Vad är den ideala textlängden för AI-sök? Spelar antal ord ens någon roll längre?

Vi studerade detta specifikt. Här är vad vi fann.

Data (500+ artiklar analyserade):

Citeringsfrekvens baserat på antal ord:

• Under 500 ord: 12% citeringsfrekvens
• 500–1 000 ord: 18% citeringsfrekvens
• 1 000–2 000 ord: 26% citeringsfrekvens
• 2 000–3 000 ord: 31% citeringsfrekvens
• Över 3 000 ord: 28% citeringsfrekvens

Mönstret:

Citeringsfrekvensen ökar med längd upp till en viss punkt (~2 500 ord), därefter planar det ut eller minskar något.

Men här är den avgörande insikten:

När vi kontrollerade för innehållsstruktur och expertis, försvann längdeffekten till stor del. Det som verkligen spelade roll:

1. Heltäckande ämnesbevakning (inte bara längd)
2. Tydliga, extraherbara svar
3. Fråga-svar-format
4. Expertissignaler

Långa texter har ofta dessa kvaliteter. Korta texter har det ofta inte. Men en välstrukturerad text på 800 ord kan prestera bättre än en svamlig på 3 000 ord.

Den verkliga mätpunkten:

Inte antal ord. Svarskvalitet och extraherbarhet.

Så längd korrelerar med kvalitet men är inte orsakande? Det låter rimligt.

Vad betyder “extraherbarhet” i praktiken?

Skribentperspektiv på längdfrågan.

Vad jag har ändrat:

Gammalt arbetssätt: “Vi behöver 2 000 ord för att ranka. Jag utökar dispositionen.”

Resultat: Uppblåst innehåll där bra information göms.

Nytt arbetssätt: “Jag täcker ämnet heltäckande. Varje avsnitt ska vara citerbart.”

Resultat: Innehållet blir så långt som det behöver vara. Varje avsnitt är värdefullt.

Den praktiska skillnaden:

Jag skriver nu i moduler:

• Varje H2-avsnitt besvarar en specifik fråga
• Varje avsnitt börjar med det direkta svaret
• Djupet följer, men svaret kommer först
• Varje avsnitt kan extraheras självständigt

Utfall för antal ord:

De flesta texter landar på 1 200–2 500 ord naturligt. Inte för att jag siktar på det, utan för att heltäckande täckning kräver det.

Vissa ämnen är 800 ord. Andra är 4 000. Längden matchar djupet som krävs.

Friheten:

Slutade fylla ut för att nå godtyckliga ordmål. Innehållet är bättre. AI-citat har ökat med 34%.

Så här bearbetar AI-system faktiskt textlängd.

Vad som händer tekniskt:

1. AI får användarens fråga
2. Hämtningssystemet hittar relevanta stycken
3. AI utvärderar styckenas relevans och kvalitet
4. Bästa styckena sammanställs till svar
5. Källor citeras

Viktig insikt:

Steg 2 sker på styckenivå, inte dokumentnivå. AI läser inte hela din 3 000-ordsartikel och säger “detta är heltäckande”. Den hittar specifika stycken som besvarar frågan.

Vad det betyder:

• Varje avsnitt bedöms självständigt
• Långt innehåll = fler chanser att matcha frågor
• Men varje avsnitt måste vara starkt på egen hand

“Fler krokar”-teorin:

Längre innehåll med fler distinkta avsnitt ger fler “krokar” för olika frågor. En guide på 2 500 ord som täcker 8 underteman kan bli citerad för 8 olika frågetyper.

Kort innehåll kan träffa exakt en fråga men missa andra.

Balansen:

Tillräckligt heltäckande för att täcka ämnet fullt ut. Varje avsnitt strukturerat för extraktion. Naturlig längd, inte uppblåst.

Redaktionellt perspektiv på längddebatten.

Vad vi säger till skribenter nu:

“Täck ämnet grundligt. Besvara alla frågor en läsare kan ha. Men varje stycke måste förtjäna sin plats.”

Kvalitetstestet:

För varje avsnitt, fråga:

• Tillför detta information som läsaren behöver?
• Kan detta citeras som ett svar?
• Är detta tillräckligt tydligt för att extraheras?

Om svaret är nej på alla tre – ta bort det.

Formatriktlinjer:

Inledning: Direkt svar (50–100 ord) Body: Djup, exempel, bevis (vid behov) Avsnitt: Varje med tydlig fråga/svar-struktur Avslutning: Viktiga slutsatser (extraherbara)

Resultat för antal ord:

Vi slutade sätta mål. Artiklar varierar mellan 600–4 000 ord beroende på ämne. Snittet är runt 1 800.

Vad som förbättrades:

Läsarengagemang (längre tid på sidan) AI-citat (upp 28%) Organisk prestanda (oförändrad, fortfarande stark)

Kvalitet slår godtycklig längd.

A/B-test vi gjorde på textlängd.

Experimentet:

Samma ämne, två versioner:

• Version A: 1 200 ord, strikt strukturerad
• Version B: 2 800 ord, mer heltäckande

Båda hade samma expertissignaler, samma författare, samma struktur.

Resultat efter 3 månader:

Version A (1 200 ord):

• Rankad på plats 8
• 15% AI-citeringsfrekvens
• Bra för fokuserade frågor

Version B (2 800 ord):

• Rankad på plats 4
• 28% AI-citeringsfrekvens
• Citerad för flera olika frågevarianter

Tolkningen:

Längre version vann för ranking OCH AI-citat. Men det var inte längden – det var den utökade ämnesbevakningen.

Version B täckte edge cases, besvarade följdfrågor, gav fler exempel. Den var genuint mer användbar.

Slutsatsen:

Skriv inte långt för sakens skull. Men heltäckande täckning kräver naturligt fler ord, och det presterar bättre.

Annat perspektiv: ibland vinner kort.

Min nischsajt-upplevelse:

Jag skriver om ett mycket specifikt tekniskt ämne. Mitt bäst presterande AI-innehåll:

• I snitt 900 ord
• Extremt fokuserat
• En fråga, grundligt svar
• Starka expertissignaler

Varför kort fungerar här:

1. Frågorna är specifika (“Hur konfigurerar jag X för Y?”)
2. Användarna vill ha direkta svar, inte guider
3. Konkurrensen är tunn (endast specialister)
4. Min expertis är trovärdig och tydlig

Jämförelsen:

Konkurrenten skrev en “ultimat guide” på 3 500 ord. Den rankar #1 på Google.

Min fokuserade text på 900 ord blir citerad i AI-svar 3 gånger oftare. AI ser den som det direkta, expertmässiga svaret.

Lärdomen:

Längden ska matcha användarens avsikt:

• Breda utbildningsämnen: Heltäckande innehåll
• Specifika tekniska frågor: Fokuserade expertsvar
• Forskningsfrågor: Djupgående analys
• Hur-gör-man-frågor: Tydliga, praktiska steg

En storlek passar inte alla.

Ramverk för att avgöra textlängd.

Avsiktsbaserad metod:

Informativt/utbildande (“Vad är X?”):

• Heltäckande täckning behövs
• 1 500–3 000 ord är vanligt
• Täck alla aspekter och relaterade frågor

Procedurmässigt (“Hur gör jag X?”):

• Fokuserat och praktiskt
• 800–2 000 ord är vanligt
• Tydliga steg, exempel, tips

Definition (“Vad betyder X?”):

• Kortfattat och tydligt
• 500–1 200 ord är vanligt
• Direkt svar med sammanhang

Jämförelse (“X vs Y”):

• Strukturerad jämförelse
• 1 200–2 500 ord är vanligt
• Tabeller, tydliga kriterier

Mätningen:

Spåra citat per innehållstyp och längd. Du hittar mönster för just din nisch.

Vad vi fann:

Våra jämförelseartiklar (~2 000 ord) citeras mest. Våra hur-gör-man-artiklar (~1 200 ord) är nära tvåa. Våra åsiktstexter (2 500+ ord) rankar bra men citeras mindre.

Avsikt och struktur är viktigare än rå längd.

Praktisk innehållsstruktur för alla längder.

Den modulära metoden:

Oavsett total längd, strukturera varje avsnitt som:

## Fråga som rubrik?

**Direkt svar i första 1–2 meningarna.**

Förklarande detaljstycke...

- Nyckelpunkt 1
- Nyckelpunkt 2
- Nyckelpunkt 3

Ytterligare kontext eller exempel...

Varför detta fungerar:

• AI kan extrahera det direkta svaret
• Listan ger fler citerbara punkter
• Fungerar oavsett om avsnittet är 150 ord eller 500 ord

Skala upp:

För längre innehåll – fler avsnitt, inte längre avsnitt. Varje avsnitt förblir fokuserat och extraherbart.

Skala ner:

För kortare innehåll – färre avsnitt, men samma struktur per avsnitt.

Konsekvensen:

Varje text följer samma struktur. Längden varierar, men tillvägagångssättet gör det inte.

Den här tråden har förändrat hur jag ser på längd.

Viktigaste insikterna:

1. Längd korrelerar med kvalitet men är inte orsakande – Heltäckande täckning är viktigare än antal ord
2. Extraherbarhet > längd – AI hämtar stycken, inte hela artiklar
3. Strukturera varje avsnitt för citat – Direkta svar först, djup därefter
4. Matcha längd mot avsikt – Olika frågor kräver olika djup
5. Sluta fylla ut – Varje stycke måste förtjäna sin plats

Våra nya riktlinjer:

• Inga minimikrav på antal ord
• Heltäckande täckning av ämnet krävs
• Varje avsnitt måste vara citerbart
• Kvalitetsgranskning fokuserar på extraherbarhet

Så här ska vi mäta:

Följ vilket innehåll som citeras (Am I Cited) och analysera mönster i struktur och längd över tid.

Tack alla för datadrivna insikter!