Ledelser stiller i stigende grad et rimeligt spørgsmål: Når folk spørger en AI-assistent om vores kategori, dukker vi så op – og er det, den siger, korrekt? Det ærlige svar er, at det kan vurderes, men ikke måles med den præcision, man er vant til fra traditionel søgerapportering. Svarene varierer mellem kørsler, brugere, lokationer og produktversioner. Flere produkter offentliggør få eller ingen data om, hvor ofte et brand bliver vist.
Pointen i denne artikel er, at synlighed i AI-søgning bør vurderes med en dokumenteret stikprøvemetode, der kan gentages, rapporteres som observationer med angivne begrænsninger og aldrig som én samlet score, der præsenteres som fakta. En omhyggelig baseline er nyttig. En for selvsikker baseline er værre end ingen, fordi den fører til beslutninger baseret på støj.
Arbejdet kaldes ofte GEO (Generative Engine Optimization – optimering til generative søgemaskiner) eller AEO (Answer Engine Optimization – optimering til svarmaskiner): at hjælpe AI-assistenter og svarmaskiner med at finde, forstå og citere dit indhold. Ingen af betegnelserne ændrer måleproblemet, så et GEO-program kræver den samme ærlige baseline, før nogen kan påstå, at det virker.
Herefter følger en praktisk metode: hvad du kan observere på hver flade, hvordan du sammensætter et promptsæt, hvordan du registrerer og scorer resultater gennemsigtigt, og hvilke forbehold der hører hjemme i enhver rapport.
Start med det, der faktisk kan observeres
Forskellige AI-assisterede opdagelsesprodukter viser forskellig information. Behandler du dem som én kanal, skjuler du vigtige forskelle. Tabellen nedenfor beskriver den generelle situation i skrivende stund; produkterne ændrer sig hurtigt, så verificér den aktuelle adfærd, før du stoler på en række.
| Flade | Hvad du typisk kan observere | Hvad der typisk er svært eller umuligt at observere |
|---|---|---|
| Google AI Overviews (i søgeresultaterne) | Om der vises en oversigt for en søgning i en given session, dens tekst og de links, der vises ved siden af | Hvor ofte den vises på tværs af alle brugere; en separat, fuldstændig performanceopdeling for AI-funktioner i standardrapporteringen |
| Google AI Mode | Det samtalebaserede svar og de linkede kilder i en given session | Hvor ofte et brand nævnes på populationsniveau; hvordan opfølgende kontekst ændrer svarene for andre brugere |
| ChatGPT og lignende generelle assistenter | Svaret på en given prompt, kontostatus og model; kildelinks, når produktet søger på nettet | Om andre brugere får lignende svar; hvordan hukommelse, indstillinger eller modelversioner påvirker resultaterne; visninger af nogen art |
| Andre assistenter og svarmaskiner | Varierer fra produkt til produkt: nogle viser kilder konsekvent, andre sjældent | Brugsvolumen og enhver form for visningsdata |
| Din egen analytics | Nogle henvisningsbesøg fra AI-produkter, hvor en referrer sendes med | Besøg, hvor referreren er fjernet; påvirkning af brugere, der aldrig klikker |
Hvor et brand kan observeres i AI-assisteret opdagelse
Dit brand i midten, observeret gennem fire typer flader. Hver viser noget forskelligt: AI-funktioner i Google Søgning, generelle assistenter, andre svarmaskiner og din egen analytics, som kun ser klik, der kan tilskrives.
Dit brand
sådan som det optræder i stikprøvesvar
Googles AI-funktioner
Pr. session
- Svar i AI Overviews og AI Mode
- Links, der vises ved siden af
Generelle assistenter
Pr. prompt
- Svar pr. prompt, konto og model
- Kilder, når produktet søger
Andre svarmaskiner
Varierer
- Visning af kilder varierer fra produkt til produkt
- Ingen visningsdata
Din egen analytics
Kun klik
- Henvisningsbesøg, hvor de sendes med
- Overser påvirkning uden klik
Observationerne er stikprøver af svar, ikke en totaltælling af, hvad alle brugere ser.
Google oplyser, at besøg fra AI-funktioner som AI Overviews og AI Mode tælles med i de samlede “Web”-søgedata i Performance-rapporten i Google Search Console og ikke som en separat rapport (Google Search Central: AI features and your website).
Det har to praktiske konsekvenser. For det første er enhver synlighedsvurdering en stikprøve af observerede svar, ikke en totaltælling. For det andet viser trafikdata fra analytics kun den del af den AI-assisterede opdagelse, der fører til et klik, som kan tilskrives. Det undervurderer sandsynligvis påvirkningen og kan ikke bruges til at udlede, hvor ofte et brand bliver nævnt.
Sammensæt promptsættet
Promptsættet er fundamentet for vurderingen. Det skal afspejle, hvordan rigtige købere stiller spørgsmål – ikke hvordan marketingteamet beskriver virksomheden.
Promptkategorier
Gruppér prompts, så resultaterne kan tolkes efter hensigt:
- Brandprompts – direkte spørgsmål om virksomheden (“Hvad laver [brand]?”, “Er [brand] pålidelig til …?”). De tester nøjagtighed mere end synlighed.
- Kategoriprompts – spørgsmål, hvor brandet med rimelighed kunne nævnes (“Hvilke udbydere tilbyder …”, “Hvad skal jeg kigge efter i …”).
- Sammenligningsprompts – brandet nævnt sammen med navngivne alternativer.
- Problemprompts – køberens problem beskrevet uden at nævne en løsningskategori.
Kilder til realistiske formuleringer er blandt andet noter fra salgssamtaler, supporthenvendelser, logs fra søgefunktionen på sitet og de søgninger, der allerede giver trafik fra organisk søgning. Skriv prompts på målmarkedets sprog og med dets formuleringer, og hold den endelige ordlyd fast, så den kan køres igen.
Registrér betingelserne
Registrér for hver kørsel de betingelser, der kan påvirke svaret:
- Produkt og tilstand (for eksempel AI Overview i Søgning, AI Mode, en navngiven assistent med websøgning slået til eller fra)
- Model eller version, hvor produktet oplyser det
- Dato og klokkeslæt
- Kontostatus: logget ud, logget ind på en ren testkonto eller logget ind på en personlig konto (undgå det sidste)
- Indstillinger for lokation og sprog
- Om prompten var den første i en ny samtale
Uden disse oplysninger kan resultaterne ikke sammenlignes over tid, og en tilsyneladende ændring kan blot skyldes andre betingelser.
Gentag kørslerne
Fordi svarene varierer, bør hver prompt køres mere end én gang under de samme betingelser, helst på forskellige tidspunkter. Antallet af gentagelser er en afvejning mellem omkostning og sikkerhed; uanset hvilket antal du vælger, så angiv det i rapporten. Et brand, der optræder i én ud af flere kørsler, står et andet sted end et, der optræder i dem alle – og en enkelt kørsel kan ikke skelne de to fra hinanden.
Scor observationerne gennemsigtigt
Gem den fulde tekst af hvert svar sammen med betingelserne, før du scorer noget. Scor derefter ud fra enkle, skriftlige definitioner, så en anden bedømmer kunne nå samme resultat.
| Mål | Definition |
|---|---|
| Omtale | Brandnavnet eller en entydig henvisning til det optræder i svarteksten |
| Linket kilde | En side på brandets eget domæne vises som kilde eller link til svaret |
| Tredjepartskilde | En side på et andet domæne, der omtaler brandet, vises som kilde |
| Nøjagtighed | Hvert faktuelt udsagn om brandet markeres som korrekt, forældet, forkert eller ikke-verificerbart |
| Placering | Om brandet nævnes i den første del af svaret, senere eller kun i kilderne |
| Vinkling | Neutral, positiv eller negativ beskrivelse, markeret af en bedømmer med begrundelsen noteret |
Ud fra disse kan du beregne en simpel observeret omtalerate pr. prompt og pr. kategori: antal kørsler, hvor brandet blev nævnt, divideret med det samlede antal kørsler. Rapportér den med antallet af kørsler ved siden af, og undgå at slå flader sammen til ét blandet tal, fordi de ikke er sammenlignelige.
Fund om nøjagtighed er ofte det mest handlingsorienterede resultat. En assistent, der konsekvent beskriver et udgået produkt, en gammel prismodel eller en forkert lokation, peger på konkrete oplysninger, der skal rettes eller præciseres på tværs af de kilder, brandet kontrollerer eller kan påvirke.
Fra observationer til et synlighedsgab
Når der er en baseline, så sammenlign den med det, et retfærdigt svar ville indeholde. Spørg ved kategori- og problemprompts: Hvilke kilder bliver citeret, har brandet indhold, der reelt besvarer spørgsmålet, og er det indhold tilgængeligt og klart?
Typiske gab er:
- Adgang og egnethed. Vigtige sider er blokeret for crawling, renderes kun med scripts på klientsiden eller ligger bag formularer.
- Klarhed. Centrale fakta (hvad virksomheden laver, for hvem, hvor og i hvilket omfang) er spredte eller inkonsistente på tværs af websitet og profilerne.
- Tilstedeværelse hos tredjeparter. Svarene trækker på anmeldelser, kataloger, sammenligninger eller publikationer, hvor brandet mangler eller beskrives inkonsistent.
- Indholdets match. Ingen side besvarer direkte de spørgsmål, køberne stiller; indholdet beskriver virksomheden i stedet for at tage fat på problemet.
Strukturerede data kan hjælpe søgemaskiner med at fortolke sidens indhold, og det er rimeligt at implementere dem korrekt, hvor de passer. De garanterer ikke, at du kommer med i et AI-genereret svar, og ingen seriøs vurdering bør fremstille det sådan.
Vores arbejde med synlighed i AI-søgning følger denne rækkefølge: baselinemetode, observeret gab, anbefalinger til indhold og distribution og derefter en overvågningsplan med det samme promptsæt.
Overvågning over tid
En baseline er primært nyttig som reference for senere sammenligninger. Sådan holder du sammenligningerne gyldige:
- Kør det samme promptsæt igen under de samme dokumenterede betingelser med faste intervaller.
- Notér produktændringer, du kender til, som nye tilstande eller modelversioner, sammen med resultaterne.
- Tilføj nye prompts som et separat sæt i stedet for at blande dem ind i baselinen.
- Gennemgå fund om nøjagtighed først; de er det tydeligste signal om, hvorvidt rettelser bliver opfanget.
- Se på tendenser på tværs af mange prompts i stedet for at reagere på bevægelser i et enkelt svar.
Forbehold
AI-genererede svar er ikke-deterministiske og personaliserede. Den samme prompt kan give forskellige svar til forskellige personer eller til den samme person med få minutters mellemrum. Alle fund er observationer fra en stikprøve, ikke målinger af, hvad hver bruger ser.
Produkter, modeller og brugerflader ændrer sig ofte og tit uden offentlig varsel. En ændring i resultaterne kan skyldes en produktopdatering snarere end noget, brandet har gjort.
Der findes ingen pålidelige offentlige data om visninger eller omtalefrekvens for de fleste AI-assistenter. Ethvert værktøj eller enhver rapport, der påstår at have en præcis “AI-synlighedsandel”, bør forklare præcis, hvordan stikprøven er udtaget.
Henvisningstrafik fra AI-produkter kan kun delvist tilskrives og undervurderer sandsynligvis påvirkningen. Den bør ikke bruges som stedfortræder for synlighed.
Ingen metode eller markup kan garantere, at et brand bliver nævnt eller citeret i AI-svar.
Tjekliste til handling
- Beslut, hvilke AI-flader der betyder noget for dine købere, og vurdér dem hver for sig
- Byg et promptsæt ud fra købernes egne formuleringer, grupperet efter hensigt
- Lås ordlyden, og dokumentér betingelserne for hver observation
- Kør hver prompt flere gange, og registrér antallet af kørsler
- Gem den fulde svartekst, før du scorer
- Scor omtale, kilder, nøjagtighed, placering og vinkling ud fra skriftlige definitioner
- List upræcise eller forældede udsagn, og spor, hvor de kan stamme fra
- Tjek, at vigtige sider kan crawles, er tilgængelige og er klart formuleret
- Gennemgå de tredjepartskilder, svarene bygger på
- Fastlæg et overvågningsinterval, og hold baselinens promptsæt uændret
Hvis du vil have en uafhængig baseline, før du investerer i arbejde med AI-synlighed, kan du bestille en vurdering. Vi er tydelige om, hvad vi observerede, hvor ofte, og hvad vi ikke kunne måle.