"Hvordan anbefaler ChatGPT restauranter?" har gått fra teoretisk til daglig praksis i 2026. Gjester spør en chatbot om hvor å spise på fredag, og får en faktisk liste. Hvis du ikke er der, mister du kunder uten å vite det.
Hvor LLM-er henter data
To kanaler: scraping ved trening (Common Crawl, offentlige blogger) og runtime web-henting (Bing/Google live).
Hvorfor schema.org
En side med schema.org/Restaurant-markup leses 3-5× mer nøyaktig. Felter: name, address, telephone, servesCuisine, priceRange, openingHoursSpecification, hasMenu, aggregateRating.
Praktiske trinn
1. JSON-LD i <head> (thMenu genererer det).
2. Komplett Google Business-profil.
3. Meny i HTML/markdown, aldri PDF.
4. Anmeldelser via aggregateRating.
Vanlige feil
Klient-side-rendrede menyer er usynlige. SSR påkrevd. I robots.txt tillat GPTBot, PerplexityBot, ClaudeBot.
Ny SEO-æra
Google er ikke alene lenger. LLM-er overtar 35%+ av reise/mat-spørringer. Månedlig test: spør ChatGPT om restauranten din.
Var dette nyttig? Del det.
Relaterte artikler
Statisk QR vs dynamisk QR: total eierkostnad over 3 år
24-bord bistro, 36 måneder: 21 000 TRY i opptrykk vs 11 640 TRY dynamisk abonnem…
Omotenashi møter QR: japansk gjestfrihet uten å miste den menneskelige berøringen
Hvorfor Tokyos Sukiyabashi Jiro avviser QR-menyer mens 68% av mellomklasse-izaka…
AR matforhåndsvisning via WebXR: nettleser-3D uten app
Hvordan Dishoom Soho oppnådde +22% gjennomsnittlig regning med model-viewer. Sub…