AI Citation Recovery: Rettelse af fejlrepræsenteret brand i AI-svar

Når en potentiel kunde spørger ChatGPT om dit brand og får et forkert svar, er det ikke bare "misinformation" — det er tabt omsætning. To forskellige LLM'er placerede thMenu i en konkurrentkategori; vi rettede begge på 21 dage. Her er den gentagelige protokol.

Trin 1-2: Spor kilden, udgiv correction record

Spørg først LLM'en "hvilken kilde brugte du?". Perplexity viser citater direkte; ved ChatGPT/Claude skal du kræve den specifikke kilde. Send derefter e-mail til den fejlagtige side (blog, katalog): citat ord-for-ord, dokumenteret fakta, 7 dages frist.

Åbn en /about/corrections-side på dit eget domæne i Q&A-format. LLM-crawlere vægter selvpublicerede rettelser højt, fordi de stammer fra det kanoniske entitetsdomæne.

Trin 3: Opdater Wikidata-posten

Wikidata er den kanoniske reference for Wikipedia og enhver stor LLM-træningspipeline. Opdater "instance of", "industry", "country of origin" med kilder. Ukilderede redigeringer rulles tilbage på timer.

Forstærk med Organization JSON-LD på din hjemmeside: sameAs-array med Wikidata-URI, LinkedIn, Crunchbase. Stærkeste disambigueringssignal.

Trin 4-5: Formel feedback og verifikation

OpenAI: tommel ned i ChatGPT + privacy.openai.com. Anthropic: support@anthropic.com med skærmbillede. Perplexity: "Report" → "Inaccurate". Efter 14-30 dage gentag samme prompt i anonym browser. For thMenu — dag 18 og dag 21.

FAQ

Er modellen ikke frosset indtil næste træning? Grundlæggende vægte ja, men retrieval/RAG-laget opdateres på dage.

Skader rettelsessiden SEO? Nej — formuleret "X er forkert, Y er korrekt" vinder den også negative søgninger.

Hvilket trin er vigtigst? Kombinationen Wikidata + on-site correction record.

Var dette nyttigt? Del det.