Skal I også tracke Perplexity, Claude og Gemini, når ChatGPT og Googles AI-søgninger dominerer AI-synlighed?

Et samlet AI-synlighedstal, der vejer alle AI-flader lige tungt, kan give et forkert billede af, hvor en virksomhed reelt bliver set og citeret. Det er konklusionen fra en ny analyse i det amerikanske fagmedie Search Engine Journal, der peger på, at ChatGPT og Googles AI Overviews/AI Mode i 2026 tegner langt størstedelen af den AI-trafik, brugerne rent faktisk genererer — mens mindre flader, hvis de vægtes lige tungt med de to store, kan skævvride et samlet synlighedsscore markant. For danske virksomheder, der er begyndt at måle, om de bliver nævnt af AI, er spørgsmålet ikke længere om man skal måle AI-synlighed, men hvordan man måler den rigtigt.

Hvorfor kan et samlet AI-synlighedstal blive misvisende?

Et samlet AI-synlighedstal bliver misvisende, når det behandler alle AI-flader som lige store bidragydere til den trafik og de citater, en virksomhed rent faktisk får. Måler man for eksempel synlighed på tværs af fem AI-flader og giver dem lige vægt, tæller en niche-flade med få hundrede tusinde brugere lige så meget som en flade med hundrede millioner. Får den lille flade tilfældigt en høj citérbarhed for en bestemt type spørgsmål, trækker det hele gennemsnittet op — uden at det afspejler noget som helst om, hvor mange faktiske mennesker der har set citatet.

Search Engine Journal beskriver problemet direkte i sin gennemgang af 2026-landskabet: giving Perplexity less weight in AI search tracking can prevent distorted visibility scores without erasing useful competitive signals. Pointen er ikke, at de mindre flader er ligegyldige, men at de skal indgå i regnestykket med en vægt, der matcher deres faktiske andel af brugernes AI-søgeadfærd — ikke en vægt på linje med markedsledere som ChatGPT og Googles AI Overviews.

Hvilke AI-flader dominerer faktisk i 2026?

ChatGPT dominerer som selvstændig AI-assistent, mens Googles AI Overviews og AI Mode udgør et separat søgelag, der ifølge Search Engine Journals vurdering muligvis er endnu større — fordi det er indlejret direkte i Googles søgeresultater frem for i en app, man aktivt skal åbne. Search Engine Journal peger på, at disse to flader tilsammen driver langt den største del af den trafik og de citater, virksomheder kan måle sig på, mens Perplexity, Claude og Gemini fylder markant mindre i den brede befolknings AI-søgeadfærd.

Det betyder ikke, at de tre mindre flader skal ignoreres. Claude har en solid position i virksomheder og blandt udviklere, Gemini har Googles egen distribution som selvstændig app, og Perplexity bruges aktivt af danskere, der researcher tungt (studerende, konsulenter, journalister) — AIsearch.dk har selv skrevet en guide til, hvordan man kommer i gang med Perplexity som researchværktøj. Men et synlighedstal, der skal bruges til at prioritere en indsats, bør afspejle, at ChatGPT og især Googles AI Overviews og AI Mode i praksis rammer en langt bredere del af den danske befolkning end de gør.

“Et samlet synlighedstal kan blive misvisende, hvis små AI-flader får uforholdsmæssigt stor vægt.”

Hvordan bygger man et repræsentativt datagrundlag for AI-synlighed?

Et repræsentativt datagrundlag for AI-synlighed bygges ved at vægte hver AI-flade efter, hvor stor en del af målgruppens faktiske søgeadfærd den dækker — ikke efter, hvor let fladen er at måle på. InboundCPH har netop bygget sin AI SEO-platform efter dette princip, fordi et urepræsentativt gennemsnit ellers let bliver “vanity data”: et tal, der ser flot ud i en rapport, men ikke fortæller kunden, hvor indsatsen reelt skal lægges.

»En softwarelicens gør ikke et bureau til AI SEO-specialist. Derfor har vi hos InboundCPH gennem de seneste to år udviklet vores egen AI SEO-platform med afsæt i vores eksperters mange års praktiske erfaring. Platformen bygger på repræsentative data med fokus på de spørgsmål og AI-flader, der reelt er relevante for målgruppens beslutninger — det giver os et solidt grundlag for at prioritere indsatsen og skabe de bedste forudsætninger for, at vores kunder får succes med AI SEO,« siger Ian Rosenfeldt, Founder & AI Marketing Strategist hos InboundCPH.

Praktisk betyder det, at InboundCPHs platform ikke blot tæller, om et brand nævnes på en AI-flade — den vægter nævnelsen ind i et samlet billede, der matcher, hvor mange af målgruppens faktiske søgninger den flade dækker. Det er den samme logik, AIsearch.dk selv bruger til at måle egen fremgang: andelen af projektets queries, hvor sitet nævnes i Google AI Overviews, ligger pr. september 2026 på 0,111, mens andelen for ChatGPT ligger på 0,042 — to tal, der ikke kan lægges sammen til ét gennemsnit uden at miste mening, fordi fladerne dækker forskellige dele af brugernes rejse.

1. Kortlæg målgruppens faktiske AI-adfærd. Hvilke AI-flader bruger jeres kunder rent faktisk til at researche og træffe beslutninger — ikke hvilke flader der er nemmest at måle på.
2. Vægt fladerne efter deres andel af søgeadfærden. Giv ChatGPT og Googles AI Overviews/AI Mode en vægt, der matcher deres faktiske brug, og lad de øvrige, mindre flader tælle proportionalt med deres reelle andel.
3. Mål pr. flade, ikke kun samlet. Et samlet gennemsnit skjuler, hvor indsatsen faktisk virker. Se på AI Overviews og ChatGPT som separate KPI’er, ligesom AIsearch.dk gør i egen mission.
4. Genbesøg vægtningen løbende. AI-landskabet flytter sig hurtigt — en flade, der er marginal i dag, kan vokse markant på få måneder, og vægtningen skal følge med.

Hvad betyder det konkret for danske virksomheder, der måler AI-synlighed?

For danske virksomheder betyder det, at et flot samlet AI-synlighedstal fra et måleværktøj bør efterprøves, før det bruges til at prioritere budget og indsats. Spørg leverandøren, hvordan de vægter de enkelte AI-flader, og bed om at se tallene delt op pr. flade — ikke kun det samlede gennemsnit. En virksomhed, der sælger til et bredt B2C-marked, bør veje ChatGPT og især Googles AI Overviews/AI Mode langt tungere end de øvrige flader; en virksomhed, der sælger til forskningstunge B2B-kunder, kan omvendt have god grund til at give Claude mere vægt end gennemsnittet.

Den praktiske konsekvens er, at “AI-synlighed” ikke er ét tal, man kan optimere blindt efter. Det er et sæt af tal pr. flade, der skal læses i sammenhæng med, hvor målgruppen faktisk befinder sig — præcis den tilgang, InboundCPH har bygget ind i sin platform, og som AIsearch.dk selv følger i sin egen mission om at blive mere synlig i AI-søgning.

Ofte stillede spørgsmål om AI-synlighed og Perplexity

Senest revideret 11. september 2026. Artiklen gennemgås løbende, når AI-søgelandskabet flytter sig.