Gruppér søgeord i topics

Kort fortalt: Gruppér søgeord efter intent og emne, så der kan bygges stærke content clusters. Denne prompt er bygget til at give modellen nok kontekst til at levere et resultat, du faktisk kan bruge – samtidig med at den begrænser gæt og generisk fyld.

Hvornår er prompten nyttig?

Brug den, når du vil gruppér søgeord i topics og har brug for en mere systematisk arbejdsgang end en løs én-linjers instruktion. Den fungerer især godt, når du indsætter dit eget materiale i stedet for at bede AI om at gætte konteksten.

Promptens rolle er formuleret som SEO-strateg med fokus på topical architecture. Det betyder ikke, at modellen bliver en rigtig ekspert, men rollen hjælper med at styre fokus, terminologi og hvilke kontrolspørgsmål den bør stille.

Det skal du give AI

• Liste med søgeord
• Evt. URL’er eller eksisterende sider
• Målgruppe og marked

Du behøver ikke have alle punkter klar. Mangler noget afgørende, instruerer prompten AI om at spørge i stedet for at udfylde hullet selv. Det er særligt vigtigt ved SEO-data, kundedata, priser, resultater og andre oplysninger, hvor en opdigtet detalje kan gøre outputtet misvisende.

Sådan arbejder prompten

1. Gruppér efter fælles intent og emne – ikke kun ordlig lighed
2. Vurder hvilke søgeord der bør dækkes på samme URL
3. Navngiv hver cluster med en tydelig parent-intent
4. Flag cannibalisering og emner der kræver selvstændige sider

Eksempel på input

Er dit input langt, kan du med fordel indsætte dokumentet eller data først og derefter sende selve prompten. Ved store opgaver er det ofte bedre at få analyse og disposition godkendt, før modellen producerer det endelige output.

Hvad får du tilbage?

Clusters i tabel med primært emne, tilhørende søgeord, intent, anbefalet sidetype og foreslået URL.

Fejl prompten hjælper dig med at undgå

• én side pr. long-tail automatisk
• at bruge søgevolumen der ikke er leveret
• at gruppere forskellige intents fordi de deler ét ord

Kvalitetssikr altid det færdige svar. AI kan være overbevisende, selv når den tager fejl. Kontroller især tal, links, citater, juridiske eller medicinske forhold, produktfunktioner og oplysninger der kan have ændret sig.

Tilpas prompten til ChatGPT, Claude eller Gemini

Selve strukturen er modeluafhængig. I ChatGPT, Claude og Gemini kan du bruge den direkte og derefter forbedre resultatet med opfølgende instruktioner. Arbejder du med filer eller meget lang kontekst, så fortæl modellen hvilke dele af materialet der har højest prioritet, og bed den henvise tilbage til inputtet, når den drager en konklusion.

Sådan ser et stærkt input ud

Et realistisk eksempel er et ark med 300 søgeord om elbiler og opladning. Det vigtigste er ikke at kopiere eksemplet ordret, men at give modellen de oplysninger der afgør kvaliteten. Fjern tomme felter, prioriter de vigtigste krav og indsæt originale data, når opgaven afhænger af dem.

Ved professionelle opgaver bør du også skrive hvad modellen ikke må antage. Det kan være priser, resultater, søgevolumen, juridiske forhold eller interne beslutninger. På den måde bliver manglende viden synlig i stedet for skjult i et overbevisende svar.

Sådan vurderer du outputtet

Et godt svar på denne prompt bør ende med topics med primær side, støtteindhold og usikre overlaps. Brug nedenstående kriterier som et lille review, før du kopierer resultatet videre til en kunde, kollega eller publicering.

• Grupperer efter intent og emne, ikke kun ordlig lighed.
• Marker potentielle cannibalization-risici.
• Foreslår færre stærke url’er frem for mange tynde.
• Alle vigtige fakta, tal, links og navne kan kontrolleres mod en kilde eller dit eget input.
• Outputtet kan bruges i den næste arbejdsgang uden at du først skal gætte hvad modellen mente.

Brug prompten som et workflow – ikke som et engangstrick

Den første generation bør sjældent være sidste trin. Bed modellen vise de valg, der påvirker resultatet, og arbejd derefter videre på de svageste dele. Det giver mere kontrol end at sende samme hovedprompt igen og håbe på et bedre svar.

1Indsæt råmateriale og definer målet.

2Få analyse eller struktur før fuld produktion.

3Review efter faste kvalitetskriterier.

4Forbedr kun de dele der faktisk fejler.

Tre gode opfølgninger

1. Vis hvilke clusters der bør være én side.
2. Marker søgeord der kræver manuel SERP-kontrol.
3. Lav en foreslået hub/spoke-struktur.

Hvornår skal du ikke bruge prompten alene?

Hvis resultatet påvirker økonomi, jura, sikkerhed, ansættelse, medicin, persondata eller en vigtig forretningsbeslutning, bør AI-output være et arbejdsudkast og ikke den endelige autoritet. Brug relevante fagkilder og en menneskelig godkendelse. Det samme gælder når opgaven kræver aktuelle data, som ikke er en del af dit input.

Arbejdsskabelon til gruppér søgeord i topics

Brug denne prompt i tre passager i stedet for at presse hele opgaven ind i én generation. Første passage handler om forståelse: bed modellen opsummere opgaven, pege på manglende input og gentage de vigtigste begrænsninger. Anden passage handler om produktion: få selve leverancen i det format du har bedt om. Tredje passage er review: få modellen til at kontrollere sit eget output mod dine kriterier, men lav stadig din egen faglige kontrol bagefter.

Passage 1Forstå

“Gentag målet, list manglende data og fortæl hvad du ikke kan dokumentere ud fra mit input.”

Passage 2Producer

“Lav nu outputtet. Følg de prioriterede krav og markér antagelser direkte dér hvor de bruges.”

Passage 3Review

“Kontrollér resultatet mod kravene. Vis kun konkrete fejl, mangler eller steder der kræver menneskelig verifikation.”

Metoden gør det nemmere at opdage når et dårligt resultat skyldes manglende input frem for en dårlig formulering. Den gør også prompten lettere at genbruge, fordi du kan ændre data og krav uden at omskrive hele arbejdsformen.

Gem en version når opgaven gentages

Til tilbagevendende arbejde bør du gemme en lille version note: hvad prompten bruges til, hvilket input der kræves, hvilke cases den er testet på, og hvilke kendte fejl der stadig findes. Det er især nyttigt i teams, hvor “den gode prompt” ellers hurtigt ender som fem næsten ens dokumenter uden en fælles standard.