AI-synlighet: så mäter jag ett varumärkes synlighet i AI-svar och med vilka verktyg

AI-synlighet är andelen svar från AI-assistenter på dina kunders frågor där varumärket nämns vid namn eller där dess sida anges som källa. Jag räknar den på ett eget frågeunderlag, för varje assistent för sig och för omnämnande och citering för sig. Ingen utom assistenternas leverantörer känner till alla frågor som människor ställer till dem, så en ”andel av AI-marknaden” går inte att räkna ut. Varje siffra om synlighet i AI säger något först tillsammans med uppgiften om vad den räknades på: hur många frågor, i vilken assistent och vilken dag.

Tre gånger mellan augusti och oktober visade min egen kontroll att en siffra som såg bra ut betyder något annat än jag trodde:

1. ”Närvaro för varumärket” i en rapport från ett av mina projekt visade sig vara en citering av sidan och inte ett omnämnande av varumärket. I Perplexity visade rapporten 2 %, men varumärket nämndes i 37 % av frågorna, och i frågorna utan dess namn i 21 %.
2. Ett test som skulle visa att placeringen på delfrågor (frågor som assistenten själv skickar till sökmotorn under svaret) förutspår citeringar bättre än placeringen på huvudsökordet gav ett resultat som stödde tesen, tills granskaren uppmärksammade att jag hade jämfört mätningar med olika noggrannhet.
3. Antalet citeringar i ett verktyg steg med hälften på en vecka för två varumärken, medan deras andel knappt ändrades. Mest sannolikt växte alltså verktygets bas av insamlade svar (dess index) och inte varumärkenas synlighet.

Jag mäter synlighet i AI så att sådana fel hittas före rapporten till kunden och inte efter den. Det andra fallet beskrev jag i texten om AI SEO och GEO, de två andra står nedan.

Vad är AI-synlighet för ett varumärke?

AI-synlighet är ett varumärkes närvaro i de svar som AI Overview och AI-läget i Google, ChatGPT, Gemini, Perplexity och Copilot genererar, räknad som andel av sådana svar. Varumärket kan finnas i ett svar på två sätt, och jag räknar dem var för sig:

1. Omnämnande: varumärkets namn står i den svarstext som användaren läser.
2. Citering: varumärkets sida anges som källa, oftast i en fotnot eller i en lista med länkar bredvid svaret.

Det ena följer inte av det andra. En assistent kan rekommendera ett varumärke vid namn utan att ange dess sida, eftersom den känner till det ur minnet eller ur andras texter. Den kan också ange varumärkets sida som källa till allmän information och aldrig skriva namnet. I texten om AI SEO och GEO beskriver jag var assistenten hämtar sin kunskap om ett varumärke: ur sökning eller ur modellens minne.

I ett AI-svar finns ingen placering, så jag mäter andel och inte plats. Assistentens svar skapas på nytt varje gång och är ingen lista med tio resultat. Eli Schwartz sammanfattade det i en mening:

Därför räknar jag i stället för placeringar i hur många svar på mitt frågeunderlag varumärket förekommer. Uppgiften ”varumärket är på plats 3 i ChatGPT” beskriver ett enda svar från en enda dag, och nästa svar på samma fråga kan nämna andra varumärken i en annan ordning.

Hur kollar du ett varumärkes synlighet i ChatGPT och andra AI-assistenter?

Jag kollar den i sex steg och räknar först i det femte. De tidigare stegen finns för att siffran i slutet ska gälla rätt varumärke och rätt frågor.

Steg 1. Kontrollera att assistenten vet vilket varumärke det gäller

Innan jag räknar något ställer jag en fråga med bara varumärkets namn och läser svaret. Om assistenten blandar ihop varumärket med ett annat företag kan varje senare siffra gälla fel företag. I en polsk webbutik visade ett verktyg för synlighet i AI 55 poäng av 100 och 100 % andel, och alla svar som siffrorna räknades på handlade om ett annat, välkänt företag med samma namn. I ett annat verktyg fick ett varumärke vars namn är ett vanligt ord ur ordboken mer än 400 tusen sidor med omnämnande, eftersom verktyget räknade varje användning av ordet. Jämförelsevarumärket hade knappt 7 tusen.

När samma namn bärs av ett företag i samma bransch förlorar mätningen sin mening, och när det bärs av någon från ett annat område blir mätningen bara svårare. I det första fallet ordnar jag först beskrivningen av varumärket på dess sida och i dess profiler, så att assistenten kan skilja det från det andra. Mitt för- och efternamn delas bland andra av en skådespelare och en pilot, så en mätning av mitt varumärke har mening, men vid varje omnämnande kontrollerar jag om det gäller mig.

Steg 2. Läs Googles resultat på varumärkets namn

AI Overview och AI-läget använder Googles index, så jag kontrollerar först vad Google visar på själva namnet. För varje resultat bland de tio första antecknar jag om jag kontrollerar sidan helt, delvis (till exempel en profil på någon annans sajt) eller inte alls. På mitt för- och efternamn kontrollerade jag den 3 oktober 2026 i det polska Google inget av de 10 resultaten helt och ett delvis.

Sedan letar jag på de sidorna efter meningar som assistenterna upprepar om varumärket. Står meningen i resultaten vet jag var assistenten hämtar den och kan be om en rättelse av den sidan. Står den inte där finns den sannolikt i modellens minne, och en rättelse av sidor ändrar den inte snabbt.

Steg 3. Sätt ihop ett frågeunderlag och ändra det inte

Frågorna hämtar jag från data om efterfrågan och från Search Console, inte från en brainstorming. Från Search Console väljer jag sökningar som sidan redan visas för, och resten kompletterar jag med sökord från verktyg för sökordsundersökning. Hur jag delar frågor efter sidans placering beskrev jag i texten om SEO-strategi. Om sidan under den period jag hämtar sökningarna från har färre än cirka 1 000 visningar och 100 olika sökningar i Search Console härleder jag inga frågor ur den, eftersom jag ur ett så litet urval inte kan välja frågor som säger något om marknaden. Det är en riktvärdesgräns från min process och inget testresultat.

De flesta frågor formulerar jag utan varumärkets namn, av skälet som beskrivs i texten om AI SEO och GEO. Frågan ”är X bra” mäter vad assistenten vet om X, och inte om den skulle rekommendera X till någon som aldrig hört talas om det. Frågor utan varumärkets namn formulerar jag i tre former (exemplen är bara illustrationer):

• en kategori med närmare precisering, till exempel ”redovisningsbyrå för enskild firma i Kraków”;
• en jämförelse där bara en konkurrents namn finns, till exempel ”alternativ till [konkurrent]”;
• en fråga om en konkret funktion, till exempel ”vilken anteckningsapp fungerar utan internet”.

Frågor om rykte räknar jag separat och tar inte med dem i synligheten. ”Är X ett pålitligt företag” och frågepar som ”vem ska jag välja” och ”vem ska jag undvika” visar vad assistenten tycker om varumärket, inte om den rekommenderar det. I butiken som jag nämnde i steg 1 svarade assistenterna på frågan om det är en pålitlig butik genom att citera kundklagomål.

Frågor om ett polskt varumärke ställer jag på polska och på engelska. I mitt test var en del av delfrågorna till polska frågor på engelska, vilket jag skriver om i texten om AI SEO och GEO.

Frågeunderlaget ändrar jag inte mellan mätningarna. Nya frågor lägger jag till som en separat grupp, eftersom varje ändring av listan förstör jämförelsen med den förra mätningen.

Steg 4. Bestäm antalet upprepningar med ett pilottest och anteckna när och var

Antalet upprepningar bestämmer jag inte i förväg: på ett nytt frågeunderlag gör jag först ett pilottest där jag ställer varje fråga 10 gånger, alla samtidigt. Det rekommenderar Dmitrij Żatuchin i protokollet Dice Roll Method för upprepad förfrågning av modeller om varumärken (arXiv, version 2 från 14 oktober 2026). Ur pilottestet räknar jag ut hur mycket svaren på samma fråga skiljer sig åt och hur mycket frågorna skiljer sig från varandra, och ur det hur många upprepningar som behövs för det resultat jag vill nå. I den här versionen av arbetet drog författaren tillbaka de fasta trösklarna från version ett (5 till 20 upprepningar beroende på typ av studie), eftersom det visade sig att de räknats fram på data från en syntetisk generator och inte på data från undersökningar.

Ett pilottest ger vanligen två olika tal: få upprepningar för resultatet för en hel assistent och många fler för att jämföra en enskild fråga före och efter en ändring. Siffrorna från mitt test och från Żatuchins arbete visar jag längre ned, i avsnittet om upprepningar. AI Overview var den mest stabila i mina data: på 77 av 94 frågor gav den tre identiska svar, så för den räcker vanligen en hämtning.

Vid varje svar antecknar jag fyra saker: assistenten, AI-ytan, modellversionen samt datum och klockslag. AI-ytan är platsen där modellen svarar: chattappen, API:et, AI-läget i Google eller AI Overview. Svar från API:et behöver inte vara desamma som det användaren ser i appen, så resultat från två ytor slår jag inte ihop till en enda siffra.

Klockslaget för svaret gör att jag kan skilja slumpen från en förändring över tid. I testet av upprepningar citerade Perplexity projektets sida på 0, 2 och 9 frågor i de tre upprepningarna, med nästan konstant antal omnämnanden (33, 36 och 35). Mest sannolikt ändrades åtkomsten till sidan under mätningens gång, men kalkylbladet hade inga klockslag för svaren, så det går inte att kontrollera. Därför skickar jag i senare mätningar upprepningarna samtidigt och antecknar klockslaget för varje svar.

Steg 5. Räkna omnämnanden och citeringar var för sig

Resultatet för en assistent är andelen av alla svar där varumärket förekom, för omnämnande och för citering var för sig. Källor summerar jag från alla upprepningar. Frågor där varumärket bara förekom i en del av svaren markerar jag som instabila och drar inga slutsatser om den enskilda frågan.

Steg 6. Kontrollera vad som kan göra diagnosen ogiltig

Innan jag skriver till kunden om vad som saknas kontrollerar jag situationer där diagnosen skulle vara fel:

• Assistenten rekommenderar ingen i den här kategorin, till exempel vid frågor om hälsa, ekonomi eller juridik. Då finns inget glapp som varumärket kan fylla.
• Assistenten svarar ur minnet, utan sökning. Då ändrar arbete på sidan inget på länge.
• En konkurrent som jag själv skrev in i jämförelsen fungerar inte. I en mätning hade fyra domäner som jag byggde tesen om en tom kategori på inte ens en DNS-post, alltså ledde domänadressen inte till någon server. Noll citeringar för en konkurrent vars sida inte fungerar betyder inte att det finns ledig plats i kategorin.
• Synligheten i AI ökar medan trafiken från Google minskar under samma period. SearchPilot beskriver ett test för tjänsten Omio där en ändring på sidorna hjälpte trafiken från språkmodeller men enligt deras uppskattning skulle ha sänkt trafiken från Google med cirka 6,5 %, så den infördes inte (SearchPilot). Därför tittar jag vid sidan av AI-svaren alltid på trafiken från Google.

Efter varje ändring på sidan eller i beskrivningen av varumärket upprepar jag steg 4 till 6 på samma frågeunderlag. Först då går det att jämföra resultatet före och efter ändringen.

Vilka mått på AI-synlighet ska du mäta?

För varje assistent mäter jag två tal: andelen svar med omnämnande av varumärket och andelen svar med citering av dess sida. Dessutom andelen jämfört med konkurrenterna på samma frågeunderlag och antalet instabila frågor. Trafiken från assistenter i analysverktyget behandlar jag som ett separat mått, eftersom den alltid är en nedre gräns: en del besök kommer utan uppgift om källa.

När jag räknade omnämnanden för sig visade det sig att en rapport om ”närvaro för varumärket” mätte citeringar. I ett av projekten som jag driver omfattade mätningen den 29 augusti 2026 94 frågor, fem AI-ytor och tre upprepningar, tillsammans 1 410 svar. Skriptet som räknade den ansåg att varumärket var närvarande bara om dess sida fanns bland källorna, medan metodbeskrivningen i rapporten talade om närvaro för varumärket i svaret. I oktober räknade jag i samma svar enbart varumärkets namn:

I Perplexity och Gemini nämndes varumärket i mer än en tredjedel av frågorna, medan rapporten visade 2 % och 0 %. Siffrorna för omnämnanden omfattar 19 frågor med varumärkets namn, så i de 75 frågorna utan namn är de lägre: från 21 % till 28 % beroende på assistent. Det är fortfarande ungefär en femtedel av frågorna i de assistenter där rapporten visade nästan noll. Sedan den analysen räknar jag båda måtten var för sig och kräver detsamma av varje rapport jag får.

Omnämnande utan citering och citering utan omnämnande är för mig två olika hypoteser och två olika arbeten, som jag beskriver i avsnittet om glappet i synlighet. Båda hypoteserna prövar jag med en ändring och en ny mätning.

Andel räknad per svar, inte per citering

Varumärkets andel bland konkurrenterna räknar jag per svar och inte per citering, eftersom svaren har mycket olika antal källor. I mätningen för en polsk SEO-byrå hade 23 svar på frågor om rekommendation av byråer mellan 1 och 13 källor. En andel räknad per citering skulle ge svar med 13 källor tretton gånger större vikt än svar med en. När jag räknar per svar väger varje svar lika mycket, eftersom användaren läser ett svar åt gången.

Källistan från ChatGPT måste rensas från sökresultat som modellen bara tittade på. Verktyget som jag samlar in ChatGPT-svar med returnerar vid sidan av de källor som citeras i svaret också hela listan med sökresultat som modellen såg. I ett svar var sådana resultat 52 och de citerade källorna 7. I samma 23 svar sjönk antalet citeringar från 279 till 181 när den listan togs bort, och listan över platser där det lönar sig att synas från 10 till 6 poster.

Hur många upprepningar räcker?

I mitt test räckte tre upprepningar av varje fråga för resultatet för en hel assistent, men inte för att bedöma en enskild fråga. I testet av upprepningar hade ungefär hälften av frågorna där varumärket förekom minst en gång ett instabilt resultat: i ChatGPT 18 av 36 för citering av sidan (alla 94 frågor) och i AI-läget 16 av 29 för omnämnande i frågor utan varumärkets namn. En fråga som i en körning ”har varumärket” kan sakna det i nästa.

• 13 %Så stor andel av frågorna utan varumärkets namn skulle i ChatGPT bedömas fel (varumärket nämns eller inte) med tre upprepningar. Om frågan ställs en gång 21 %, med fem 9 %, med sju 8 %.Uppskattning från en modell på data från 1 410 svar, 14 oktober 2026
• 1,5 procentenheterSå stort är det typiska felet (standardavvikelsen) för andelen svar med omnämnande av varumärket i ChatGPT med tre upprepningar, i frågor utan varumärkets namn. Med fem 1,2 procentenheter.Uppskattning från en modell på data från 1 410 svar, 14 oktober 2026
• 0,33Medianen av likheten mellan listorna över citerade domäner i två upprepningar av samma fråga i ChatGPT och AI-läget: det gemensamma delat med alla domäner från båda listorna (1 betyder identiska listor). I Perplexity 0,92.Test av upprepningar, 14 oktober 2026
• 77 av 94Så många frågor gav AI Overview tre identiska svar på.Test av upprepningar, 14 oktober 2026

Från tre till fem upprepningar förbättrades resultatet för assistenten i mitt test med mindre än en procentenhet, så för det resultatet stannar jag vanligen vid tre. Det är en uppskattning från en statistisk modell anpassad till ett projekt, ett mätfönster och två assistenter (ChatGPT och AI-läget) och inte en mätning, och därför kontrollerar jag den med ett pilottest på ett nytt frågeunderlag. Żatuchin får ett liknande resultat: på 250 olika frågor gav redan en eller två upprepningar en reliabilitetskoefficient på 0,80 och fem upprepningar 0,96 (1 betyder att medelvärdena av upprepningarna utan fel skiljer frågorna åt).

För att jämföra en enskild fråga före och efter en ändring på sidan behövs 15-25 upprepningar, inte tre. Enligt Żatuchins simulering är chansen att upptäcka en stor förändring på en enskild fråga med fem upprepningar bara 15-19 %, och 80 % nås först vid 15-25 upprepningar. Hans data gäller rekommendationer av varumärken från modeller som frågas via API, så för svar med sökning kontrollerar jag den siffran också med ett pilottest.

Källistan från en enda upprepning använder jag inte, eftersom det gemensamma mellan två upprepningar av samma fråga i ChatGPT och AI-läget vanligen bara är en tredjedel av alla domäner som citeras i båda. Listan över platser där varumärket borde synas bygger jag på alla upprepningar, med antal förekomster för varje domän.

Källorna kan ändras även från vecka till vecka. SISTRIX följde 82 619 frågor i 17 veckor i sex länder (utan Polen), och i ChatGPT ändrades upp till 74 % av de citerade källorna från vecka till vecka; det är det högsta värdet och inte genomsnittet (SISTRIX, 1 maj 2026). Därför godtar jag en ändring i källorna först när den upprepas i nästa mätning.

Hur fungerar verktyg för att mäta AI-synlighet och hur väljer du ett?

Verktyg för synlighet i AI gör samma sak som en manuell mätning: de ställer en uppsättning frågor till assistenterna, sparar svaren och räknar var varumärket dyker upp. De skiljer sig i vems frågorna är, hur många gånger de ställs och vad som räknas. Data hämtar jag från tre sorters källor:

Absoluta tal växer med verktygets index

Antalet citeringar i ett verktyg kan stiga med hälften på en vecka trots att varumärkets andel inte ändras. I en Ahrefs-rapport om antalet AI-svar som citerar en domän, byggd på Ahrefs frågebas, jämförde jag två avläsningar för två stora webbutiker i Tyskland, från den 26 juli och den 2 augusti 2026. Antalet citeringar i ChatGPT steg under tiden med 50 % för båda, medan den enas andel av det totala antalet citeringar för de två butikerna knappt ändrades: 34,2 % och 34,1 %. I Perplexity steg talen med 68 % och 185 %. Mest sannolikt växte verktygets bas och inte varumärkenas synlighet. Det gäller två varumärken, ett verktyg och en vecka.

Därför tar jag från verktygen andelen och inte absoluta tal, och bara för assistenter där andelen i min jämförelse inte ändrades med mer än en halv procentenhet. Så var det i ChatGPT, AI Overview, AI-läget och Grok (xAI:s assistent), medan andelen i Perplexity, Gemini och Copilot ändrades med cirka 3 till 11 procentenheter. Det är en jämförelse från en vecka, så jag antar stabilitet tills nästa avläsning säger emot.

Vad jag kontrollerar innan jag väljer verktyg

Innan jag väljer ett verktyg kontrollerar jag sju saker:

1. Om det visar omnämnande och citering var för sig.
2. Om jag kan lägga till egna frågor och hålla dem oförändrade i många månader.
3. Hur många gånger det ställer varje fråga och om det visar vilka frågor som är instabila.
4. Om det sparar modellversion, AI-yta och datum för varje svar.
5. Om det stöder min marknad och mitt språk.
6. Om det visar hela svar, så att jag kan kontrollera att det gäller rätt varumärke.
7. Om det anger andelen på samma frågeunderlag och inte bara absoluta tal.

Sentimentbedömningar från klassificeraren som jag testade rapporterar jag inte. I ett fall markerade den som negativt ett svar som slutade med domen ”X är ett bättre val för de flesta team”. Sentiment bedömer jag genom att läsa själva svarsutdraget, eller så skriver jag ingenting om det.

Ett enda ”resultat för synlighet i AI” från ett verktyg är för mig inget mål. Det slår ihop omnämnanden, citeringar och olika assistenter, så det går inte att läsa av vad som ändrades. Siffran från verktyget anger jag alltid tillsammans med ett affärsmått: förfrågningar från kunder, försäljning eller trafik från Google.

Gratis källor: Bing och Google

Bing Webmaster Tools visar gratis hur många gånger Copilot och AI-svar i Bing har citerat dina sidor. Rapporten AI Performance kungjordes den 10 februari 2026 som en testversion. Den visar antalet citeringar, antalet citerade sidor per dag, citeringar av enskilda adresser och ett urval av de sökfraser som AI sökte efter innehåll med innan det citerade det (Bing Webmaster Blog). Det är data bara från Bing och Copilot, så de ersätter inte en mätning i ChatGPT.

Search Console visar visningar av sidor i AI Overview och AI-läget, men inte om varumärket nämndes vid namn. Google gjorde rapporten tillgänglig för en del sajter i juni 2026 och för alla från den 31 augusti 2026 (Google Search Central, Search Console-hjälpen). Beskrivningen av rapporten talar om visningar per sida, land, datum och enhet, och beskriver inte omnämnanden i svarstexten eller de frågor som utlöste dem. Det är en bra kontroll från Googles sida, men ingen mätning av omnämnanden.

Egen mätning via API

En egen mätning via API kostar lite, men kräver tid för förberedelse och kontroll. En körning med 14 frågor på fyra ytor (ChatGPT med sökning, AI-läget i Google samt Gemini och Perplexity via API), tillsammans 56 svar, kostade mig 0,82 USD i API-avgifter, varav 0,63 USD gick till Gemini (den första av de siffrorna angav jag i texten om AI SEO och GEO). Det var den första av tre körningar av en mätning för en SEO-byrå, och hela mätningen, tillsammans 180 svar, kostade cirka 2,8 USD. Med de priserna skulle ett underlag med 100 frågor på fyra ytor med tre upprepningar, alltså 1 200 svar, kosta cirka 18-19 USD per mätning, mest för Gemini. Ett pilottest med tio upprepningar på samma underlag är 4 000 svar och cirka 60 USD, en gång. Tid kräver det att formulera frågorna, kontrollera att assistenten inte blandar ihop varumärket med ett annat och läsa svaren. I texten om AI-verktyg i SEO beskrev jag testerna efter vilka jag räknar siffror från sådana mätningar med ett skript och inte med en modell.

Vad gör jag när mätningen visar ett glapp i synligheten?

Mätningen visar i vilken situation varumärket är, och av det beror vad jag gör:

• Varumärket finns varken i omnämnanden eller i källor, och assistenten söker på webben: jag arbetar med sidans synlighet i Google på de frågorna och deras varianter. Jag börjar med att kontrollera om assistenternas robotar över huvud taget får sidan, som i en SEO-analys.
• Varumärket nämns, men dess sida citeras inte: jag förbättrar avsnitten på sidan så att de svarar på frågan utan resten av texten.
• Sidan citeras, men varumärket nämns inte vid namn: jag arbetar med vad andra skriver om varumärket, eftersom assistenten sannolikt vet vem den ska rekommendera ur andras texter. I texten om länkbygge i AI-eran beskrev jag hur jag planerar omnämnanden på sidor som AI redan citerar.
• Assistenten svarar ur minnet och anger föråldrade eller felaktiga fakta: först en sammanhängande beskrivning av varumärket i de egna kanalerna, sedan publiceringar på platser som redigeras av andra. Någon effekt lovar jag inte inom ett kvartal.

Effekten av vart och ett av de här arbetena kontrollerar jag med en ny mätning på samma frågeunderlag, eftersom inget av dem ger någon garanti. I texten om AI SEO och GEO beskrev jag vilka av insatserna som har belägg och vilka som är populära råd utan mätning. Där finns också mina tester som inte bekräftade flera sådana råd.

Vad säger inte en mätning av AI-synlighet?

Mätningen säger inte hur många människor som såg varumärket i AI-svar. Andelen gäller mitt frågeunderlag och inte alla samtal med assistenter, vars antal jag inte känner till.

Den säger inte heller varför assistenten valde ett varumärke och inte ett annat. Diagnosen ur mätningen är en hypotes som jag prövar med en ändring och en ny mätning på samma underlag.

Ett resultat från en enda dag är ingen trend. Leverantörerna byter modeller och sätt att söka, och ändringarna kungörs inte alltid, så jag jämför bara mätningar med samma AI-yta och antecknad modellversion, och godtar en förändring först när den upprepas i nästa mätning.

För Polen saknas data om vilka assistenter människor använder. Någon polsk undersökning om hur ofta människor använder de enskilda assistenterna hittade jag inte, så jag vet inte vilken vikt resultatet i var och en har. Därför visar jag resultatet för varje assistent för sig och slår inte ihop dem till ett medelvärde.

Vad mäter jag på mitt eget varumärke?

På rogala.pro mäter jag samma sak som hos kunder, men den första mätningen (utgångsläget) från den 26 juli 2026 gjorde jag med en svagare metod. Den hade ett svar per fråga och omfattade inte resultat från ChatGPT. Utgångsläget och vad jag har ändrat sedan dess beskrev jag i texten om AI SEO och GEO. Den 25 augusti ställde jag in daglig kontroll i Ahrefs Brand Radar av fyra frågor från utgångsläget i ChatGPT för Polen. Resultaten av den dagliga kontrollen beskriver jag inte förrän jag har ställt dem mot mätningen den 1 november. Den första mätningen med metoden från den här texten planerade jag till den 1 november 2026 som ett pilottest: samma fyra frågor på fyra ytor, var och en 10 gånger. Resultatet beskriver jag i båda texterna, även om det blir noll.

Vanliga frågor om AI-synlighet

Var ska du börja?

Den första mätningen kan du göra själv på en timme, utan betalt verktyg. Ställ en fråga med bara varumärkets namn till assistenten och kontrollera om den vet vem det gäller. Välj tio sökningar i Search Console som din sida visas för, ställ dem utan varumärkets namn tre gånger i ChatGPT och i AI-läget i Google och anteckna var för sig var varumärket nämns vid namn och var dess sida är källa. Det ger en bild av hela underlaget; om enskilda frågor säger ett pilottest med tio upprepningar mer. Om resultatet överraskar dig är det ett bra ämne för en konsultation.