Ditt innehåll är inte svaret längre
![[OPT 2] IMG CMO – Editorial – ai operations from a head of product marketing-30851](https://thecmo.com/wp-content/uploads/sites/8/2026/07/OPT-2-IMG-CMO-–-Editorial-–-ai-operations-from-a-head-of-product-marketing-30851-792x446.jpg)
LLM-påverkan: Innehåll konsumeras i allt högre grad av LLM:er i stället för mänskliga läsare, vilket påverkar trafik och engagemang.
Innehållsförändring: Marknadsföringsteam måste anpassa sig till ett digitalt landskap där LLM:er sammanställer innehåll, vilket gör traditionella strategier mindre effektiva.
Personaliseringsutmaning: LLM:er anpassar svar utifrån användarens sammanhang, vilket försvårar arbetet med att säkerställa varumärkets synlighet och kommunikation.
Varumärkessärprägel: Specifika perspektiv och varumärkesidentitet kan gå förlorade när LLM:er sammanställer innehåll, vilket skapar en utmaning för varumärkesigenkänning.
Innehållsstrategi: Fokusera på tydlighet och struktur och se till att innehållet överensstämmer med köparnas frågor för att förbättra identifierbarheten.
Din innehållsstrategi för LLM:er läses av någon som du inte skrev den för.
Nu sammanställer modeller dina sidor till ett omformulerat svar som din köpare läser innan de ens hittar till din webbplats.
Så om dina trafiksiffror för andra kvartalet ser märkliga ut är det här anledningen. Andrea Saez, chef för produktmarknadsföring och AI-lansering på Turtl och medförfattare till The Product Momentum Gap, såg den här förändringen tidigt.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
"Folk går helt enkelt inte till webbplatser längre", säger hon, "de ställer frågor till en LLM och får en lista över leverantörer."
De flesta marknadsföringsteam skriver fortfarande för den mänskliga läsaren. Men läsaren har redan gått vidare.
Publikens vanor har förändrats
Mängden innehåll som ditt team producerar minskar sannolikt inte, men problemet nu är vem som tar emot det.
I flera år har du strukturerat innehåll för en mänsklig läsare som navigerar på Google. Du skrev artiklar eller funktionsbeskrivningar som skulle vara enkla att skumma igenom, ha en tydlig berättarstruktur och erbjuda specifika detaljer som gör ett abstrakt koncept lättare att förstå. Formeln fungerade.
Nu menar Saez att det mesta innehållet bearbetas av LLM:er innan en köpare någonsin når det. De får ett sammanställt svar som formas av hur modellen tolkade deras fråga. Och nu kanske din sida aldrig laddas för dem över huvud taget.
Innehållet blir faktiskt längre och längre eftersom man måste försöka få med allt det här, säger hon. "Men ingen läser det egentligen. Innehållet vi skapar är i praktiken bara till för att LLM:en ska kunna extrahera det.
Mellan anekdoter, tydlighet och berättarstruktur är artiklar utformade för att hjälpa en mänsklig läsare att förstå något. Och inget av detta är optimerat för maskinell inläsning.
Det innehåll som fungerar bra i LLM:er är komplett, välstrukturerat och direkt relevant för frågan. Din köpare får i allt högre grad det som modellen väljer att visa.
Det finns ingen rankning i en LLM
Många har frågat hur man får sitt innehåll att rankas i en LLM. Sanningen är att vi inte vet.
Folk tror att man kan rankas i en LLM, men det kan man inte, säger Saez. "Det finns ingen rankning. Det bästa du kan göra är att försöka bli vald så ofta som möjligt.
Sök hade en karta. Sökord, bakåtlänkar, domänauktoritet. Visst, det var rörigt, men möjligt att följa. Du kunde se hur rankningen förändrades som svar på beslut du fattade.
Men modeller erbjuder inte det, och din innehållsstrategi för LLM:er måste ta hänsyn till detta.
Du kan köra samma prompt femton gånger och förekomma i tolv av dem. Det finns ingen tillförlitlig signal som förklarar varför du dök upp eller varför du inte gjorde det.
Det du kan göra är att se till att ditt innehåll besvarar frågorna som dina köpare faktiskt ställer, så precist som möjligt. Haken är att du inte får se frågan.
"Det finns inget sätt att faktiskt veta vilken fråga de ställer", säger Saez.
Du optimerar för en fråga som du aldrig ser, från en köpare vars beteende du inte längre kan följa på det sätt du brukade. Även om ditt team ännu inte har börjat brottas med det här har teamen runt omkring dig redan gjort det.
Personaliseringslagret gör det svårare
Det finns en aspekt av detta som ofta får för lite uppmärksamhet i de flesta AEO-diskussioner.
LLM:er går längre än att svara på frågor; nu är de anpassade för att svara specifikt till personen som ställer frågan. Ju mer en modell vet om den som frågar, desto bättre kan den anpassa svaret efter den personens sammanhang.
Två köpare som ställer samma fråga om din produktkategori kan få två helt olika svar – inget av dem kan du se eller förutse.
Saez delar med sig av en personlig anekdot för att förklara hur detta fungerar i realtid. Hon bad Claude rekommendera restauranger i Amsterdam och fick resultat som var exakt anpassade efter hennes preferenser eftersom modellen kände till dem. Hennes partner, som ställde samma fråga, skulle ha fått något annat.
Överför nu det till en B2B-kontext, säger hon. "Om jag är marknadsföringschef går jag till en LLM och säger 'Hej, jag har det här specifika problemet.' Hur personaliserar den då resultaten för dem? Och vad kan vi som marknadsförare göra för att säkerställa att vi hamnar bland de resultaten? Jag har ingen aning.
Saez har arbetat med detta längre än de flesta. Om hon inte har ett tydligt svar beror det på att något sådant ännu inte finns. Ödmjukhet och aktiva experiment är de enda ärliga arbetssätten just nu, och möjligheten att börja blir allt mindre.
Vad filtreras bort
Den svårare frågan är vad LLM-syntes faktiskt skalar bort.
Särprägeln i ditt perspektiv, det som gör ditt varumärke särskiljande snarare än utbytbart. Och det överlever inte komprimering särskilt väl. Det som överlever är svaret på frågan. Ditt varumärke plockas antingen ut som ett relevant svar, eller så dyker det inte upp.
”Som författare gör det mig verkligen ledsen”, sade Saez. ”Det saknar empati. Det saknar den mänskliga känslan.”
Om maskinen nu är den första läsaren, vad upplever din köpare när hen till slut möter ditt varumärke direkt? För många av dem kommer det inte att ske. De flesta kommer att ta det sammanställda svaret, lita på det och fatta ett beslut. Arbetet bakom förblir osynligt.
Det här är ett varumärkesproblem, inte bara ett innehållsproblem. Och det blir större ju längre du väntar med att ta itu med det.
Var ska man börja
Det finns ingen tydlig handbok för CMO:er. Och Saez var tydlig i sitt svar och påpekade att falsk säkerhet inte hjälper någon i denna era av innehållstolkning med LLM:er.
Det som står klart är att innehåll skrivet kring vad företaget vill säga, snarare än vad köparen försöker lära sig, filtreras bort.
Strukturen spelar nu större roll än stilen. Direkta svar, tydligt formulerade och placerade nära sidans början, är det som LLM:er kan tolka och lyfta fram – på samma sätt som ATS-system matchar nyckelord med källkandidater.
Och att testa hur lätt ni själva kan hittas med olika frågor och på olika plattformar är, även om metoden är inexakt, för närvarande en av de ärligaste signalerna som finns.
Håll ändå fast vid hantverket. De köpare som hittar fram till ert genomarbetade innehåll, som läser i stället för att bara ta det sammanställda svaret, är förmodligen era bästa köpare. Saez skriver fortfarande för dem, samtidigt som hon bygger om sin övergripande strategi för en värld som redan har gått vidare från sidan.
De flesta team har ännu inte helt satt ord på den här förändringen. De som har gjort det ligger redan flera steg före.
Vad händer härnäst?
Registrera ett kostnadsfritt konto på The CMO Club för insikter om marknadsföring och ledarskap direkt i din inkorg.
