innehåll lätt att hitta och verifiera vinner.

Kärnmodellen: bygg en “Citation-Ready Page”

Det här är en enkel modell du kan använda på vilken landningssida eller artikel som helst.

Steg 1: Gör en “intent fan-out”

Utgå från en root query (t.ex. “AI Overviews SEO”) och lista 8–15 följdfrågor som en AI (och en människa) rimligtvis vill få svar på.

Exempel på underfrågor:

• Vad är AI Overviews?
• Hur påverkar AIO CTR och trafik?
• Hur blir man citerad?
• Vilken roll spelar structured data?
• Vad betyder “semantic HTML” i praktiken?
• Hur ska man tänka kring llms.txt?
• Vilka mätetal ersätter/kompletterar ranking?

Steg 2: Skriv 6–10 Answer Units (en fråga per block)

En Answer Unit är en semantiskt avgränsad “chunk” på sidan.

Kriterier för en bra Answer Unit

• Har en tydlig rubrik (ofta H3) som är en fråga eller ett påstående
• Svarar på exakt en sak
• Har 2–8 meningar + ev. lista/steps
• Första meningen ska fungera som en “featured snippet”
• Innehåller källa/data om du gör starka claims

Det här matchar ett centralt RAG-princip: om chunkningen är dålig blir retrieval dålig. Weaviate uttrycker det tydligt: när RAG presterar dåligt är det ofta chunkarna, inte retrievern.

Källa: https://weaviate.io/blog/chunking-strategies-for-rag

Steg 3: Inför “Evidence Gate” (ingen stark claim utan evidens)

Om du skriver:

• procent
• “studier visar…”
• “X är bäst”

…då ska du kunna peka på en källa eller en metodik.

Praktiskt: skapa en mini-logg (kan vara en intern markdown) där du mappar:

• claim → källa → var på sidan (Answer Unit-ID) → datum senast verifierad

Det här gör också content återanvändbart i pitchar och kundleveranser.

Steg 4: Semantic HTML som gör sidan “chunkbar”

Du vill att sidan ska vara lätt att:

• skumma (för människa)
• extrahera (för crawler/AI)
• dela upp i tydliga block (för embeddings/retrieval)

Minimiregler

• En H1
• H2 för större sektioner
• H3 för Answer Units
• Listor för steps/krav
• Definitioner där begrepp är centrala

Exempel: semantiskt “answer block”

<section aria-labelledby="aoi-ctr">
  <h3 id="aoi-ctr">Hur påverkar AI Overviews CTR?</h3>
  <p><strong>Kort svar:</strong> När AIO visas sjunker CTR ofta kraftigt, särskilt om du inte blir citerad.</p>
  <ul>
    <li>Om AIO finns men du inte citeras: lägre CTR.</li>
    <li>Om AIO finns och du citeras: mindre tapp (korrelation).</li>
  </ul>
  <p>Källa: Seer Interactive (Q3 2025).</p>
</section>

Poängen är inte aria-labelledby i sig (även om det hjälper tillgänglighet), utan att blocket är självförklarande och kan läsas fristående.

Steg 5: Structured data – men bara när det matchar sidan

Google är tydliga: markup måste matcha synligt innehåll.

Källa: https://developers.google.com/search/docs/appearance/structured-data/sd-policies

Exempel: Article (JSON-LD)

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "AI Overviews 2026: Så optimerar du för citations",
  "author": {
    "@type": "Person",
    "name": "Beyond Digital Marketing"
  },
  "datePublished": "2026-02-05",
  "dateModified": "2026-02-05",
  "mainEntityOfPage": "https://beyonddigitalmarketing.se/"
}
</script>

Exempel: FAQ (endast om frågorna faktiskt finns på sidan)

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "Hur blir man citerad i AI Overviews?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Skapa tydliga Answer Units med evidens, bra semantisk struktur och uppdaterade entiteter."
      }
    }
  ]
}
</script>

llms.txt: experiment, inte strategi

Det finns mycket snack om llms.txt. SEJ sammanfattar dock att det i praktiken är ett förslag, och John Mueller har kallat det onödigt att investera tid där utan bevis. Samtidigt shippar Yoast stöd eftersom efterfrågan finns och markdown är renare.

Min rekommendation:

• Om du är ett kunskaps-/innehållstungt site: testa llms.txt som komplement
• Men lägg 80% av insatsen på on-page: Answer Units + evidens + semantisk struktur

Källor:

• https://www.searchenginejournal.com/llms-txt-for-ai-seo/556576/
• https://yoast.com/features/llms-txt/

Quotable block #3

llms.txt kan bli en genväg – men den säkra vägen är fortfarande att göra HTML:en citerbar.

Hur du mäter “AI-synlighet” (praktiskt)

Om CTR faller generellt (Seer visar även fall utan AIO) behöver du komplettera.

Förslag på mätning (lätt att köra manuellt i början):

• Välj 10 prioriterade queries
• För varje query:
  • Finns AIO?
  • Är du citerad/omnämnd?
  • Är du supporting link?
  • Vilka 3 källor syns oftast?

Det här blir en baseline som du kan förbättra med content retrofits.

Snabb retrofit-plan: från “textmassa” till citerbar sida

1. Identifiera 1 sida som är kärna för affärsmålet
2. Bygg 8 Answer Units (H3) i toppen av sidan (co-location: svaren nära varandra)
3. Lägg in 2–4 “quotable blocks” (definition, steps, checklist, comparison)
4. Lägg in 3–6 källor där du gör starka claims
5. Validera structured data (om du använder det)
6. Kör om baseline-mätningen om 2–4 veckor

---

Checklista (att använda i WordPress-editor)

•  Jag har en tydlig H1 som matchar sökintention
•  Jag har 2–4 H2-sektioner med logisk struktur
•  Jag har 6–10 Answer Units (H3) som var och en svarar på en underfråga
•  Varje Answer Unit har en “takeaway” i första meningen
•  Alla starka claims (siffror, “studier visar”) har källa
•  Jag använder listor för steps/krav (inte bara brödtext)
•  Structured data (om jag har det) matchar synligt innehåll
•  Sidan är snabb och huvudcontent är tydligt från menyer/sidebars
•  Jag har en intern länk vidare (”nästa steg”) + en CTA