Handbok i AI-synlighet . Kapitel 4 av 8
Kalla och namngivna frågor
En fråga med ert eget namn mäter igenkänning och hur ni beskrivs. En kall fråga visar om ni dyker upp innan köparen känner till er. Ni behöver båda, men för olika saker.
Ställ samma fråga på två sätt
- Öppna ett nytt samtal i ChatGPT. Fråga: vad gör [ert bolagsnamn]? Läs svaret.
- Öppna ett nytt samtal igen. Fråga samma sak utan namnet: vilka i Sverige hjälper företag med [det ni gör]?
- Jämför. Nämns ni i det andra svaret?
Tre minuter. Jämför svaren och notera vad den namngivna frågan säger om er beskrivning och vad den kalla frågan säger om upptäckbarheten.
Vad frågan med ert namn mäter — och inte mäter
När ert bolagsnamn står i frågan testar ni främst om AI-tjänsten känner igen och kan beskriva er. Det är användbart som kontroll, men säger mindre om ni dyker upp när en kund ännu inte känner till er.
Det är ett vanligt misstag eftersom en namngiven fråga ofta ger ett utförligt och korrekt svar. Vi har samtidigt mätt bolag som beskrevs väl när namnet stod i frågan men inte nämndes alls i de generiska köparfrågorna. De två resultaten mäter olika saker.
En namngiven fråga mäter igenkänning och beskrivning. En kall fråga mäter upptäckbarhet i en kategori eller ett problem. Ni behöver båda, men till olika saker.
Ett tredje läge: använd som källa, men inte nämnd
Kapitel 2 beskrev två vanliga orsaker till låg synlighet. När ni dessutom tittar på citerade källor kan ni hitta ett tredje läge: er sajt används som underlag, men ert bolag nämns ändå inte som ett alternativ.
Ett svenskt B2B-bolag vi mätte var den näst mest använda källan i hela mätningen. Nära sex procent av alla källhänvisningar i svaren pekade på deras sajt. Samtidigt nämndes bolaget i noll av svaren på frågor utan namn. Modellerna hämtade fakta från bolagets sajt och rekommenderade sedan andra bolag.
Det här läget syns först när ni jämför två saker: vilka sajter svaret använder som källor och vilka bolag som faktiskt nämns. En hög källandel är alltså inte samma sak som hög varumärkessynlighet.
Tre källor till variation
Konto, plats och modellens egen variation kan påverka svaret. Ni kan minska två av dem och behöver mäta runt den tredje.
Ert eget konto
Tidigare samtal, minne och andra kontosignaler kan påverka vissa svar. För en jämförbar mätning bör ni använda en dokumenterad rutin med nytt samtal och så lite personalisering som möjligt.
Var ni sitter
Svaren kan skilja sig mellan marknader och språk. Mät därför under så lika geografiska och språkliga förutsättningar som möjligt och dokumentera dem.
Slumpen
Samma fråga kan ge olika svar mellan körningar. Därför behöver ni upprepa frågan och titta på mönster, inte på ett enda svar.
Den tredje saken är den som gör mätning för hand tidskrävande. Svaren ändras dessutom när modellerna uppdateras och när nya artiklar publiceras. En enda körning visar hur svaret såg ut just då, inte hur det brukar se ut.
Så skriver ni en fråga som går att mäta med
För att mäta upptäckbarhet ska ert bolagsnamn normalt inte stå i frågan. Värdeladdade ord som "bästa" eller "ledande" kan vara relevanta om kunder faktiskt använder dem, men de bör behandlas som en egen sökintention eftersom de ofta styr svaret mot listor och jämförelser.
| Fungerar inte | Varför | Fungerar |
|---|---|---|
| Vad gör [Bolagsnamn]? | Namnet gör att modellen bara läser er sajt. | Vem hjälper svenska bolag med [problemet]? |
| Bästa leverantören av [er kategori] | Ordet bästa styr svaret mot listor och rankningar. | Hur väljer man leverantör av [er kategori]? |
| Ledande aktörer inom rörsystemslösningar | Ingen kund skriver så. Frågan träffar bara säljtexter. | Vad kostar det att byta kopparrör mot plast i ett flerbostadshus? |
| Varför är [Bolagsnamn] bra på hållbarhet? | Både namnet och ordet bra. Frågan innehåller sitt eget svar. | Hur redovisar mindre bolag sin klimatpåverkan? |
Fråga på det språk kunderna frågar på
Språket påverkar både hur frågan tolkas och vilka källor som blir relevanta. Säljer ni i Sverige bör därför en stor del av mätningen göras på svenska och formuleras som svenska kunder faktiskt frågar.
- Namngiven fråga
- En fråga med ert bolagsnamn i. Den är bra för att kontrollera igenkänning, beskrivning och fakta om er, men ska inte användas som huvudmått på om en ny kund skulle upptäcka er.
- Kall fråga
- En fråga skriven som en kund skulle skriva den innan den känner till er. Kategori och problem, inget bolagsnamn.
- Frågeuppsättning
- De frågor ni mäter med, samma varje gång. Ett tjugotal räcker: några som söker kunskap, några som jämför alternativ, några som är nära ett köp.
- Källa och omnämnande
- Att modellen hämtar fakta från er sajt är en sak. Att den nämner er som ett bolag att välja är en annan. Ni kan ha mycket av det ena och inget av det andra.
Vad ni gör åt det
Allt här går att göra utan verktyg. Det tar tid. Nästa kapitel visar hur ni gör det på samma sätt varje gång.
Ha med en fråga med ert namn i, som kontroll Själv
Ha med en namngiven fråga för att se hur AI-tjänsten beskriver er och om grundfakta stämmer. Om svaret är fel behöver ni undersöka både den egna sajten och de externa källorna innan ni bestämmer orsaken.
Mät utloggad, i ett nytt samtal, varje gång Själv
Nytt samtal, minnet avstängt, inga egna instruktioner, utloggad, inkognito. Skriv ner rutinen, annars mäter nästa person på ett annat sätt.
Ställ varje fråga tre gånger Själv
Räkna bara de bolag som nämns i minst två av tre svar. Ett bolag som nämns en gång av tre kan vara slump.
Mät på kundernas språk Själv
Säljer ni i Sverige bör en betydande del av frågesetet vara på svenska och skrivet som svenska kunder faktiskt frågar. Om resultaten skiljer sig mellan språk är språkversionerna en möjlig förklaring att undersöka, inte ett bevis i sig.
Skriv upp källorna, inte bara bolagsnamnen Kräver eftertanke
Skriv upp både vilka bolag som nämns och vilka sajter som används som källor. Om er sajt citeras men ert bolag sällan nämns behöver ni undersöka hur tydligt ert innehåll kopplar ihop organisationen, frågan och de externa beläggen.
Skriv frågorna själva Tar tid
Mätverktyg föreslår frågor automatiskt. Förslagen är allmänna, eftersom verktyget inte känner er bransch. Vi har sett förslag som lade ett bolag i helt fel bransch. Då mäter man noggrant på fel fråga.
Går det att lita på er senaste mätning?
Mätningen håller
Ni har mätt på rätt sätt. Spara resultatet som er första mätning och bestäm hur ofta ni ska mäta om. Kapitel 5.
En felkälla
Det finns en tydlig felkälla. Rätta den, mät om och använd den nya mätningen som er jämförbara utgångspunkt.
2 felkällor
Mätningen har flera felkällor och är svår att jämföra över tid. Gör om den med en dokumenterad rutin.
3 felkällor
Mätningen har flera felkällor och är svår att jämföra över tid. Gör om den med en dokumenterad rutin.
4 felkällor
Mätningen har flera felkällor och är svår att jämföra över tid. Gör om den med en dokumenterad rutin.
- Exemplen i kapitlet kommer från Heartspaces egna mätningar av kunder under 2026. Siffrorna är återgivna som de mättes, bolagsnamnen är utelämnade.
- Chen, M., Wang, X., Chen, K. och Koudas, N. (2025). Generative Engine Optimization: How to Dominate AI Search. University of Toronto. arXiv:2509.08919.
- En uppdaterad jämförelse av verktyg för att mäta AI-synlighet, med priser, finns på heartspace.ai/verktyg-for-ai-synlighet.
Här blir det mycket att göra för hand
Tjugo frågor i två modeller, tre gånger vardera, blir 120 körningar per mätning. Det går att göra för hand i liten skala, men verktyg är praktiska när ni vill följa fler modeller och perioder. Frågedesign och kvalitetskontroll behöver ni fortfarande äga.