Miten ChatGPT valitsee lähteensä, kun se hakee verkosta?

Kun kysyt ChatGPT:ltä, mikä oululainen tilitoimisto sopii toiminimelle, se ei muistele. Se hakee. Ja se, kenen sivun se lainaa, ratkeaa kolmessa vaiheessa, jotka OpenAI on dokumentoinut vain osittain. Tämä artikkeli kokoaa sen, mitä OpenAI itse sanoo, ja erottaa sen siitä, mitä kukaan ei tiedä.

ChatGPT kirjoittaa kysymyksesi uusiksi ennen hakua

OpenAI:n ohje sanoo, että ChatGPT “may search the web automatically when your question would benefit from current information”. Se ei lähetä kysymystäsi hakukoneelle sellaisenaan: “ChatGPT search typically rewrites your query into one or more targeted queries” (OpenAI Help Center). OpenAI:n oma esimerkki on bioteknologiakysymys CCR8-molekyylistä, josta tulee hakukysely “CCR8 immunotherapy drug development 2025”.

Tämä on sama mekanismi, jota Google kutsuu query fan-outiksi ja jota pilari GEO: näin yritys näkyy tekoälyhauissa käsittelee. Yrittäjälle olennainen seuraus: ChatGPT hakee usein englanninkielisen tai tarkemman kyselyn kuin sen, jonka käyttäjä kirjoitti. Suomenkielinen kysymys “mikä tilitoimisto Oulussa” voi hakuvaiheessa olla “tilitoimisto Oulu toiminimi hinta”. Sivu, joka vastaa vain otsikkotasolla kysymykseen, ei välttämättä osu uudelleenkirjoitettuun kyselyyn.

Haku tulee kumppanilta, ei OpenAI:n omasta indeksistä

OpenAI:lla ei ole julkisesti kuvattua omaa hakuindeksiä. Julkistuksessaan lokakuussa 2024 OpenAI kertoi, että hakumalli hyödyntää “third-party search providers, as well as content provided directly by our partners” (OpenAI). Nykyinen ohje sanoo saman: “ChatGPT search sometimes partners with other search providers” ja nimeää tietosuojaselosteissa Microsoftin ja Shopifyn (OpenAI Help Center).

OpenAI ei kirjoita sanaa Bing. Silti Microsoft on ainoa nimetty hakukumppani, joten järkevin oletus on, että sivun pitää olla Bingin indeksissä päästäkseen ChatGPT:n ehdokaslistalle. Suomessa Bingiä käytetään vähän, joten moni yritys ei ole koskaan avannut Bing Webmaster Toolsia. Se kannattaa tehdä ainakin siksi, että näkee, onko sivusto indeksissä.

Ahrefs vertasi syyskuussa 2025 ChatGPT:n lainauksia Googlen tuloksiin 3 311 hakusanalla. Vain 10 prosenttia ChatGPT:n lainaamista URL-osoitteista oli Googlen top 10:ssä, mutta domain-tasolla päällekkäisyys oli 31,8 prosenttia (Ahrefs). Tulkinta, jonka aineisto sallii: ChatGPT lainaa samoja sivustoja kuin Google, mutta eri sivuja niiltä. Todennäköisesti siksi, että se hakee eri kyselyllä kuin käyttäjä kirjoitti.

OAI-SearchBot lukee sivun, GPTBot ei liity hakuun

OpenAI käyttää kolmea robottia, ja niiden sekoittaminen on yleisin virhe suomalaisten sivustojen robots.txt-tiedostoissa.

OAI-SearchBot “is used to surface websites in search results in ChatGPT’s search features”. Sitä ei käytetä koulutukseen. GPTBot “is used to make our generative AI foundation models more useful and safe”, eli se kerää koulutusaineistoa, ja sen estäminen “indicates a site’s content should not be used in training generative AI foundation models”. ChatGPT-User hakee sivun silloin, kun käyttäjä pyytää ChatGPT:tä lukemaan sen, eikä robots.txt välttämättä koske sitä, koska pyyntö on käyttäjän (OpenAI). Robots.txt-muutoksen huomioimiseen menee OpenAI:n mukaan noin vuorokausi.

Julkaisijaohje sanoo asian suoraan: jos haluat näkyä ChatGPT:n haussa, “make sure you aren’t blocking OAI-SearchBot”. Koulutuksen ja haun voi erottaa: koulutuksen estää GPTBot-esto, haun estää noindex-tagi (OpenAI Help Center). Ja vaikka sivu olisi estetty, ChatGPT voi näyttää siitä pelkän linkin ja otsikon, jos se saa osoitteen kumppanihakukoneelta.

Yritykselle tämä tarkoittaa, että GPTBotin voi estää periaatteesta menettämättä mitään hakunäkyvyydestä. OAI-SearchBotia ei kannata estää, ellei halua pois ChatGPT:stä kokonaan. Lisää bottien tunnistamisesta artikkelissa Tekoälybotit lokeissa.

Lähteiden valintaperusteita OpenAI ei ole julkaissut

Tässä kohtaa rehellinen vastaus on lyhyt. OpenAI:n julkiset dokumentit kertovat, miten haku tehdään ja miten sivu pääsee ehdokkaaksi. Ne eivät kerro, miten ehdokkaista valitaan lainattavat. Julkaisijaohje “does not address ranking factors, freshness signals, or detailed source selection criteria”, ja OpenAI varoittaa itse: “Search results and citations can be incomplete, outdated, or incorrect” (OpenAI Help Center).

Kehittäjädokumentaatio paljastaa yhden mekaanisen asian. Kun hakua käytetään OpenAI:n rajapinnan kautta, vastaus sisältää url_citation-merkinnät lainatuista sivuista ja erillisen sources-kentän, joka listaa kaikki haussa luetut osoitteet. OpenAI:n mukaan sources-lista on usein pidempi kuin lainattujen sivujen lista (OpenAI). Malli siis lukee enemmän sivuja kuin lainaa, ja valinta tapahtuu lukemisen jälkeen. Se puoltaa vanhaa neuvoa: vastauksen pitää olla sivulla selvästi, jotta lukeva malli löytää sen ja päättää käyttää juuri sitä.

Kaikki muu, mitä verkossa väitetään ChatGPT:n painotuksista, on päättelyä tai myyntipuhetta. Sitä ei tässä toisteta.

Näin testaat itse, ketä ChatGPT lainaa sinun alallasi

Koska OpenAI ei kerro perusteita, ainoa luotettava tieto on oma testi. Tämä sivusto ei ole vielä ajanut sitä; alla on protokolla, jonka voi toistaa ja jonka tulokset ovat vertailukelpoisia. Se on oikea prosessi, siksi numeroitu.

1. Kirjoita kymmenen suomenkielistä kysymystä, joita asiakkaasi oikeasti kysyvät ennen ostoa. Ei yrityksen nimeä, ei mainoslauseita. Esimerkiksi “mitä kotikampaaja maksaa Oulussa” tai “mikä tilitoimisto sopii toiminimelle”.
2. Avaa ChatGPT ilman kirjautumista tai uudessa tilapäisessä keskustelussa, jotta aiempi historia ei ohjaa vastausta. Varmista, että haku on käytössä.
3. Kysy jokainen kysymys erikseen, avaa vastauksen Sources-painike ja kirjaa jokainen lainattu osoite taulukkoon: kysymys, päivä, osoite, sijainti lähdelistassa.
4. Toista sama kolmena eri päivänä. Tekoälyhaun vastaukset vaihtelevat, ja yksi ajo ei kerro mitään.
5. Jos haluat toistettavan koneellisen version, aja samat kysymykset OpenAI:n rajapinnan web_search-työkalulla ja aseta user_location-parametriin Suomi. Tallenna sekä url_citation-merkinnät että sources-kenttä, niin näet myös sivut, jotka luettiin mutta joita ei lainattu.
6. Laske, kuinka monta kertaa sinun domainisi oli lähteenä ja kuinka monta kertaa kilpailijan. Vertaa niitä sivuja, joita lainattiin: mikä niissä on, mitä sinun sivuillasi ei ole.

Kuudennen kohdan vastaus on yleensä sama: lainattu sivu vastaa kysymykseen ensimmäisessä kappaleessa, sisältää hinnan tai muun konkreettisen tiedon, ja on tuore. Se ei ole tekoälyoptimointia. Se on sivu, joka kelpaa lukijalle.

Kun testi on tehty, ChatGPT:n oikeaa liikennettä voi seurata analytiikasta: OpenAI lisää viittauksiin parametrin utm_source=chatgpt.com (OpenAI Help Center). Tämä sivusto mittaa sitä Cloudflaren lokista, mutta dataa ei launch-päivänä vielä ole. Artikkeli Näin testaat näkyvyytesi ChatGPT:ssä laajentaa protokollan muihin tekoälyhakuihin.

Kysymyksiä, joita tästä haetaan

Käyttääkö ChatGPT Bingiä?

OpenAI:n ohje sanoo, että ChatGPT search tekee yhteistyötä muiden hakupalveluiden kanssa ja mainitsee kumppaneina Microsoftin ja Shopifyn. Bingiä ei nimetä. Turvallisin oletus on, että sivun pitää olla Bingin indeksissä.

Näkyykö sivu ChatGPT:ssä, jos GPTBot on estetty?

Kyllä. OpenAI:n mukaan GPTBot kerää koulutusaineistoa ja OAI-SearchBot hoitaa haun. Hakunäkyvyyden menettää vasta, jos estää OAI-SearchBotin tai lisää sivulle noindex-tagin.

Lähteet

1. OpenAI Help Center: ChatGPT searchAutomaattinen haku, kumppanihakukoneet, kyselyn uudelleenkirjoitus ja esimerkki, lähteiden epätäydellisyys
2. OpenAI: Overview of OpenAI CrawlersOAI-SearchBot, ChatGPT-User, GPTBot: käyttötarkoitus, user-agent, robots.txt, ~24 h viive, IP-listat
3. OpenAI Help Center: Publishers and Developers FAQÄlä estä OAI-SearchBotia; noindex estää haun; GPTBot-esto ei estä hakua; utm_source=chatgpt.com
4. OpenAI: Introducing ChatGPT searchKolmannen osapuolen hakupalvelut ja kumppanien sisältö; kuka tahansa voi näkyä
5. OpenAI: Web search tool (Responses API)url_citation-merkinnät, sources-kenttä, allowed_domains, user_location
6. Ahrefs: Just 10% of ChatGPT's short-tail results hit Google's top 103 311 hakusanaa; 10 % URL-päällekkäisyys, 31,8 % domain-päällekkäisyys (syyskuu 2025)

Löysitkö virheen?

Tämän tekstin kirjoitti kone ja toinen kone tarkisti faktat. Ihminen ei ole lukenut jokaista tekstiä. Jos jokin on väärin, kerro — ilmoitus menee Ilkka Immoselle, korjaus tehdään ja se merkitään tähän tekstiin näkyviin.

Mikä on väärinSähköposti, jos haluat kuulla korjauksesta

Lähetä ilmoitus