AI-synlighet: slik måler jeg synligheten til en merkevare i AI og med hvilke verktøy

AI-synlighet er andelen svar fra AI-assistenter på spørsmålene til kundene dine der merkevaren er nevnt ved navn eller nettstedet er oppgitt som kilde. Jeg regner den ut på et eget sett med spørsmål, hver for seg for hver assistent og hver for seg for omtale og sitering. Ingen utenom leverandørene av assistentene kjenner alle spørsmålene folk stiller dem, så en «andel av AI-markedet» kan ikke regnes ut. Ethvert tall om AI-synlighet gir bare mening sammen med opplysningen om hva det er regnet ut fra: hvor mange spørsmål, hvilken assistent og hvilken dag.

Tre ganger fra august til oktober viste min egen kontroll at et tall som så bra ut, betyr noe annet enn jeg trodde:

1. «Tilstedeværelse av merkevaren» i en rapport fra et av prosjektene mine viste seg å være sitering av nettstedet og ikke omtale av merkevaren. I Perplexity viste rapporten 2 %, mens merkevaren var nevnt i 37 % av spørsmålene, og i 21 % av spørsmålene uten navnet.
2. Testen som skulle vise at plassering på delsøk (søk som assistenten selv sender til søkemotoren mens den svarer) forutsier siteringer bedre enn plassering på hovedsøkeordet, ga et resultat i tråd med teorien helt til den som kontrollerte testen, la merke til at jeg hadde sammenlignet målinger med ulik nøyaktighet.
3. Antall siteringer i et verktøy økte med halvparten på en uke for to merkevarer, mens andelen deres knapt endret seg, så det som mest sannsynlig vokste, var basen av svar verktøyet hadde samlet inn (indeksen), og ikke synligheten til merkevarene.

Jeg måler synlighet i AI slik at jeg finner slike feil før rapporten går til kunden, og ikke etter. Det andre av disse tilfellene beskrev jeg i teksten om AI SEO og GEO, de to andre står lenger ned.

Hva er AI-synlighet for en merkevare?

AI-synlighet er tilstedeværelsen til merkevaren i svarene som AI Overview og AI-modus i Google, ChatGPT, Gemini, Perplexity og Copilot genererer, regnet ut som andelen slike svar. Merkevaren kan være med i et slikt svar på to måter, og jeg teller dem hver for seg:

1. Omtale: navnet på merkevaren står i teksten i svaret som brukeren leser.
2. Sitering: nettstedet til merkevaren er oppgitt som kilde, vanligvis i en fotnote eller i en liste med lenker ved siden av svaret.

Det ene følger ikke av det andre. En assistent kan anbefale en merkevare ved navn uten å oppgi nettstedet, fordi den kjenner til den fra hukommelsen eller fra andres tekster. Den kan også oppgi nettstedet til merkevaren som kilde til allmenn informasjon uten å skrive navnet én eneste gang. I teksten om AI SEO og GEO beskriver jeg hvor assistenten henter kunnskapen om en merkevare fra: fra søk eller fra hukommelsen til modellen.

I et AI-svar finnes det ingen plassering, så jeg måler andel og ikke plass. Svaret fra en assistent blir laget på nytt hver gang og er ikke en liste med ti resultater. Eli Schwartz sa det i én setning:

Derfor teller jeg i hvor mange svar på mitt sett med spørsmål merkevaren dukker opp, i stedet for å regne plasseringer. Et tall som «merkevaren er nummer 3 i ChatGPT» beskriver ett svar fra én dag, og det neste svaret på samme spørsmål kan nevne andre merkevarer i en annen rekkefølge.

Hvordan sjekker du synligheten i ChatGPT og andre AI-assistenter?

Jeg sjekker den i seks steg og regner først i det femte. Stegene før er til for at tallet til slutt skal gjelde riktig merkevare og riktige spørsmål.

Steg 1. Sjekk om assistenten vet hvilken merkevare det gjelder

Før jeg teller noe, stiller jeg et spørsmål med bare navnet på merkevaren og leser svaret. Hvis assistenten forveksler merkevaren med en annen bedrift, kan hvert senere tall gjelde feil bedrift. I en polsk nettbutikk viste et verktøy for AI-synlighet 55 poeng av 100 og 100 % andel, og alle svarene det regnet ut tallene fra, handlet om en annen, kjent bedrift med samme navn. I et annet verktøy fikk en merkevare med et vanlig ord fra ordboken som navn over 400 tusen sider med omtale, fordi verktøyet telte hver bruk av ordet. Sammenligningsmerkevaren hadde under 7 tusen.

Når en bedrift i samme bransje har samme navn, mister målingen sin mening, og når navnet tilhører noen fra et annet fagfelt, blir målingen bare vanskeligere. I det første tilfellet rydder jeg i beskrivelsen av merkevaren på nettstedet og i profilene før jeg teller noe, slik at assistenten kan skille den fra den andre. Fornavnet og etternavnet mitt bæres blant andre av en skuespiller og en flyger, så målingen av merkevaren min gir mening, men ved hver omtale sjekker jeg om den gjelder meg.

Steg 2. Les Google-resultatene på navnet til merkevaren

AI Overview og AI-modus bruker indeksen til Google, så jeg ser først på hva Google viser på selve navnet til merkevaren. For hvert resultat i topp 10 skriver jeg ned om jeg kontrollerer siden helt, delvis (for eksempel en profil i en annens tjeneste) eller ikke i det hele tatt. På for- og etternavnet mitt kontrollerte jeg 3. oktober 2026 i polsk Google ingen av de 10 resultatene helt, og ett delvis.

Deretter leter jeg i disse sidene etter setningene assistentene gjentar om merkevaren. Hvis setningen står i resultatene, vet jeg hvor assistenten har den fra, og jeg kan be om en rettelse på den siden. Hvis den ikke står der, ligger den sannsynligvis i hukommelsen til modellen, og rettelser på sider endrer den ikke raskt.

Steg 3. Lag et sett med spørsmål og ikke endre det

Spørsmålene henter jeg fra data om etterspørsel og fra Search Console, og ikke fra idédugnad. Fra Search Console velger jeg søkene nettstedet allerede vises på, og resten fyller jeg på med søkeord fra verktøy for søkeordanalyse. Hvordan jeg deler spørsmålene etter plasseringen til siden, beskrev jeg i teksten om SEO-strategi. Hvis nettstedet i perioden jeg henter søkene fra, har under ca. 1 000 visninger og 100 ulike søk i Search Console, utleder jeg ikke spørsmål fra det, for av et så lite utvalg kan jeg ikke velge spørsmål som sier noe om markedet. Det er en veiledende terskel fra prosessen min og ikke et testresultat.

De fleste spørsmålene lager jeg uten navnet på merkevaren, av grunnen som er beskrevet i teksten om AI SEO og GEO. Spørsmålet «er X bra» måler hva assistenten vet om X, og ikke om den anbefaler X til noen som ikke har hørt om den. Spørsmål uten merkenavn lager jeg i tre former (eksemplene er veiledende):

• kategori med presisering, for eksempel «regnskapsbyrå for enkeltpersonforetak i Bergen»;
• sammenligning der bare navnet på en konkurrent står, for eksempel «alternativ til [konkurrent]»;
• spørsmål om en konkret mulighet, for eksempel «hvilken notatapp fungerer uten internett».

Spørsmål om omdømme teller jeg for seg og tar dem ikke med i synligheten. «Er X et pålitelig firma» og parene «hvem bør jeg velge» og «hvem bør jeg unngå» viser hva assistenten mener om merkevaren, og ikke om den anbefaler den. I nettbutikken jeg skrev om i steg 1, svarte assistentene på spørsmålet om butikken er pålitelig ved å sitere klager fra kunder.

Spørsmål om en polsk merkevare stiller jeg på polsk og på engelsk. I testen min var en del av delsøkene til polske spørsmål på engelsk, som jeg skriver om i teksten om AI SEO og GEO.

Settet endrer jeg ikke mellom målingene. Nye spørsmål legger jeg til som en egen gruppe, for hver endring av listen ødelegger sammenligningen med forrige måling.

Steg 4. Bestem antall gjentakelser med en pilot og skriv ned når og hvor

Antall gjentakelser fastsetter jeg ikke på forhånd: på et nytt sett med spørsmål gjør jeg først en pilot der jeg stiller hvert spørsmål 10 ganger, alle samtidig. Det anbefaler Dmitrij Żatuchin i protokollen Dice Roll Method for gjentatt utspørring av modeller om merkevarer (arXiv, versjon 2 fra 14. oktober 2026). Fra piloten regner jeg ut hvor mye svarene på samme spørsmål varierer og hvor mye spørsmålene skiller seg fra hverandre, og av det hvor mange gjentakelser det trengs for resultatet jeg er ute etter. I denne versjonen av arbeidet trakk forfatteren tilbake de faste grensene fra første versjon (fra 5 til 20 gjentakelser avhengig av type undersøkelse), fordi de viste seg å være regnet ut på data fra en syntetisk generator og ikke på data fra undersøkelser.

Piloten gir vanligvis to ulike tall: få gjentakelser til resultatet for en hel assistent og mange flere for å sammenligne ett spørsmål før og etter en endring. Tallene fra testen min og fra arbeidet til Żatuchin viser jeg lenger ned, i delen om gjentakelser. AI Overview var den mest stabile i dataene mine: på 77 av 94 spørsmål ga den tre identiske svar, så ett uttak er vanligvis nok.

Ved hvert svar skriver jeg ned fire ting: assistenten, AI-flaten, modellversjonen og dato med klokkeslett. AI-flaten er stedet der modellen svarer: chatapplikasjonen, API-et, AI-modus i Google eller AI Overview. Svar fra API-et trenger ikke være det samme som det brukeren av applikasjonen ser, så jeg slår ikke sammen resultater fra to flater til ett tall.

Klokkeslettet på svaret lar meg skille tilfeldighet fra endring over tid. I testen av gjentakelser siterte Perplexity nettstedet til prosjektet på 0, 2 og 9 spørsmål i de påfølgende gjentakelsene, med nesten konstant antall omtaler (33, 36 og 35). Mest sannsynlig endret tilgangen til nettstedet seg under målingen, men regnearket hadde ikke klokkeslett på svarene, så det kan ikke kontrolleres. Derfor sender jeg i de neste målingene gjentakelsene samtidig og skriver ned klokkeslettet på hvert svar.

Steg 5. Tell omtaler og siteringer hver for seg

Resultatet for en assistent er andelen av alle svar der merkevaren dukket opp, hver for seg for omtale og for sitering. Kildene summerer jeg fra alle gjentakelsene. Spørsmål der merkevaren bare dukket opp i en del av svarene, merker jeg som ustabile, og jeg trekker ingen konklusjoner om enkeltspørsmålet av dem.

Steg 6. Sjekk hva som kan gjøre diagnosen ugyldig

Før jeg skriver til kunden hva som mangler, sjekker jeg situasjonene der diagnosen ville vært feil:

• Assistenten anbefaler ingen i kategorien, for eksempel ved spørsmål om helse, økonomi eller juss. Da finnes det intet gap merkevaren kunne fylt.
• Assistenten svarer fra hukommelsen, uten søk. Da endrer arbeid på nettstedet lenge ingenting.
• Konkurrenten jeg selv la inn i sammenligningen, fungerer ikke. I én måling hadde fire domener som jeg bygde påstanden på om at kategorien var tom, ikke engang en DNS-post, altså at adressen til domenet ikke førte til noen server. Null siteringer hos en konkurrent der nettstedet ikke virker, betyr ikke at plassen i kategorien er ledig.
• Synligheten i AI vokser mens trafikken fra Google i samme periode faller. SearchPilot beskriver en test for tjenesten Omio der en endring på sidene hjalp trafikken fra språkmodeller, men etter deres anslag ville ha senket trafikken fra Google med ca. 6,5 %, så den ble ikke innført (SearchPilot). Derfor ser jeg alltid på trafikken fra Google ved siden av AI-svarene.

Etter hver endring på nettstedet eller i beskrivelsen av merkevaren gjentar jeg steg 4 til 6 på det samme settet med spørsmål. Bare da kan resultatet før og etter endringen sammenlignes.

Hvilke målinger av AI-synlighet bør du bruke?

For hver assistent måler jeg to tall: andelen svar med omtale av merkevaren og andelen svar med sitering av nettstedet. Dertil kommer andelen i forhold til konkurrentene på det samme settet med spørsmål og antall ustabile spørsmål. Trafikk fra assistenter i analyseverktøyet behandler jeg som en egen måling, for den er alltid for lav: en del besøk kommer uten opplysning om kilden.

Da jeg telte omtaler hver for seg, viste det seg at rapporten om «tilstedeværelse av merkevaren» målte siteringer. I et av prosjektene jeg driver, omfattet målingen fra 29. august 2026 94 spørsmål, fem AI-flater og tre gjentakelser, til sammen 1 410 svar. Skriptet som regnet den ut, anså merkevaren som til stede bare hvis nettstedet var blant kildene, mens beskrivelsen av metoden i rapporten snakket om tilstedeværelse av merkevaren i svaret. I oktober telte jeg bare navnet på merkevaren i de samme svarene:

I Perplexity og Gemini var merkevaren nevnt i over en tredjedel av spørsmålene, mens rapporten viste 2 % og 0 %. Tallene for omtaler omfatter 19 spørsmål med navnet på merkevaren, så i de 75 spørsmålene uten navnet er de lavere: fra 21 % til 28 % avhengig av assistenten. Det er fortsatt omtrent en femdel av spørsmålene i assistenter der rapporten viste nesten null. Siden den analysen teller jeg begge målene hver for seg og krever det samme av hver rapport jeg får.

Omtale uten sitering og sitering uten omtale er for meg to ulike hypoteser og to ulike arbeider, som jeg beskriver i delen om gapet i synlighet. Begge hypotesene sjekker jeg med en endring og en ny måling.

Andel regnet per svar, ikke per sitering

Andelen til merkevaren blant konkurrentene regner jeg per svar og ikke per sitering, for svarene har svært ulikt antall kilder. I målingen for ett polsk SEO-byrå hadde 23 svar på spørsmål om anbefaling av byrå fra 1 til 13 kilder. En andel regnet per sitering ville gitt svar med 13 kilder tretten ganger så stor vekt som svar med én. Når jeg regner per svar, veier hvert svar like mye, for brukeren leser ett svar om gangen.

Kildelisten fra ChatGPT må renses for søkeresultater modellen bare har sett igjennom. Verktøyet jeg samler svar fra ChatGPT med, gir ved siden av kildene som er sitert i svaret også hele listen over søkeresultater modellen har sett. I ett svar var det 52 slike resultater og 7 siterte kilder. I de samme 23 svarene falt antall siteringer fra 279 til 181 etter at jeg forkastet den listen, og listen over steder det lønner seg å dukke opp fra 10 til 6 poster.

Hvor mange gjentakelser er nok?

I testen min var tre gjentakelser av hvert spørsmål nok til resultatet for en hel assistent, men ikke til å vurdere enkeltspørsmålet. I testen av gjentakelser hadde ca. halvparten av spørsmålene der merkevaren dukket opp minst én gang, et ustabilt resultat: i ChatGPT 18 av 36 for sitering av nettstedet (alle 94 spørsmål), og i AI-modus 16 av 29 for omtale i spørsmål uten navnet på merkevaren. Et spørsmål som «har merkevaren» i én kjøring, kan mangle den i den neste.

• 13 %Så mange spørsmål uten navnet på merkevaren ville i ChatGPT blitt feilvurdert (merkevaren er nevnt eller ikke) med tre gjentakelser. Ved ett stilt spørsmål 21 %, ved fem 9 %, ved sju 8 %.Anslag fra en modell på data fra 1 410 svar, 14. oktober 2026
• 1,5 prosentpoengSå mye er den typiske feilen (standardavviket) for andelen svar med omtale av merkevaren i ChatGPT ved tre gjentakelser, i spørsmål uten navnet på merkevaren. Ved fem 1,2 prosentpoeng.Anslag fra en modell på data fra 1 410 svar, 14. oktober 2026
• 0,33Medianen for likheten mellom listene over siterte domener i to gjentakelser av samme spørsmål i ChatGPT og AI-modus: fellesmengden delt på alle domener fra begge listene (1 betyr identiske lister). I Perplexity 0,92.Test av gjentakelser, 14. oktober 2026
• 77 av 94Så mange spørsmål ga AI Overview tre identiske svar på.Test av gjentakelser, 14. oktober 2026

Fra tre til fem gjentakelser ble resultatet for assistenten i testen min bedre med mindre enn ett prosentpoeng, så til dette resultatet holder jeg meg vanligvis til tre. Det er et anslag fra en statistisk modell tilpasset ett prosjekt, ett målevindu og to assistenter (ChatGPT og AI-modus), og ikke en måling, og derfor sjekker jeg det med en pilot på et nytt sett. Żatuchin har et lignende resultat: på 250 ulike spørsmål ga allerede én eller to gjentakelser en pålitelighetskoeffisient på 0,80, og fem gjentakelser 0,96 (1 betyr at gjennomsnittene av gjentakelsene uten feil skiller spørsmålene fra hverandre).

For å sammenligne ett spørsmål før og etter en endring på nettstedet trengs det 15-25 gjentakelser og ikke tre. Ifølge simuleringen til Żatuchin er sjansen for å oppdage en stor endring på ett spørsmål med fem gjentakelser bare 15-19 %, og 80 % nås først ved 15-25 gjentakelser. Dataene hans gjelder anbefaling av merkevarer fra modeller som er spurt via API, så for svar med søk sjekker jeg også dette tallet med en pilot.

Kildelisten fra én gjentakelse bruker jeg ikke, for i ChatGPT og AI-modus er fellesmengden av to gjentakelser av samme spørsmål vanligvis bare en tredjedel av alle domener som er sitert i begge. Listen over steder merkevaren bør dukke opp, bygger jeg fra alle gjentakelsene, med antall forekomster av hvert domene.

Kildene kan også endre seg fra uke til uke. SISTRIX fulgte 82 619 spørsmål i 17 uker i seks land (uten Polen), og i ChatGPT endret opptil 74 % av de siterte kildene seg fra uke til uke; det er den høyeste verdien og ikke gjennomsnittet (SISTRIX, 1. mai 2026). Derfor godtar jeg en endring i kildene først når den gjentar seg i den neste målingen.

Hvordan fungerer verktøy for å måle AI-synlighet, og hvordan velger du ett?

Verktøyene for AI-synlighet gjør det samme som en manuell måling: de stiller assistentene et sett med spørsmål, lagrer svarene og teller hvor merkevaren dukker opp. De er forskjellige i hvem spørsmålene tilhører, hvor mange ganger de stiller dem og hva de teller. Dataene henter jeg fra tre typer kilder:

Absolutte tall vokser sammen med indeksen til verktøyet

Antall siteringer i et verktøy kan øke med halvparten på en uke, selv om andelen til merkevaren ikke endrer seg. I en Ahrefs-rapport om antall AI-svar som siterer et domene, basert på spørsmålsbasen til Ahrefs, sammenlignet jeg to uttak for to store nettbutikker i Tyskland, fra 26. juli og fra 2. august 2026. Antall siteringer i ChatGPT økte i løpet av den tiden med 50 % for begge, og andelen til den ene av den samlede summen av siteringer for de to butikkene endret seg knapt: 34,2 % og 34,1 %. I Perplexity økte tallene med 68 % og 185 %. Mest sannsynlig vokste basen til verktøyet og ikke synligheten til disse merkevarene. Det er to merkevarer, ett verktøy og én uke.

Derfor bruker jeg fra verktøyene andelen og ikke absolutte tall, og bare for assistenter der andelen i min sammenligning ikke endret seg med mer enn et halvt prosentpoeng. Slik var det i ChatGPT, AI Overview, AI-modus og Grok (assistenten til xAI), mens andelen i Perplexity, Gemini og Copilot endret seg med ca. 3 til 11 prosentpoeng. Det er én sammenligning fra én uke, så jeg antar at den er stabil helt til neste uttak sier imot.

Hva jeg sjekker før jeg velger verktøy

Før jeg velger et verktøy, sjekker jeg sju ting:

1. Om det viser omtale og sitering hver for seg.
2. Om jeg kan legge inn egne spørsmål og la dem stå uendret i mange måneder.
3. Hvor mange ganger det stiller hvert spørsmål, og om det viser hvilke spørsmål som er ustabile.
4. Om det lagrer modellversjon, AI-flate og dato for hvert svar.
5. Om det støtter markedet og språket mitt.
6. Om det viser hele svarene, slik at jeg kan sjekke om det gjelder riktig merkevare.
7. Om det oppgir andelen på det samme settet med spørsmål og ikke bare absolutte tall.

Vurderinger av tonen fra klassifisereren jeg testet, rapporterer jeg ikke. I ett tilfelle merket den som negativt et svar som endte med dommen «X er et bedre valg for de fleste team». Tonen vurderer jeg ved å lese selve utdraget av svaret, ellers skriver jeg ikke om den.

Én «poengsum for AI-synlighet» fra et verktøy er ikke et mål for meg. Den slår sammen omtaler, siteringer og ulike assistenter, så man kan ikke lese av hva som har endret seg. Tallet fra verktøyet oppgir jeg alltid sammen med et forretningsmål: henvendelser fra kunder, salg eller trafikk fra Google.

Gratis kilder: Bing og Google

Bing Webmaster Tools viser gratis hvor mange ganger Copilot og AI-svar i Bing har sitert sidene dine. Rapporten AI Performance ble kunngjort 10. februar 2026 som en testversjon. Den viser antall siteringer, antall siterte sider per dag, siteringer av enkeltadresser og et utvalg av søkene AI brukte for å finne innholdet før den siterte det (Bing Webmaster Blog). Det er data bare fra Bing og Copilot, så de erstatter ikke målingen i ChatGPT.

Search Console viser visninger av sider i AI Overview og AI-modus, men sier ikke om merkevaren ble nevnt ved navn. Google åpnet denne rapporten for en del nettsteder i juni 2026 og for alle fra 31. august 2026 (Google Search Central, Search Console-hjelp). Beskrivelsen av rapporten snakker om visninger etter sider, land, datoer og enheter, og beskriver ikke omtaler i teksten i svarene eller spørsmålene som utløste dem. Det er en god kontroll fra Googles side, men ikke en måling av omtaler.

Egen måling via API

Egen måling via API koster lite, men krever tid til forberedelse og kontroll. En kjøring av 14 spørsmål på fire flater (ChatGPT med søk, AI-modus i Google og Gemini og Perplexity via API), til sammen 56 svar, kostet meg 0,82 USD i API-avgifter, hvorav 0,63 USD gikk til Gemini (det første av disse tallene oppga jeg i teksten om AI SEO og GEO). Det var den første av tre kjøringer av målingen for et SEO-byrå, og hele målingen, til sammen 180 svar, kostet ca. 2,8 USD. Etter disse satsene ville et sett med 100 spørsmål på fire flater med tre gjentakelser, altså 1 200 svar, kostet ca. 18-19 USD per måling, mest for Gemini. En pilot med ti gjentakelser på det samme settet er 4 000 svar og ca. 60 USD, én gang. Det som krever tid, er å lage spørsmålene, sjekke at assistenten ikke forveksler merkevaren med en annen, og lese svarene. I teksten om AI-verktøy i SEO beskrev jeg testene som gjør at jeg regner ut tallene fra slike målinger med et skript og ikke med en modell.

Hva gjør jeg når målingen viser et gap i synligheten?

Målingen viser hvilken situasjon merkevaren er i, og det avgjør hva jeg gjør:

• Merkevaren er verken i omtalene eller i kildene, og assistenten søker på nettet: jeg arbeider med synligheten til nettstedet i Google på disse spørsmålene og variantene av dem. Jeg begynner med å sjekke om robotene til assistentene i det hele tatt får siden, slik som i SEO-analysen.
• Merkevaren blir nevnt, men nettstedet siteres ikke: jeg forbedrer avsnittene på siden slik at de svarer på spørsmålet uten resten av teksten.
• Nettstedet siteres, men merkevaren er ikke nevnt ved navn: jeg arbeider med det andre skriver om merkevaren, for det er trolig fra andres tekster assistenten vet hvem den skal anbefale. I teksten om lenkebygging i AI-tiden beskrev jeg hvordan jeg planlegger omtaler på nettsteder AI allerede siterer.
• Assistenten svarer fra hukommelsen og oppgir utdaterte eller usanne fakta: først én samlet beskrivelse av merkevaren i egne kanaler, deretter publiseringer på steder som andre redigerer. Jeg lover ikke effekt i løpet av et kvartal.

Effekten av hvert av disse arbeidene sjekker jeg med en ny måling på det samme settet med spørsmål, for ingen av dem gir noen garanti. I teksten om AI SEO og GEO beskrev jeg hvilke av tiltakene som har belegg og hvilke som er populære råd uten måling. Der står også testene mine som ikke bekreftet flere slike råd.

Hva kan ikke en måling av AI-synlighet fortelle?

Målingen forteller ikke hvor mange som har sett merkevaren i AI-svar. Andelen gjelder mitt sett med spørsmål og ikke alle samtalene med assistentene, som jeg ikke kjenner tallet på.

Den forteller heller ikke hvorfor assistenten valgte denne merkevaren og ikke en annen. Diagnosen fra målingen er en hypotese som jeg sjekker med en endring og en ny måling på det samme settet.

Et resultat fra én dag er ikke en trend. Leverandørene endrer modeller og måten de søker på, og endringene blir ikke alltid kunngjort, så jeg sammenligner bare målinger med den samme AI-flaten og en nedskrevet modellversjon, og godtar en endring først når den gjentar seg i neste måling.

For Polen mangler det data om hvilke assistenter folk bruker. En polsk undersøkelse av hvor ofte folk bruker de enkelte assistentene fant jeg ikke, så jeg vet ikke hvilken vekt resultatet i hver av dem har. Derfor viser jeg resultatet for hver assistent for seg og slår dem ikke sammen til et gjennomsnitt.

Hva måler jeg på min egen merkevare?

På rogala.pro måler jeg det samme som hos kundene, men den første målingen (utgangspunktet) fra 26. juli 2026 gjorde jeg med en svakere metode. Den hadde ett svar per spørsmål og omfattet ikke resultater fra ChatGPT. Utgangspunktet og det jeg har endret siden, beskrev jeg i teksten om AI SEO og GEO. 25. august satte jeg i Ahrefs Brand Radar opp daglig sjekk av fire spørsmål fra utgangspunktet i ChatGPT for Polen. Resultatene av denne daglige sjekken beskriver jeg ikke før jeg har sammenlignet dem med målingen fra 1. november. Den første målingen med metoden fra denne teksten har jeg planlagt til 1. november 2026 som en pilot: de samme fire spørsmålene på fire flater, hvert 10 ganger. Resultatet beskriver jeg i begge tekstene, også hvis det blir null.

Vanlige spørsmål om AI-synlighet

Hvor bør du begynne?

Den første målingen kan du gjøre selv på en time, uten et betalt verktøy. Still assistenten ett spørsmål med bare navnet på merkevaren og sjekk om den vet hvem det gjelder. Velg ti søk fra Search Console som nettstedet ditt vises på, still dem uten merkenavnet tre ganger i ChatGPT og i AI-modus i Google, og skriv ned for seg hvor merkevaren er nevnt ved navn og hvor nettstedet er kilde. Det gir et bilde av hele settet; om enkeltspørsmål sier en pilot med ti gjentakelser mer. Hvis resultatet overrasker deg, er det et godt tema for en konsultasjon.