Does Google actually use LSI keywords?

Strictly speaking, no. Google's John Mueller stated publicly in 2019 that "there is no such thing as LSI keywords." The original 1988 Latent Semantic Indexing math (Deerwester, Dumais, Furnas et al. at Bell Labs) is not used in Google's ranking algorithm. However, Google does use semantic understanding via systems like BERT, MUM, and word embeddings — and they reward the same behavior LSI tools recommend: covering a topic with broad, related vocabulary instead of repeating one phrase. So the term LSI is technically incorrect, but the practice of semantic keyword coverage is very real and very valuable.

What is the difference between LSI keywords, semantic keywords, and related keywords?

In practice, all three terms describe the same thing today: words and phrases that are topically related to your main keyword. "LSI keywords" is the older term inherited from a 1988 Bell Labs algorithm. "Semantic keywords" is the more accurate modern term — engines like Google reason about meaning (semantics) using BERT and embeddings. "Related keywords" is the most casual term and often refers to keyword-tool suggestions. We use them interchangeably and recommend you focus on the underlying behavior: covering the topic broadly.

How do I find semantic keywords for my topic?

Five free methods work well: (1) Google's "People also ask" and "Related searches" at the bottom of any SERP. (2) Google autocomplete — start typing your keyword and note the suggestions. (3) Read the top 5 ranking pages and list every recurring term. (4) Check Wikipedia's article on the topic — it lists the canonical entities and concepts. (5) Use AI assistants — ask ChatGPT "what are the related concepts and entities for [your topic]?" Paid tools like Surfer SEO, Clearscope, and Frase do this automatically by scraping SERPs and running NLP on the results.

What about keyword density — is the old 1-3% rule still valid?

Keyword density as a single number is largely obsolete. There is no magic percentage. What matters is that your exact target phrase appears naturally (typically 1-2 times per 300 words) and that the surrounding text is semantically rich. Google's spam guidelines do not name a percentage — they describe the symptom: "repeating the same words or phrases so often that it sounds unnatural." If your text reads naturally to a human expert, density is fine. If it reads like a robot, you are stuffing — even at 2%.

Will adding more semantic keywords help me get cited by ChatGPT and Perplexity?

Indirectly, yes — but not because the AI "counts" them. ChatGPT and Perplexity use embeddings to find content that semantically matches a query. A page that covers a topic broadly maps to many query vectors, so it surfaces for more queries. An Ahrefs analysis of 4M AI Overview URLs found topical authority (breadth of related keywords) was the strongest single predictor of AI Overview citations (r = 0.41). Translation: cover the topic deeply, name the entities, and the citations follow.

Can I just use an AI writer to generate semantic content?

AI writers can help draft semantically-rich text — they are trained on huge corpora and naturally use related vocabulary. But three caveats: (1) AI drafts often miss recent named entities (new products, 2025-2026 standards, current people) — you must add those manually. (2) AI tends to produce generic synonyms rather than expert jargon — review with a subject-matter expert. (3) Google's spam policies include "scaled content abuse" — pure unedited AI output at scale is penalized. Use AI as a first draft, then layer in real entities, current data, and human expertise.

Semanttiset ja LSI-avainsanat: Kuinka kattaa aihe niin, että tekoälyhakukoneet siteeraavat sinua

Mitä ovat LSI-avainsanat?

LSI-avainsanat — lyhennys sanasta Latent Semantic Indexing — on SEO-termi sanoille ja lauseille, jotka liittyvät semanttisesti pääaiheeseesi. Jos sivusi on "juoksukengistä", termit kuten lenkkitossut, kengät, vaimennus, askelanalyysi, maraton ja pronaatio ovat LSI-avainsanoja. Ne viestivät hakukoneelle tai tekoälyhakukoneelle, että sivusi kattaa aiheen todellisella syvyydellä yhden lauseen toistamisen sijaan.

Tärkeä vivahde: Googlen John Mueller on julkisesti todennut, että "LSI-avainsanoja ei ole olemassa" — Google ei käytä alkuperäistä vuoden 1988 Latent Semantic Indexing -matematiikkaa Bell Labsista (Deerwester et al.). Modernit hakukoneet käyttävät BERTiä, MUMia ja sanan upotuksia sen sijaan. Mutta perimmäinen idea — että laaja, semanttisesti liittyvä sanasto viestii aiheen relevanssista — on juuri sitä, mitä nuo modernit järjestelmät palkitsevat. Joten pidämme LSI-leiman tutuksi ja käsittelemme sitä lyhenteenä "semanttisille ja liittyville avainsanoille." Tämä mittari on osa Content Quality -pilaria GEO-Scoressasi.

Miten semanttinen haku oikeasti toimii

Ymmärtääksesi, miksi semanttiset avainsanat ovat tärkeitä, sinun on tiedettävä, miten nykyaikaiset hakukoneet käsittelevät tekstiä. Teknologia on kehittynyt valtavasti yksinkertaisesta avainsanojen täsmäytyksestä.

1. Teksti muuttuu vektoreiksi

Kun julkaiset sivun, hakukoneet muuttavat tekstisi numeerisiksi vektoreiksi (upotuksiksi) sellaisten mallien avulla kuin BERT. Jokainen sana ja virke sijoitetaan pisteeksi moniulotteiseen tilaan, jossa samankaltaiset merkitykset ryhmittyvät yhteen. "Juoksukengät" ja "lenkkitossut" päätyvät lähelle toisiaan; "juoksukengät" ja "keittiön tehosekoitin" eivät.

2. Haut täsmäävät merkityksen, ei kirjainten mukaan

Kun käyttäjä kysyy ChatGPT:ltä tai Googlelta kysymyksen, myös siitä kyselystä tulee vektori. Hakukone etsii sitten sivut, joiden vektorit ovat lähimpänä kyselyn vektoria. Sivut, joilla on rikas semanttinen sanasto, tuottavat vektoreita, jotka sijaitsevat lähellä monia erilaisia kyselyvektoreita — mikä tarkoittaa, että ne nousevat esiin useammissa hauissa kuin sivut, jotka toistavat yhtä ainoaa ilmausta.

3. Entiteetit kytkeytyvät Knowledge Graphiin

Google Hummingbirdista (2013) ja BERTistä (2019) lähtien hakukoneet päättelevät entiteettejä — ihmisiä, tuotteita, käsitteitä, paikkoja — ja niiden välisiä suhteita. Bill Slawskin patenttitutkimus osoitti, että Google käyttää Knowledge Graphin entiteettejä ja yhdessä esiintyviä termejä varmistaakseen, että sivu todella käsittelee aihetta. Nimetyt entiteetit sisällössäsi laukaisevat tämän tunnistuksen.

Miksi semanttiset avainsanat ovat tärkeitä tekoälyhaussa

Tekoälyhakukoneet kuten ChatGPT, Perplexity ja Googlen AI Overviews eivät enää täsmää kirjainmerkkijonoja. Ne muuntavat tekstisi vektoriupotuksiksi ja vertaavat niitä kyselyupotuksiin. Sivut, jotka kattavat aiheen useista näkökulmista, päätyvät lähelle monia kyselyvektoreita — joka on juuri silloin, kun ne siteerataan.

Aiheellinen syvyys voittaa avainsanan toiston

Ahrefs-tutkimus havaitsi, että keskimääräinen top-sijoittunut sivu sijoittuu myös noin 1 000 liittyvälle avainsanalle — ei siksi, että se toistaa yhtä lausetta, vaan koska se kattaa aiheen laajasti. Sivut, jotka ovat ohuita semanttisesta sanastosta, näyttävät matalilta sekä Googlelle että tekoälyhakukoneille ja ohitetaan kattavampien lähteiden eduksi.

Hakukoneet pohtivat entiteettejä, eivät merkkijonoja

Hummingbirdistä (2013) ja BERTistä (2019) lähtien Google pohtii entiteettejä — ihmisiä, paikkoja, tuotteita, käsitteitä — ja niiden välisiä suhteita. Bill Slawskin patenttitutkimus SEO by the Seassa osoitti, että Google käyttää Knowledge Graph -entiteettejä ja yhteisesiintymistermejä todentaakseen, että sivu on aidosti aiheesta. Semanttinen sanasto on se, mikä laukaisee tuon tunnistuksen.

Semanttinen laajuus polttaa AI Overview -sitaatteja

Ahrefsin analyysi 4 miljoonasta AI Overview -URL-osoitteesta havaitsi, että laajempi aiheellinen kattavuus korreloi vahvasti sitaattitodennäköisyyden kanssa. Sivustot, joilla on hyvin kehittyneitä aiheklustereita ja semanttisesti rikkaa sisältöä, näkevät jopa 30 % korkeammat sitaattiluvut AI Overviewsissä verrattuna ohuiin yhden avainsanan sivuihin.

Mitä tutkimus kertoo

Keskimääräinen kärkisijoituksen saava sivu sijoittuu kymmenen parhaan joukkoon myös lähes tuhannella muulla relevantilla avainsanalla. Sivut eivät sijoitu yhdelle ilmaisulle — ne sijoittuvat semanttisesti toisiinsa liittyvien hakujen joukolle, koska ne kattavat aiheen, eivät yksittäistä avainsanaa.

— Ahrefs, How Often Top-Ranking Pages Also Rank for Related Keywords, ranking study (yli 3 miljoonaa hakua analysoitu)

Analysoimme 863 000 avainsanan hakutulossivua ja 4 miljoonaa AI Overview -URL-osoitetta. Aihepiirin auktoriteetti — mitattuna niiden liittyvien avainsanojen laajuudella, joilla verkkotunnus sijoittuu — oli vahvin yksittäinen ennustaja AI Overview -viittauksille, korrelaatiolla r = 0,41.

— Ahrefs, AI Overview Citation Patterns Study, 2026 (4 miljoonaa URL-osoitetta, 863 000 hakutulossivua)

LSI-avainsanoja ei ole olemassa — jos joku väittää muuta, hän on väärässä, valitettavasti.

— John Mueller, Google Search Advocate, julkinen lausunto (2019). Google ei käytä vuoden 1988 LSI-algoritmia. Nykyaikaiset hakukoneet käyttävät BERTiä, MUMia ja sanaupotuksia — mutta käytännön periaate semanttisesta laajuudesta pätee edelleen.

Nopeat vinkit semanttiseen kattavuuteen

Käytä 15 minuuttia top 10 SERP-tulosten lukemiseen ennen kirjoittamista — huomaa jokainen toistuva substantiivi ja verbi. Tuo lista on semanttinen tarkistuslistasi.

Käytä tarkkaa kohdelausettasi enintään 1–2 kertaa 300 sanaa kohden. Sen jälkeen vaihda synonyymeihin, liittyviin termeihin tai pronomineihin.

Nimeä vähintään 3 tiettyä entiteettiä per artikkeli — tuote, yritys, standardi, henkilö, paikka. Entiteetit ruokkivat Knowledge Graphia.

Käytä Surferia, Clearscopea, Frasea tai jopa Googlen "People also ask" ja "Related searches" tuodakseen esiin semanttisia termejä — mutta sivuuta mikä tahansa, joka ei sovi luonnollisesti.

Ryhmitä liittyvät artikkelit klustereihin sisäisillä linkeillä. HubSpot havaitsi, että aiheklusteri-sivustojen orgaaninen liikenne kasvaa noin 3,2 kertaa nopeammin keskimäärin.

Lue jokainen kappale ääneen. Jos se kuulostaa siltä, että ihmisasiantuntija kirjoitti sen, semanttinen sanasto on todennäköisesti jo siellä. Jos se kuulostaa robottimaiselta, täytät.

Käyttääkö Google todella LSI-avainsanoja?

▼

Tarkasti ottaen ei. Googlen John Mueller totesi julkisesti vuonna 2019, että "LSI-avainsanoja ei ole olemassa." Alkuperäistä vuoden 1988 Latent Semantic Indexing -matematiikkaa (Deerwester, Dumais, Furnas et al. Bell Labsissa) ei käytetä Googlen sijoitusalgoritmissa. Google kuitenkin käyttää semanttista ymmärrystä järjestelmien kuten BERT, MUM ja sanan upotukset kautta — ja ne palkitsevat samaa käyttäytymistä, jota LSI-työkalut suosittelevat: aiheen kattamista laajalla, liittyvällä sanastolla yhden lauseen toistamisen sijaan. Joten termi LSI on teknisesti virheellinen, mutta semanttisen avainsanan kattavuuden käytäntö on hyvin todellinen ja erittäin arvokas.

Mikä on ero LSI-avainsanojen, semanttisten avainsanojen ja liittyvien avainsanojen välillä?

▼

Käytännössä kaikki kolme termiä kuvaavat samaa asiaa tänään: sanoja ja lauseita, jotka liittyvät aihepiirisesti pääavainsanaasi. "LSI-avainsanat" on vanhempi termi, joka on peritty vuoden 1988 Bell Labs -algoritmista. "Semanttiset avainsanat" on tarkempi moderni termi — hakukoneet kuten Google pohtivat merkitystä (semantiikkaa) BERTillä ja upotuksilla. "Liittyvät avainsanat" on rentein termi ja viittaa usein avainsanatyökalujen ehdotuksiin. Käytämme niitä keskenään ja suosittelemme keskittymään perimmäiseen käyttäytymiseen: aiheen kattamiseen laajasti.

Kuinka löydän semanttisia avainsanoja aiheelleni?

▼

Viisi ilmaista menetelmää toimii hyvin: (1) Googlen "People also ask" ja "Related searches" minkä tahansa SERP:n alaosassa. (2) Googlen autocomplete — aloita avainsanasi kirjoittaminen ja huomaa ehdotukset. (3) Lue top 5 -sijoittuneet sivut ja listaa jokainen toistuva termi. (4) Tarkista Wikipedian artikkeli aiheesta — se listaa kanoniset entiteetit ja käsitteet. (5) Käytä tekoälyavustajia — kysy ChatGPT:ltä "mitkä ovat liittyvät käsitteet ja entiteetit [aiheellesi]?" Maksulliset työkalut kuten Surfer SEO, Clearscope ja Frase tekevät tämän automaattisesti raapimalla SERP:eitä ja ajamalla NLP:ää tuloksiin.

Entä avainsanan tiheys — onko vanha 1–3 %:n sääntö edelleen pätevä?

▼

Avainsanan tiheys yhtenä lukuna on suurelta osin vanhentunut. Ei ole maagista prosenttia. Tärkeää on, että tarkka kohdelauseesi esiintyy luonnollisesti (tyypillisesti 1–2 kertaa 300 sanaa kohden) ja että ympäröivä teksti on semanttisesti rikasta. Googlen spämmiohjeet eivät nimeä prosenttia — ne kuvaavat oiretta: "samojen sanojen tai lauseiden toistamista niin usein, että se kuulostaa epäluonnolliselta." Jos tekstisi lukee luonnollisesti ihmisasiantuntijalle, tiheys on kunnossa. Jos se lukee kuin robotti, täytät — jopa 2 %:ssa.

Auttaako useamman semanttisen avainsanan lisääminen minua tulemaan siteeratuksi ChatGPT:ssä ja Perplexityssä?

▼

Epäsuorasti kyllä — mutta ei siksi, että tekoäly "laskisi" niitä. ChatGPT ja Perplexity käyttävät upotuksia löytääkseen sisältöä, joka semanttisesti vastaa kyselyä. Sivu, joka kattaa aiheen laajasti, mappautuu moniin kyselyvektoreihin, joten se nousee esiin useammissa kyselyissä. Ahrefsin analyysi 4 miljoonasta AI Overview -URL-osoitteesta havaitsi, että aiheellinen auktoriteetti (liittyvien avainsanojen laajuus) oli vahvin yksittäinen ennustaja AI Overview -sitaateille (r = 0,41). Käännös: kata aihe syvällisesti, nimeä entiteetit, ja sitaatit seuraavat.

Voinko vain käyttää tekoälykirjoittajaa tuottamaan semanttista sisältöä?

▼

Tekoälykirjoittajat voivat auttaa luonnostelemaan semanttisesti rikasta tekstiä — ne on koulutettu valtavilla korpuksilla ja käyttävät luonnollisesti liittyvää sanastoa. Mutta kolme varoitusta: (1) Tekoälyluonnokset jättävät usein huomiotta tuoreet nimetyt entiteetit (uudet tuotteet, vuosien 2025–2026 standardit, nykyiset henkilöt) — sinun on lisättävä ne manuaalisesti. (2) Tekoäly tuottaa yleensä yleisiä synonyymejä asiantuntija-ammattikielen sijaan — tarkista aihealueen asiantuntijan kanssa. (3) Googlen spämmikäytännöt sisältävät "skaalatun sisällön väärinkäytön" — pelkkää muokkaamatonta tekoälytuotosta mittakaavassa rangaistaan. Käytä tekoälyä ensiluonnoksena, sitten kerrosta sisään todelliset entiteetit, ajantasainen data ja ihmisen asiantuntijuus.

Liittyvät mittarit tutkittavaksi

Kattavuus

Semanttiset avainsanat ovat sanasto; kattavuus on kattamisen syvyys. Yhdessä ne viestivät, että sivusi todella kattaa aiheen.

Aiheellinen auktoriteetti

Ahrefs havaitsi, että aiheellinen auktoriteetti (liittyvien avainsanasijoitusten laajuus) on yksittäinen vahvin ennustaja AI Overview -sitaateille. Rakenna sitä aiheklustereilla.

Semanttinen selkeys

Vaikka sanasto olisi rikasta, lauseiden on oltava yksiselitteisiä. Semanttinen selkeys varmistaa, että BERT ja tekoälyhakukoneet poimivat merkityksen tekstistäsi oikein.

Knowledge Graph

Nimetyt entiteetit (tuotteet, brändit, ihmiset, paikat) yhdistävät sivusi Googlen Knowledge Graphiin — strukturoidun selkärangan AI Overviewsin ja ChatGPT:n takana.

Tehnyt muutoksia? Tarkista pisteytyksesi.

Semanttisten avainsanojen ja nimettyjen entiteettien lisääminen muuttaa sitä, kuinka tekoälyhakukoneet näkevät sivusi — nopeasti. Suorita ilmainen GEO-Score-tarkistus jokaisen uudelleenkirjoituksen jälkeen nähdäksesi, kuinka aiheellinen kattavuutesi ja sitaattipotentiaalisi paranivat.

Analysoi sivusi ilmaiseksi