Varför kräver AI-sökbarhet upprepade mätningar?

Fråga en AI-sökmotor “vilket märke gör de bästa löparskorna?” idag, och du får ett svar. Ställ exakt samma fråga imorgon, eller till och med fem minuter senare, och ungefär två tredjedelar av källorna som citeras kommer att vara annorlunda. Det är inte en bugg. Det är så AI-sökning fungerar.

Det här får du ut av guiden:

• Varför AI-sökbarhet beter sig som en sannolikhet, inte en fast rangordning på det sätt Google gör
• En lättbegriplig förklaring av hur forskare mäter om ett AI-svar faktiskt förändrats (Jaccard och RBO)
• Sex datadrivna slutsatser, var och en med sitt eget diagram: källomsättning, varumärkesstabilitet, citeringskoncentration, modellens slumpmässighet, skillnader mellan motorer och promptkänslighet
• De exakta siffrorna som spelar roll: hur många upprepade körningar per prompt, och hur långt observationsfönster, du behöver för pålitlig data
• En färdig checklista för att sätta upp GEO-mätning du faktiskt kan lita på
• Vanliga frågor om körningar, tidsfönster, motorer och mått

En ny akademisk studie gör detta obehagligt konkret. I “Don’t Measure Once: Measuring Visibility in AI Search (GEO)” (arXiv, april 2026) följde forskarna Julius Schulte, Malte Bleeker och Philipp Kaufmann vid University of St. Gallen (tillsammans med Aurora Intelligence) fyra AI-sökmotorer inom fyra branscher varje dag i sex plus veckor. Deras slutsats: AI-sökbarhet är probabilistisk, inte deterministisk. En enskild fråga är en opålitlig ögonblicksbild, och att behandla den som en Google-rankning leder dig till fel slutsatser. Det är en del av en snabbt växande mängd akademisk forskning om GEO som omformar hur marknadsförare tänker kring AI-synlighet.

För marknadsförare spelar detta större roll än det låter. Om du kontrollerar om ditt varumärke visas i ChatGPT eller Perplexity en enda gång och kallar det en “mätning”, riskerar du att över- eller underskatta din verkliga närvaro med bred marginal. Lösningen är inte en bättre enskild fråga, det är en annan mental modell. Du måste mäta synlighet som en fördelning: många körningar, många prompter, över ett varaktigt tidsfönster.

Nedan går vi igenom exakt vad studien fann, varför AI-sökning beter sig på det här sättet, och hur många mätningar du faktiskt behöver innan dina siffror betyder något.

Kort sammanfattning (vad studien fann):

• Citerade källor byts ut kraftigt. Endast cirka 34-42% av de källor en AI-motor citerar följer med från en dag till nästa, vilket betyder att ungefär 65% av källorna förändras dagligen.
• Varumärkesomnämnanden är stabilare, men fortfarande volatila. Dag-till-dag-överlappen för varumärken ligger på 45-59%, mer pålitlig än enskilda webbadresser men långt ifrån stabil.
• Citat är starkt koncentrerade. En handfull domäner fångar det mesta av synligheten. Medelvärdet för Gini-koefficienten är 0.715, och på en skala från 0 till 1 där 1 betyder att en enda domän lägger beslag på alla citat, är det ett mycket skevt landskap.
• Det är modellens egen slumpmässighet, inte nyheterna. Att avfyra den identiska prompten flera gånger samma dag ger samma omsättning, så det mesta av instabiliteten kommer från modellen själv, inte verklig förändring i världen.
• En enskild körning berättar nästan ingenting. Du behöver minst 7 körningar per prompt och dag för en pålitlig uppskattning av varumärkessynlighet, och 8 om du också spårar enskilda källwebbadresser.
• Korta tidsfönster ljuger. Eftersom källor byts ut så snabbt behöver du ett rullande fönster på 2 till 4 veckor för att få en stabil bild av ett varumärkes verkliga synlighet.

Varför AI-sökbarhet inte beter sig som Google-rankningar

Om du kommer från SEO-världen är dina instinkter kalibrerade för en värld som inte längre gäller. I klassisk sökning är resultaten rangordnade och mestadels stabila: din sida ligger på position 4 idag och förmodligen position 4 eller 5 imorgon. En enda kontroll ger dig en rättvis ögonblicksbild, och när saker rör sig gör de det gradvis längs ett förutsägbart spektrum. Du kan observera din position glida och reagera.

Generative Engine Optimization (GEO) fungerar inte på det sättet. GEO är allt-eller-inget, vad artikeln kallar en binär inkluderings- och exkluderingsdynamik. I ett givet svar är ditt varumärke eller din källa antingen invävd på ett framträdande sätt eller helt utelämnad. Det finns ingen “position 8”-tröst. Antingen är du med i svaret eller så är du osynlig, och vilket av dessa du får kan växla från en körning till nästa, drivet av det probabilistiska sätt på vilket stora språkmodeller genererar text och väljer bevis.

Den volatiliteten förvärras av ett andra problem: en AI-sökmotor är en svart låda. Du kan inte se varför ditt varumärke inkluderades i ett svar och föll bort i nästa. Modellen komprimerar information från många källor till ett kort, begränsat svar, och urvalsprocessen är varken transparent eller reproducerbar. Till skillnad från en SEO-rankning, som oscillerar inom en synlig rankningsmängd, kan AI-synlighet försvinna utan förvarning eller förklaring.

Utöver det saknas dessutom ett verktyg. Inom SEO har marknadsförare Google Search Console, ett förstapartsverktyg som berättar vilka sökfrågor du syns för och hur ofta. LLM-leverantörerna erbjuder ingen motsvarighet. Grundläggande fakta, som hur ofta människor faktiskt ställer en given fråga, syns helt enkelt inte i GEO-ekosystemet. Den blinda fläcken är exakt varför marknadsförare måste bygga mätning utifrån, genom upprepad tredjepartsstickprovstagning, och varför ett enskilt, statiskt “synlighetstal” är så lätt att misstolka. Resten av det här inlägget handlar om att göra den mätningen på rätt sätt.

Inuti studien: vad forskarna faktiskt gjorde

Studien är befriande konkret, så det är värt att förstå upplägget innan man litar på siffrorna. Forskare vid University of St. Gallen (i samarbete med Aurora Intelligence) byggde en övervakningsrigg som frågade fyra AI-sökmotorer varje enskild dag och registrerade exakt vilka källor och varumärken varje motor returnerade.

De testade fyra motorer: ChatGPT, Google Gemini, Google AI Mode och Perplexity. Varje motor fick samma uppsättning frågor inom fyra verkliga branscher (artikeln kallar dem “kampanjer”) valda för att de får kraftig söktrafik på den schweiziska marknaden: konsumentelektronik, bostadsförsäljning, sportartiklar och telekommunikation.

För varje bransch skrev teamet 8 prompter, och här är en smart detalj: prompterna hittades inte på. De tog högvolyms-SEO-sökord, skrev in dem i Google och hämtade de faktiska frågorna från Googles ruta “Personer frågar också”. Det betyder att frågorna liknar vad riktiga människor faktiskt frågar: konversationsartade frågor högt upp i tratten, som “Vilket märke gör bra löparskor?” snarare än bara nakna sökord.

Motorerna frågades dagligen under ett fönster på 45 till 46 dagar (24 januari till 20 mars 2026) från servrar baserade i Schweiz, vilket spelar roll för hur AI:n personifierar resultaten. Totalt omfattade analysen 4 044 par av på varandra följande dagar, varje jämförelse av “idag mot imorgon” över alla motorer, prompter och branscher.

Här är upplägget i sammandrag:

Det här är mycket upprepad mätning, vilket är exakt vad artikeln försöker visa.

Ready to Monitor Your AI Visibility?

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

Kom igång Kontakt

Två enkla sätt att mäta “förändrades svaret?”

För att kunna fråga “hur mycket skiljde sig dagens svar från gårdagens?” behövde forskarna ett sätt att jämföra två listor mot varandra. De använde två mått, och du behöver ingen statistikbakgrund för att hänga med.

Jaccard-likhet frågar helt enkelt: av alla källor som dök upp under båda dagarna, hur många visades under båda? Man räknar de källor de delar, och delar sedan med det totala antalet unika källor över de två dagarna.

Här är ett litet exempel. Säg att dagens svar citerar 5 källor och morgondagens också citerar 5, men bara 2 av dem är desamma. De två svaren delar 2 källor, och tillsammans nämner de 8 unika källor (5 + 5, minus de 2 som räknats dubbelt). Så Jaccard-poängen blir 2 ÷ 8 = 0.25, vilket betyder att bara ungefär en fjärdedel av källorna höll sig stabila, och ungefär tre fjärdedelar byttes ut över natten. En Jaccard på 1.0 skulle betyda identiska listor; 0.0 skulle betyda ingen överlapp alls.

Rank-Biased Overlap (RBO) ställer samma fråga men lägger till en sak som Jaccard ignorerar: ordning. Att bli citerad först är värt mer än att bli citerad som femma, så RBO ger extra vikt åt toppen av listan. Eftersom det kräver att delade element visas i liknande positioner (inte bara att de finns någonstans) är RBO alltid det strängare av de två måtten. Det är därför RBO landar lägre än Jaccard genomgående i studien.

Så här läser du siffrorna:

• Högre = stabilare. En poäng nära 1.0 betyder att svaret knappt förändrades; nära 0 betyder att det nästan helt blandades om.
• Jaccard svarar på “finns samma objekt närvarande?”
• RBO svarar på “finns samma objekt närvarande och i samma ordning?”
• Skillnaden mellan dem berättar hur mycket rangordningen skiftar, även när samma objekt fortsätter att dyka upp.

Om du vill se hur dessa passar in bredvid andra måttstockar sätter vår guide till 10 viktiga mått för AI-synlighet överlappspoängen i sammanhang med resten av din övervakningspanel.

Slutsats 1: Två tredjedelar av citerade källor förändras varje dag

Om AI-sökning fungerade som Google skulle det att ställa samma fråga två dagar i rad ge fram ungefär samma sidor. Det gör det inte. När forskarna vid St. Gallen spårade vilka källor fyra AI-motorer citerade varje dag i en och en halv månad fann de att listan över citerade källor blandas om nästan helt från en dag till nästa.

Huvudsiffran är Jaccard, andelen citerade källor som förekommer båda dagarna. Över de fyra branscherna varierade den från bara 0.336 för konsumentelektronik till 0.423 för telekommunikation, med sportartiklar på 0.355 och bostadsförsäljning på 0.378. På vanlig svenska betyder en Jaccard på 0.35 att bara ungefär 35% av de citerade källorna är desamma nästa dag, så ungefär 65% av källorna byts ut och ersätts varje enskild dag. Telekom var den stabilaste av grupperna, och konsumentelektronik den mest volatila, men ingen av dem kom i närheten av stabil.

Det blir värre när man tar rangordning i beaktande. RBO, som väger toppen av listan tyngst, landade mellan 0.21 och 0.26, märkbart lägre än Jaccard. Det gapet säger något viktigt. Det betyder att det inte bara är vilka källor som visas som förändras från dag till dag, ordningen i vilken de visas blandas också om. Även den handfull källor som faktiskt lever kvar till nästa dag flyttar ofta runt, så det “topp”-citat du såg igår kan vara begravt idag.

Det här är exakt den typ av omsättning vi skrivit om tidigare i 7%-överlappsproblemet : en enskild fråga är en ögonblicksbild av ett rörligt mål. Kontrollera dina AI-citat en gång och logga resultatet, och du har fångat en enda bildruta av en fördelning som blandas om till nästa morgon.

Stay Updated on AI Visibility Trends

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

Email address

Subscribe

Slutsats 2: Varumärkesomnämnanden är stabilare, men fortfarande långt ifrån stabila

Enskilda webbadresser byts ut vilt, men marknadsförare bryr sig oftast om något grövre: nämns mitt varumärke överhuvudtaget? Att aggregera från specifika källor upp till varumärkesnamn jämnar ut mycket av bruset, men även på varumärkesnivå är dag-till-dag-bilden långt ifrån den stabila rangordning man skulle förvänta sig av traditionell sökning.

Jaccard på varumärkesnivå landade mellan 0.45 och 0.59, märkbart högre än de 0.34-0.42 vi såg för källor. Telekommunikation var stabilast med 0.589, konsumentelektronik tätt efter med 0.557, och sportartiklar lägst med 0.453. Så ungefär hälften av de varumärken som nämns idag dyker upp igen imorgon, jämfört med bara en tredjedel av källorna. Varumärkesnärvaro är den mer beständiga signalen, vilket är varför den fungerar som ett bättre kärn-nyckeltal än att spåra enskilda webbadresser.

Två detaljer är värda att packa upp. För det första exkluderades bostadsförsäljning helt från varumärkesanalysen. Motorerna namngav ett specifikt varumärke i endast 53.6% av svaren om bostadsförsäljning (under den 70%-gräns forskarna satte för att en bransch skulle ha tillräckligt med varumärkesomnämnanden för att analyseras pålitligt), eftersom många av dess prompter var generiska skatte- och investeringsfrågor som LLM:er besvarar utan att citera något företag alls. Att inkludera det hade förorenat siffrorna, så det uteslöts.

För det andra låg sportartiklar lägst av en konkret anledning: det finns en stor, utbytbar pool av löparskomärken, så modellen har dussintals nästan likvärdiga alternativ att välja bland och roterar genom dem från dag till dag.

Och även här är ordningen instabil. RBO för varumärken låg på bara 0.19 till 0.30, så rangordningen i vilken varumärken visas skiftar fortfarande mycket. Stabilare än källor, men inget man kan mäta en gång och lita på. Det här är argumentet för kontinuerliga larm för AI-varumärkesövervakning snarare än engångskontroller.

Slutsats 3: Ett fåtal domäner fångar nästan alla citat

Inte varje citerad domän får en lika stor bit av kakan. I AI-sökning suger en liten grupp domäner upp den stora majoriteten av AI-citat för ett givet ämne, medan alla andra slåss om smulorna.

Artikeln mäter detta med Gini-koefficienten, ett standardmått på ojämlikhet. Den går från 0 till 1: en Gini på 0 skulle betyda att varje domän citeras lika ofta, och en Gini på 1 skulle betyda att en enda domän tar alla citat. Det är samma matematik ekonomer använder för att beskriva inkomstojämlikhet, tillämpad här på citeringsantal.

Över alla motorer och kampanjer var medel-Ginin 0.715. Det är högt. Det betyder att citeringslandskapet är kraftigt skevt, med en handfull domäner som äger merparten av synligheten för varje ämne.

Koncentrationen varierar mellan motorer. Perplexity spred sina citat jämnast (Gini 0.671), följt av ChatGPT (0.684) och Gemini (0.723). Google AI Mode var mest koncentrerad av alla med 0.782, vilket betyder att den lutar sig hårdast mot en snäv pool av betrodda källor.

Det varierar också per ämne. Sportartiklar var minst koncentrerat (0.680), sedan konsumentelektronik (0.713) och bostadsförsäljning (0.718), med telekommunikation mest koncentrerat på 0.750.

Den strategiska slutsatsen: för vilket ämne som helst äger ett fåtal domäner AI-synligheten, och alla andra är nästan osynliga. Att ta sig in i den toppgruppen är där den verkliga utdelningen finns, så din strategi för AI share of voice bör fokusera på att knäcka den koncentrerade kärnan snarare än att jaga en lång svans som AI sällan lyfter fram.

Slutsats 4: Det är modellen, inte nyhetscykeln

Om källor byts ut från dag till dag, är det kanske bara världen som förändras, eller hur? Nya artiklar publiceras, domänauktoritet skiftar, index uppdateras. För att testa detta genomförde forskarna ett smart experiment.

De avfyrade samma prompt upp till 10 gånger samma kalenderdag, mot alla fyra motorer. Samma fråga, samma förutsättningar, minuter emellan. Om dag-till-dag-omsättningen kom från externa nyheter och indexuppdateringar borde en omkörning av en prompt inom samma dag ge nästan identiska källor. Enligt gammaldags sökantaganden skulle man förvänta sig nästan perfekt överlapp.

Det är inte vad som hände. Källöverlappen (Jaccard) samma dag landade mellan 0.32 och 0.43 över kampanjerna, vilket betyder att bara ungefär en tredjedel av citerade källor matchade mellan två körningar avfyrade samma dag. Konsumentelektronik nådde 0.327, sportartiklar 0.321, bostadsförsäljning 0.391 och telekom 0.434.

Här kommer poängen: det intervallet är i princip identiskt med dag-till-dag-intervallet på 0.34-0.42. Att ta bort nyhetscykeln som en faktor förändrade nästan ingenting.

Slutsatsen är oundviklig. Omsättningen kommer inte från externa uppdateringar, algoritmändringar eller en rörlig nyhetscykel. Den kommer från modellens egen slumpmässighet: det probabilistiska sätt på vilket en AI genererar och väljer källor för varje svar. Fråga samma motor två gånger i rad och du får meningsfullt olika källor, inte för att världen förändrades, utan för att modellen kastade tärningen på nytt. Det är exakt varför en enskild mätning inte räcker, och varför övervakning måste göra ett genomsnitt över upprepade körningar för att betyda något.

Slutsats 5: De fyra motorerna är inte utbytbara

Det är frestande att behandla “AI-sökning” som en monolitisk sak. Datan säger något annat. De fyra motorerna beter sig så olika att man vilseleds rejält om man antar att en speglar en annan.

Att bryta ner resultaten från omkörningarna samma dag per motor avslöjar en stor klyfta i konsekvens. På källor var Gemini klart mest konsekvent, med en Jaccard samma dag på 0.505, vilket betyder att ungefär hälften av dess citerade källor höll sig stabila över upprepade körningar. ChatGPT var minst konsekvent på bara 0.233, knappt en fjärdedels överlapp. Perplexity (0.282) och Google AI Mode (0.318) låg däremellan.

Varumärkesbilden blandar om rangordningen helt. Vad gäller varumärkesomnämnanden ledde Perplexity (Jaccard 0.492), tätt följt av ChatGPT (0.437), sedan Gemini (0.409) och Google AI Mode (0.375). Så motorn som är stabilast på källor är inte stabilast på varumärken. Det finns ingen enskild “mest stabil” motor.

ChatGPT sticker ut av ytterligare en anledning. Den returnerar noll citat i 57.8% av sina körningar. Mer än hälften av gångerna hoppar den över webbsökning vid definitionsfrågor och svarar från minnet istället. Fråga den “vad är skillnaden mellan en notebook och en bärbar dator?” och den citerar ofta ingen alls. Det är ett helt annat beteende än Gemini eller Perplexity, som vänder sig till webben mycket lättare.

Lärdomen är enkel men avgörande: du kan inte anta att en motors beteende speglar en annan. Var och en har sin egen slumpmässighet, sina egna citeringsvanor och sina egna egenheter. Varje seriöst övervakningsprogram, eller AI Visibility Index , måste sätta motorspecifika baslinjer istället för att blanda ihop allt till ett enda tal och hoppas att det generaliserar.

Slutsats 6: Prompten du väljer avgör resultatet

Här är en detalj som fångar de flesta på sängen: prompten du väljer spelar lika stor roll som hur många gånger du kör den. Studien mätte konsekvens per prompt över varje kampanj, och spridningen är enorm. Vissa prompter ger nästan samma källor och varumärken körning efter körning, med en Jaccard över 0.8, vilket betyder att mer än 80% av objekten upprepas. Andra är nästan rent brus, och ligger under 0.2, där färre än ett av fem objekt håller sig stabilt.

Mönstret bakom spridningen är intuitivt när man väl ser det. Specifika produktfrågor besvaras mer konsekvent än breda, generiska sådana. En spetsig fråga som “vilka löparskor är bäst” drar fram en snävare, mer repeterbar uppsättning varumärken och källor. En vag fråga högt upp i tratten, av det slag som kan besvaras på ett dussin försvarbara sätt, skickar modellen genom en mycket bredare pool varje gång.

Den praktiska slutsatsen: en eller två prompter kan inte representera en kampanj. Om du råkar välja två konsekventa prompter kommer du att överskatta din stabilitet. Om du väljer två oberäkneliga kommer du att övertyga dig själv om att hela kategorin är kaos. Oavsett vilket mäter du egenheterna i ditt promptval, inte din faktiska synlighet.

Lösningen är en stor, varierad promptportfölj som speglar hur riktiga användare frågar: specifikt och brett, transaktionellt och informativt. Att göra ett genomsnitt över många prompter är det enda sättet att häva ut detta brus på frågenivå och se kampanjen som den verkligen är.

Hur många gånger bör du köra varje prompt?

Tänk på en enskild fråga som ett myntkast. Du skulle aldrig avgöra om ett mynt är rättvist utifrån ett enda kast, ändå ber en engångs-AI-sökfråga dig göra exakt det. Eftersom AI-sökmotorer är probabilistiska är varje körning ett nytt tärningskast, och det enda sättet att lära sig hur ofta ditt varumärke verkligen visas är att köra prompten många gånger och göra ett genomsnitt av resultaten. Ju fler körningar du samlar, desto mindre blir ditt standardfel (SE), osäkerhetsmarginalen kring din uppskattning.

Artikeln kvantifierar exakt hur snabbt den marginalen krymper.

Konvergensen är brant tidigt och planar sedan ut. En enskild körning har ett SE på 0.370, i praktiken oanvändbart. För att uttrycka det enkelt: ett varumärke vars verkliga detekteringsgrad är 50% skulle kunna läsas som allt från ungefär 0% till 100% i en engångsmätning. Du skulle inte lära dig något.

Lägg till körningar och dimman skingras snabbt:

SE sjunker under 0.10-pålitlighetsgränsen vid 7 körningar för varumärkesspårning (den ligger fortfarande på 0.101 vid sex körningar). Täckning på källnivå är brusigare och behöver 8 körningar för att komma dit.

Så rekommendationen är konkret: kör minst 7 gånger per prompt och dag när du övervakar varumärkessynlighet, och minst 8 när täckning på källnivå spelar roll. Färre än det, och du kastar fortfarande ett enda mynt och kallar det en mätning. Det här är skillnaden mellan ett riktigt AI Visibility Index och en lycklig gissning.

Hur länge bör du observera? Argumentet för ett fönster på 2 till 4 veckor

Att köra varje prompt tillräckligt många gånger löser bruset inom en dag. Men det finns en andra källa till drift: AI-svar förändras även från dag till dag, och med ungefär 65% av citerade källor som byts ut var 24:e timme är en enda dag (eller till och med en enda vecka) alldeles för kort för att separera signal från brus. Du behöver ett fönster tillräckligt brett för att låta den dagliga omsättningen jämna ut sig.

Studien mätte hur uppskattningens precision förbättras när observationsfönstret förlängs.

Samma konvergenslogik gäller, bara över kalendertid istället för upprepade körningar:

Uppskattningen korsar under 0.10 vid 10 dagar och dyker under 0.05 runt 24-dagarsmärket (den är 0.053 vid 21 dagar och 0.033 vid 28). I praktiska termer: en vecka av data är fortfarande skakig för att spåra ett enskilt varumärke, men en marginal på 0.05 betyder att ett varumärke som verkligen citeras 40% av gångerna kommer att läsas inom ungefär 30% till 50%, tillräckligt snävt för att lita på en trend. Två till fyra veckor är där siffror per varumärke blir genuint stabila.

Rekommendationen är ett rullande fönster på 2 till 4 veckor. Ett rullande fönster gör dubbel nytta: det samlar tillräckligt många dagar för att krympa den statistiska marginalen, och det jämnar tyst ut de mindre modelluppdateringarna och indexuppdateringarna som AI-motorer regelbundet skjuter ut, så att en engångsjustering en tisdag inte utger sig för att vara en verklig trend. Det är den fönsterlängd du vill ha inbyggd i vilken övervakningspanel eller metod för A/B-testning av AI-synlighet som helst innan du drar slutsatser om huruvida din synlighet faktiskt förändrats.

Vad detta betyder för din GEO-strategi

Studien översätts direkt till en handfull konkreta regler för alla som driver ett GEO -program. Behandla dessa som driftskraven för en mätuppsättning du faktiskt kan lita på.

Avfyra varje prompt minst 7 gånger om dagen (8 när källor spelar roll). En enskild fråga har ett standardfel på 0.370 för ett varumärkes detekteringsgrad, i praktiken ett myntkast utklätt till data. Felet sjunker under 0.10 vid 7 körningar för varumärkesnärvaro och behöver 8 körningar för täckning på källnivå. Under den tröskeln reagerar du på brus, inte mäter synlighet.

Täck varje ämne med en bred, varierad promptportfölj. Överlappen på promptnivå svänger från under 0.2 till över 0.8 inom en enda kampanj, så en eller två prompter fångar egenheterna i just den formuleringen snarare än din verkliga ställning. Bygg minst åtta varierade sökfrågor per ämne, en blandning av specifika produktfrågor och breda “vilket är bäst”-formuleringar, så att dina siffror speglar kampanjen, inte en slump i ordvalet.

Aggregera över ett rullande fönster på 2 till 4 veckor, inte en dag eller en vecka. Med ungefär 65% av citerade källor som byts ut dagligen kan korta fönster inte separera signal från brus. Uppskattningar per varumärke sätter sig först under 0.10 SE vid 10 dagar och under 0.05 vid 24 dagar. Ett rullande fönster på två till fyra veckor jämnar ut dag-till-dag-omsättning och mindre modelluppdateringar till en varaktig bild.

Sätt separata baslinjer för varje motor. Citeringskoncentrationen sträcker sig från 0.671 för Perplexity upp till 0.782 för Google AI Mode, och källkonsekvens samma dag varierar från 0.233 för ChatGPT till 0.505 för Gemini. En enda tröskel över alla fyra motorer kommer att vilseleda dig gällande åtminstone en av dem. Utvärdera varje motor på dess egna villkor.

Övervaka varumärkesnärvaro och källwebbadresser som två separata nyckeltal. Stabilitet på varumärkesnivå (Jaccard 0.45-0.59) slår stabilitet på källnivå (0.34-0.42), så aggregerad varumärkesnärvaro är ditt mer pålitliga huvudmått. Men fortsätt spåra källor på webbadressnivå också, eftersom det är det som berättar vilka sidor som faktiskt driver din inkludering.

Ärliga begränsningar värda att känna till

Författarna är befriande öppna om vad detta dataset kan och inte kan berätta för dig, och varje förbehåll är en anledning att köra din egen kontinuerliga mätning istället för att luta dig mot en enda studie.

Det är schweiziskt. All data kom från servrar i Schweiz, med schweiziska IP-adresser och lokalinställningar, över tyskspråkiga prompter. Geografiskt personifierat indexval och citeringsmönster kan se annorlunda ut i din region eller på ditt språk, så behandla de exakta siffrorna som riktningsgivande, inte universella.

Det är ett enskilt tidsfönster. Allt körs från en enda period på 45 till 46 dagar (januari till mars 2026). AI-motorer uppdateras konstant, så en ögonblicksbild från vilket fast fönster som helst, inklusive det här, kan drifta.

ChatGPT returnerade ofta ingenting. ChatGPT hoppade över webbsökning i 57.8% av körningarna, vilket gav noll citat; dessa körningar uteslöts från källanalysen. Din egen ChatGPT-täckning kommer att vara mer fläckig än huvudsiffrorna antyder.

Varumärkesdetektering byggde på substrängsmatchning. Omnämnanden matchades mot ett fast lexikon, så synonymer, förkortningar och omskrivningar missades. Verklig varumärkesnärvaro är sannolikt något högre än vad som uppmättes.

Google AI Overviews exkluderades som en separat produkt. Om AIO spelar roll för dig är det en hel yta den här studien aldrig rörde.

Inget av detta underminerar kärnfyndet, det förstärker det. Det enda sättet att veta hur synlighet beter sig på din marknad, på ditt språk, och den här månaden är att mäta det själv, kontinuerligt.

Så omsätter du upprepad mätning i praktiken

Här är den praktiska checklistan som följer av studien, den minsta livskraftiga uppsättningen för GEO-mätning du kan agera på:

• Kör varje prompt 7 till 10 gånger om dagen. Sju körningar tar varumärkesdetektering under pålitlighetsgränsen; åtta täcker källor; tio ger dig marginal.
• Underhåll en varierad portfölj med 8+ prompter per ämne. Blanda specifika produktfrågor med breda “vilket är bäst”-formuleringar.
• Spåra baslinjer per motor. ChatGPT, Gemini, Google AI Mode och Perplexity beter sig olika både vad gäller konsekvens och citeringskoncentration, så utvärdera var och en separat.
• Använd ett rullande fönster på 2 till 4 veckor. Aggregera detekteringsgrader över 14 till 28 dagar så att daglig källomsättning och mindre modelluppdateringar jämnas ut.
• Övervaka varumärkesnärvaro och källwebbadresser separat. Varumärkesnärvaro är ditt stabila huvudnyckeltal; källspårning berättar vilka sidor som förtjänar inkluderingen.
• Håll koll på citeringskoncentration. En stigande Gini betyder att en krympande grupp domäner äger svaren, så vet om du befinner dig inom den gruppen eller utanför den.

Att göra allt detta för hand över fyra motorer, dussintals prompter och dagliga omkörningar är väldigt många rörliga delar. En plattform för övervakning av AI-synlighet som amicited automatiserar exakt det här mönstret (flerkörning, flerprompt, rullande fönsterspårning över ChatGPT, Gemini, Google AI Mode och Perplexity) så att fördelningen beräknas åt dig istället för att uppskattas ögonmått från en enda fråga. För en bredare översikt av alternativ, se guiden till verktyg för AI-citeringsspårning , och för att fånga förändringar när de sker, sätt upp larm för AI-varumärkesövervakning .

Slutsatsen: Synlighet är en fördelning, inte ett tal

Den absolut viktigaste slutsatsen från den här studien är ett skifte i mental modell. AI-sökbarhet är inte en fast rangordning du kan läsa av med en enda fråga. Det är en sannolikhet att bli omnämnd som bara avslöjar sig över många körningar. Kom ihåg löparskofrågan vi inledde med? Fråga den en gång och du kanske ser ditt varumärke; fråga igen en minut senare, under identiska förhållanden, och det kan vara borta. Källmängder överlappar bara 34-42% från dag till dag; till och med varumärken, den mer stabila signalen, överlappar bara 45-59%.

Det betyder att varje siffra du hämtar från en enskild kontroll egentligen är ett slumpmässigt dragning ur en underliggande fördelning, och att dra en enda gång berättar nästan ingenting om formen på den fördelningen. Ett varumärke som citeras i en körning och saknas i nästa har inte “tappat”; du har helt enkelt tagit ett stickprov en gång från en slumpmässig, tärningskastande process och misstagit det enda stickprovet för sanningen.

Så sluta fråga “är jag citerad?” och börja fråga “hur ofta är jag citerad, och hur trendar det?” Upprepade körningar, varierade prompter, baslinjer per motor och rullande tidsfönster förvandlar en brusig ögonblicksbild till en stabil uppskattning du kan basera beslut på. Mät fördelningen, inte ögonblicket. Det är hela spelet inom AI-sökning.