Metode og dokumentation

Vores metode er bygget på forskning.

AI-søgning er nyt, men det er ikke gætværk. Vi arbejder ud fra offentliggjort forskning, leverandørernes vejledninger og vores egne målinger. Vejledningerne beskriver adgangskrav og anbefalinger, men ikke hele systemernes vægtning. Derfor behandler vi nye formater som llms.txt som et testbart supplement og måler udviklingen i de gemte svar over tid.

Synlighed579 kr./md.ekskl. moms
Myter om AI-søgning

Seks myter, vi ofte hører

Der bliver sagt meget om AI-søgning. Det meste holder ikke, når man læser forskningen. Her er, hvad der rent faktisk er målt. Du kan læse flere myter og forskningen bag her.

Myte: "Man fylder bare siden med søgeord, så nævner AI jer."

Det modsatte sker. I et studie fra Princeton sænkede søgeordsproppning synligheden. Det, der løftede synligheden med op til 40 %, var konkrete tal, citater og tydelige kilder i teksten.Kilde: GEO: Generative Engine Optimization, KDD 2024 (arXiv 2311.09735).

Myte: "Bare omskriv hele hjemmesiden, så bliver I citeret."

Et studie fra 2026 fandt, at det giver større effekt at finde ud af, hvorfor en bestemt side ikke citeres, og rette præcis det. At ændre cirka 5 % målrettet løftede citeringen mere end at omskrive 25 %. Bred omskrivning kan endda skade de svageste sider.Kilde: Diagnosing and Repairing Citation Failures in GEO, 2026 (arXiv 2603.09296).

Myte: "Jo længere tekst, jo bedre."

Længden i sig selv dokumenterer ikke, om I bliver citeret. Vi prioriterer relevante, kontrollerbare oplysninger og en struktur, som læseren kan følge. Om siden faktisk bliver brugt, skal måles i det konkrete produkt og på det konkrete tidspunkt.

Myte: "Det handler kun om jeres egen hjemmeside."

Hjemmesiden er én mulig kilde blandt flere. Nogle svar viser virksomhedsprofiler, anmeldelser eller andre webkilder, men kildevejen varierer. Derfor kontrollerer vi synlige uoverensstemmelser uden at påstå, at de alene forklarer et AI-svar.Kilde: Google Search Central, vejledning om AI-funktioner i Search.

Myte: "Et bureau kan garantere jer en fast plads i ChatGPT."

Det kan ingen. AI-svar varierer mellem spørgsmål, produkter og tidspunkter. Vi kan forbedre aftalte, kontrollerbare forhold og vise udviklingen i samme måleudsnit, men vi lover aldrig en bestemt omtale eller placering.

Myte: "AI-søgning er bare et nyt SEO-trick."

Google skriver selv, at vejen frem er god, hjælpsom SEO, klar struktur og korrekte oplysninger. Ikke skjulte tricks eller særlig AI-markup. Vores arbejde bygger oven på god SEO.Kilde: Google Search Central, vejledning om AI-funktioner i Search.

Vores evidensregel

Vejledninger er et udgangspunkt, ikke hele facit

Vi skelner mellem en leverandørs officielle beskrivelse, offentliggjort forskning, en gentaget måling og en enkelt observation. De fire ting har ikke samme bevisværdi. Leverandørernes vejledninger fortæller, hvad de oplyser om deres produkter, men de offentliggør ikke hele den interne vægtning.

llms.txt er et godt eksempel. Google Search oplyser, at deres søge- og AI-funktioner ignorerer filen. Samtidig beskriver Chrome Lighthouse den som en frivillig, fremvoksende konvention for AI-agenter, og både OpenAI og Anthropic publicerer den til deres dokumentation. Det dokumenterer praktisk brug som navigation for kompatible agenter — ikke en ranking- eller citationsfordel. Derfor vedligeholder vi filen som et supplement og måler udviklingen uden at udpege den som årsag.

Hvis et enkelt AI-svar for eksempel gengiver en virksomheds egen påstand om at være “den bedste”, logger vi observationen og forsøger at gentage den. Ét svar er ikke nok til at gøre selvros til et dokumenteret rankinggreb.

Sådan arbejder vi

Én sløjfe, som vi gentager

Alt hvad Synbar laver, følger den samme sløjfe. Vi måler et aftalt udsnit, opstiller og kontrollerer hypoteser om mulige forklaringer, retter dokumenterede forhold efter godkendelse og genmåler så vidt muligt samme grundlag. Resten af siden beskriver de to dele: scanneren og det aftalte optimeringsarbejde.

Trin 1

Vi måler

Scanneren stiller aftalte, relevante spørgsmål, som kunden kan gennemgå, til ti AI-kanaler og gemmer de rå svar.

Trin 2

Vi opstiller hypoteser

Hvor mangler omtalen, hvilke kilder er synlige, og hvilke forskelle kan undersøges uden at kalde dem årsagen?

Trin 3

Vi retter

Vi retter de aftalte, dokumenterbare forhold og registrerer præcist, hvad der blev ændret.

Trin 4

Vi måler igen

Efter mindst 30 dage kører vi samme scanning og ser, hvad der flyttede sig.

Del 1 · Scanneren

Sådan måler vi, hvor I står i dag

Synbar har bygget sin egen GEO-scanner for at kunne dokumentere et afgrænset spørgsmål: bliver virksomheden nævnt i de AI-svar, vi har aftalt at måle? Scanneren gemmer spørgsmål, kanal, tidspunkt og de gennemførte rå svar og gør dem op efter faste regler.

Synlighedsprompts må ikke nævne kunden ved navn. Kunden kan gennemgå spørgsmålene før målingen. Bagefter registrerer systemet reel omtale, om en synlig kilde faktisk understøtter omtalen, placering i sammenlignelige svar, tone og verificerede konkurrenter. Det er de fem dele, scoren bygger på.

Hvilke AI'er vi måler på, og hvordan vi kommer ind til dem

Kanalerne skal beskrives præcist. Man kan ikke bare "spørge de ti største AI'er". Fire af kanalerne kører vi direkte hos udbyderen. De øvrige seks kommer ind gennem OpenRouter, som er en tredjepartsleverandør, der giver adgang til mange modeller gennem én forbindelse. Det står i jeres rapport, og det står her.

AI-kanalVej ind
ChatGPT / OpenAIDirekte hos udbyderen
PerplexityDirekte hos udbyderen
ClaudeDirekte hos udbyderen
GrokDirekte hos udbyderen
GeminiVia OpenRouter
Microsoft PhiVia OpenRouter
Meta LlamaVia OpenRouter
DeepSeekVia OpenRouter
MistralVia OpenRouter
QwenVia OpenRouter

Det har en konsekvens, som vi hellere vil sige selv. Vores Microsoft-spor er modellen Phi hentet gennem OpenRouter. Det er IKKE en måling inde i Copilot-produktet. Meta-sporet er på samme måde en Llama-model, ikke Meta AI-appen. Ser I "Microsoft" i en rapport fra os, ved I altså præcis, hvad der blev målt. Vi skriver også den konkrete modelversion, for eksempel gpt-5.6-luna i referencen fra 29. august 2026, i stedet for bare at skrive "ChatGPT", fordi en ny modelversion kan svare anderledes end den gamle. Vi har skrevet et helt indlæg om, hvorfor vi lægger det frem.

Samme regnestykke hver gang

Når svarene er gemt, bliver de omsat til en score med fast matematik. Kanal- og delscorevægtene er Synbars analysevalg; de er ikke officielle markedsandele eller en universel standard. Der sidder ingen AI og vurderer resultatet til sidst. Er svarene, reglerne og målingshistorikken de samme, giver beregningen det samme tal. Det er dét, der gør målinger på samme grundlag sammenlignelige. Hele regnestykket ligger åbent, formel for formel.

Derfor er det ikke det samme som almindelig SEO

God SEO er stadig fundamentet, og vi laver det også. Forskellen ligger i, hvad vi sigter efter, og hvad vi måler på.

Almindelig SEO måler

  • Placeringen på et søgeord
  • Klik fra en resultatside
  • Søgevolumen og trafik
  • Backlinks og domænestyrke

Synbar måler

  • Om I bliver nævnt inde i selve AI-svaret
  • Om jeres egen side bliver brugt som kilde for det
  • Hvor omtalen mangler i de aftalte spørgsmål
  • Hvilke konkurrenter der står der i stedet, og om I står foran dem

En god placering i Google garanterer ikke omtale i et AI-svar. Google oplyser, at AI Overviews og AI Mode kan bruge query fan-out og flere relaterede søgninger; andre produkter og kanaler kan bruge andre veje. Derfor holder vi søgeplacering og målte AI-svar som adskilte observationer.

For at være helt ærlig om grænserne: scanneren måler de spørgsmål, vi opsætter for jer, ikke hele internettet. Mønstre fra andre brancher er et kvalificeret udgangspunkt, ikke en facitliste for jeres. Et scan er et dateret billede, og AI-kanalerne ændrer sig løbende. Derfor bruger vi en serie af sammenlignelige målinger til at følge en tendens, og vi lover aldrig en bestemt placering. Hele regnestykket ligger åbent her.

Del 2 · Optimeringen

Sådan forbedrer vi det, målingen viser

Målingen er ikke målet. Den er råmaterialet. Her er vejen fra en gemt bunke AI-svar til en rettelse på jeres side.

1

Vi aftaler spørgsmål og undersøger relaterede behov

Vi starter med et fast sæt kundespørgsmål, som godkendes før målingen. Google beskriver, at AI Overviews og AI Mode kan danne relaterede fan-out-søgninger, men de interne forespørgsler er ikke ens på tværs af alle tjenester. Derfor skelner vi mellem de spørgsmål, vi faktisk har gemt, og relaterede underspørgsmål, som bruges som hypoteser til indholdet.

2

Vi analyserer sproget i de gemte svar på tværs af scanninger

En fuld kørsel kan gemme over hundrede rå AI-svar, og Synbar har kørt over 100 scanninger. Vi sammenligner omtale, støttende kilder, placering og tone inden for det dokumenterede målegrundlag og kan finde mønstre, der er værd at undersøge. Et mønster i ord eller struktur er en hypotese, ikke bevis for at formuleringen forårsagede udfaldet. Se et afgrænset før/efter-eksempel i Safety Sea-casen.

3

Vi undersøger synlige forskelle til konkurrenterne

Scanneren registrerer, hvilke konkurrenter der står i svaret, når I ikke gør. Så læser vi de sider, AI faktisk citerede, og opstiller konkrete hypoteser om forskellene: en pris skrevet i teksten, et klart svar øverst eller en side, der kun handler om den ene ydelse. Det giver noget konkret at undersøge og måle igen.

4

Vi skriver dokumenterede fakta tydeligt ind

De aftalte kundetekster samler relevante svar, definitioner, tal eller priser, som virksomheden kan dokumentere. Vi undgår søgeordsproppning: i GEO-studiets benchmark klarede den strategi sig dårligere end flere af de sammenlignede indholdsstrategier. Resultatet gælder studiets datasæt og er ikke en garanti for et bestemt AI-svar.GEO: Generative Engine Optimization, KDD 2024.

De konkrete greb, og forskningen bag dem

Når vi ved, hvad der mangler, skal det rettes rigtigt. De øverste greb er dem, feltet har lært inden for det seneste år. De nederste er det håndværk, alt det andet står på.

Vi opstiller og kontrollerer en hypotese, før vi retter

Vi opstiller en konkret fejlhypotese for den side, der ikke blev citeret, og retter målrettet. I forskernes afgrænsede benchmark klarede ændringer af cirka 5 % af indholdet sig bedre end de sammenlignede brede omskrivninger på cirka 25 %. Det er retning for arbejdet, ikke et løfte om samme effekt hos en kunde.Diagnosing and Repairing Citation Failures in GEO, 2026.

Vi skriver titel og URL i almindelige, beskrivende ord

Ahrefs analyserede 1,4 mio. ChatGPT-prompts og fandt i sit datasæt sammenhænge mellem citation, titel og URL. Sider med en almindelig, læsbar URL havde en citationsrate på 89,78 % mod 81,11 % for kryptiske adresser, og citerede titler lå sprogligt tættere på de registrerede spørgsmål. Studiet viser ikke, at titel eller URL alene forårsagede citation, så vi bruger fundet som en hypotese og skriver først og fremmest for læseren.Kilde: Ahrefs, Why ChatGPT Cites One Page Over Another, april 2026. Vi gennemgår studiet her.

Vi gør jeres evidens til noget, der kan trækkes ud

Et studie fra 2026 skelner mellem at blive valgt som citation og at bidrage mærkbart til et AI-svar. I det undersøgte datasæt havde sider med høj indflydelse oftere udtrækkelig evidens som definitioner, tal, sammenligninger og trin. Det er en beskrivende sammenhæng, så vi bruger den til at gøre virksomhedens faktiske forhold kontrollerbare i brødteksten, ikke som citationsløfte.From Citation Selection to Citation Absorption, 2026.

Vi bygger siden op i tre lag

Et studie fra 2026 testede struktur på dokument-, afsnits- og elementniveau i et afgrænset benchmark og rapporterede forskelle i citation. Det er ikke dokumentation for samme effekt på enhver levende side. Vi bruger derfor tydelig struktur som et læservenligt, testbart greb og måler udfaldet særskilt.Structural Feature Engineering for GEO, 2026.

Vi jagter ikke omtaler på fora som genvej

I Ahrefs' datasæt havde Reddit-kategorien en citationsrate på 1,93 %, mens 67,8 % af de ikke-citerede URL-registreringer kom derfra. Kategoriernes sammensætning gør tallet uegnet som en generel regel for fora. Vi planter ikke omtaler i tråde; vi prioriterer virksomhedens egne dokumenterede oplysninger og vurderer eksterne kilder særskilt.Kilde: Ahrefs, april 2026. Se også vores artikel om Reddit som kilde.

Vi kontrollerer de tekniske forudsætninger

AI-tjenesternes søge- og crawlveje kan variere mellem produkter, funktioner, spørgsmål og tidspunkter, så vi lover ikke én fast kildekæde. I Ahrefs' eget datasæt blev URL-registreringer fra søgeindekskategorien citeret i 88,46 % af tilfældene; tallet gælder deres undersøgelse, ikke alle AI-svar. Vi kontrollerer teknisk adgang, sitemap og relevante indsendelsesværktøjer i Google Search Console og Bing Webmaster Tools, men de garanterer ikke crawling, indeksering eller visning. Se oversigten og dens kilder.Kilde: Ahrefs, april 2026 · Google Search Central · Bing Webmaster Guidelines.

Vi dækker hele spørgsmålet (query fan-out)

Google oplyser, at AI Overviews og AI Mode kan bruge query fan-out med flere relaterede søgninger. Nogle udbydere gemmer søgestrenge, de brugte under et svar; Synbar viser dem som diagnoseevidens ved siden af de aftalte spørgsmål. De er ikke ekstra prompts, svar eller en del af GEO-scoren, og de beviser ikke årsagen til udfaldet. Læs mere om query fan-out.Google Search Central, query fan-out og people-first content.

Vi kontrollerer synlige virksomhedsoplysninger

Vi sammenholder navn, adresse, ydelser og åbningstider på hjemmesiden med relevante profiler som Google Business, Trustpilot og sociale medier. Uoverensstemmelser bliver rapporteret; de rettes kun med kundens godkendelse og den nødvendige adgang. Vi opdigter aldrig priser eller tal og påstår ikke, at konsistens alene udløser en AI-omtale.Bing Webmaster Guidelines, om entiteter · GEO, KDD 2024.

Vi rydder op i det tekniske fundament

Vi kontrollerer crawl-adgang, canonical, omdirigeringer, sitemap, sidehastighed og en forståelig struktur. Sitemappet indeholder de aktuelle kanoniske URL'er og bruger kun en ændringsdato, når siden reelt er ændret. Det gør det tekniske grundlag kontrollerbart, men er ikke en garanti for indeksering, ranking eller AI-citation.Google Search Central · Bing Webmaster Guidelines.

AI analyserer; Daniel og Holger skriver

AI-tjenester hjælper os med måling og analyse. Kundeteksterne skriver Daniel og Holger fra bunden; de er ikke AI-genererede. Vi sender dem til jer, så fakta kan godkendes, før noget bliver publiceret.Bing Webmaster Guidelines.

Så starter sløjfen forfra

Efter mindst 30 dage gentager vi så vidt muligt de samme spørgsmål, kanaler, modelversioner og bedømmelsesregler. Afvigelser bliver dokumenteret. Så kan vi se, hvad der ændrede sig i det aftalte målesæt, men målingen beviser ikke alene, at én bestemt formulering var årsagen. Det er dét, der gør det til en metode frem for en mavefornemmelse, og det er derfor del 1 og del 2 hænger sammen.

Strukturerede data beskriver siden; de lover ikke et resultat. Vi bruger kun relevante typer og egenskaber, som svarer til det synlige indhold. Markup kan gøre en side kvalificeret til bestemte søgefunktioner, men Google garanterer hverken en rich result-visning, ranking eller AI-citation.

Kilder: Google, strukturerede data · Bing Webmaster Guidelines.
Vi følger med

Vi lærer hele tiden nyt

AI-produkter, modeller og kildeveje ændrer sig. Derfor daterer vi målingerne og genbesøger metodepåstande, når leverandørdokumentation eller forskning ændres.

Begreber som LLMO, GEO og AEO bruges ikke altid ens. Nogle AI-tjenester kan kombinere svar med handlinger, afhængigt af produkt og integration. Vi ændrer kun metoden, når et nyt råd kan beskrives med kilde, afgrænsning og en kontrol, der kan gentages.

Daniel er certificeret af Semrush Academy i AI-søgning og on-page SEO og har Googles AI Professional Certificate, og vi læser den nye forskning på området løbende. Når noget viser sig at virke bedre, opdaterer vi vores metode. Du kan møde os og se certifikaterne her.

Hvad vi lover, og hvad vi ikke lover

Vi lover: at måle, hvordan I fremstår i AI, vise jer de faktiske svar, rette de konkrete ting og følge udviklingen over tid.

Vi lover ikke: en garanteret placering, at vi styrer, hvad AI svarer, eller nye kunder ud af det blå. Vi arbejder på de aftalte forhold og viser jer de registrerede tal undervejs.

Kilder

Hvor det kommer fra

Tal fra studier gælder de undersøgte forhold og kan variere fra branche til branche. Vi bruger dem som retning for vores arbejde, ikke som et løfte om et bestemt resultat.

Kom i gang

Se metoden på jeres egen virksomhed

Start med en gratis analyse. Vi viser de faktiske AI-svar, afgrænser observationerne og aftaler de næste kontroller med jer.

Få gratis analyse →