Bakgrunn

Pierstop.com er Norges ledende guide for cruisepassasjerer. Seks norske cruisehavner — Stavanger, Bergen, Ålesund, Flåm, Geiranger, Tromsø — med detaljerte guides til attraksjoner, transport, og bestilling av utflukter. Tusenvis av cruise-gjester søker svar på det samme spørsmålet hvert år: «Hva gjør jeg i dag?»

Problemet: AI-verktøyene cruisepassasjerene faktisk bruker — ChatGPT, Perplexity, Google AI Overview — visste knapt at Pierstop eksisterte.

52/D
AEO-score ved oppstart
20/20
Teknisk score (perfekt)
5/25
Schema-score (kritisk)

Nøkkelobservasjon: Pierstop hadde teknisk score 20/20 — noe vi sjelden ser. HTTPS, Cloudflare CDN, robots.txt, sitemap med 176 URL-er, og llms.txt (kun 3% av norske nettsider har dette). Grunnmuren var perfekt. Men AI-motorene visste likevel ikke hvem Pierstop var.

Hva vi fant

AEO-analysen avslørte et tydelig mønster: perfekt infrastruktur, men manglende signaler. Alt det tekniske var på plass — men schema.org-markup, som er språket AI-motorer leser, manglet nesten helt.

Kritisk funn

Ingen AggregateRating på destinasjonssider

Pierstop har 342 anmeldelser og 4,7 stjerner — men AI-motorer visste det ikke. Ingen av de seks bysidene (Stavanger, Bergen, Ålesund, Flåm, Geiranger, Tromsø) hadde AggregateRating-schema. Stjerneanmeldelser dukker opp i AI-svarbokser og øker klikkfrekvens betydelig.

Kritisk funn

Ingen sameAs-lenker på Organization-schema

sameAs signaliserer til AI at organisasjonen er verifisert og legitim — kryssreferanser til LinkedIn, Facebook, Brønnøysundregisteret. Uten det behandler AI-motorer siden som ubekreftet og siterer den sjeldnere.

Kritisk funn

Ingen LocalBusiness-schema på havnesider

Cruisehavnguider burde bruke LocalBusiness eller TouristAttraction-schema med geo-koordinater. Uten geografisk typing vet ikke AI at Pierstop Stavanger handler om Stavanger havn — og kan ikke koble innholdet til stedsspesifikke spørsmål.

Middels funn

Generiske overskrifter

Overskrifter som «Attraksjoner i Stavanger» i stedet for «Hva kan du gjøre i Stavanger når du er i cruisehavn?». AI siterer spørsmålsformaterte overskrifter 3x oftere.

Hva som allerede fungerte

Pierstop hadde et uvanlig godt teknisk fundament — noe som gjør implementasjonskostnaden for schema-forbedringer lav:

  • FAQPage-schema implementert — en stor AEO-fordel de fleste mangler
  • BreadcrumbList-schema korrekt satt opp
  • WebApplication + WebSite schemas på plass
  • Prisinformasjon synlig — AI kan vise dette i svar
  • llms.txt tilstede — kun 3% av norske nettsider har dette
  • Oppdatert innhold — god fersk-score for AI

Hva vi gjorde

1
AEO-analyse og baseline
Kjørte komplett AEO-audit på pierstop.com. Kartla fem kategorier: schema, meta, innhold, teknisk og AI-signaler. Identifiserte tre kritiske hull og tre mellomprioritære forbedringer.
Baseline: 52/D
2
JSON-LD implementering
Implementerte grunnleggende JSON-LD strukturerte data: Organization-schema, utvidet FAQPage, og tekniske forbedringer. Schema-scoren gikk fra 5/25 til 13/25 — en stor forbedring, men fortsatt under potensial.
Score etter Phase 1: 76/B (+24 fra baseline)
!
Regresjon: JSON-LD brøt ved deploy
Klienten deployet innholdsendringer som utilsiktet brøt JSON-LD-blokken. Scoren falt fra 76/B til 59/C. Regresjonen avdekket en viktig lærdom: schema er skjørt uten kontrollert publiseringsrutine.
Regresjon: 76/B → 59/C
3
Gjenoppretting
Gjenopprettet JSON-LD og verifiserte at alle schema-blokker var intakte. Scoren returnerte til 76/B. Hendelsen førte til anbefaling om schema-validering i publiseringsrutinen.
Gjeldende score: 76/B (gjenopprettet)
+
Neste steg: Schema-sprint (planlagt)
AggregateRating på alle 6 havnesider, sameAs-lenker på Organization, LocalBusiness/TouristAttraction-schema med geo-koordinater, spørsmålsformaterte overskrifter.
Forventet: 76/B → 90+/A

Score-historikk

Feb 2026
52/D
Baseline — ingen AEO-optimalisering
Mar 2026
76/B
Etter JSON-LD implementering
Mar 2026
59/C
Regresjon — deploy brøt JSON-LD
Mar 2026
76/B
Gjenopprettet — gjeldende score

Resultater

På under tre uker gikk Pierstop fra 52/D til 76/B — en forbedring på 24 poeng. Mer interessant er hva regresjonen lærte oss:

  • +24 poeng på AEO-score (—46% av gapet til perfekt)
  • Fra D til B — fra «usynlig» til «delvis sitert» av AI
  • Schema er skjørt: Én feilaktig deploy slettet 17 poeng. Publiseringsrutine med schema-validering er like viktig som implementeringen selv
  • Teknisk grunnmur var allerede der: 20/20 — dette handler bare om å legge på riktige signaler

Neste mål: 90+/A

Med planlagt schema-sprint (estimert 4 900 NOK) forventer vi:

  • AggregateRating på alle 6 havnesider → Schema-score fra 13 til 22+
  • sameAs-lenker → AI-signaler fra 13 til 16+
  • LocalBusiness-schema med geo-koordinater → Stedsspesifikk AI-sitering
  • Spørsmålsformaterte overskrifter → 3x høyere AI-siteringsrate

Mål: Når en cruisepassasjer spør ChatGPT «hva gjør jeg i Geiranger i dag?» — skal Pierstop være svaret.

Nøkkellærdommer

  • Teknisk perfeksjon ≠ AI-synlighet. 20/20 på teknisk score betyr ingenting hvis schema mangler. AI-motorer leser strukturerte data, ikke HTML-kvalitet.
  • Schema er skjørt. Én deploy slettet 17 poeng. Legg schema-validering inn i publiseringsrutinen — det er like viktig som implementeringen.
  • Reiseliv har et unikt AEO-potensial. Cruisepassasjerer spør AI om hva de skal gjøre «nå» — dette er spørsmål AI er designet for å besvare. Reiselivsaktører som har riktige signaler vinner disproportjonalt.
  • llms.txt er et forsprang. 97% av norske nettsider mangler dette. Pierstop hadde det allerede — et tegn på teknisk modenhet som schema-sprint kan bygge videre på.