Det startet med en frustrasjon.

Vi satt og kikket på eksisterende SEO-verktøy — de store, dyre, amerikanske — og tenkte: de er ikke bygget for en norsk tømrer på Voss eller en frisør i Ålesund. De er bygget for markedsføringsteam med egne budsjetter og folk som bruker halve arbeidsdagen på dashbord.

Så vi bestemte oss for å bygge noe selv.

Det er nesten to år siden nå, og vi har lært mer enn vi regnet med. Noe av det var som forventet. Mye var det ikke. Her er den ærlige versjonen.

Hvorfor bygge fremfor å kjøpe?

Det finnes gode grunner til å bruke ferdig programvare. Det sparer tid. Det er forutsigbart. Du slipper å finne opp hjulet på nytt.

Men vi hadde et problem ingen ferdig løsning taklet særlig godt: vi ville overvåke to ting samtidig — tradisjonell Google-synlighet og hvordan AI-verktøy som ChatGPT og Perplexity snakker om kundenes virksomheter. Det er ikke det samme. Det krever fundamentalt ulik logikk.

I tillegg ville vi ha full kontroll over dataene. Vi ville kunne tilpasse rapportering til norske forhold. Og vi ville unngå å sende kundenes sensitive søkedata til en tredjepartsserver i Texas.

Så vi rullet opp ermene.

Teknologivalgene — og tankene bak dem

Laravel som ryggrad

Vi valgte Laravel fra dag én, og det angrer vi ikke på. Laravel 13 er modent, godt dokumentert og har et aktivt fellesskap. Det ga oss en solid ryggrad å bygge videre på uten å måtte ta stilling til hundre arkitekturspørsmål fra bunnen av.

En av de store fordelene er Laravels jobber og køsystem. Når vi skal kjøre hundrevis av søkesjekker parallelt — for mange kunder, med ulike søkeord, mot Google og AI-verktøy — er det avgjørende å ha et pålitelig system for å håndtere dette asynkront. Laravel Queues gjør det elegant.

Artisan-kommandoer ble vår beste venn for automatiserte analyser som kjører nattestid mens kundene sover.

Livewire og Flux UI — reaktivitet uten kaos

Vi bruker Livewire som grunnlaget for det meste av brukergrensesnittet — og over det igjen Flux UI v2 for komponentbiblioteket.

Det var et bevisst valg å ikke gå for en full JavaScript-frontend med React eller Vue. Vi ville at teamet skulle jobbe i PHP-økosystemet så mye som mulig, og Livewire gjør det mulig å lage responsive, reaktive grensesnitt uten å hoppe inn i to separate kodebaser.

Flux UI ga oss pene, tilgjengelige komponenter ut av boksen — knapper, modaler, skjemaer — som ser bra ut uten at vi trenger å finne opp brukergrensesnittet selv. Det er som å ha en dyktig kollega som har gjort halvparten av jobben for deg allerede.

Tailwind CSS v4

TailwindCSS v4 var et naturlig valg. Det nye motorkjøret med Vite-integrasjon og den reviderte konfigurasjonssyntaksen passet godt med vår arbeidsflyt, og det å jobbe utility-first betyr at vi slipper å vedlikeholde et voksende lass med tilpassede CSS-filer.

En liten advarsel: noen tredjepartsbiblioteker hadde ikke oppdatert seg til v4 da vi begynte. Vi brukte litt tid på å fikse kantsaker. Ingenting dramatisk, men verdt å nevne.

LLM-overvåking — den vanskelige biten

Dette er der ting ble virkelig interessant.

Å sjekke plasseringer i Google er relativt forutsigbart. Du spør, du får svar, du lagrer resultatet. Men å overvåke hva AI-verktøy sier om en bedrift — det er et annet dyr.

Språkmodeller som GPT-4 og Gemini gir ikke deterministiske svar. Still det samme spørsmålet ti ganger, og du kan få ti litt forskjellige svar. De hallusinerer. De kan trekke på utdatert informasjon. De kan nevne én bedrift i én kontekst og glemme den i en annen.

Vi måtte tenke nytt på hva "overvåking" egentlig betyr i denne sammenhengen.

Det vi endte opp med er tre parallelle spor:

Nevnelsesfrekvens — Blir bedriften nevnt når vi stiller relevante spørsmål? Hvis vi spør «Hvem er en god rørlegger i Stavanger?», dukker kunden opp?
Kontekstkvalitet — Når de nevnes, er det i positiv sammenheng? Er informasjonen korrekt? Stemmer det AI-verktøyet sier med det kunden faktisk tilbyr?
Kildesporing — Hvilke nettsider trekker modellen på? Dermed kan vi hjelpe kunden med å styrke akkurat de kildene som AI-verktøyene stoler på.

Vi kaller det internt for "LLM-synlighetssjekk", og det er noe av det mest konkrete vi kan tilby som ingen andre i det norske markedet gjør enda.

Hva overrasket oss mest?

Ærlig? Hvor mye tid vi brukte på data — ikke kode.

Det er fristende å tenke at utfordringen ligger i å bygge selve plattformen. Det gjør den ikke. Plattformen kan du bygge. Utfordringen er å samle inn data som er fersk nok, presis nok og strukturert nok til at du faktisk kan gjøre noe nyttig med den.

Noen eksempler på det vi møtte:

Google skraper sakte. Automatiserte søk mot Google krever at du oppfører deg som et menneske — ellers blir du blokkert. Det betyr forsinkelser, rotasjoner og mye feilhåndtering.
AI-verktøy endrer seg. Perplexity i januar er ikke Perplexity i juni. Vi måtte bygge inn fleksibilitet til å oppdatere logikken jevnlig.
Kundenes egne data er rotete. Norske bedrifter har ofte inkonsistente NAP-opplysninger (navn, adresse, telefonnummer) spredt over ulike plattformer. Det å rydde opp i det er en forutsetning for alt annet.

Det vi ville gjort annerledes

Vi ville begynt med et smalere fokus. De første månedene prøvde vi å bygge alt på en gang — Google-overvåking, AI-overvåking, automatiserte rapporter, kundeportal, administrasjonspanel. Det var for mye.

Det vi egentlig trengte var ett område der vi kunne si: her er vi gode, her er vi bedre enn alternativene. Resten kunne vente.

Rådet til alle som vurderer å bygge noe lignende: finn den ene tingen som gir mest verdi, bygg den skikkelig, og legg til resten etterpå.

Hva betyr dette for E-E-A-T?

Google har de siste årene lagt stadig mer vekt på det de kaller E-E-A-T — Experience, Expertise, Authoritativeness og Trustworthiness. For oss som plattform betyr det at vi er nødt til å demonstrere at vi faktisk kan det vi sier vi kan.

Denne artikkelen er et lite steg i den retningen. Vi viser ikke bare at vi tilbyr SEO-tjenester — vi viser at vi forstår teknologien bak, at vi har bygget noe selv, at vi har møtt problemene på kroppen og lært av dem.

Det er ikke for å imponere. Det er fordi troverdighet må tjenes — på nett akkurat som ellers i livet.

Avslutning

Å bygge synlig.io har vært krevende, lærerikt og — på de beste dagene — ganske morsomt. Vi har et system vi er stolte av, og vi har lært mer om norsk lokal-SEO og AI-søk enn vi trodde var mulig.

Men viktigst av alt: vi har fått bekreftet at det var et reelt behov der ute. Norske småbedrifter er underservet av internasjonale verktøy som ikke tar hensyn til lokale forhold, norsk språk og det faktum at de fleste ikke har tid til å bli eksperter på digital markedsføring.

Det er det vi prøver å gjøre noe med.

Har du spørsmål om noen av valgene vi tok — teknisk eller strategisk — er du hjertelig velkommen til å ta kontakt. Vi deler gjerne det vi vet.

Synlig.io hjelper norske bedrifter med å bli funnet — på Google og i AI-søk. Nysgjerrig på hvordan det står til med din synlighet? Ta en gratis synlighetssjekk på synlig.io.

Vi bygde en SEO-plattform med AI — her er hva vi lærte