LLM- og udbyderkanaler
Den fulde Synbar-reference fra 29. august 2026 bruger 12 aftalte spørgsmål, 10 model- og udbyderkanaler og 121 gemte svar. Rapporten afgrænses til de svar, der faktisk blev gennemført.
Synbar er et dansk bureau med egen scanner. Vi gemmer de faktiske AI-svar og måler omtale, støttende kilder, placering og konkurrenter i et aftalt udsnit.
Vi aftaler spørgsmålene på forhånd, gemmer hvert svar med kanal og tidspunkt og holder LLM-målingen adskilt fra Google AI Overviews. Dermed kan du kontrollere både tæller, nævner og begrænsning.
Den fulde Synbar-reference fra 29. august 2026 bruger 12 aftalte spørgsmål, 10 model- og udbyderkanaler og 121 gemte svar. Rapporten afgrænses til de svar, der faktisk blev gennemført.
AI Overviews måles separat. En ufuldstændig kørsel er en diagnose under arbejde; den må ikke blive til en score, en prioriteret handling eller et løfte om effekt.
Konkurrentdiagnose: Vi kan vise, at en verificeret konkurrent blev nævnt i det samme spørgsmål, hvilke kilder der var synlige, og hvordan svaret var formuleret. Målingen kan ikke bevise, hvorfor modellen valgte konkurrenten. En forklaring skal derfor undersøges på den levende side og godkendes, før vi ændrer noget.
Se de præcise regler i scannerens metode, forsknings- og kildegrundlaget i Synbars metode og selve arbejdsforløbet på processiden.
Du får altid Holger eller Daniel direkte.
Vi fortæller dig hvad der mangler, ikke hvad du vil høre.
Vi viser udviklingen i de samme målepunkter og forklarer, hvad målingen ikke kan konkludere.
Det er måling og målrettet arbejde med de forhold, der kan påvirke, om virksomheden bliver nævnt og citeret i de AI-svar, vi tester.
Vi aftaler et relevant udsnit af spørgsmål og bruger Synbars egen GEO-scanner til at gemme de svar, modellerne giver på måletidspunktet. Målingen viser, hvor du nævnes, citeres eller mangler i netop dette udsnit. Den kan pege på mulige indsatsområder, men er ikke en sikker diagnose af årsagen til hvert svar.
Daniel og Holger skriver de aftalte kundetekster fra bunden. De bruger målingen, virksomhedens dokumenterede fakta og kundernes reelle informationsbehov som input. Vi kopierer ikke konkurrenters formuleringer og lover ikke, at en bestemt tekst udløser et bestemt AI-svar.
AI-svar kan bygge på forskellige eksterne kilder, og deres betydning varierer fra svar til svar. Vi gennemgår jeres Google Business-profil, anmeldelser og offentlige oplysninger neutralt og hjælper med at gøre virksomhedens egne fakta konsistente. Vi fremstiller ikke omtale og kan ikke styre, hvilke kilder en model bruger.
Ved den aftalte genmåling kører vi så vidt muligt de samme spørgsmål med samme opsætning og viser forskellene i de gemte svar. AI-modeller og kilder kan ændre sig undervejs, så en før/efter-måling kan ikke alene isolere, hvilken ændring der var årsagen.
Vi aftaler relevante spørgsmål, gemmer AI-svarene og bruger observationerne som ét input til arbejdet. Derefter genmåler vi samme udsnit, uden at love et bestemt resultat.
Vi registrerer fem målepunkter i Synbars analyse:
Scoren er en Synbar-score og gælder kun den konkrete kørsel, de aftalte spørgsmål og de valgte AI-kanaler. Kanalvægtene er metodevalg i Synbars score, ikke dokumenterede markedsandele.
Vi prioriterer de dokumenterede huller i målingen og kontrollerer dem på den levende side:
Ved den aftalte genmåling viser vi, hvad der har flyttet sig i udsnittet. Målingen kan ikke alene bevise, hvilken ændring der forårsagede forskellen.
AI-svar kan citere eller gengive enkelte passager fra en side. Daniel og Holger skriver derfor de aftalte kundetekster fra bunden, så virksomhedens dokumenterede fakta kan forstås uden resten af siden:
I bestemmer selv. Hvert forslag sendes til jer med den nuværende tekst ved siden af den nye, og intet går live, før I har sagt ja.
Fremgangsmåden bruger offentliggjort forskning som kilde til hypoteser, bl.a. GEO-studiet (Princeton, KDD 2024), et afgrænset 2026-benchmark om diagnose og målrettede rettelser samt Ahrefs' leverandørstudie af 1,4 mio. ChatGPT-prompts. Resultaterne gælder deres egne datasæt og testes derfor i et aftalt måleudsnit. Se kilder og begrænsninger på metode-siden.
Synbar har bygget sin egen scanner for at kunne dokumentere det spørgsmål, vi arbejder med: bliver virksomheden nævnt i det aftalte udsnit af AI-svar?
Et almindeligt SEO-værktøj måler placeringer i Google. Vores scanner stiller i stedet de aftalte spørgsmål på tværs af ti AI-kanaler, gemmer svarene og regner dem om til en Synbar-score med fast matematik. Resultatet er et dokumenteret udsnit af svarene på måletidspunktet, ikke en universel score eller en sikker årsagsdiagnose.
Scanningen er ét af flere input til arbejdet. Daniel og Holger gennemgår de gemte svar sammen med virksomhedens egne fakta og skriver de aftalte kundetekster fra bunden. Eksterne kilder bruges som neutral dokumentation og inspiration, ikke som facit for, hvilke ord der udløser en omtale. Se et konkret før/efter-eksempel hos Safety Sea.
En genmåling kan vise, om de målte svar ændrede sig efter arbejdet. Den kan ikke alene isolere årsagen, fordi indhold, modeller, søgeadfærd og eksterne kilder kan ændre sig samtidig. Se hele arbejdsgangen trin for trin.
Feltet flytter sig hurtigt, og begreber som LLMO, GEO og AEO bruges ikke altid ens. Nogle AI-tjenester kan kombinere svar med handlinger, afhængigt af produkt og integration. Når der kommer ny forskning eller leverandørdata, behandler vi det som en hypotese og kontrollerer den i et dateret måleudsnit, før den bliver til et råd.
Metodens grænse: Resultater fra eksterne undersøgelser gælder deres egne datasæt. Vi bruger dem neutralt og lover ikke, at samme effekt kan gentages for en bestemt kunde.
Se hele metoden og forskningen bag på metode-siden.
Det er nemt at love meget. Vi siger hellere præcis hvad vi ikke laver.
Vi dokumenterer arbejdet og lover ikke et bestemt AI-svar.
Ingen kreditkort. Ingen forpligtelse.
Bare en ærlig rapport.