AI visibility: sådan måler jeg et brands synlighed i AI og med hvilke værktøjer

Et brands synlighed i AI er andelen af AI-assistenters svar på dine kunders spørgsmål, hvor brandet nævnes ved navn, eller hvor dets hjemmeside er angivet som kilde. Jeg regner den på mit eget sæt af spørgsmål, hver for sig for hver assistent og hver for sig for omtale og citering. Ingen andre end assistenternes udbydere kender alle de spørgsmål, folk stiller dem, så en »andel af AI-markedet« kan ikke regnes ud. Hvert tal om synlighed i AI giver kun mening sammen med oplysningen om, hvad det er regnet på: hvor mange spørgsmål, i hvilken assistent og hvilken dag.

Tre gange fra august til oktober viste min egen kontrol, at et tal, der så godt ud, betød noget andet, end jeg troede:

1. »Brandets tilstedeværelse« i en rapport fra et af mine projekter viste sig at være citering af siden og ikke omtale af brandet. I Perplexity viste rapporten 2 %, mens brandet var nævnt i 37 % af spørgsmålene; i spørgsmålene uden dets navn i 21 %.
2. En test, der skulle vise, at placeringen på delsøgninger (de søgninger, som assistenten selv sender til søgemaskinen, mens den svarer) forudsiger citeringer bedre end placeringen på hovedsøgeordet, gav et resultat i tråd med teorien, indtil en reviewer opdagede, at jeg havde sammenlignet målinger med forskellig nøjagtighed.
3. Antallet af citeringer i et værktøj steg på en uge med halvdelen for to brands, mens deres andel næsten ikke ændrede sig, så det var sandsynligvis den database af svar, værktøjet har samlet (dets indeks), der voksede, og ikke brandenes synlighed.

Jeg måler synlighed i AI på en måde, der finder den slags fejl, før rapporten går til kunden, og ikke bagefter. Det andet af tilfældene beskrev jeg i teksten om AI SEO og GEO, de to andre står længere nede.

Hvad er et brands synlighed i AI?

Et brands synlighed i AI er brandets tilstedeværelse i de svar, som AI Overview og AI-tilstand i Google, ChatGPT, Gemini, Perplexity og Copilot genererer, regnet som andelen af sådanne svar. Brandet kan være med i et svar på to måder, og dem regner jeg hver for sig:

1. Omtale: brandets navn står i svarets tekst, som brugeren læser.
2. Citering: brandets hjemmeside er angivet som kilde, som regel i en fodnote eller i en liste med links ved siden af svaret.

Det ene følger ikke af det andet. En assistent kan anbefale et brand ved navn uden at angive dets hjemmeside, fordi den kender det fra hukommelsen eller fra andres tekster. Den kan også angive brandets hjemmeside som kilde til almen information og ikke skrive dets navn en eneste gang. I teksten om AI SEO og GEO beskriver jeg, hvor assistenten får sin viden om et brand fra: fra søgning eller fra modellens hukommelse.

I et AI-svar findes der ingen placering, så jeg måler en andel og ikke en plads. Assistentens svar bliver hver gang skabt på ny og er ikke en liste med ti resultater. Eli Schwartz har sagt det i én sætning:

Derfor tæller jeg i stedet for en placering, i hvor mange svar på mit sæt af spørgsmål brandet optræder. Tallet »brandet er nummer 3 i ChatGPT« beskriver ét svar fra én dag, og det næste svar på det samme spørgsmål kan nævne andre brands i en anden rækkefølge.

Hvordan tjekker du et brands synlighed i ChatGPT og andre AI-assistenter?

Jeg tjekker den i seks trin og regner først i det femte. De tidligere trin er der for, at tallet til sidst handler om det rigtige brand og de rigtige spørgsmål.

Trin 1. Tjek, om assistenten ved, hvilket brand det drejer sig om

Før jeg tæller noget, stiller jeg et spørgsmål med kun brandets navn og læser svaret. Hvis assistenten forveksler brandet med en anden virksomhed, kan hvert senere tal handle om en anden virksomhed. For en polsk webshop viste et værktøj til synlighed i AI 55 point ud af 100 og 100 % andel, og alle de svar, det regnede ud fra, handlede om en anden, kendt virksomhed med samme navn. I et andet værktøj fik et brand, hvis navn er et almindeligt ord fra ordbogen, over 400 tusind sider med omtale, fordi værktøjet talte hver brug af ordet. Sammenligningsbrandet havde under 7 tusind.

Når en virksomhed i samme branche har det samme navn, mister målingen sin mening, og når det er en fra et helt andet område, bliver målingen bare sværere. I det første tilfælde ordner jeg, før jeg tæller noget, beskrivelsen af brandet på dets hjemmeside og i profilerne, så assistenten kan kende forskel. Mit for- og efternavn bæres blandt andre af en skuespiller og en pilot, så en måling af mit brand giver mening, men ved hver omtale tjekker jeg, om den handler om mig.

Trin 2. Læs Google-resultaterne på brandets navn

AI Overview og AI-tilstand bruger Googles indeks, så først tjekker jeg, hvad Google viser på selve brandets navn. Ved hvert af de første ti resultater skriver jeg ned, om jeg kontrollerer siden helt, delvist (for eksempel en profil på en andens tjeneste) eller slet ikke. På mit for- og efternavn kontrollerede jeg den 3. oktober 2026 i den polske version af Google ingen af de 10 resultater helt og ét delvist.

Derefter leder jeg på de sider efter de sætninger, som assistenterne gentager om brandet. Hvis sætningen står i resultaterne, ved jeg, hvor assistenten har den fra, og kan bede om en rettelse af den side. Hvis den ikke står der, ligger den sandsynligvis i modellens hukommelse, og en rettelse af siderne ændrer den ikke hurtigt.

Trin 3. Lav et sæt af spørgsmål, og lad være med at ændre det

Spørgsmålene tager jeg fra data om efterspørgsel og fra Search Console og ikke fra en brainstorm. Fra Search Console vælger jeg de søgninger, som siden allerede vises på, og resten supplerer jeg med søgeord fra værktøjer til søgeordsanalyse. Hvordan jeg deler søgeordene efter sidens placering, har jeg beskrevet i teksten om SEO-strategi. Når siden i den periode, jeg tager søgningerne fra, har under ca. 1.000 visninger og 100 forskellige søgninger i Search Console, udleder jeg ikke spørgsmål fra den, for så lille et grundlag kan ikke give spørgsmål, der siger noget om markedet. Det er en vejledende grænse fra min proces og ikke et testresultat.

De fleste spørgsmål formulerer jeg uden brandets navn, af den grund der er beskrevet i teksten om AI SEO og GEO. Spørgsmålet »er X godt« måler, hvad assistenten ved om X, og ikke om den vil anbefale X til en, der aldrig har hørt om det. Spørgsmål uden brandets navn laver jeg i tre former (eksemplerne er vejledende):

• en kategori med en nærmere afgrænsning, for eksempel »bogholderbureau til en enkeltmandsvirksomhed i Kraków«;
• en sammenligning, hvor kun konkurrentens navn indgår, for eksempel »alternativ til [konkurrent]«;
• et spørgsmål om en bestemt mulighed, for eksempel »hvilken notesapp virker uden internet«.

Spørgsmål om omdømme regner jeg hver for sig og lægger dem ikke ind under synligheden. »Er X en seriøs virksomhed« og par af spørgsmål som »hvem skal jeg vælge« og »hvem skal jeg undgå« viser, hvad assistenten mener om brandet, og ikke om den anbefaler det. I den webshop, jeg nævnte i trin 1, svarede assistenterne på spørgsmålet, om det var en seriøs butik, ved at citere kundernes klager.

Spørgsmål om et polsk brand stiller jeg på polsk og på engelsk. I min test var en del af delsøgningerne til de polske spørgsmål på engelsk, som jeg skriver om i teksten om AI SEO og GEO.

Sættet ændrer jeg ikke mellem målingerne. Nye spørgsmål tilføjer jeg som en separat gruppe, for hver ændring af listen ødelægger sammenligningen med den forrige måling.

Trin 4. Fastlæg antallet af gentagelser med en pilot, og skriv ned, hvornår og hvor

Antallet af gentagelser fastlægger jeg ikke på forhånd: På et nyt sæt af spørgsmål laver jeg først en pilot, hvor jeg stiller hvert spørgsmål 10 gange, alle på samme tid. Det anbefaler Dmitrij Żatuchin i protokollen Dice Roll Method til gentagne forespørgsler til modeller om brands (arXiv, version 2 fra 14. oktober 2026). Ud fra piloten regner jeg ud, hvor meget svarene på det samme spørgsmål varierer, og hvor meget spørgsmålene afviger fra hinanden, og ud fra det, hvor mange gentagelser der skal til for det resultat, jeg har brug for. I denne version af arbejdet trak forfatteren de faste grænser fra første version tilbage (fra 5 til 20 gentagelser afhængigt af undersøgelsens art), fordi det viste sig, at de var regnet på data fra en syntetisk generator og ikke på data fra undersøgelser.

Piloten giver som regel to forskellige tal: få gentagelser til et resultat for hele assistenten og mange flere til at sammenligne ét spørgsmål før og efter en ændring. Tallene fra min test og fra Żatuchins arbejde viser jeg længere nede i afsnittet om gentagelser. AI Overview var i mine data det mest stabile: På 77 af 94 spørgsmål gav det tre identiske svar, så til det er én hentning som regel nok.

Ved hvert svar skriver jeg fire ting ned: assistenten, overfladen, modelversionen og dato med klokkeslæt. Overfladen er stedet, hvor modellen svarer: chatappen, API'et, AI-tilstand i Google eller AI Overview. Svar fra API'et behøver ikke være de samme som det, brugeren af appen ser, så resultater fra to overflader lægger jeg ikke sammen til ét tal.

Klokkeslættet for svaret gør det muligt at skelne tilfældighed fra en ændring over tid. I gentagelsestesten citerede Perplexity projektets side i 0, 2 og 9 spørgsmål i de efterfølgende gentagelser, med et næsten konstant antal omtaler (33, 36 og 35). Sandsynligvis ændrede adgangen til siden sig under målingen, men regnearket havde ikke klokkeslæt for svarene, så det kan ikke tjekkes. Derfor sender jeg i de næste målinger gentagelserne på én gang og skriver klokkeslættet for hvert svar ned.

Trin 5. Tæl omtaler og citeringer hver for sig

Resultatet for en assistent er andelen af alle svar, hvor brandet optrådte, hver for sig for omtale og for citering. Kilderne lægger jeg sammen fra alle gentagelser. Spørgsmål, hvor brandet kun optrådte i en del af svarene, markerer jeg som ustabile og drager ikke slutninger om det enkelte spørgsmål ud fra dem.

Trin 6. Tjek, hvad der kan gøre diagnosen ugyldig

Før jeg skriver til en kunde, hvad vedkommende mangler, tjekker jeg de situationer, hvor diagnosen ville være forkert:

• Assistenten anbefaler ingen i den kategori, for eksempel ved spørgsmål om sundhed, økonomi eller jura. Så er der intet hul, som brandet kunne fylde.
• Assistenten svarer fra hukommelsen uden at søge. Så ændrer arbejdet på siden længe ingenting.
• En konkurrent, som jeg selv har sat ind i sammenligningen, virker ikke. I én måling havde fire domæner, som jeg byggede teorien om, at kategorien er tom, på, ikke engang en DNS-post, altså førte domænets adresse ikke til nogen server. Nul citeringer hos en konkurrent, hvis side ikke virker, betyder ikke, at der er en ledig plads i kategorien.
• Synligheden i AI vokser, mens trafikken fra Google falder i samme periode. SearchPilot beskriver en test for tjenesten Omio, hvor en ændring på siderne hjalp trafikken fra sprogmodeller, men efter deres skøn ville have sænket trafikken fra Google med ca. 6,5 %, så den blev ikke indført (SearchPilot). Derfor ser jeg ved siden af AI-svarene altid på trafikken fra Google.

Efter hver ændring på siden eller i beskrivelsen af brandet gentager jeg trin 4 til 6 på det samme sæt af spørgsmål. Kun så kan resultatet før og efter ændringen sammenlignes.

Hvilke målinger af synlighed i AI skal du bruge?

For hver assistent måler jeg to tal: andelen af svar med omtale af brandet og andelen af svar med citering af dets hjemmeside. Dertil kommer andelen i forhold til konkurrenterne på det samme sæt af spørgsmål og antallet af ustabile spørgsmål. Trafik fra assistenter i analyseværktøjet behandler jeg som en separat måling, for den er altid for lav: En del af besøgene kommer uden oplysning om kilden.

Da jeg regnede omtalerne ud for sig, viste det sig, at rapporten om »brandets tilstedeværelse« målte citeringer. I et af de projekter, jeg driver, omfattede målingen fra 29. august 2026 94 spørgsmål, fem AI-overflader og tre gentagelser, i alt 1.410 svar. Scriptet, der regnede den ud, anså kun brandet for til stede, når dets hjemmeside var blandt kilderne, mens metodebeskrivelsen i rapporten talte om brandets tilstedeværelse i svaret. I oktober talte jeg forekomsterne af selve brandets navn i de samme svar:

I Perplexity og Gemini var brandet nævnt i mere end en tredjedel af spørgsmålene, mens rapporten viste 2 % og 0 %. Tallene for omtale omfatter 19 spørgsmål med brandets navn, så alene i de 75 spørgsmål uden navnet er de lavere: fra 21 % til 28 % afhængigt af assistenten. Det er stadig nogenlunde hvert femte spørgsmål i de assistenter, hvor rapporten viste næsten nul. Siden denne analyse regner jeg begge målinger hver for sig og kræver det samme af hver rapport, jeg får.

Omtale uden citering og citering uden omtale er for mig to forskellige hypoteser og to forskellige arbejdsopgaver, som jeg beskriver i afsnittet om hullet i synligheden. Begge hypoteser tjekker jeg med en ændring og en ny måling.

Andel regnet pr. svar og ikke pr. citering

Brandets andel blandt konkurrenterne regner jeg pr. svar og ikke pr. citering, fordi svarene har meget forskelligt antal kilder. I målingen for et polsk SEO-bureau havde 23 svar på spørgsmål om anbefaling af et bureau fra 1 til 13 kilder. En andel regnet pr. citering ville give svar med 13 kilder tretten gange så stor vægt som svar med én. Når jeg regner pr. svar, vejer hvert svar lige meget, for brugeren læser ét svar ad gangen.

Listen over kilder fra ChatGPT skal renses for søgeresultater, som modellen kun har kigget på. Det værktøj, jeg samler ChatGPTs svar med, returnerer ved siden af de kilder, der er citeret i svaret, også hele listen af søgeresultater, som modellen har set. I ét svar var der 52 sådanne resultater og 7 citerede kilder. I de samme 23 svar faldt antallet af citeringer efter fjernelsen af den liste fra 279 til 181, og listen over steder, hvor det er værd at optræde, fra 10 til 6 poster.

Hvor mange gentagelser er nok?

I min test var tre gentagelser af hvert spørgsmål nok til et resultat for hele assistenten, men ikke til at vurdere det enkelte spørgsmål. I gentagelsestesten havde ca. halvdelen af de spørgsmål, hvor brandet optrådte mindst én gang, et ustabilt resultat: i ChatGPT 18 af 36 ved citering af siden (alle 94 spørgsmål) og i AI-tilstand 16 af 29 ved omtale i spørgsmål uden brandets navn. Et spørgsmål, der i ét gennemløb »har brandet«, kan i det næste mangle det.

• 13 %Så mange spørgsmål uden brandets navn ville i ChatGPT blive vurderet forkert (brandet er nævnt eller ej) ved tre gentagelser. Når spørgsmålet stilles én gang, er det 21 %, ved fem gentagelser 9 %, ved syv 8 %.Skøn fra en model på data fra 1.410 svar, 14.10.2026
• 1,5 procentpointSå stor er den typiske fejl (standardafvigelsen) på andelen af svar med omtale af brandet i ChatGPT ved tre gentagelser i spørgsmål uden brandets navn. Ved fem 1,2 procentpoint.Skøn fra en model på data fra 1.410 svar, 14.10.2026
• 0,33Medianen af ligheden mellem listerne over citerede domæner fra to gentagelser af det samme spørgsmål i ChatGPT og AI-tilstand: fællesmængden delt med alle domæner fra begge lister (1 betyder identiske lister). I Perplexity 0,92.Gentagelsestest, 14.10.2026
• 77 af 94Så mange spørgsmål gav AI Overview tre identiske svar på.Gentagelsestest, 14.10.2026

Fra tre til fem gentagelser blev resultatet for assistenten i min test bedre med mindre end et procentpoint, så til det resultat bliver jeg som regel ved tre. Det er et skøn fra en statistisk model, tilpasset ét projekt, ét målevindue og to assistenter (ChatGPT og AI-tilstand), og ikke en måling, og derfor tjekker jeg det med en pilot på et nyt sæt. Żatuchin har et lignende resultat: På 250 forskellige spørgsmål gav allerede én eller to gentagelser en pålidelighedskoefficient på 0,80 og fem gentagelser 0,96 (1 betyder, at gennemsnittene af gentagelserne uden fejl skelner spørgsmålene fra hinanden).

Til at sammenligne ét spørgsmål før og efter en ændring på siden skal der bruges 15-25 gentagelser og ikke tre. Ifølge Żatuchins simulering er chancen for at opdage en stor ændring på ét spørgsmål ved fem gentagelser kun 15-19 %, og 80 % nås først ved 15-25 gentagelser. Hans data handler om modellers anbefaling af brands via API, så for svar med søgning tjekker jeg også dette tal med en pilot.

Listen over kilder fra én gentagelse bruger jeg ikke, for i ChatGPT og AI-tilstand er fællesmængden af to gentagelser af det samme spørgsmål som regel kun en tredjedel af alle domæner, der er citeret i begge. Listen over steder, hvor brandet bør optræde, bygger jeg af alle gentagelser med antallet af forekomster af hvert domæne.

Kilderne kan også ændre sig fra uge til uge. SISTRIX fulgte 82.619 spørgsmål i 17 uger i seks lande (uden Polen), og i ChatGPT ændrede op til 74 % af de citerede kilder sig fra uge til uge; det er den højeste værdi og ikke gennemsnittet (SISTRIX, 1. maj 2026). Derfor anerkender jeg en ændring i kilderne først, når den gentager sig i den næste måling.

Hvordan virker værktøjer til måling af synlighed i AI, og hvordan vælger du et?

Værktøjer til synlighed i AI gør det samme som en manuel måling: De stiller assistenterne et sæt af spørgsmål, gemmer svarene og regner ud, hvor brandet optræder. De adskiller sig ved, hvis spørgsmål det er, hvor mange gange de stiller dem, og hvad de tæller. Data henter jeg fra tre slags kilder:

Absolutte tal vokser sammen med værktøjets indeks

Antallet af citeringer i et værktøj kan stige med halvdelen på en uge, selv om brandets andel ikke ændrer sig. I en Ahrefs-rapport om antallet af AI-svar, der citerer et domæne, baseret på Ahrefs' database af spørgsmål, sammenlignede jeg to aflæsninger for to store webshops i Tyskland, fra 26. juli og fra 2. august 2026. Antallet af deres citeringer i ChatGPT steg i den periode hos begge med 50 %, mens den enes andel af de to butikkers samlede antal citeringer næsten ikke ændrede sig: 34,2 % og 34,1 %. I Perplexity steg tallene med 68 % og 185 %. Sandsynligvis voksede værktøjets database og ikke brandenes synlighed. Det er to brands, ét værktøj og én uge.

Derfor tager jeg fra værktøjer andelen og ikke de absolutte tal, og kun for de assistenter, hvor andelen i min sammenligning ikke ændrede sig med mere end et halvt procentpoint. Det var tilfældet i ChatGPT, AI Overview, AI-tilstand og Grok (xAI's assistent), mens andelen i Perplexity, Gemini og Copilot ændrede sig med ca. 3 til 11 procentpoint. Det er én sammenligning fra én uge, så jeg regner med stabilitet, indtil den næste aflæsning modsiger det.

Hvad jeg tjekker, før jeg vælger et værktøj

Før jeg vælger et værktøj, tjekker jeg syv ting:

1. Om det viser omtale og citering hver for sig.
2. Om jeg kan tilføje egne spørgsmål og holde dem uændrede i mange måneder.
3. Hvor mange gange det stiller hvert spørgsmål, og om det viser, hvilke spørgsmål der er ustabile.
4. Om det gemmer modelversion, overflade og dato for hvert svar.
5. Om det understøtter mit marked og mit sprog.
6. Om det viser de fulde svar, så jeg kan tjekke, om det handler om det rigtige brand.
7. Om det angiver andelen på det samme sæt af spørgsmål og ikke kun absolutte tal.

Vurderinger af tonen fra en klassifikator, som jeg testede, rapporterer jeg ikke. I ét tilfælde markerede den som negativt et svar, der sluttede med dommen »X er det bedre valg for de fleste teams«. Tonen vurderer jeg ved at læse selve uddraget af svaret, eller også skriver jeg ikke noget om den.

Ét »resultat for synlighed i AI« fra et værktøj er ikke et mål for mig. Det blander omtaler, citeringer og forskellige assistenter, så man kan ikke læse ud af det, hvad der er ændret. Et tal fra et værktøj angiver jeg altid sammen med et forretningsnøgletal: henvendelser fra kunder, salg eller trafik fra Google.

Gratis kilder: Bing og Google

Bing Webmaster Tools viser gratis, hvor mange gange Copilot og AI-svar i Bing har citeret dine sider. Rapporten AI Performance blev offentliggjort den 10. februar 2026 som en testversion. Den viser antallet af citeringer, antallet af citerede sider pr. dag, citeringer af de enkelte adresser og et udsnit af de søgninger, som AI'en brugte til at finde indholdet, før den citerede det (Bing Webmaster Blog). Det er kun data fra Bing og Copilot, så de erstatter ikke en måling i ChatGPT.

Search Console viser visninger af sider i AI Overview og AI-tilstand, men siger ikke, om brandet blev nævnt ved navn. Google gjorde rapporten tilgængelig for en del af siderne i juni 2026 og fra 31. august 2026 for alle (Google Search Central, Search Console Hjælp). Beskrivelsen af rapporten taler om visninger efter sider, lande, datoer og enheder og beskriver hverken omtaler i svarenes tekst eller de spørgsmål, der udløste dem. Det er en god kontrol fra Googles side, men ikke en måling af omtaler.

Egen måling via API

At måle selv via API koster ikke meget, men kræver tid til forberedelse og kontrol. Et gennemløb af 14 spørgsmål på fire overflader (ChatGPT med søgning, AI-tilstand i Google samt Gemini og Perplexity via API), i alt 56 svar, kostede mig 0,82 USD i API-gebyrer, heraf 0,63 USD til Gemini (det første af disse tal oplyste jeg i teksten om AI SEO og GEO). Det var det første af tre gennemløb af målingen for et SEO-bureau, og hele målingen, i alt 180 svar, kostede ca. 2,8 USD. Med de takster ville et sæt på 100 spørgsmål på fire overflader med tre gentagelser, altså 1.200 svar, koste ca. 18-19 USD pr. måling, for det meste for Gemini. En pilot med ti gentagelser på det samme sæt er 4.000 svar og ca. 60 USD, én gang. Der skal bruges tid på at lave spørgsmålene, på at tjekke, at assistenten ikke forveksler brandet med et andet, og på at læse svarene. I teksten om AI-værktøjer i SEO beskrev jeg de tests, hvorefter jeg regner tallene fra sådanne målinger med et script og ikke med en model.

Hvad gør jeg, når målingen viser et hul i synligheden?

Målingen viser, i hvilken situation brandet er, og af det afhænger, hvad jeg gør:

• Brandet er hverken i omtalerne eller i kilderne, og assistenten søger på nettet: Jeg arbejder på sidens synlighed i Google på de spørgsmål og deres varianter. Jeg starter med at tjekke, om assistenternes robotter overhovedet får siden, som i en SEO-audit.
• Brandet bliver nævnt, men dets hjemmeside bliver ikke citeret: Jeg retter tekststykker på siden, så de svarer på spørgsmålet uden resten af teksten.
• Siden bliver citeret, men brandet nævnes ikke ved navn: Jeg arbejder på det, andre skriver om brandet, for det er sandsynligvis fra andres tekster, assistenten ved, hvem den skal anbefale. I teksten om linkbuilding i AI-tiden beskrev jeg, hvordan jeg planlægger omtaler på sider, som AI allerede citerer.
• Assistenten svarer fra hukommelsen og giver forældede eller usande oplysninger: først én sammenhængende beskrivelse af brandet i egne kanaler, derefter publikationer på steder, som andre redigerer. Jeg lover ikke en effekt inden for et kvartal.

Effekten af hver af disse indsatser tjekker jeg med en ny måling på det samme sæt af spørgsmål, for ingen af dem giver en garanti. I teksten om AI SEO og GEO beskrev jeg, hvilke af disse indsatser der har bevis, og hvilke der er et populært råd uden måling. Der står også mine tests, som ikke bekræftede flere af sådanne råd.

Hvad kan en måling af synlighed i AI ikke fortælle?

Målingen fortæller ikke, hvor mange mennesker der så brandet i AI-svar. Andelen gælder mit sæt af spørgsmål og ikke alle samtaler med assistenterne, hvis antal jeg ikke kender.

Den fortæller heller ikke, hvorfor assistenten valgte det ene brand og ikke et andet. Diagnosen fra målingen er en hypotese, som jeg tjekker med en ændring og en ny måling på det samme sæt.

Et resultat fra én dag er ikke en trend. Udbyderne ændrer modeller og måden at søge på, og ændringerne bliver ikke altid meddelt, så jeg sammenligner kun målinger med den samme overflade og en nedskrevet modelversion og anerkender en ændring først, når den gentager sig i den næste måling.

For Polen mangler der data om, hvilke assistenter folk bruger. En polsk undersøgelse af, hvor ofte folk bruger de enkelte assistenter, har jeg ikke fundet, så jeg ved ikke, hvilken vægt resultatet i hver af dem har. Derfor viser jeg resultatet for hver assistent for sig og lægger dem ikke sammen i et gennemsnit.

Hvad måler jeg på mit eget brand?

På rogala.pro måler jeg det samme som hos kunderne, men den første måling (udgangspunktet) fra 26. juli 2026 lavede jeg med en svagere metode. Den havde ét svar pr. spørgsmål og omfattede ikke resultater fra ChatGPT. Udgangspunktet og det, jeg har ændret siden, beskrev jeg i teksten om AI SEO og GEO. Den 25. august satte jeg i Ahrefs Brand Radar en daglig kontrol op af fire spørgsmål fra udgangspunktet i ChatGPT for Polen. Resultaterne af den daglige kontrol beskriver jeg ikke, før jeg har sammenholdt dem med målingen fra 1. november. Den første måling med metoden fra denne tekst har jeg planlagt til 1. november 2026 som en pilot: de samme fire spørgsmål på fire overflader, hvert 10 gange. Resultatet beskriver jeg i begge tekster, også hvis det bliver nul.

Ofte stillede spørgsmål om synlighed i AI

Hvor skal du starte?

Din første måling kan du lave selv på en time uden et betalt værktøj. Stil assistenten ét spørgsmål med kun brandets navn, og tjek, om den ved, hvem det drejer sig om. Vælg fra Search Console ti søgninger, som din hjemmeside vises på, stil dem uden brandets navn tre gange i ChatGPT og i AI-tilstand i Google, og skriv hver for sig ned, hvor brandet er nævnt ved navn, og hvor dets hjemmeside er kilden. Det giver et billede af hele sættet; først med en pilot med ti gentagelser får du mere at vide om de enkelte spørgsmål. Hvis resultatet overrasker dig, er det et godt emne til en konsultation.