Vi frågade fyra AI-motorer om 465 danska företag: tekniken avgör om du nämns – inte om du rekommenderas

Vi ställde 576 frågor till fyra AI-motorer om 465 danska företag. Den tekniska konfigurationen har stor betydelse för om din sida används som källa – men säger ingenting om huruvida ditt företag kommer att rekommenderas. Två utfall, två svar.

Vi ställde 576 frågor till fyra AI-motorer om 465 danska företag inom tre branscher – företag som man kan hitta via Google i 12 danska städer. Resultatet delade sig i två delar: den tekniska konfigurationen är en stark prediktor för om din sida används som KÄLLA (p=0,000). Den säger ingenting om huruvida ditt företag REKOMMENDERAS (p=0,988).

Det är två frågor som brukar slås ihop till en. Vi gjorde det själva när vi började räkna – och kom först fram till att ”tekniken betyder ingenting”, vilket var fel. Den betyder något. Bara inte det man tror.

Utgångspunkten var det som forskningen redan hade visat. Princeton-studien bakom begreppet GEO fann att målinriktad optimering av en sida kan öka dess synlighet i AI-svar med upp till 40 % (Aggarwal et al., KDD ’24). Men detta mäts utifrån hur ofta en sida ingår i svaret – inte utifrån om ett företag rekommenderas.

Den andra undersökningen är nyare: Ahrefs jämförde i maj 2025 75 000 varumärken med deras synlighet i Google AI Overviews och fann att omnämnanden av varumärket på nätet hade ett starkare samband med synligheten (0,664) än vad bakåtlänkar gjorde (0,218) – analysen finns här. Vi återkommer till den längre ner, eftersom den bör läsas med vissa förbehåll.

Inget av de två svaren besvarar den fråga som en dansk hantverkare eller revisor faktiskt ställer sig: kommer jag att dyka upp när kunden frågar en AI? Det är just det vi har mätt.

Så här mätte vi

Vi frågade inte sökmotorerna om de enskilda företagen. Vi ställde de frågor som en vanlig kund ställer – ”Vilka VVS-företag kan du rekommendera i Aalborg?” – i 12 danska städer, med fyra olika frågevarianter, till ChatGPT, Gemini, Claude och Perplexity med webbsökning aktiverad. Därefter mätte vi vilka av branschens företag som sökmotorerna själva lyfte fram.

Två saker räknades separat: om företaget nämndes vid namn i svaret och om dess domän angavs som källa.

De två siffrorna ska tolkas på olika sätt, och detta är tillräckligt viktigt för att nämnas här och inte bara i metodavsnittet. Namnen i svarstexten är motorernas egna – det är ChatGPT, Gemini, Claude och Perplexity, som själva visar företaget. Käll-URL:erna gör det inte i samtliga fyra fall. ChatGPT, Gemini och Claude kördes genom en webbsökning via OpenRouter, där ett gemensamt sökplugin (Exa) hämtar källorna och vidarebefordrar dem till modellen. För dessa tre betyder ”citerad” därför: sökmodulen hittade sidan och lade fram den för modellen – inte att ChatGPT, Gemini eller Claude var och en för sig har hittat den. Perplexity söker själv och är därmed den enda av de fyra där citatet kommer från själva sökmotorn.

Hur många nämndes?

Bransch	Mätbara	Nämnda vid namn	Angivet som källa
Advokater	106	60 (57 %)	59 (50 %)
VVS	162	62 (38 %)	90 (45 %)
Revisorer och bokförare	127	41 (32 %)	46 (31 %)
Totalt	395	163 (41 %)	195 (42 %)

Cirka fyra av tio nämndes av minst en drivkraft. Skillnaden mellan branscherna är markant: en advokat hade nästan dubbelt så stor sannolikhet att nämnas som en revisor.

Det tekniska betyget förutsåg inte vem som rekommenderades

Vi har redan ett tekniskt betyg för varje webbplats – läsbar text utan JavaScript, llms.txt, robots.txt-åtkomst för AI-crawlers, strukturerade data, H1 och metabeskrivning. Om det betyget avgjorde vem AI rekommenderar, borde de nämnda ligga högre.

Bransch	Poäng, nämnd	Poäng, inte nämnd	p-värde
VVS	77,9	78,8	0,66
Revisorer	76,5	72,7	0,22
Advokater	70,8	67,3	0,30
Totalt	74,9	74,3	0,70

Ingen av branscherna är i närheten av signifikans. llms.txt gick till och med åt fel håll i två av tre fall: bland VVS-företagen hade 6 % av de nämnda företagen filen jämfört med 13 % av de icke-nämnda; bland revisorerna 10 % jämfört med 16 %.

Den uppenbara invändningen är att spridningen inte är tillräcklig: 41 % av de skannade webbplatserna har exakt samma poäng, eftersom de redan har grunderna på plats. Så vi delade upp fältet i poängintervall och mätte andelen omnämnanden i varje:

Teknisk poäng	Företag	Omnämnda av AI
Under 60	59	36 %
60–74	104	43 %
75–84	37	32 %
85–100	195	44 %

Kurvan är flack. Det finns 101 företag under 70 poäng i materialet, så spridningen finns – och de nämns ungefär lika ofta som de i toppen. Bristande varians förklarar alltså inte detta på egen hand.

Det betyder inte att tekniken är oviktig. Det betyder att den mer liknar en inträdesbiljett än en konkurrensfördel: nödvändig för att komma i fråga, men inte det som avgör valet bland dem som redan är med. Våra data kan inte säga hur det ser ut för de webbplatser som ligger under bottenlinjen – de är per definition inte synliga i sökresultaten och ingår därför inte.

Men tekniken avgör något annat – och det är viktigt

När vi delade upp de två utfallen blev bilden en helt annan. Den tekniska konfigurationen är en stark indikator på om din sida används som KÄLLA. Den säger ingenting om huruvida ditt företag blir REKOMMENDERAT.

Resultat	Teknisk poäng	JSON-LD	p-värde
Citerad som källa	77,9 mot 72,7	68 % mot 57 %	0,000
Nämnt som rekommendation	74,9 mot 74,9	63 % mot 61 %	0,988

Det är två olika frågor, och de har varsitt svar:

• ”Använder AI min sida som källa?” – här spelar tekniken stor roll. Skillnaden är 5,2 poäng och mycket signifikant. Strukturerade data och läsbar HTML gör din sida användbar för en modell.
• ”Rekommenderar AI mitt företag?” – här har tekniken ingen mätbar betydelse. Poängen är identisk på båda sidor om skiljelinjen.

Man kan alltså mycket väl vara den sida som AI läser och hänvisar till, utan att vara det företag som AI pekar ut. Det tekniska arbetet är inte bortkastat – det ger bara ett annat resultat än vad de flesta tror.

Däremot stämmer inte en sak: innehållslängden. Citerade sidor har i genomsnitt 1 083 ord jämfört med 895 hos icke-citerade, men skillnaden är inte statistiskt signifikant (p=0,32). Vi nämner detta eftersom ”skriv längre texter” är ett vanligt råd – våra data stöder inte detta.

Vad AI faktiskt citerade

Det hänvisades till 4 034 källor fördelade på 494 domäner. Fördelningen överraskade oss:

• 61 % var företagens egna webbplatser (2 457 hänvisningar).
• 16 % var kataloger och recensionssidor (630).
• 23 % var andra tredjeparter – branschportaler, medier, andra företags sidor (1 237).

De egna webbplatserna dominerar alltså. Det är värt att ha i åtanke om man är på väg att dra slutsatsen att AI endast tittar på omnämnanden på andra ställen – det gör den inte.

Här är en uppdelning av var de 4 034 källorna kom ifrån: 1 874 (46 %) är Perplexitys, hämtade av själva sökmotorn, med i genomsnitt 13 källor per svar. De återstående 2 160 (54 %) fördelar sig med exakt 720 vardera på ChatGPT, Gemini och Claude – exakt fem per svar, eftersom sökplugin-programmet bakom dem levererar fem. Att siffran är densamma för de tre är ingen tillfällighet: de fick samma lista. Ett påstående som ”ChatGPT citerade 720 källor” är därför ett påstående om söklagret, inte om ChatGPT.

Vilka källor återkom i alla tre branscher?

Av 494 domäner citerades endast sex i alla tre branscherna. Alla sex är kataloger eller register.

Domän	Citat	Vad det är
krak.dk	103	Företagskatalog
findformig.dk	78	Katalog med recensioner
Trustpilot	73	Recensionsplattform
cvrexplorer.com	23	CVR-register
LinkedIn	22	Företagsprofiler
degulesider.dk	17	Företagskatalog

Allt annat var branschspecifikt. Det är den mest handlingsinriktade iakttagelsen i datauppsättningen: oavsett om man är advokat, revisor eller VVS-installatör, användes samma lilla uppsättning kataloger — och en katalogprofil är något man kan åtgärda på en eftermiddag.

Men de sex katalogerna tillhör i stort sett enbart Perplexity, och det förändrar vem rådet gäller. Om man fördelar de 316 kataloghänvisningarna på sökmotorerna står Perplexity för 294 av dem (93 %):

• krak.dk, degulesider.dk, cvrexplorer.com och LinkedIn: samtliga hänvisningar kom från Perplexity. ChatGPT, Gemini och Claude hänvisade sammanlagt noll gånger till dem.
• findformig.dk: 59 av de 78 var från Perplexity; de återstående 19 fördelade sig med 6–7 på var och en av de tre övriga.
• Trustpilot: 70 av de 73 var från Perplexity — de tre övriga citerade den en gång vardera.

Förklaringen är densamma som ovan: de tre använde samma sökplugin, och det pluginet pekade främst på företagens egna webbplatser snarare än på kataloger. Så katalogrådet är inte fel – det är bara mer målinriktat än tabellen antyder: en katalogprofil är först och främst en Perplexity-investering, mätt här. Om du vill påverka de tre andra är din egen webbplats den plattform som källorna faktiskt hämtades från.

Var uppmärksam på vad detta inte säger. Vi har mätt vilka källor AI citerade – inte att en profil i dessa kataloger gör att du nämns. För det skulle vi behöva följa samma företag över tid och se om förändringar i katalogerna påverkar resultatet. Den mätningen har vi inte gjort ännu.

Vad säger andra mätningar om omnämnanden jämfört med länkar?

Vår egen datauppsättning säger ingenting om varför vissa företag nämns. Den närmaste externa jämförelsen är Ahrefs-analysen från inledningen: 75 000 varumärken, publicerad den 26 maj 2025, jämförd med deras synlighet i Google AI Overviews. Mätt med Spearmans rangkorrelation hade omnämnanden av varumärket ett starkare samband med synligheten (0,664) än antalet bakåtlänkar (0,218).

Det är värt att känna till. Men det bör läsas med fyra förbehåll – de tre första påpekar Ahrefs själva:

• Det är Google AI Overviews. Inte ChatGPT, Claude eller Perplexity. En enda dimension, inte ”AI-synlighet” i bred bemärkelse – och det är en viktig skillnad när siffran citeras.
• Sambandet är inte starkt i sig. Ahrefs beskriver alla de undersökta faktorerna som måttliga till mycket svaga. 0,664 är ett tydligt samband, inte en förklaring till det mesta.
• Korrelation är inte orsak. Kända varumärken omnämns både oftare och tas upp oftare. Studien kan inte skilja mellan de två, och författarna hävdar inte heller det.
• Undvik multiplikationsformen. Siffran cirkulerar i stor utsträckning som ett förhållande: att omnämnanden skulle ha tre gånger så stor effekt som bakåtlänkar. Det är 0,664 dividerat med 0,218 – och två korrelationsvärden kan inte divideras med varandra på det sättet. Förhållandet mellan dem innebär inte att effekten är tre gånger så stor. Ange de två siffrorna var för sig, inte förhållandet.

Jämfört med våra egna siffror pekar de båda i samma riktning utan att motsäga varandra: omnämnanden på andra ställen än på din egen webbplats har betydelse. Men de sex katalogerna som sökmotorerna faktiskt citerade i den danska lokala sökningen är en mer konkret utgångspunkt än en allmän jakt på omnämnanden – och de är mätta på just den marknad där du säljer. Ahrefs analys finns här.

Vad vi inte kan svara på

Vi kan med rimlig säkerhet säga vad som inte avgör synligheten: den tekniska poängen, bland webbplatser som redan är synliga i sökresultaten. Vi kan inte säga vad som då avgör den.

Vi har inte mätt antalet recensioner, ålder, företagsstorlek eller marknadsföringsbudget. Varje förklaring till varför advokater klarar sig bättre än revisorer skulle vara en gissning från vår sida. Det är en mätning vi gärna vill göra – och vi kommer att offentliggöra den, oavsett vad den visar.

Den praktiska konsekvensen är densamma oavsett förklaringen: du kan inte räkna ut om AI nämner ditt företag. En teknisk checklista kan visa om du har grunderna på plats – men inte om sökmotorerna faktiskt lyfter fram dig när en kund söker. Det är två olika frågor, och endast den ena kan besvaras genom mätning.

Vanliga frågor

Förutsäger en bra teknisk GEO-poäng att AI nämner ditt företag?
Nej — men den förutsäger om AI använder din sida som källa. Det är två olika utfall. Bland 465 danska företagswebbplatser (Geoa, 26 juli 2026) hade de företag som AI REKOMMENDERADE en teknisk poäng på 74,9 mot 74,9 hos de övriga — ingen skillnad (p=0,988). Men de sidor som AI CITERADE som källa fick 77,9 mot 72,7, och den skillnaden är starkt signifikant (p=0,000).

Vad är skillnaden mellan att bli citerad och att bli rekommenderad av AI?
Att bli citerad betyder att AI använder din sida som källa till sitt svar. Att bli rekommenderad betyder att AI nämner ditt företag som ett konkret val för kunden. I våra data hänger den tekniska uppsättningen starkt samman med det första och inte alls med det andra. Man kan alltså mycket väl vara den sida AI läser utan att vara det företag AI pekar på.

Hjälper llms.txt då till att bli nämnd av AI?
Våra data visar inget positivt samband. Bland de sökbara VVS-företagen hade 6 % av de nämnda en llms.txt mot 13 % av de icke nämnda; hos revisorerna 10 % mot 16 %. Det bevisar inte att filen skadar — siffrorna är små och urvalet begränsat. Men påståendet att llms.txt får AI att nämna dig kan vi inte stödja med egna mätningar.

Vilka källor använder AI då när den rekommenderar lokala företag?
4 034 källor fördelade på 494 domäner citerades. 61 % var företagens egna webbplatser. Endast sex domäner förekom i alla tre branscherna, och de var alla kataloger eller register: krak.dk (103 citeringar), findformig.dk (78), Trustpilot (73), cvrexplorer.com (23), LinkedIn (22) och degulesider.dk (17). Lägg märke till fördelningen: 294 av de 316 kataloghänvisningarna kom från Perplexity, som är den enda av de fyra sökmotorerna som själv utför sökningar. ChatGPT, Gemini och Claude använde ett gemensamt sökplugin (Exa), som levererade fem källor per svar och nästan aldrig pekade på katalogerna.

Hur stor är skillnaden mellan branscher?
Stor — långt större än mellan tekniska poäng. Av de mätbara företagen nämndes 57 % av advokaterna av minst en motor, mot 38 % av VVS-företagen och 32 % av revisorerna. Branschen betydde alltså mer för synligheten än webbplatsens tekniska uppsättning.

Får jag citera siffrorna?
Ja. Ange ”Geoa, juli 2026, n=465 företag, 576 AI-svar” och länka gärna till analysen. Om du använder källsiffrorna, ange följande förbehåll: tre av de fyra sökmotorerna hämtade sina källor från ett gemensamt sökplugin, endast Perplexity sökte själv. Vi noterar datumet vid varje uppdatering, så att äldre citat kan spåras till den version de hämtades från.