Slik har Team nav.no jobbet med SEO og GEO
Hvordan folk søker og finner informasjon har endret seg mye de siste årene. For å sikre god synlighet for innholdet på nav.no også i fremtiden, må vi utvide verktøykassen vår og jobbe enda mer systematisk.
4. mai 2026
Hvorfor har vi jobbet med dette?
Nav har jobbet med søkemotoroptimalisering (SEO) i mange år, og har lenge vært litt bortskjemt med høy autoritet og god synlighet i tradisjonelle søkemotorer. Likevel ser vi at enkelte søkeresultater fortsatt ikke gir gode nok svar, fordi de vises for feil målgruppe, gir feil informasjon eller har uklare beskrivelser.
Samtidig har kunstig intelligens (KI) endret måten folk søker etter og finner informasjon på. Stadig flere bruker KI-verktøy som ChatGPT, Perplexity, Copilot og Gemini, eller finner svaret de leter etter i KI-oppsummeringer i søkemotorer som Google og Bing. Dette har endret hvordan Navs innhold blir brukt og forstått, og gitt oss helt nye utfordringer.
For å sikre god synlighet også fremover, har Team nav.no utforsket hvilke muligheter som ligger i både tradisjonell søkemotoroptimalisering (SEO) og generativ søkemotoroptimalisering (GEO).
Hva er nytt, og hvilke utfordringer gir det?
Folk bruker mer kompliserte søkefraser
Folk har gått fra å søke i stikkordsform, som «sykepenger hvor lenge», til mer komplekse søk i form av spørsmål som «Hvor lenge kan jeg få sykepenger hvis jeg har vært arbeidsledig de siste to månedene». Det gjør det mer utfordrende å strukturere innholdet slik at det svarer på brukernes behov og forventninger, og gir større fallgruver når KI tolker innholdet for å gi riktig svar.
KI kan gi riktig svar, men også helt feil svar
Selv om KI ofte gir gode svar, tolkes innholdet av og til feil. Der redaktørene våre har samlet og strukturert innholdet nøye med avsnitt og overskrifter, trekker KI innhold ut av sin opprinnelige sammenheng for å lage en samlet oppsummering, det Google kaller en AI-oversikt.
Dette kan føre til misforståelser. Når konteksten forsvinner, risikerer innbyggerne å få feil informasjon eller bli ledet til feil tjeneste. Et konkret eksempel er at telefonnummeret til økonomi- og gjeldsrådgivning på sosiale tjenester, blir trukket ut presentert som et telefonnummer du kan ringe for generell kontakt med Nav.
Innhold brukes som kilde, ikke som destinasjon
Selv om stadig flere tar i bruk KI-verktøy, kommer fortsatt en stor del av trafikken til nav.no fra organiske søk i tradisjonelle søkemotorer. Selv om tall viser at tradisjonelle søkemotorer fortsatt holder på markedsandeler, opplever både Google og Bing endringer i bruksmønster.
Blant annet er det færre som klikker seg inn på søkeresultatene, fordi mange får svar på spørsmålene sine direkte i søket eller i KI- oppsummeringer. Dette omtales ofte som zero-click search.
Hovedmålet vårt er at innbyggerne skal få svar på det de lurer på, og hjelp til å finne riktig informasjon. Hvis noen for eksempel lurer på når de bør søke om foreldrepenger, er det ikke nødvendigvis et mål at de klikker seg videre inn på nav.no, så lenge vi kan være trygge på at KI‑oppsummeringen er korrekt.
Samtidig er regelverket i folketrygden komplekst. Det finnes ofte unntak og det er ikke alltid mulig å gi ett enkelt svar som gjelder for alle. I slike tilfeller er det nødvendig at innbyggeren faktisk klikker seg inn på nav.no for å få oversikt over rettigheter og plikter som gjelder for akkurat dem.
Nav må konkurrere med flere aktører enn før om svarene
Fordi KI foretrekker innhold som kan siteres direkte for å svare på brukernes spørsmål, betyr nettstedet autoritet og troverdighet som kilde mindre enn før. Vi ser derfor at vi må konkurrere med flere og helt andre aktører enn før, og at Nav ikke alltid er kilden som blir valgt.
I tillegg blir gjerne Navs innhold blandet med innhold fra andre kilder i KI-oppsummeringene, noe kan gjøre det vanskelig for brukerne å forstå og vurdere hvor troverdig og pålitelig svaret de får er.
Det er mange som mener de har gode svar på spørsmål om Nav. Det kan være andre offentlige aktører som har innhold om for eksempel foreldrepenger, eller private aktører som er flinke på innholdsmarkedsføring og derfor blir plukket opp av søkemotorene. Eksempler på dette er fagforeninger som skriver artikler om sykepenger, eller skråsikre artikler på klikk.no om hvordan man best kan få pleiepenger når barnet er sykt.
Utfordringen er at brukerne våre kan få upresise eller helt feil svar på spørsmål om Navs pengestøtter og tjenester, fordi disse kildene ikke alltid er troverdige nok eller gir for enkle svar på komplekse spørsmål.
Hvordan har vi jobbet?
Når folk endrer måten de finner informasjon på, må vi også endre måten vi strukturerer og tilrettelegger innholdet vårt på nav.no. Målet er ikke lenger bare å rangere høyest i søkeresultatene i Google og drive trafikk inn til nettstedet, men å være den kilden KI velger å bruke når den skal svare på konkrete spørsmål fra brukerne.
I starten av arbeidet stilte vi oss derfor tre spørsmål:
- Hva skal til for at innhold fra nav.no blir valgt foran annet innhold?
- Hvordan kan vi sikre at språkmodellene tolker innholdet vårt riktig?
- Hvordan kan vi måle effekten av endringene vi gjør, både teknisk og redaksjonelt?
Hva skal til for at innhold fra nav.no blir valgt?
Vi visste én ting da vi startet. Alt arbeidet vi har lagt ned redaksjonelt for å skrive godt innhold som svarer på brukernes behov, i klarspråk og med tydelig oppbygning og struktur, gir oss et fortrinn.
I tillegg har vi lagt ned mye arbeid i teknisk semantikk og universell utforming. Alt dette er viktige forutsetninger for å havne høyt oppe i søkeresultater, ofte omtalt som Search Engine Result Page, SERP, og for at KI skal kunne hente ut og tolke innholdet vårt riktig.
Vi valgte derfor å utforske tekniske muligheter knyttet til strukturerte data, helt konkret teknologien JSON‑LD. JSON‑LD er en standard for å legge maskinlesbar informasjon direkte i kildekoden, slik at KI og søkemotorer lettere kan forstå
- hva innholdet handler om
- hvem avsenderen er
- hvilken type informasjon siden inneholder
På denne måten kan innholdet både presenteres visuelt for innbyggere, og strukturert for søkemotorer og KI, slik at de ikke må tolke all kontekst på egen hånd.
Målet var å undersøke om strukturerte data, der Nav tydelig er markert som offentlig avsender, og der innholdstypen er klart definert som rettigheter innen folketrygden, kunne gjøre at nav.no fikk bedre synlighet og økt autoritet i søk.
Eksempel fra nav.no
Hvis du ikke kan jobbe på grunn av sykdom eller skade, finner du informasjon om pengestøtten sykepenger på produktsiden nav.no/sykepenger.
Mennesker forstår raskt at denne siden er rettet mot privatpersoner, blant annet fordi den er markert som «Privat» i menyen, og fordi formuleringer som «Du kan ha rett til sykepenger» tilsier at dette handler om deg som innbygger. I tillegg er Nav avsender, og for mange er det kjent at det er Nav man forholder seg til når det gjelder sykepenger.
Søkemotorene og store språkmodeller, ofte kalt LLM’er, vil også kunne trekke slike slutninger basert på innholdet på siden. For at de skal gjøre det riktig, må de imidlertid klare å tolke sammenhengen like godt som et menneske. Ved å bruke strukturerte data kan vi hjelpe dem på vei, blant annet ved å angi målgruppe og avsender på en utvetydig måte.
Schema.org er en relativt standardisert måte å angi slike strukturerte data på. Tenk på JSON-LD som grammatikken og Schema.org som ordboken. I det forenklede eksempelet nedenfor gir vi et hint til søkemotoren om at dette er en offentlig organisasjon, og at målgruppen, “Audience”, er “privatpersoner”. Audience er en standard-definisjon i schema.org.
[{ "@type": "GovernmentOrganization", "name": "Nav - Arbeids- og velferdsetaten", "url": "https://www.nav.no"},{ "@type": "Audience", "audienceType": "privatpersoner"}]Vi har dessverre ikke sett noen merkbar forbedring etter at vi begynte å bruke GovernmentOrganization i de strukturerte dataene, noe som tyder på at denne typen JSON‑LD har mindre betydning for synligheten enn vi hadde håpet på. Vi tror likevel det er viktig og riktig å ha gode strukturerte data, og at det gjør oss bedre rustet for fremtiden.
Hvordan sikre at språkmodellene tolker innholdet vårt riktig?
Per i dag er det hovedsakelig søkemotorene som tar hensyn til strukturerte data. Språkmodellene må fortsatt tolke selve innholdet på siden, og forstå sammenhengen mellom avsnitt og overskrifter, og hvilke deler av teksten som er viktigst.
En detaljert forklaring på hvordan språkmodellene tolker eller behandler innhold ville krevd en mer omfattende artikkel. Veldig forenklet kan vi si at språkmodellene deler teksten opp i mindre biter, såkalte tokens, og gjør dem om til tall eller vektorer. Vektorene brukes i såkalte embeddingmodeller til å beregne semantisk sammenheng – det vil si hvor nært beslektet ord og begreper er i betydning, og hvor stor sannsynlighet det er at de hører sammen i en setning.
Ord som «sykelønn» og «sykepenger» har typisk en kortere semantisk avstand enn ord som «honnørkort» og «foreldrepenger». Dette gir mening, da det er lite sannsynlig at foreldrepenger har noe med honnørkort å gjøre.
Noen ganger kan dette likevel slå feil ut, fordi språkmodellene vurderer ord og begreper som likere enn de faktisk er i Nav-kontekst. Et konkret eksempel er forholdet mellom «sykepenger» og «uføretrygd». I Nav vet vi at dette er to ulike pengestøtter med helt forskjellige vilkår, målgrupper og formål. Når de store språkmodellene mener at disse ordene har kort semantisk avstand, kan det føre til at de bytter ut det ene ordet med det andre. Det kan gi helt misvisende KI-oppsummeringer, for eksempel ved at en oppsummering om sykepenger henter innhold fra siden om uføretrygd.
Det er viktig å si at Navs egne språkmodeller er fintrent på Nav-innhold og domenekunnskap, nettopp for å redusere slike feil. I søkesammenheng, som denne artikkelen handler om, er vi imidlertid fortsatt avhengige av eksterne tjenester som OpenAI, Google og Perplexity.
Hva kan vi gjøre redaksjonelt for å hjelpe språkmodellene?
Det er mye vi kan gjøre redaksjonelt for å hjelpe både språkmodellene og mennesker å tolke innholdet vårt riktig.
Selv om vi er inne i en ny tidsalder når det gjelder søk og synlighet, trenger vi ikke starte på bar bakke. Mange av de samme prinsippene som vi kjenner fra tradisjonell søkemotoroptimalisering (SEO) gjelder fortsatt når vi skal lage innhold som er optimalisert for KI (GEO).
Både SEO og GEO belønner innhold som er
- presist og skrevet i klart språk
- godt strukturert med tydelige overskrifter
- nyttig for målgruppen
- troverdig og har kvalitet og dybde (autoritativt)
- oppdatert og korrekt
Tips til deg som skal skrive innhold på nav.no
Det aller viktigste når det kommer til både SEO og GEO, er at vi forstår brukerne våre, hva de søker etter informasjon om og hvorfor. Innholdet ditt må ta utgangspunkt i brukerens spørsmål og svare grundig på dem.
Godt innhold og god struktur er fortsatt nøkkelen. Målet med Navs innholdsstrategi er brukerne enkelt og raskt finner frem og får gjort det de kom for på nav.no, at innholdet er forståelig og skaper trygghet, og at det til enhver tid er oppdatert og riktig. Følger du innholdsstrategien og prinsippene for klart språk i Nav, kommer du et langt stykke på vei.
Innholdstyper og maler på nav.no gjør det mulig å bruke innhold som byggeklosser på tvers av kontekster og legge til strukturerte data. Ved å gjenbruke innholdet vårt smart, unngår vi duplisering og ulike versjoner av samme informasjon. Dette gjør det enklere for både mennesker og KI å forstå og tolke innholdet og konteksten det inngår i riktig.
Se oversikt over innholdstypene våre
Skriv enkle, tydelige og konkrete setninger, og vær bevisst hvilke begreper du bruker. GEO stiller ekstra krav til presist og klart språk, fordi KI tidvis tolker både innhold og kontekst feil. Unngå synonymer der presisjon er viktig, slik at språkmodellene får mindre rom for egen tolkning.
Spiss budskapet tidlig. En tydelig ingress gjør det enklere for både leseren og KI å forstå og tolke temaet.
God struktur og tydelige overskrifter gjør teksten mer lesbar, og enklere å skanne og navigere i. Det er nyttig både for mennesker og for KI, som bruker overskrifter til å forstå semantikk og kontekst. Tar du utgangspunkt i den faste innholdsstrukturen på produktsider, vil teksten din besvare de viktigste spørsmålene brukerne våre har om pengestøttene og tjenestene våre.
KI foretrekker innhold som kan hentes ut og siteres direkte som svar på brukernes spørsmål. Skriv derfor korte avsnitt som gir mening om de står alene, og som svarer på én brukeroppgave om gangen. Start med svaret, utdyp senere. Bruk punktlister og mellomtitler for å gjøre teksten enklere å skumme og finne frem i.
Lag innhold som faktisk hjelper brukerne våre med å forstå, løse eller gjøre noe. Både tradisjonelle søkemotorer og KI-modeller prioriterer innhold som er nyttig, enkelt å forstå og skrevet ut fra brukernes behov. Sørg for at innholdet er tilgjengelig for alle ved å skrive innhold som er universelt utformet.
Hvordan kan vi måle effekten av endringene vi gjør, både teknisk og redaksjonelt?
Nav.no bruker Siteimprove for å sjekke brutte lenker, skrivefeil, tekniske feil og mangler knyttet til universell utforming. Verktøyet gir imidlertid ikke innsikt i om innholdet tolkes riktig av språkmodeller, eller hvordan det brukes og presenteres i KI-oppsummeringer.
Vi hadde derfor behov for metoder og verktøy som kunne hjelpe oss å vurdere eller måle dette. Vanlige enhetstester fungerer dårlig, fordi svaret fra en språkmodell ofte varierer fra gang til gang. Det gjør det vanskelig å skrive tester som forventer et bestemt resultat hver gang, helt ned til minste detalj. Det er derimot mulig å få én språkmodell til å vurdere svarene fra en annen språkmodell gjennom såkalte evals. Evals, kort for “evaluations”, er tester som er laget for å avdekke både kvalitet og korrekthet ved svarene som språkmodellen gir.
Planen var å lage tester som gjør slike evals mot spesifikke søk, og gi poeng til den genererte KI-oppsummeringen. Tanken var at det ville gi oss muligheten til å vurdere om redaksjonelle endringer økte kvaliteten på et bestemt innhold, fordi poenggivningen til KI-oppsummeringen (forhåpentligvis) økte. I praksis skjønte vi raskt at dette både er en komplisert og relativt unøyaktig øvelse.
Vi leter derfor fortsatt etter metoder og verktøy som gir redaktørene bedre innsikt i hvordan tjenester som Google og Bing oppsummerer innholdet på sidene våre. Inntil videre bruker vi Google Search Console for å analysere trender, enkeltsider og innhold på et mer overordnet nivå.
Læring vi tar med oss
Vi har allerede et solid fundament i innholdet vårt
Godt innhold og god struktur er fortsatt nøkkelen, og Nav har en innholdsstrategi som gir føringer på hvordan vi utformer innhold på nav.no. Innhold som hører sammen, står sammen. Vi skriver klarspråk. Vi bruker innhold som byggeklosser og sørger for at sidene våre har god struktur. Etterlevelse av krav til universell utforming er viktig, og alt innhold skal for eksempel fungere like godt på skjermleser for blinde og svaktsynte som for seende. Alt dette gjør at vi har kommet langt i å legge til rette for at søkemotorene kan indeksere innholdet vårt, og at språkmodellene kan tolke det riktig.
Vi kan ikke ha kontroll på alt
Vi har innsett at vi ikke alltid kan styre hvordan innhold fra Nav blir brukt, eller feiltolket, i KI-genererte oppsummeringer og av språkmodellene.
Google plukker innhold til snippets og KI-oppsummeringer ut fra hva den mener er riktig kontekst, for eksempel hva den vet om brukeren og hvordan brukeren har formulert søket. Noen ganger blir fremstillingen feil fordi Google gjør feil.
Vi har testet å fjerne bruk av snippets helt. Det førte imidlertid til at treffene våre kun ble vist som en kort én-linjes lenkereferanse i søkeresultatene. Treffene våre drukner da lett blant de andre resultatene og får redusert synlighet. I tillegg har vi sett tendenser til at Google så bort fra innholdet vårt som kilde i KI-oversiktene når vi fjernet snippets, selv om denne risikoen er tynt dokumentert.
Uansett ønsker ikke Nav å gjemme bort innholdet sitt. Tvert imot er synlighet avgjørende for at innbyggerne skal finne riktig og relevant informasjon.
Sterk avsender gir ikke bedre synlighet
Til tross for at Nav er Norges største statlige forvaltningsorgan, ser det ikke ut til at det tillegges stor vekt når Google og Bing samler og presenterer søkeresultater.
Vi har heller ikke sett noen merkbar forbedring etter at vi begynte å bruke strukturerte data for å angi avsender. Erfaringene våre viser at kort, presist og kontekstuelt relevant innhold har større betydning for synlighet enn en «sterk avsender».
Veien videre
Selv om vi ikke har kontroll på alt, er arbeidet vi har lagt ned så langt likevel verdifullt. Vi er godt rigget for det som kommer. Måten innbyggerne finner innhold på endrer seg raskt, og det snakkes mye om både KI-agenter og KI-nettlesere.
Selv om hovedfokuset vårt fortsatt er å lage godt innhold for mennesker, er det viktig at Nav henger med i den teknologiske utviklingen. Vi må derfor sørge for at innbyggerne også i fremtiden finner riktig informasjon om rettigheter, pengestøtter og tjenester, uavhengig av tekniske plattformer.