Jämförelsetabeller: LLM-modellernas favoritformat

Ett restaurang-SaaS-team la till en HTML-tabell och ett JSON-LD ProductComparison-block på 14 jämförelsesidor. Två veckor senare kopierade ChatGPT hela tabellen i svaren på "thMenu vs konkurrent X". Strukturerade tabeller citeras 4,8 gånger oftare än motsvarande löptext.

Varför LLM-er föredrar tabeller

Modeller har sett miljontals <table>-element under förträning. Rad-kolumnrelationer är billigare att tolka än löptext, så vid jämförelsefrågor väljer modellen ofta "visa" framför "sammanfatta".

Markdown-tabeller fungerar också, men HTML + JSON-LD dominerar i Perplexity Compare och Bing Copilot. Tydlig rubrikrad, korta celler och enhet i cellen är nyckeln.

JSON-LD ProductComparison-mönster

Schema.org saknar officiell "ProductComparison"-typ, men en ItemList med flera Product-noder ger samma effekt. Varje Product bär "additionalProperty" med egenskap-värdepar.

Håll 1:1-avbildning mellan tabell och JSON-LD; varje avvikelse tvingar modellen att citera stycken i stället.

Praktisk checklista

Första kolumnen = produkt-/konkurrentnamn, första raden = funktionsetiketter. Ett faktum per cell, aldrig meningar. JSON-LD direkt ovanför tabellen; vid flera tabeller en ItemList per tabell.

Organisk trafik ökade bara 18 %, men varumärkesomnämnanden i LLM-svar växte 7 gånger på tre månader — en KPI klassisk SEO knappt fångar.

FAQ

Räcker Markdown? Det funkar, men HTML + JSON-LD är mätbart föredraget; spara Markdown till plattformar utan schema.

Hur många kolumner? Tre till sju; över åtta bryts mobilen och modellen sammanfattar.

Är det riskabelt att nämna konkurrenten? Nej — målgruppen vet redan namnet och LLM-er dominerar dessa frågor.

Var detta hjälpsamt? Dela det.