Sådan bliver du citérbar: links og omtaler som tillidssignal i AI-søgning

Omtaler af dit brand i almindelig tekst vejer tungere end klassiske backlinks, når en sprogmodel skal beslutte, om du er værd at nævne i et svar. Det er den mest håndfaste konklusion, man kan trække ud af de store citationsundersøgelser i 2025 og 2026. Links flytter stadig noget i Googles rangering. Men i AI-svarene er det sproget om dig, der afgør, om du bliver gengivet.

Denne guide forklarer, hvordan links, kildehenvisninger og brand-omtaler fungerer som tillidssignaler for sprogmodeller som Gemini, GPT-serien, Claude og Sonar. Den er skrevet til danske virksomheder og udgivere, der gerne vil forstå forskellen mellem at samle links og at blive citérbar.

Hvad er forskellen på et link og en omtale, når en sprogmodel læser dit brand?

Et link er en teknisk henvisning, en omtale er en sproglig oplysning. Et backlink fortæller en søgemaskine, at en side peger på en anden side, og styrken afhænger af, hvem der peger. En omtale fortæller en sprogmodel noget helt andet: at ordene „Bilhuset Nord“ optræder i samme afsnit som „elbiler“, „Aalborg“ og „leasing“. Den slags samforekomst af ord er selve råmaterialet i en sprogmodel.

Forskellen får praktiske konsekvenser. En sprogmodel behøver ikke et klikbart link for at lære, hvad du er kendt for. Ryan Law, indholdsdirektør hos Ahrefs, har beskrevet forskellen direkte: omtaler uden link betyder næsten intet for klassisk SEO, men meget mere for synlighed i AI-svar. Modellen henter sin forståelse af din autoritet fra ordene på siden, fra hvor ofte de optræder, og fra den sammenhæng de står i.

Derfor er „linkbuilding“ et for snævert mål i 2026. Opgaven er bredere: at få dit navn sat i tekst sammen med de emner, du vil findes på, på steder der bliver læst af både mennesker og crawlere.

Hvorfor vejer omtaler tungere end backlinks i AI-svar?

De store citationsundersøgelser peger konsekvent i samme retning. Ahrefs analyserede 75.000 brands med et Domain Rating over 40 og målte, hvilke signaler der bedst forudsagde, om et brand blev nævnt i Googles AI Overviews. Undersøgelsen, som blev offentliggjort i april 2026, satte omtaler på nettet øverst med en korrelation på 0,664. Derefter fulgte brandede ankertekster med 0,527 og branded søgevolumen med 0,392. Backlinks landede på 0,218.

De tre stærkeste signaler ligger alle uden for dit eget site. Det er værd at holde fast i, fordi det flytter arbejdet fra teknik til omdømme. Ahrefs understreger samtidig selv, at korrelation ikke er årsag: brands med mange omtaler er ofte også større, mere omtalte og mere søgte i forvejen. Undersøgelsen viser dog også, at den fjerdedel af brands, der havde flest omtaler, blev nævnt op til ti gange så ofte i AI Overviews som den næste fjerdedel.

Antallet af sider på sitet havde til gengæld næsten ingen betydning. Det er en nyttig påmindelse for danske virksomheder, der overvejer at producere hundrede tynde sider for at „dække emnet“. Mængde alene køber ikke citérbarhed.

Hvor henter de fire AI-flader egentlig deres kilder?

De fire store flader deler ikke datagrundlag, og derfor citerer de ikke ens. Det er nyttigt at skille tre lag: sprogmodellen er motoren, indekset er datagrundlaget, og fladen er den servering brugeren møder. En omtale, der gør dig synlig i Googles AI Overviews, virker ikke nødvendigvis i Claude, fordi Claude ikke slår op i Googles indeks.

Sidste række er den vigtigste for forståelsen. Når et svar kommer fra træningsdata uden opslag på nettet, findes der ingen kildeliste at kæmpe om. Der er kun det, modellen har læst om dig i forvejen. Vil du læse mere om, hvordan de fire serveringer adskiller sig, har vi samlet dem i overblikket over AI-søgeværktøjer.

Hvad betyder det, at de fleste citationer ligger uden for top 10?

Overlappet mellem Googles top 10 og kilderne i AI-svarene er blevet så lille, at en god placering ikke længere er nogen billet. Moz gennemgik knap 40.000 søgninger i februar 2026 og fandt, at 88 procent af citationerne i Googles AI Mode ikke optrådte i de organiske resultater for samme søgning. Kun cirka én ud af ti citationer matchede en URL fra top 10, refereret af The Next Web.

Ahrefs har målt det samme fald i overlappet mellem AI Overviews og top 10. I deres tal faldt andelen fra 76 procent i sommeren 2025 til 38 procent i begyndelsen af 2026. BrightEdge når frem til omkring 17 procent med en anden metode og et andet datasæt. Tallene er ikke enige om niveauet, og det skal man sige højt. Retningen er de til gengæld enige om: overlappet er blevet markant mindre.

For en dansk udgiver er konsekvensen konkret. En artikel, der ligger nummer 14 på et snævert emne, kan godt blive citeret, hvis den besvarer spørgsmålet præcist. Og en forside, der ligger nummer to, kan blive sprunget over, fordi den ikke indeholder et svar, der kan løftes ud.

Hvordan skaber semantisk relevans og kontekst citérbarhed?

Semantisk relevans opstår, når dit navn står i tekst sammen med de emner, produkter og steder, du vil forbindes med. En sprogmodel arbejder med sandsynligheder for ord i sammenhæng, ikke med en liste over, hvem der har flest links. Står dit firmanavn hundrede steder i sætninger om „energimærkning af sommerhuse“, bliver du en sandsynlig kandidat, når nogen spørger om netop det.

Tag et tænkt dansk eksempel. Et lille rådgivningsfirma i Vejle vil findes på spørgsmålet „hvem kan hjælpe med energimærkning af sommerhuse?“. To veje står åbne. Den ene er tolv gæsteindlæg med links fra tilfældige blogs. Den anden er en fast, ordret formulering af, hvad firmaet laver, gentaget på egen om-side, i brancheforeningens medlemsliste, i to fagmedier og i to lokale nyhedsartikler. Den anden vej giver modellen fem uafhængige tekststeder, der siger det samme om samme entitet. Det er den slags gentagelse, en sprogmodel læser som et mønster.

Derfor er ordlyden vigtigere, end de fleste tror. Vælg én beskrivelse af virksomheden på 15 til 25 ord, og brug den ordret alle steder: på sitet, i pressemeddelelser, i medlemslister og i LinkedIn-profilen. Skifter beskrivelsen hver gang, får modellen fem forskellige signaler i stedet for ét tydeligt.

Hvilke omtaler flytter noget for en dansk virksomhed?

De omtaler, der flytter noget, står i tekst, som crawlere kan læse, og som mennesker faktisk bruger. Rækkefølgen nedenfor er prioriteret efter, hvad danske virksomheder og udgivere typisk kan opnå inden for et halvt år, uden budget til stort pr-arbejde.

1. Ryd op i de faktuelle grundkilderWikipedia og Wikidata bliver læst tungt af flere modeller. Similarweb måler Wikipedia som en af de to mest citerede kilder i ChatGPT. Kravene til notabilitet er reelle, så nøjes med at rette faktuelle fejl om jer selv, hvis en artikel allerede findes.
2. Sæt jer i brancheregistre og medlemslisterBrancheforeninger, klyngeorganisationer og offentlige registre giver stabile, tekstbaserede omtaler med korrekt navn, adresse og aktivitet.
3. Bliv omtalt i fagmedierDanske fagmedier og lokalmedier er stadig langt lettere at komme i end de store nyhedssites. En kommentar med et konkret tal fra jeres egen forretning er valuta for en journalist.
4. Saml anmeldelser med tekstAnmeldelser på Trustpilot, Google og branchespecifikke portaler indeholder præcis det sprog, kunderne bruger om jer.
5. Deltag i faglige communitiesReddit, Facebook-grupper og fagfora bliver hentet ind som kilder til erfaringsspørgsmål. Deltag som fagperson, ikke som annoncør.
6. Udgiv noget, andre kan citereEn årlig prisoversigt, en brancheundersøgelse eller et regnestykke med tal fra jeres eget felt bliver gengivet, fordi tallet ikke findes andre steder.

Bemærk, at intet af de seks punkter kræver et link. Det gør arbejdet lettere at forankre internt, fordi det ligner kommunikation og ikke teknisk SEO. Kommunikationsafdelingen og marketingafdelingen har med andre ord fået et fælles ansvar for AI-synligheden.

Opgaven er ikke at samle links. Opgaven er at få dit navn skrevet ind i de sætninger, du vil findes på.

Hvordan gør du dit eget indhold nemt at citere?

Dit eget site skal levere svar, der kan løftes ud af sammenhængen. En sprogmodel gengiver sjældent en hel artikel. Den henter en passage, der besvarer spørgsmålet, og den passage skal kunne stå alene. Det betyder svar i første sætning under hver overskrift, tal med enhed og årstal, og navne skrevet helt ud i stedet for „vi“ og „os“.

Den praktiske opskrift har vi beskrevet i detaljer i guiden til at skrive indhold, AI-søgning kan bruge. Kort fortalt handler det om at formulere overskrifter som de spørgsmål, folk faktisk stiller, og derefter besvare dem uden opvarmning. Faktabokse, tabeller og korte definitioner gør det let for både læseren og modellen at finde svaret.

Hvordan måler du, om omtalerne virker?

Målingen består af to dele: hvor ofte du bliver nævnt, og hvad der bliver sagt. Den første del kræver, at du spørger fladerne selv med et fast sæt spørgsmål og noterer, hvem der bliver nævnt. Den anden del kræver, at du læser svarene kritisk og tjekker, om beskrivelsen af jer er korrekt.

• Formulér 10 til 20 spørgsmål, en kunde ville stille, og kør dem i Gemini, ChatGPT, Perplexity og Claude en gang om måneden.
• Notér for hvert svar, om I nævnes, i hvilken sammenhæng, og hvilke konkurrenter der nævnes med.
• Følg trafikken fra AI-flader i Search Console og GA4, så du kan se, om omtalerne også giver besøg.
• Tjek de kilder, modellen henviser til, og ret fejl direkte i kilden, hvor det er muligt.

Fremgangsmåden til trafikdelen har vi gennemgået i artiklen om at måle, om AI-søgning sender trafik til dit site. Til vurderingen af svarene selv er tjeklisten i guiden til at vurdere, om et AI-svar er til at stole på et godt sted at begynde.

Hvad skal du holde dig fra?

Genveje til omtaler har kort levetid. Købte linknetværk, automatisk genererede gæsteindlæg og syntetiske anmeldelser producerer tekst, der ligner alt andet automatisk tekst, og som modellerne får stadig lettere ved at sortere fra. Googles spamopdatering i august 2026 ramte netop skaleret AI-indhold, og faldet gjaldt også synligheden i AI-svarene. Det beskrev vi i artiklen om spamopdateringen og det skalerede AI-indhold.

Spørgsmål og svar om omtaler som tillidssignal

Tal og undersøgelser er indhentet i september 2026 fra Ahrefs (75.000 brands, april 2026), Moz (knap 40.000 søgninger, februar 2026, refereret af The Next Web), BrightEdge og Similarweb (cirka 600.000 citationshændelser). Undersøgelserne bruger forskellige datasæt og metoder, og niveauerne varierer derfor.

Senest revideret 3. september 2026. Artiklen gennemgås løbende, når AI-søgelandskabet flytter sig.