Att bli rekommenderad av ChatGPT och Perplexity: vad som faktiskt fungerar för kliniker

Be ChatGPT nämna en bra hudklinik i Phoenix, så får ni flera namn. Ställ samma fråga till Perplexity och ni får en kortlista med källhänvisningar under. Ingen av assistenterna känner till er verksamhet. Båda gör något mer vardagligt än det ser ut: kör en sökning, läser ett antal sidor och sammanfattar det de hittar. Att förstå den processen är hela poängen, eftersom den visar var en rekommendation faktiskt kan vinnas och var arbetet går till spillo.

Den här artikeln handlar om ett specifikt ögonblick: en patient ber en assistent nämna en klinik, och ert namn finns antingen i svaret eller inte. Den bredare frågan om hur en klinikwebbplats bör struktureras för AI-driven sökning har vi tagit upp separat i AI-sökoptimering för kliniker. Här fokuserar vi på hur omnämnandet förtjänas.

Vad som faktiskt händer när en patient frågar efter en klinik

Assistenterna som era patienter använder svarar inte ur minnet. För allt som är lokalt, aktuellt eller kommersiellt – ”bästa knäkirurgen nära mig”, ”recensioner hårtransplantationsklinik Madrid”, ”vem gör vaken sedering i Austin” – startar modellen först ett hämtningssteg. Den formulerar en eller flera sökfrågor, hämtar in en uppsättning sidor, läser dem och genererar ett svar grundat i det den just läst.

Vilket index den hämtar från beror på assistenten. ChatGPT:s sökning och Microsoft Copilot lutar sig tungt mot Bing. Perplexity kör en egen crawler vid sidan av tredjepartsindex. Googles AI Overviews och AI Mode utgår från Googles index. Andra assistenter licensierar en sökleverantör under huven. Detaljerna skiftar – avtal ändras, crawlers byggs om, funktioner byter namn – men strukturen har legat fast: hämta först, sammanfatta sedan.

Den praktiska följden är den som de flesta kliniker missar. Det finns ingen separat ”AI-kanal” vid sidan av sök som optimeras med andra metoder. Om era sidor inte går att hämta i Bing och Google på de frågor patienter faktiskt skriver, finns de inte i urvalet som modellen läser, och ingen mängd skickligt formulerad text ändrar det. Vanlig medicinsk SEO blev inte överflödig; den blev inträdesbiljetten. Särskilt Bing förtjänar betydligt mer uppmärksamhet än de flesta kliniker ger den, just för att den matar assistenten med den största konsumentpubliken.

Er egen webbplats kan bara göra en del av jobbet

Här kommer den obekväma delen. När en modell sätter ihop en rekommendation behandlar den er webbplats som en part med egenintresse. Påståendet att ni är regionens ledande klinik väger ungefär lika mycket som samma påstående från en främling på en fest – något, men inte mycket. Det som gör skillnad är bekräftelse från sidor ni inte kontrollerar.

Det är därför samma namn återkommer i AI-svar inom en och samma ort. De klinikerna finns på tredjepartssidor som modellen hämtar vid sidan av deras egen webbplats: katalogposter med kompletta och enhetliga profiler, sammanställningar av typen ”bästa klinikerna i X” publicerade av lokala medier eller patientportaler, recensionsplattformar, medlemssidor hos branschförbund, lokalpress, citerade kommentarer i branschmedier. Inget av detta skriver ni själva. Ni förtjänar det – eller, när det gäller kataloger, gör helt enkelt anspråk på posten och fyller i den.

Mönstret är lättast att observera hos Perplexity, eftersom källorna visas. Den nedvärderar synligt ett företags eget säljspråk och plockar kandidatnamn ur jämförelsesidor och listartiklar skrivna av andra. Om er klinik saknas i varenda tredjepartslista som täcker er ort och specialitet ber ni en assistent att lyfta fram er enbart på ert eget ord, och det gör den vanligtvis inte.

Ordningen spelar roll. Gör anspråk på profilerna och fyll i dem först – gratis, snabbt, och de matar entitetssignalerna nedan. Sök sedan äkta omnämnanden från tredje part: lokala journalister, specialistföreningar, patientinformationsportaler, poddar, sjukhussamarbeten. Den delen är långsam och ingen kan ta en genväg förbi den.

Entitetsproblemet: kan en assistent avgöra att ni finns på riktigt?

Innan en modell rekommenderar er måste den vara någorlunda säker på att er klinik är en avgränsad, verklig organisation och inte ett namn den halvt känner igen. Här faller förvånansvärt många i övrigt välmarknadsförda kliniker.

Assistenter avgör entiteter genom att leta efter samstämmighet mellan oberoende källor. När namn, adress och telefonnummer skiljer sig åt mellan sidfoten på er webbplats, er Google Business Profile, en gammal katalogpost och försäkringsbolagets vårdgivarlista som fortfarande visar en lokal ni lämnade 2021, finns ingen tydlig signal att förankra i. Oklarheter löses genom att ni utelämnas, inte genom att modellen gissar till er fördel.

Några saker värda att granska det här kvartalet:

• Enhetliga uppgifter för namn, adress och telefon i varje förteckning ni kan hitta, även de ni glömt att ni skapat. Sök på ert telefonnummer inom citattecken och se vad som kommer tillbaka.
• Dubbletter och övergivna poster från gamla adresser, tidigare kliniknamn eller profilen för en delägare som slutat.
• Strukturerad data på webbplatsen: uppmärkning med Organization eller MedicalClinic och LocalBusiness på start- och mottagningssidor, Person för behandlare, FAQPage där ni verkligen besvarar frågor. Det framtvingar ingen källhänvisning, men det tar bort oklarheter om vilka ni är och vad ni gör.
• En verklig, identifierbar författare bakom kliniskt innehåll. En namngiven behandlare med redovisade meriter, en presentationssida och närvaro på andra håll på webben (föreningsregister, publikationer, sjukhusens personalsidor) är en starkare signal än ”redaktionen”.
• Profiler som stämmer överens om tjänsteutbud, språk och öppettider. Motsägelser mellan era egna profiler är ett självförvållat problem.

Skriv sidor som en assistent kan lyfta en mening ur

Modeller extraherar. De vill ha ett stycke som besvarar frågan rent och som kan citeras eller omformuleras utan att det omgivande stycket faller isär. Den preferensen får praktiska följder för hur ni skriver.

Börja med svaret. Handlar sidan om läkningstid efter näsplastik ska de två första meningarna ange läkningstiden, med förbehållen efter i stället för före. Säljande inledningar trycker ner det extraherbara innehållet i modellens uppmärksamhet, precis som hos en människa som skummar texten.

Var konkreta. Namngivna behandlingar, namngivna medicintekniska produkter, namngivna tillstånd, faktiska siffror, faktiska prisintervall där ni är beredda att publicera dem, faktiska tidsåtgångar. Vaga lugnande formuleringar går inte att extrahera – det finns inget i ”vi arbetar med ett personligt bemötande” som en assistent kan ge vidare till en patient.

Använd rubriker i frågeform som matchar hur patienter uttrycker sig, och låt varje sida besvara en fråga fullständigt i stället för att snudda vid sex frågor ytligt. En sida som helt besvarar ”hur lång tid tar osseointegration vid tandimplantat” har större chans att hämtas och citeras än en tjänstesida som nämner implantat bland elva andra behandlingar.

Recensioner fungerar som filter, inte bara som socialt bevis

När en assistent snävar in en lista över lokala vårdgivare är recensionsdata en av få kvalitetssignaler den har som inte är självrapporterad. Antal, aktualitet och innehållet i det patienterna skrivit läses in. Recensioner som nämner specifika behandlingar och specifika behandlare är mer användbara för en modell än en vägg av femstjärniga betyg utan text, eftersom de kopplar er entitet till de tjänster patienten frågade om.

Hur den volymen byggs upp etiskt – när ni frågar, hur ni gör det enkelt, hur ni håller er inom plattformarnas regler och vårdens sekretesskrav – är ett ämne för sig, och vi har skrivit om det i hur ni får fler patientrecensioner. Poängen här är att recensionsarbetet numera ger avkastning två gånger: en gång hos patienterna som läser dem direkt, en gång hos systemen som avgör om ni över huvud taget nämns.

Kontrollera att AI-crawlers faktiskt når er webbplats

Det här är den minst glamorösa punkten på listan och den som oftast visar sig vara det verkliga problemet. En inte obetydlig andel webbplatser blockerar AI-crawlers utan att någon har beslutat det.

De user agents som spelar roll är GPTBot och OAI-SearchBot (OpenAI), ClaudeBot, PerplexityBot och Google-Extended. Kontrollera två ställen, inte ett. Först er robots.txt – en tidigare utvecklare eller ett SEO-plugin kan ha lagt in generella disallow-regler. Därefter, och det missas oftare, ert CDN eller säkerhetslager. Cloudflare, Akamai och andra levererar reglage för att blockera AI-bottar med ett klick och hanterade botregler som verkar på nätverksnivå, helt oberoende av vad er robots.txt säger. En webbplats kan leverera en fullt tillåtande robots.txt medan CDN:et i tysthet returnerar en blockeringssida till varje AI-crawler som dyker upp.

Värt att veta: crawlarna har olika uppgifter. Vissa hämtar innehåll för modellträning, andra hämtar sidor i realtid för att besvara en pågående fråga. Att blockera träningscrawlarna är ett legitimt redaktionellt beslut. Att blockera de söknära tar bort er ur svaren. Blockerar ni, gör det medvetet och håll isär vilka som är vilka.

Vad som inte fungerar

En del av det som säljs som AI-sökoptimering gör ingenting.

llms.txt är ingen strömbrytare. Den föreslagna filen som talar om för assistenter hur er webbplats ska läsas är billig att publicera och ofarlig, men ingen större assistent läser den i dag som underlag för svar. Se den som en billig chansning på en standard som kanske slår igenom, inte som en spak att dra i.

Nyckelordsstoppning är sämre än meningslöst. Modeller sammanfattar innebörd, inte termfrekvens. Upprepningar gör ett stycke svårare att extrahera rent.

AI-genererat massinnehåll bygger ingen auktoritet. Att publicera sextio tunna sidor ger sextio sidor som ingen länkar till och ingen citerar. Bekräftelseproblemet ovan löses inte genom att producera mer eget material.

Rekommendationen går inte att köpa. Det finns ingen annonsprodukt som placerar er klinik inne i ett organiskt assistentsvar. Där betalda placeringar finns på dessa ytor är de märkta och åtskilda från rekommendationen. Den som erbjuder garanterad inkludering säljer något som inte existerar.

Hur ni mäter något utan rankningsverktyg

Det finns ingen ren motsvarighet till en rapport över sökordspositioner här, och ärlig mätning innebär att acceptera viss oskärpa.

Börja med serverloggarna. Filtrera åtkomstloggarna på de user agents som listas ovan och bekräfta att crawlarna hämtar era sidor, vilka sidor och hur ofta. Det är det enda hårda förstahandsunderlaget ni har, och det besvarar åtkomstfrågan definitivt.

Testa sedan svaren. Bygg en fast lista med tjugo till trettio frågor som en patient realistiskt skulle ställa – frågor om behandlingar, jämförelsefrågor, ”bästa kliniken i [ort]”-frågor – och kör dem varje månad i ChatGPT, Perplexity, Copilot och Googles AI-ytor. Notera om ni nämns, vilka som nämns i stället och vilka källor som citeras. Källorna är er målbild: de visar exakt vilka tredjepartssidor modellen litar på inom ert ämne.

Följ hänvisningstrafiken från assistentdomäner i er webbanalys och håll ett öga på Bing Webmaster Tools vid sidan av Search Console. Acceptera sedan förbehållet: systemen är icke-deterministiska och personaliserade, resultaten varierar mellan sessioner och platser, och ingen – ingen byrå, inget verktyg – kan garantera en källhänvisning. Det ni kan göra är att bli det självklara, väl bekräftade och lätt verifierbara svaret och låta oddsen arbeta för er.

Vill ni ha ett par extra ögon på var glappet sitter för er verksamhet är den genomgången – synlighet i index, enhetliga entitetsuppgifter, närvaro hos tredje part och crawleråtkomst – det första vårt team på Medical Marketing gör. Oftast är svaret inte att innehållet är dåligt. Det är att ingenting utanför klinikens egen webbplats bekräftar att kliniken finns.

Vanliga frågor

Hjälper llms.txt min klinik att synas i AI-svar?

Inte i dag. llms.txt är en föreslagen standard för att tala om för assistenter hur en webbplats ska läsas, men ingen större assistent använder den som underlag när svar genereras i dag. Det kostar nästan ingenting att publicera och skadar inte, så se det som en billig chansning på framtida spridning snarare än en spak som ändrar något nu.

Kan jag betala för att synas i rekommendationer från ChatGPT eller Perplexity?

Nej. Det finns ingen annonsprodukt som för in er klinik i ett organiskt assistentsvar. Där betalda placeringar finns på dessa ytor är de märkta och hålls åtskilda från själva rekommendationen. Om en leverantör erbjuder garanterad plats i AI-svar säljer de något som inte existerar, och då bör ni avstå.

Hur lång tid tar det innan en assistent börjar nämna min klinik?

Att åtgärda crawleråtkomst eller robots.txt kan ge utslag inom några veckor. Enhetliga entitetsuppgifter och katalogprofiler tar en till två månader att spridas. Att förtjäna omnämnanden från tredje part och bygga recensionsvolym är den långsamma delen, typiskt sex månader eller mer innan det påverkar svaren. Den som lovar resultat på trettio dagar beskriver en tidslinje som dessa system inte följer.

Måste jag ligga först på Google för att bli rekommenderad av AI?

Nej, men ni måste gå att hämta. Assistenter söker i ett index och läser sidorna som kommer tillbaka, så om ni inte finns någonstans på sida ett eller två för den aktuella frågan är det osannolikt att ni ingår i urvalet modellen läser. Att bli citerad beror också på tredjepartssidor som nämner er, vilka assistenten kan hämta i stället för er egen webbplats.

Bör jag blockera GPTBot för att skydda klinikens innehåll?

Ta först reda på vad varje crawler gör. Vissa hämtar innehåll för modellträning, andra hämtar sidor direkt för att besvara en patients fråga just nu. Att blockera träningscrawlarna är ett försvarbart redaktionellt val. Att blockera de söknära tar bort er ur de svar patienterna ser. Kontrollera även botreglerna i ert CDN, eftersom de kan blockera oberoende av robots.txt.