Case: Automatiske SEO-titler og metabeskrivelser med AI

Jeg har fuldautomatiseret de små tekster fra generering til publicering på alle mine sider på Aquascapedia, så de overholder faste SEO-krav og kræver minimal human-in-the-loop.
Mette Tulin Antonsen Avatar

Mette Tulin Antonsen

9. marts 2026
Læsetid: 
8–11 minutter

Små felter med stor effekt. Jeg har gennem tiden brugt en del tid på manuelt at rette eller tilføje manglende SEO-titler og metabeskrivelser i forskellige CMS’er.

De der små tekster, der typisk vises som den blå overskrift i Google med en kort beskrivelse under. De sender et stærkt signal om, hvad siden handler om, og er ofte det, der afgør, om nogen klikker. Med andre ord: din annonce i de organiske søgeresultater.

De er vigtige, for de påvirker din click-through rate (CTR). Hvis teksterne er relevante og spændende, får de flere klik. Hvis de er upræcise og kedelige, kan de ligge højt på Google uden at drive trafik.

Men SEO-titler og metabeskrivelser er også strukturerede. De følger faste regler for længde, keyword-placering og tone.

Det fik mig til at tænke: Er det egentlig en opgave, der kræver menneskelig kreativitet hver gang, eller er den oplagt at automatisere?

Og så gik jeg i gang med at eksperimentere på Aquascapedia.

Hypotesen

Jeg kan gøre SEO-titler og metabeskrivelser 100 % automatiske fra generering til publicering på alle mine sider på Aquascapedia, så de overholder faste SEO-krav og kræver minimal human-in-the-loop.

Med dette eksperiment håber jeg at kunne spare tid på en rutineopgave og stadig opnå god SEO-struktur.

Selvom det ikke er enormt tidskrævende at skrive disse små tekster manuelt (medmindre man har mange sider), så gør automatiseringen, at jeg undgår fejl eller oversete sider. Jeg kan også sikre, at teksten holder sig inden for optimale længder via klare prompt-regler.

Min hypotese er ikke, at AI nødvendigvis skriver bedre titler end mig, men at den vil kunne skrive dem konsistent og inden for de faste SEO-krav.

Samtidig er jeg nysgerrig på, hvor meget human-in-the-loop der reelt er nødvendigt. Kan jeg nøjes med at godkende, eller vil jeg alligevel ende med at omskrive det meste?

Tech stack og data

Data

Tekster fra selve siderne hentes automatisk ind som input til AI’en, så den ved, hvad de drejer sig om. Jeg nøjes med kun at sende 1000 tegn for at spare tokens (og dermed penge).

AI model

OpenAI (GPT-4o mini) til at generere SEO-titlerne og metabeskrivelserne. Den er billig og god til formålet. 

Prompt

Fast med klare constraints, fx max antal tegn og format.

Platforme

Google Sheets til datahåndtering og review, WordPress med Rank Math plugin til publicering.

Workflow automation

n8n, der via API’er henter tekst fra de forskellige sider på Aquascapedia, genererer metatekster, opdaterer sheets og til sidst poster teksterne automatisk.

Setup og workflows

Mit setup starter i et Google Sheet, hvor jeg har samlet alle URL’er til mine sider, deres WordPress-ID’er (som bruges til at hente indhold via API), samt kolonner til både eksisterende og nye SEO-titler og metabeskrivelser.

De nuværende URL’er, titler og metabeskrivelser kan nemt eksporteres fra et tool som Screaming Frog SEO Spider, hvilket gør det hurtigt at lave sådan et sheet.

Mine Google Sheets. Tryk på billederne for at forstørre dem. Zoom, hvis du er på mobil.

Jeg overvåger tekstlængden med en formateringsregel (kolonne F og I), så det markeres med rødt, hvis teksten overskrider ønskede antal tegn.

Derudover har jeg tre kolonner til at holde styr på data. I generated-kolonnen sætter ’false’ for sider, der mangler AI-genereret indhold.

Approved er et human-in-the-loop touch, hvor jeg har gjort det muligt at evaluere og tilrette AI’s output, før det bliver postet. Denne kolonne sætter jeg manuelt til ‘true’, når jeg er tilfreds med teksten.

Status bliver automatisk ændret fra ‘false’ til ‘true’, når jeg i et andet workflow sætter alt til at blive auto-postet i bulk.

Og dermed har jeg nu, hvad jeg skal bruge, for at automatisere det hele i to workflows.

Workflow 1

I workflow 1 genererer jeg unikke tekster til hver side med AI. Workflowet ser sådan ud:

  • Data hentes fra mit Google Sheet.
  • Hvis kolonnen Generated er ‘false’, går teksterne videre i flowet.
  • Sidernes indhold hentes fra WordPress (HTTP Request).
  • En code node konverterer websiden til ren tekst og klipper til de første 1000 tegn (for at spare tokens til OpenAI. Det bør også være nok for AI til at forstå søgeintention og hvad siden handler om).
  • Indholdet pr. side sendes til OpenAI med en prompt, hvor jeg specificerer krav om tekstformat og længde.
  • En code node tager svaret fra OpenAI, rydder det op, og trækker SEO-felter ud af det.
  • Outputtet bliver indsat tilbage i Google Sheet.

Herefter gennemgår jeg manuelt tekster og godkender dem. Når jeg har sat ’Approved=true’ på kolonner, bliver de automatisk autopostet til WordPress via workflow 2, der opdaterer mit Rank Math SEO-plugin.

Workflow 2

Her i workflow 2 bliver data hentet fra samme Google Sheet og et par code nodes trækker nogle felter til at mappe dataen, inden det bliver sendt til de rigtige felter i WordPress via HTTP Request.

Det workflow opdaterer til sidst Google Sheet status=’posted’, så jeg kan følge med i, hvad der er postet.

Her er en video med hele flowe. Se, hvordan teksterne automatisk kommer ind i arket og er klar til review og auto-posting!

Human-in-the-loop kvalitetssikring

Jeg byggede workflowet sådan, at AI aldrig poster direkte. Alt lander først i et ark, hvor jeg kan se længde, struktur og status. Først når jeg aktivt godkender (kolonnen Approved=’true’), opdateres WordPress automatisk.

På den måde taber man ikke kontrol. Men er man klar til det, kan dette faktisk også fuldatuomatiseres, så titlerne og metabeskrivelserne bliver genereret helt på autopilot og autopostet.

Resultater

SEO-titler og metabeskrivelser kan fuldautomatiseres 100%, og det går hurtigt. Det tog præcist 3 minutter og 40 sekunder at generere dem til 36 sider. Human-loop kan være nødvendigt for at sikre kvalitet.

Lad os kigge nærmere på et eksempel, AI har genereret til en artsprofil om rejen Green Jade Shrimp.

Titel: Green Jade Shrimp – Care Guide and Profile

Metabeskrivelse: Discover how to care for Green Jade Shrimp, known for their vibrant emerald color and beginner-friendly nature. Learn tips for optimal health.

Kvaliteten er som udgangspunkt fin og holder sig inden for det maks. antal tegn, jeg promptede. Ofte er sproget lidt mere generisk end mine egne formuleringer, men stadig helt acceptable for mit sites formål. Det kan godt ske, at nogle beskrivelser føles lidt skabelon-agtige, men jeg kan justere prompten, hvis jeg vil have mere variation eller en anden stil.

Sommetider oplever jeg, at AI overskrider maks. antal tegn og dermed ikke holder sig inden for SEO-anbefalingerne, men det kan jeg tage højde for i sheetet.

Læringer

Et par ting tager jeg med mig fra denne case.

En rutineopgave som denne er oplagt at automatisere

Automatisering giver god mening der, hvor opgaven er struktureret og gentagende. SEO-titler og metabeskrivelser følger faste regler og egner sig derfor godt til automation.

Skala ændrer regnestykket

Det tager ikke lang tid at skrive en titel og metabeskrivelse manuelt. Men det gør det måske, hvis man skal skrive 100. Tidsbesparelsen er meget interessant, når vi taler volumen.

Human in the loop eller ej?

Jeg synes faktisk, AI leverer et fint udkast, men personligt kan jeg godt lide muligheden for at kunne review og godkende manuelt.

Ét samlet overblik sparer klik

Bare det at samle alle titler og metabeskrivelser i ét ark gør det nemmere at rette, sammenligne og opdatere i batch. Og det bedste er, at man kan autoposte det. Tænk, hvor mange klik det sparer!

Overkill eller supersmart at automatisere?

Okay, på nuværende stadie, hvor jeg kun har godt 36 indekserede sider på Aquascapedia, kunne jeg måske lige så godt have skrevet teksterne selv. Men når jeg arbejder med programmatic SEO eller større content-setups, er det fedt at have dette på plads.

Datadrevet evaluering

Hvordan vurderer man så, om AI-genererede SEO-titler og metabeskrivelser faktisk skaber resultater?

Google Search Console er et naturligt sted at starte. Sider med mange eksponeringer men lav click-through rate (CTR) i forhold til deres gennemsnitlige placering, indikerer ofte, at titel eller metabeskrivelse ikke matcher søgeintentionen godt nok.

Det giver et klart signal om, hvor der bør testes nye formuleringer eller justeres på vinklen. Leverer siden en solid CTR, fungerer teksterne.

Men det er også en smule forsimplet. For at vurdere mere præcist, er det en god idé at sammenligne performance før og efter ændringer. Samtidig er det vigtigt at tjekke, om der er ændringer i placeringer eller sæsonudsving, da effekten kan være på grund af andre faktorer.

En forbedret CTR er godt, men man bør også kigge på organisk trafik og konverteringer for at se, om teksterne skaber forretningsmæssig effekt.

B2B-perspektivering

For B2B-virksomheder med større content-volumen, f.eks. 200 produktsider eller en marketingafdeling, der publicerer 50+ artikler månedligt, er potentialet større, fordi man kan spare tid på mange sider.

Det kan selvfølgelig være overkill for mindre og statiske sites, eller hvis man vægter grundig manuelle tilpasninger højt. Men selv i virksomheder, der ikke producerer vanvittigt mange sider, kan det give et bedre overblik og reducere fejl, når man samler og håndterer alle titler og beskrivler i ét ark, der automatisk skubber opdateringer ud.

Måske glemmer man også at tilføje dem, og så vil automation sørger for der ALTID kommer titler og metabeskrivelser på nye sider. Og man ville ved hjælp af data kunne evaluere og altid rette til, eller hvis Google Search Console viser, at en side får mange eksponeringer men få klik, som er et tegn på, at AI-teksten er for svag.

Afslutningsvis

Det her projekt bekræftede for mig, at der er dele af marketing, der kan systematiseres og være en lettelse i det daglige arbejde. Jeg prøver med det her ikke at bevise, at AI skriver bedre SEO-titler og beskrivelser end mennesker, men mere, at nogle marketingopgaver er mere strukturelle end kreative. Det viser heller ikke, at teknologi ikke eliminerer behovet for menneskelig vurdering, men kan frigøre tid til det mere kreative og komplekse.

Hvis ambitionen er at bygge noget, der kan vokse, giver det mening at tænke systemer tidligt. Små felter med stor effekt, som sagt. Og endnu større effekt, når contentmaskinen rigtigt går i gang.

Her på ai-mlab, mit AI-marketinglaboratorium, tester, bygger og nørder jeg med kunstig intelligens og marketing operations i praksis. Mange af eksperimenterne sker på mit live testsite Aquascapedia, hvor jeg prøver idéer af, automatiserer og ser, hvad der rent faktisk virker.

På bloggen deler jeg cases, tanker, fejl, aha-øjeblikke og alt det midt imellem! God læselyst!