Gir strukturert data flere siteringer i AI-søk

Ikke direkte og ikke alene. En kontrollert Ahrefs-studie av 1885 sider som fikk lagt til JSON-LD fant ingen statistisk signifikant økning i siteringer på ChatGPT eller Google AI Mode, og et lite, signifikant fall for Google AI Overviews. Ingen større AI-leverandør har bekreftet at modellene deres vekter strukturert data direkte når de velger hva som skal siteres.

Bør vi da slutte å bruke strukturert data

Nei. Strukturert data styrker fortsatt tradisjonell SEO-rangering, og bedre organisk rangering henger tett sammen med sjansen for å bli sitert i AI-svar. Den hjelper også AI-modeller å klassifisere hva innholdet faktisk handler om, spesielt for produktdata i AI-shopping. Det den ikke gjør, er å fungere som en snarvei forbi behovet for godt innhold.

E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) er et rammeverk fra Googles Search Quality Rater Guidelines som brukes til å vurdere om innhold er skrevet av noen med reell erfaring og kompetanse på temaet, og om kilden kan stoles på. Det er ikke en direkte rangeringsfaktor i seg selv, men fanger opp de samme kvalitetstrekkene som både tradisjonelle søkealgoritmer og AI-modeller ser etter.

Hva er topisk autoritet

Topisk autoritet handler om at et nettsted dekker et tema bredt og dypt over flere artikler, ikke bare med én enkeltstående, velskrevet tekst. En AI-modell som skal vurdere hvem som er en pålitelig kilde på et felt, ser i praksis etter det samme tegnet på kompetanse som et menneske ville gjort: dekker denne kilden temaet grundig, eller er dette et enkeltstående forsøk?

Er strukturert data fortsatt relevant for nettbutikker spesifikt

Ja, i større grad enn for de fleste andre bransjer. Produktschema med pris, tilgjengelighet og spesifikasjoner er det AI-shoppingfunksjoner faktisk bruker for å vurdere og anbefale produkter, selv om det samme ikke nødvendigvis gjelder for generell artikkel-sitering.

Strukturert data og AI-sitering: myten om den direkte gevinsten

En rekke SEO-blogger hevder for tiden at strukturert data alene kan gi 2 til 3 ganger flere AI-siteringer, med referanser til uspesifiserte "studier" og løse anekdoter. En kontrollert studie fra Ahrefs, publisert i 2026, tegner et helt annet bilde.

Myten: strukturert data som en direkte siteringsknapp

Påstanden er fristende enkel: legg til riktig JSON-LD-markup, og AI-modeller som ChatGPT, Perplexity og Google AI Overviews vil begynne å sitere siden oftere. Den bygger på en naturlig, men feil, forlengelse av hvordan strukturert data fungerte i klassisk søk, der riktig markup ga rich snippets og stjernevurderinger i søkeresultatene. Siden det fungerte for synlighet før, antar mange at det samme prinsippet automatisk overføres til AI-sitering.

Problemet er at ingen stor AI-leverandør noensinne har bekreftet at modellene deres vekter strukturert data direkte når de velger hva som skal siteres i et generert svar.

Hva en kontrollert studie faktisk viser

Ahrefs sporet 1885 sider som fikk lagt til JSON-LD-markup mellom august 2025 og mars 2026, og sammenlignet dem mot 4000 matchede kontrollsider som ikke fikk noen endring, for å isolere effekten av selve strukturert data-tillegget. Resultatet etter 30 dager: Google AI Mode økte 2,4 prosent og ChatGPT økte 2,2 prosent, begge tall innenfor det som regnes som statistisk støy. Google AI Overviews falt 4,6 prosent, det eneste tallet som faktisk var statistisk signifikant, og det gikk altså i feil retning.

Med andre ord: å legge strukturert data til en side som allerede er synlig, ga ingen målbar siteringsgevinst i noen av plattformene som ble undersøkt.

Hva en LLM faktisk leter etter

For å forstå hvorfor strukturert data alene ikke flytter nålen, hjelper det å tenke på hva en AI-modell faktisk prøver å gjøre når den genererer et svar. Den leter ikke etter maskinlesbare etiketter. Den leter etter kunnskap og informasjon om et tema fra en kilde den kan stole på er korrekt, fordi modellen selv står ansvarlig for at svaret den gir videre til brukeren faktisk stemmer.

Det er nøyaktig det samme spørsmålet Googles kvalitetsvurderere har stilt om vanlige søkeresultater i over ti år, formalisert gjennom rammeverket E-E-A-T: Experience, Expertise, Authoritativeness og Trustworthiness. Er dette skrevet av noen med reell erfaring og kompetanse på temaet? Anerkjenner andre kilder denne som en autoritet? Kan innholdet stoles på?

Tenk deg to artikler om hvordan man setter opp fakturaautomatisering med AI. Den ene er generisk, uten navngitt forfatter, og gjentar råd som finnes identisk på tjue andre sider. Den andre viser konkret hvordan løsningen faktisk er bygget, med reelle detaljer som avslører at forfatteren har gjort arbeidet selv, ikke bare skrevet om det. Begge kan i prinsippet ha identisk strukturert data. Bare én av dem gir en AI-modell grunn til å stole på at informasjonen faktisk stemmer, og dermed grunn til å sitere den fremfor de tjue andre.

Strukturert data sin reelle, indirekte rolle

Ingenting av dette betyr at strukturert data er bortkastet tid, bare at den virker annerledes enn myten antar.

Den viktigste indirekte gevinsten er koblingen til tradisjonell SEO. Ahrefs har separat funnet at 76 prosent av sidene som siteres i Google AI Overviews også rangerer i topp ti i vanlig organisk søk. Strukturert data er fortsatt en anerkjent del av god teknisk SEO, og styrker dermed den organiske rangeringen som AI-sitering i stor grad ser ut til å følge, selv om den ikke gir noen direkte siteringsgevinst på egen hånd.

Strukturert data spiller også en reell rolle i å hjelpe AI-modeller med å klassifisere hva innhold faktisk handler om, spesielt for produktdata. AI-shoppingfunksjoner er avhengige av at pris, tilgjengelighet og spesifikasjoner er korrekt merket for i det hele tatt å kunne vurdere og anbefale et produkt riktig, et poeng som gjelder direkte for norske nettbutikker som ønsker å bli funnet av AI-agenter som handler på vegne av kunder.

Topisk autoritet: bredde teller like mye som dybde

E-E-A-T handler om hvorvidt én enkelt kilde fremstår kompetent. Topisk autoritet er den nære slektningen som handler om bredden i det samme: dekker nettstedet et tema grundig over flere artikler, eller er dette et enkeltstående forsøk uten sammenheng til noe annet?

En AI-modell som skal vurdere hvor pålitelig en kilde er på et felt, ser i praksis etter det samme tegnet et menneske ville lett etter. Én god artikkel om GEO beviser lite alene. Flere artikler som til sammen dekker søk, AI-synlighet og de tekniske forutsetningene som ligger under, bygger derimot et mønster en AI-modell kan gjenkjenne som reell kompetanse på feltet, ikke bare ett enkeltstående, velskrevet forsøk.

Konklusjon

Strukturert data er fortsatt verdt å implementere riktig, bare ikke fordi den alene gir flere AI-siteringer. Den styrker den organiske rangeringen AI-sitering i stor grad følger, og hjelper AI-modeller å klassifisere innhold korrekt, spesielt for produktdata. Det som faktisk avgjør om en kilde blir sitert, er om AI-en oppfatter den som en kunnskapsrik, pålitelig autoritet på temaet, akkurat det E-E-A-T og topisk autoritet er laget for å fange opp.