Hvorfor krever AI-søkesynlighet gjentatt måling?

Spør en AI-søkemotor “hvilket merke lager de beste løpeskoene?” i dag, og du får et svar. Spør nøyaktig det samme spørsmålet i morgen, eller til og med fem minutter senere, og omtrent to tredjedeler av kildene den siterer vil være annerledes. Dette er ikke en feil. Det er slik AI-søk fungerer.

Dette får du ut av denne guiden:

• Hvorfor AI-søkesynlighet oppfører seg som en sannsynlighet, ikke en fast rangering slik Google gjør
• En enkel forklaring på hvordan forskere måler om et AI-svar faktisk har endret seg (Jaccard og RBO)
• Seks datastøttede funn, hver med sitt eget diagram: kildeutskifting, merkevarestabilitet, siteringskonsentrasjon, modelltilfeldighet, forskjeller mellom motorer og prompt-sensitivitet
• De eksakte tallene som betyr noe: hvor mange gjentatte kjøringer per prompt, og hvor langt observasjonsvindu, du trenger for pålitelige data
• En klar-til-bruk sjekkliste for å sette opp GEO-måling du faktisk kan stole på
• Vanlige spørsmål om kjøringer, tidsvinduer, motorer og metrikker

En ny akademisk studie gjør dette ubehagelig konkret. I “Don’t Measure Once: Measuring Visibility in AI Search (GEO)” (arXiv, april 2026) fulgte forskerne Julius Schulte, Malte Bleeker og Philipp Kaufmann ved University of St. Gallen (med Aurora Intelligence) fire AI-søkemotorer på tvers av fire bransjer hver dag i over seks uker. Funnet deres: AI-søkesynlighet er probabilistisk, ikke deterministisk. Et enkelt søk er et upålitelig øyeblikksbilde, og å behandle det som en Google-rangering vil lede deg til feil konklusjoner. Dette er en del av en raskt voksende mengde akademisk forskning på GEO som endrer måten markedsførere tenker på AI-synlighet.

For markedsførere betyr dette mer enn det kanskje høres ut som. Hvis du sjekker om merkevaren din dukker opp i ChatGPT eller Perplexity én gang og kaller det en “måling”, kan du over- eller undervurdere din reelle tilstedeværelse med stor margin. Løsningen er ikke et bedre enkeltsøk; det er en annen tankemodell. Du må måle synlighet som en fordeling: mange kjøringer, mange prompter, over et vedvarende tidsvindu.

Nedenfor går vi gjennom nøyaktig hva studien fant, hvorfor AI-søk oppfører seg slik, og hvor mange målinger du faktisk trenger før tallene dine betyr noe.

Kort oppsummert (hva studien fant):

• Siterte kilder skiftes hardt ut. Kun rundt 34-42 % av kildene en AI-motor siterer, videreføres fra en dag til den neste, noe som betyr at rundt 65 % av kildene endres daglig.
• Merkevareomtaler er mer stabile, men fortsatt volatile. Overlappen for merkevare fra dag til dag ligger på 45-59 %, mer pålitelig enn enkelt-URL-er, men langt fra stabilt.
• Siteringer er sterkt konsentrert. En håndfull domener fanger opp mesteparten av synligheten. Gjennomsnittlig Gini-koeffisient er 0,715, og på en skala fra 0 til 1, hvor 1 betyr at ett enkelt domene sanker alle siteringer, er dette et svært skjevt landskap.
• Det er modellens egen tilfeldighet, ikke nyhetene. Å sende den identiske prompten flere ganger samme dag gir samme utskifting, så det meste av ustabiliteten kommer fra modellen selv, ikke fra reelle endringer i verden.
• Én kjøring forteller deg nesten ingenting. Du trenger minst 7 kjøringer per prompt per dag for et pålitelig synlighetsestimat på merkevarenivå, og 8 hvis du også sporer enkelte kilde-URL-er.
• Korte tidsvinduer lyver. Fordi kilder skiftes ut så raskt, trenger du et rullende vindu på 2 til 4 uker for å få en stabil lesning av en merkevares reelle synlighet.

Hvorfor AI-søkesynlighet ikke oppfører seg som Google-rangeringer

Kommer du fra SEO, er instinktene dine kalibrert for en verden som ikke lenger gjelder. I klassisk søk er resultatene rangert og for det meste stabile: siden din ligger på posisjon 4 i dag og trolig posisjon 4 eller 5 i morgen. Én enkelt sjekk gir deg et rettferdig øyeblikksbilde, og når ting endrer seg, skjer det gradvis langs et forutsigbart spekter. Du kan følge med på posisjonen din og reagere.

Generativ søkemotoroptimalisering (GEO) fungerer ikke slik. GEO er alt-eller-ingenting, det som artikkelen kaller en binær inkluderings-ekskluderingsdynamikk. I et gitt svar er merkevaren eller kilden din enten vevd inn på en fremtredende måte eller utelatt helt. Det finnes ingen “posisjon 8”-trøstepremie. Du er enten med i svaret, eller så er du usynlig, og hvilket av disse du får, kan snu fra én kjøring til den neste, drevet av den probabilistiske måten store språkmodeller genererer tekst og velger bevis på.

Denne volatiliteten forsterkes av et annet problem: en AI-søkemotor er en svart boks. Du kan ikke se hvorfor merkevaren din ble inkludert i ett svar og utelatt i det neste. Modellen komprimerer informasjon fra mange kilder til et kort, begrenset svar, og utvelgelsesprosessen er verken gjennomsiktig eller reproduserbar. I motsetning til en SEO-rangering, som svinger innenfor et synlig rangeringssett, kan AI-synlighet forsvinne uten varsel eller forklaring.

Begge deler forsterkes av et manglende verktøy. I SEO har markedsførere Google Search Console, et førstepartsverktøy som forteller deg hvilke søk du vises for og hvor ofte. LLM-leverandørene tilbyr ingen tilsvarende løsning. Grunnleggende fakta som hvor ofte folk faktisk stiller et gitt spørsmål, kan rett og slett ikke sees i GEO-økosystemet. Denne blindsonen er nøyaktig hvorfor markedsførere må bygge måling utenfra, gjennom gjentatt tredjeparts-samplet, og hvorfor et enkelt, statisk “synlighets”-tall er så lett å mistolke. Resten av dette innlegget handler om å gjøre den målingen riktig.

Innsikt i studien: Hva forskerne faktisk gjorde

Studien er forfriskende konkret, så det er verdt å forstå oppsettet før man stoler på tallene. Forskere ved University of St. Gallen (i samarbeid med Aurora Intelligence) bygde en overvåkingsrigg som spurte fire AI-søkemotorer hver eneste dag og registrerte nøyaktig hvilke kilder og merkevarer hver av dem returnerte.

De testet fire motorer: ChatGPT, Google Gemini, Google AI Mode og Perplexity. Hver motor ble stilt det samme settet med spørsmål på tvers av fire virkelige bransjevertikaler (artikkelen kaller dem “kampanjer”) valgt fordi de får mye søketrafikk i det sveitsiske markedet: forbrukerelektronikk, eiendomssalg, sportsutstyr og telekommunikasjon.

For hver vertikal skrev teamet 8 prompter, og her er en smart detalj: promptene ble ikke funnet på. De hentet søkeord med høyt volum innen SEO, tastet dem inn i Google, og løftet de faktiske spørsmålene fra Googles “Andre spør også”-boks. Det betyr at spørsmålene ser ut som det ekte mennesker faktisk spør om: samtalepregede spørsmål tidlig i kjøpsreisen, som “Hvilket merke lager gode løpesko?”, snarere enn nakne søkeord.

Motorene ble spurt daglig over et vindu på 45 til 46 dager (24. januar til 20. mars 2026) fra servere basert i Sveits, noe som betyr noe for hvordan AI-en personaliserer resultater. Totalt dekket analysen 4 044 par av påfølgende dager, hver “i dag versus i morgen”-sammenligning på tvers av alle motorer, prompter og vertikaler.

Her er oppsettet i korte trekk:

Dette er svært mye gjentatt måling, som er nøyaktig poenget artikkelen prøver å få frem.

Ready to Monitor Your AI Visibility?

Track how AI chatbots mention your brand across ChatGPT, Perplexity, and other platforms.

Kom i gang Kontakt

To enkle måter å måle “endret svaret seg?” på

For å spørre “hvor mye skilte dagens svar seg fra gårsdagens?” trengte forskerne en måte å score to lister mot hverandre. De brukte to metrikker, og du trenger ingen statistikkbakgrunn for å følge dem.

Jaccard-likhet spør rett og slett: av alle kildene som dukket opp begge dagene, hvor mange var til stede på begge dagene? Du teller kildene de deler, og deler deretter på det totale antallet unike kilder på tvers av de to dagene.

Her er et lite eksempel. Si at dagens svar siterer 5 kilder og morgendagens også siterer 5, men bare 2 av dem er de samme. De to svarene deler 2 kilder, og til sammen nevner de 8 distinkte kilder (5 + 5, minus de 2 som telles to ganger). Så Jaccard-scoren er 2 ÷ 8 = 0,25, noe som betyr at bare rundt en fjerdedel av kildene holdt seg stabile, og rundt tre fjerdedeler ble skiftet ut i løpet av natten. En Jaccard på 1,0 ville bety identiske lister; 0,0 ville bety ingen overlapp i det hele tatt.

Rank-Biased Overlap (RBO) stiller det samme spørsmålet, men legger til én ting Jaccard ignorerer: rekkefølge. Å bli sitert først er verdt mer enn å bli sitert som nummer fem, så RBO gir ekstra vekt til toppen av listen. Fordi den krever at delte elementer vises i lignende posisjoner (ikke bare at de er til stede et sted), er RBO alltid det strengeste av de to målene. Det er derfor RBO kommer ut lavere enn Jaccard gjennomgående i denne studien.

Slik leser du disse tallene:

• Høyere = mer stabilt. En score nær 1,0 betyr at svaret knapt endret seg; nær 0 betyr at det var nesten helt omrokert.
• Jaccard svarer på “er de samme elementene til stede?”
• RBO svarer på “er de samme elementene til stede og i samme rekkefølge?”
• Gapet mellom dem forteller deg hvor mye rangeringen skifter, selv når de samme elementene fortsetter å dukke opp.

Hvis du vil se hvordan disse passer sammen med andre målestokker, setter vår guide til 10 viktige AI-synlighetsmetrikker overlappscore i sammenheng med resten av overvåkingsdashbordet ditt.

Funn 1: To tredjedeler av siterte kilder endres hver eneste dag

Hvis AI-søk fungerte som Google, ville det å stille samme spørsmål to dager på rad gi omtrent de samme sidene til overflaten. Det gjør det ikke. Da St. Gallen-forskerne fulgte hvilke kilder fire AI-motorer siterte hver dag i halvannen måned, fant de at listen over siterte kilder rokkeres nesten fullstendig om fra en dag til den neste.

Hovedtallet er Jaccard, andelen siterte kilder som er til stede begge dagene. På tvers av de fire vertikalene varierte den fra bare 0,336 for forbrukerelektronikk til 0,423 for telekommunikasjon, med sportsutstyr på 0,355 og eiendomssalg på 0,378. På vanlig norsk betyr en Jaccard på 0,35 at bare rundt 35 % av siterte kilder er de samme neste dag, så rundt 65 % av kildene skiftes ut og erstattes hver eneste dag. Telekom var den mest stabile av gruppen, og forbrukerelektronikk den mest volatile, men ingen av dem var i nærheten av stabilt.

Det blir verre når man tar rangering med i betraktningen. RBO, som vekter toppen av listen tyngst, landet mellom 0,21 og 0,26, merkbart lavere enn Jaccard. Det gapet forteller noe. Det betyr at det ikke bare er hvilke kilder som vises som endrer seg fra dag til dag; rekkefølgen de vises i, rokkeres også om. Selv den håndfullen kilder som overlever til neste dag, flytter seg ofte rundt, så den “øverste” siteringen du så i går, kan være begravet i dag.

Dette er nøyaktig den samme utskiftingen vi har skrevet om tidligere i 7 %-overlappingsproblemet : et enkelt søk er et øyeblikksbilde av et bevegelig mål. Sjekk AI-siteringene dine én gang og logg resultatet, og du har fanget én ramme av en fordeling som rokkeres om innen i morgen tidlig.

Stay Updated on AI Visibility Trends

Get the latest insights on AI mentions, brand monitoring, and optimization strategies.

Email address

Subscribe

Funn 2: Merkevareomtaler er mer stabile, men fortsatt langt fra stabile

Enkelt-URL-er skiftes ut vilt, men markedsførere bryr seg vanligvis om noe grovere: blir merkevaren min nevnt i det hele tatt? Å aggregere fra spesifikke kilder til merkenavn jevner ut mye av støyen, men selv på merkevarenivå er dag-til-dag-bildet langt fra den stabile rangeringen du ville forventet fra tradisjonelt søk.

Jaccard på merkevarenivå landet mellom 0,45 og 0,59, betydelig høyere enn de 0,34-0,42 vi så for kilder. Telekommunikasjon var mest stabil på 0,589, forbrukerelektronikk tett etter på 0,557, og sportsutstyr lavest på 0,453. Så rundt halvparten av merkevarene som nevnes i dag, dukker opp igjen i morgen, mot bare en tredjedel av kildene. Merkevaretilstedeværelse er det mer varige signalet, som er hvorfor det utgjør en bedre kjerne-KPI enn å spore enkelte URL-er.

To detaljer er verdt å utdype. For det første ble eiendomssalg utelatt helt fra merkevareanalysen. Motorene navnga et spesifikt merke i kun 53,6 % av eiendomssvarene (under 70 %-terskelen forskerne satte for at en vertikal skulle ha nok merkevareomtaler til å analyseres pålitelig), fordi mange av promptene var generiske skatte- og investeringsspørsmål som LLM-er svarer på uten å sitere noe selskap i det hele tatt. Å inkludere den ville ha forurenset tallene, så den ble droppet.

For det andre lå sportsutstyr lavest av en konkret grunn: det finnes en stor, utskiftbar pool av løpeskomerker, så modellen har dusinvis av tilnærmet likeverdige alternativer å velge mellom og roterer gjennom dem fra dag til dag.

Og selv her er rekkefølgen ustabil. RBO for merkevarer lå på bare 0,19 til 0,30, så rangeringen merkevarer vises i, skifter fortsatt mye. Mer stabilt enn kilder, men ikke noe du kan måle én gang og stole på. Dette taler for kontinuerlige AI-varslinger for merkevareovervåking snarere enn engangssjekker.

Funn 3: Noen få domener fanger opp nesten alle siteringene

Ikke hvert siterte domene får en like stor bit av kaken. I AI-søk suger et lite sett med domener opp den store majoriteten av AI-siteringer for et gitt tema, mens alle andre kjemper om smulene.

Artikkelen måler dette med Gini-koeffisienten, en standard ulikhetsscore. Den går fra 0 til 1: en Gini på 0 ville bety at hvert domene siteres likt, og en Gini på 1 ville bety at ett enkelt domene griper hver eneste sitering. Det er den samme matematikken økonomer bruker for å beskrive inntektsulikhet, anvendt her på siteringstall.

På tvers av alle motorer og kampanjer var gjennomsnittlig Gini 0,715. Det er høyt. Det betyr at siteringslandskapet er sterkt skjevfordelt, med en håndfull domener som eier mesteparten av synligheten for hvert tema.

Konsentrasjonen varierer etter motor. Perplexity spredte siteringene sine jevnest (Gini 0,671), etterfulgt av ChatGPT (0,684) og Gemini (0,723). Google AI Mode var den mest konsentrerte av alle på 0,782, noe som betyr at den lener seg hardest på en smal pool av betrodde kilder.

Den varierer også etter tema. Sportsutstyr var minst konsentrert (0,680), deretter forbrukerelektronikk (0,713) og eiendom (0,718), med telekommunikasjon mest konsentrert på 0,750.

Den strategiske konklusjonen: for ethvert tema eier noen få domener AI-synligheten, og alle andre er nesten usynlige. Å komme inn i det øverste sjiktet er der den reelle gevinsten ligger, så din AI-andel av stemme -strategi bør fokusere på å bryte inn i den konsentrerte kjernen fremfor å jage en lang hale som AI sjelden løfter frem.

Funn 4: Det er modellen, ikke nyhetsbildet

Hvis kilder skiftes ut fra dag til dag, er det kanskje bare verden som endrer seg, ikke sant? Nye artikler publiseres, domeneautoritet skifter, indekser fornyes. For å teste dette kjørte forskerne et smart eksperiment.

De sendte samme prompt opptil 10 ganger på samme kalenderdag, til alle fire motorene. Samme søk, samme betingelser, minutter fra hverandre. Hvis dag-til-dag-utskiftingen kom fra eksterne nyheter og indeksoppdateringer, burde en ny kjøring av en prompt samme dag returnere nesten identiske kilder. Under gammeldagse søkeantakelser ville du forventet nesten perfekt overlapp.

Det er ikke det som skjedde. Overlapp for kilder samme dag (Jaccard) landet mellom 0,32 og 0,43 på tvers av kampanjer, noe som betyr at bare rundt en tredjedel av siterte kilder samsvarte mellom to kjøringer avfyrt samme dag. Forbrukerelektronikk traff 0,327, sportsutstyr 0,321, eiendom 0,391, og telekom 0,434.

Her er poenget: det området er i praksis identisk med dag-til-dag-området på 0,34-0,42. Å fjerne nyhetsbildet som faktor endret nesten ingenting.

Konklusjonen er uunngåelig. Utskiftingen kommer ikke fra eksterne oppdateringer, algoritmeendringer eller et bevegelig nyhetsbilde. Den kommer fra modellens egen tilfeldighet: den probabilistiske måten en AI genererer og velger kilder for hvert svar på. Spør samme motor to ganger på rad, og du får merkbart forskjellige kilder, ikke fordi verden har flyttet seg, men fordi modellen kastet terningen på nytt. Det er nøyaktig hvorfor én måling ikke er nok, og hvorfor overvåking må gjennomsnittsberegne på tvers av gjentatte kjøringer for å bety noe.

Funn 5: De fire motorene er ikke utskiftbare

Det er fristende å behandle “AI-søk” som én monolittisk ting. Dataene sier noe annet. De fire motorene oppfører seg så forskjellig at å anta at én reflekterer en annen, vil lede deg alvorlig på villspor.

Å bryte ned samme-dag-resultatene for gjentatte kjøringer etter motor avslører en stor kløft i konsistens. På kilder var Gemini langt den mest konsistente, med en samme-dag-Jaccard på 0,505, noe som betyr at rundt halvparten av dens siterte kilder holdt seg stabile på tvers av gjentatte kjøringer. ChatGPT var minst konsistent med bare 0,233, knapt en kvart overlapp. Perplexity (0,282) og Google AI Mode (0,318) lå midt imellom.

Merkevarebildet rokkerer helt om på rangeringen. På merkevareomtaler ledet Perplexity (Jaccard 0,492), tett fulgt av ChatGPT (0,437), deretter Gemini (0,409) og Google AI Mode (0,375). Så motoren som er mest stabil på kilder, er ikke den mest stabile på merkevarer. Det finnes ingen enkelt “mest stabil” motor.

ChatGPT skiller seg ut av en annen grunn. Den returnerer null siteringer i 57,8 % av kjøringene sine. Mer enn halvparten av tiden hopper den over websøk på definisjonsspørsmål og svarer fra minnet i stedet. Spør den “hva er forskjellen på en notatbok og en bærbar PC?” og den vil ofte ikke sitere noen i det hele tatt. Det er en helt annen oppførsel enn Gemini eller Perplexity, som langt mer villig griper etter nettet.

Lærdommen er enkel, men avgjørende: du kan ikke anta at én motors oppførsel reflekterer en annen. Hver har sin egen tilfeldighet, sine egne siteringsvaner og sine egne særegenheter. Ethvert seriøst overvåkingsprogram, eller AI-synlighetsindeks , må sette motorspesifikke baseline i stedet for å blande alt til ett tall og håpe at det generaliserer.

Funn 6: Prompten du velger, svinger resultatet

Her er en detalj som overrasker de fleste: prompten du velger betyr like mye som hvor mange ganger du kjører den. Studien målte konsistens per prompt på tvers av hver kampanje, og spredningen er enorm. Noen prompter returnerer nesten de samme kildene og merkevarene kjøring etter kjøring, med en Jaccard over 0,8, noe som betyr at over 80 % av elementene gjentas. Andre er nesten ren støy, liggende under 0,2, hvor færre enn ett av fem elementer holder seg stabilt.

Mønsteret bak spredningen er intuitivt når man først ser det. Spesifikke produktspørsmål besvares mer konsistent enn brede, generiske spørsmål. Et spisset spørsmål som “hvilke løpesko er best” trekker frem et strammere, mer repeterbart sett med merkevarer og kilder. Et vagt spørsmål tidlig i kjøpsreisen, av typen som kunne besvares på et dusin forsvarlige måter, sender modellen på leting i en mye bredere pool hver gang.

Det praktiske resultatet: én eller to prompter kan ikke representere en kampanje. Hvis du tilfeldigvis velger to konsistente prompter, vil du overvurdere stabiliteten din. Hvis du velger to ustabile, vil du overbevise deg selv om at hele kategorien er kaotisk. Uansett hva, måler du særegenhetene ved ditt utvalg av prompter, ikke din faktiske synlighet.

Løsningen er en stor, mangfoldig prompt-portefølje som speiler hvordan reelle brukere spør: spesifikt og bredt, transaksjonelt og informativt. Å gjennomsnittsberegne på tvers av mange prompter er den eneste måten å kansellere denne søk-nivå-støyen på og se kampanjen slik den virkelig er.

Hvor mange ganger bør du kjøre hver prompt?

Tenk på et enkelt søk som ett myntkast. Du ville aldri avgjøre om en mynt er rettferdig basert på ett kast, likevel ber et engangs-AI-søk deg gjøre nøyaktig det. Fordi AI-søkemotorer er probabilistiske, er hver kjøring et nytt terningkast, og den eneste måten å lære hvor ofte merkevaren din faktisk vises på, er å kjøre prompten mange ganger og gjennomsnittsberegne resultatene. Jo flere kjøringer du samler opp, desto mindre blir standardfeilen (SE), usikkerhetsmarginen rundt estimatet ditt.

Artikkelen kvantifiserer nøyaktig hvor raskt den marginen krymper.

Konvergensen er bratt tidlig og flater deretter ut. En enkelt kjøring bærer en SE på 0,370, i praksis ubrukelig. For å si det enkelt: en merkevare med en reell deteksjonsrate på 50 % kunne lese hvor som helst fra rundt 0 % til 100 % i et enkelt øyeblikksbilde. Du ville ikke lært noe.

Legg til kjøringer, og tåken letter raskt:

SE faller under 0,10-pålitelighetslinjen ved 7 kjøringer for sporing av merkevarer (den er fortsatt 0,101 ved seks kjøringer). Dekning på kildenivå er mer støyende og trenger 8 kjøringer for å komme dit.

Så anbefalingen er konkret: kjør minst 7 ganger per prompt per dag når du overvåker merkevaresynlighet, og minst 8 når dekning på kildenivå betyr noe. Færre enn det, og du kaster fortsatt en enkelt mynt og kaller det en måling. Dette er forskjellen mellom en reell AI-synlighetsindeks og et heldig gjetteforsøk.

Hvor lenge bør du observere? Argumentet for et 2 til 4 ukers vindu

Å kjøre hver prompt nok ganger fikser støyen innenfor én dag. Men det finnes en andre kilde til drift: AI-svar endrer seg også fra dag til dag, og med rundt 65 % av siterte kilder som skiftes ut hver 24. time, er en enkelt dag (eller til og med en enkelt uke) altfor kort til å skille signal fra støy. Du trenger et vindu bredt nok til å la den daglige utskiftingen jevne seg ut.

Studien målte hvordan presisjonen på estimatet forbedres etter hvert som observasjonsvinduet forlenges.

Den samme konvergenslogikken gjelder, bare over kalendertid i stedet for gjentatte kjøringer:

Estimatet krysser under 0,10 ved 10 dager og dupper under 0,05 rundt 24-dagersmerket (det er 0,053 ved 21 dager og 0,033 ved 28). I praktiske termer: en uke med data er fortsatt vaklende for å spore en individuell merkevare, men en margin på 0,05 betyr at en merkevare som virkelig siteres 40 % av tiden, vil lese innenfor rundt 30 % til 50 %, stramt nok til å stole på en trend. To til fire uker er der per-merkevare-tallene blir genuint stabile.

Anbefalingen er et rullende vindu på 2 til 4 uker. Et rullende vindu gjør dobbel nytte: det samler nok dager til å krympe den statistiske marginen, og det jevner stille ut de mindre modelloppdateringene og indeksfornyelsene som AI-motorer skyver ut jevnlig, slik at en engangsjustering på en tirsdag ikke gir seg ut for å være en reell trend. Det er vindulengden du vil bake inn i ethvert overvåkingsdashbord eller A/B-testing av AI-synlighetsmetodikk før du trekker konklusjoner om hvorvidt synligheten din faktisk har endret seg.

Hva dette betyr for GEO-strategien din

Studien omsettes direkte til en håndfull konkrete regler for alle som driver et GEO -program. Behandle disse som driftskravene for et måleoppsett du faktisk kan stole på.

Avfyr hver prompt minst 7 ganger om dagen (8 når kilder betyr noe). Et enkelt søk har en standardfeil på 0,370 på en merkevares deteksjonsrate, i praksis et myntkast pyntet opp som data. Feilen faller under 0,10 ved 7 kjøringer for merkevaretilstedeværelse og trenger 8 kjøringer for dekning på kildenivå. Under den terskelen reagerer du på støy, ikke måler synlighet.

Dekk hvert tema med en bred, mangfoldig prompt-portefølje. Overlapp på promptnivå svinger fra under 0,2 til over 0,8 innenfor én enkelt kampanje, så én eller to prompter fanger opp særegenhetene ved nettopp de formuleringene, ikke din reelle posisjon. Bygg minst åtte varierte søk per tema, en blanding av spesifikke produktspørsmål og brede “hva er best”-formuleringer, slik at tallene dine reflekterer kampanjen, ikke en tilfeldighet i ordvalget.

Aggreger over et rullende vindu på 2 til 4 uker, ikke en dag eller en uke. Med rundt 65 % av siterte kilder som skiftes ut daglig, kan korte tidsvinduer ikke skille signal fra støy. Per-merkevare-estimater stabiliserer seg først under 0,10 SE ved 10 dager og under 0,05 ved 24 dager. Et rullende to-til-fire-ukers vindu jevner ut dag-til-dag-utskifting og mindre modelloppdateringer til en varig lesning.

Sett separate baseline for hver motor. Siteringskonsentrasjonen går fra 0,671 på Perplexity opp til 0,782 på Google AI Mode, og samme-dag-konsistens for kilder varierer fra 0,233 på ChatGPT til 0,505 på Gemini. En enkelt terskel på tvers av alle fire motorer vil villede deg på minst én. Referansemål hver motor på egne premisser.

Overvåk merkevaretilstedeværelse og kilde-URL-er som to forskjellige KPI-er. Stabilitet på merkevarenivå (Jaccard 0,45-0,59) slår stabilitet på kildenivå (0,34-0,42), så samlet merkevaretilstedeværelse er din mer pålitelige hovedmetrikk. Men fortsett å spore kilder på URL-nivå også, siden det er det som forteller deg hvilke sider som faktisk driver inkluderingen din.

Ærlige begrensninger verdt å kjenne til

Forfatterne er forfriskende åpne om hva dette datasettet kan og ikke kan fortelle deg, og hvert forbehold er en grunn til å kjøre din egen kontinuerlige måling i stedet for å lene deg på én studie.

Den er sveitsisk. Alle data kom fra servere i Sveits, med sveitsiske IP-er og lokalisering, på tysk-språklige prompter. Geo-personalisert indeksvalg og siteringsmønstre kan se annerledes ut i din region eller ditt språk, så behandle de eksakte tallene som retningsgivende, ikke universelle.

Det er ett tidsvindu. Alt kjører fra en enkelt periode på 45 til 46 dager (jan til mars 2026). AI-motorer oppdateres kontinuerlig, så et øyeblikksbilde fra et hvilket som helst fast vindu, inkludert dette, kan drifte.

ChatGPT returnerte ofte ingenting. ChatGPT hoppet over websøk i 57,8 % av kjøringene, og produserte null siteringer; disse kjøringene ble ekskludert fra kildeanalysen. Din egen ChatGPT-dekning vil trolig være mer ujevn enn hovedtallene antyder.

Merkevaredeteksjon var basert på delstrengsøk. Omtaler ble matchet mot et fast leksikon, så synonymer, forkortelser og omskrivninger ble oversett. Reell merkevaretilstedeværelse er trolig noe høyere enn målt.

Google AI Overviews ble ekskludert som et separat produkt. Hvis AIO betyr noe for deg, er det en hel overflate denne studien aldri berørte.

Ingenting av dette undergraver hovedfunnet; det forsterker det. Den eneste måten å vite hvordan synlighet oppfører seg i ditt marked, ditt språk og denne måneden, er å måle det selv, kontinuerlig.

Slik setter du gjentatt måling ut i livet

Her er den praktiske sjekklisten som følger av studien, minimumsoppsettet for GEO-måling du kan handle på:

• Kjør hver prompt 7 til 10 ganger per dag. Syv kjøringer får merkevaredeteksjon under pålitelighetslinjen; åtte dekker kilder; ti gir deg litt slingringsmonn.
• Vedlikehold en mangfoldig portefølje på 8+ prompter per tema. Bland spesifikke produktspørsmål med brede “hva er best”-formuleringer.
• Spor baseline per motor. ChatGPT, Gemini, Google AI Mode og Perplexity oppfører seg forskjellig både på konsistens og siteringskonsentrasjon, så referansemål hver for seg.
• Bruk et rullende vindu på 2 til 4 uker. Aggreger deteksjonsrater over 14 til 28 dager slik at daglig kildeutskifting og mindre modelloppdateringer vaskes ut.
• Overvåk merkevaretilstedeværelse og kilde-URL-er separat. Merkevaretilstedeværelse er din stabile hovedmetrikk; kildesporing forteller deg hvilke sider som opptjener inkluderingen.
• Følg med på siteringskonsentrasjon. En stigende Gini betyr at et krympende sett med domener eier svarene, så vit om du er inne i den gruppen eller utenfor den.

Å gjøre alt dette manuelt på tvers av fire motorer, dusinvis av prompter og daglige rekjøringer er mange bevegelige deler. En overvåkingsplattform for AI-synlighet som amicited automatiserer nøyaktig dette mønsteret (flere kjøringer, flere prompter, sporing med rullende vindu på tvers av ChatGPT, Gemini, Google AI Mode og Perplexity), slik at fordelingen beregnes for deg i stedet for å anslås ut fra ett enkelt søk. For en bredere oversikt over alternativer, se guiden til AI-siteringssporingsverktøy , og for å fange opp endringer etter hvert som de skjer, sett opp AI-varslinger for merkevareovervåking .

Konklusjonen: Synlighet er en fordeling, ikke et tall

Det aller viktigste å ta med seg fra denne studien er et skifte i tankemodell. AI-søkesynlighet er ikke en fast rangering du kan lese av med ett søk. Det er en sannsynlighet for å bli nevnt som bare avslører seg selv på tvers av mange kjøringer. Husker du løpeskospørsmålet vi åpnet med? Spør det én gang og du ser kanskje merkevaren din; spør igjen et minutt senere, under identiske betingelser, og den kan være borte. Kildesett overlapper bare 34-42 % fra dag til dag; selv merkevarer, det mer stabile signalet, overlapper bare 45-59 %.

Det betyr at hvert tall du henter fra en enkelt sjekk, egentlig er et tilfeldig trekk fra en underliggende fordeling, og å trekke én gang forteller deg nesten ingenting om formen på den fordelingen. En merkevare sitert i én kjøring og fraværende i den neste har ikke “falt ut”; du har rett og slett samplet en tilfeldig, terningkastende prosess én gang og forvekslet den ene stikkprøven med sannheten.

Så slutt å spørre “blir jeg sitert?” og begynn å spørre “hvor ofte blir jeg sitert, og hvordan utvikler det seg?”. Gjentatte kjøringer, mangfoldige prompter, motorspesifikke baseline og rullende tidsvinduer gjør et støyende øyeblikksbilde om til et stabilt estimat du kan ta beslutninger basert på. Mål fordelingen, ikke øyeblikket. Det er hele spillet i AI-søk.