Måleverktøy for KI-synlighet: hva de faktisk måler (2026)

Jeg har selv testet flere av verktøyene som lover å fortelle deg nøyaktig hvor synlig du er i ChatGPT, Gemini, Claude og resten. Jeg brukte en periode PromptWatch, var egentlig ganske fornøyd med opplevelsen, og endte likevel opp med å stole mindre og mindre på tallene.

Det kan godt være at jeg er generelt for skeptisk anlagt her. Men etter å ha gravd litt i hvordan hele kategorien faktisk fungerer, tror jeg skepsisen min var berettiget, av grunner jeg ikke helt hadde satt ord på da.

Dette er den fjerde delen i en pågående serie. Del 1 handler om hvordan KI-modeller faktisk søker og velger kilder, og del 5 handler om GA4-oppsett. Denne handler om noe annet igjen: verktøyene som skal fortelle deg hvor du står, akkurat nå.

Hva disse verktøyene faktisk gjør

Prinsippet bak nesten alle verktøyene i denne kategorien er det samme. Du bygger et bibliotek med spørsmål, gjerne basert på det kundene dine faktisk spør om. Verktøyet sender disse spørsmålene til ChatGPT, Gemini, Claude, Perplexity og andre modeller på en fast tidsplan, og registrerer om og hvordan merkevaren din dukker opp i svarene.

Det de rapporterer på er som regel en kombinasjon av noen få mål:

• Hvor ofte du blir nevnt i det hele tatt.
• Hvor du står sammenlignet med konkurrentene på de samme spørsmålene.
• Hvilke kilder som faktisk driver at du blir nevnt, som en Reddit-tråd, en nyhetsartikkel eller en YouTube-video.
• Hvor det finnes hull, altså spørsmål der KI-en svarer godt innenfor kategorien din, men ikke nevner deg i det hele tatt.

Det høres ryddig ut på papiret. Problemet ligger i det som skjer mellom spørringen og svaret.

Ett spørsmål er aldri det samme spørsmålet to ganger

Før jeg går videre til hva de ulike verktøyene faktisk hevder å levere, er det verdt å stoppe opp ved noe mer fundamentalt. Hvordan kan et verktøy overhodet påstå å måle "din synlighet i ChatGPT" når hver eneste person som faktisk bruker ChatGPT stiller spørsmålet sitt litt annerledes?

Det er ikke bare et teoretisk problem. To personer som spør om «beste regnskapsfører i Oslo» og «regnskapsfører Oslo anbefaling» kan få forskjellige svar, med forskjellige kilder sitert, selv om intensjonen bak spørsmålene er identisk.

Modellen selv introduserer også variasjon, den samme personen som stiller det samme spørsmålet to ganger på rad kan i prinsippet få to ulike svar. Det skyldes at disse modellene, i motsetning til et tradisjonelt Google-søk, ikke alltid gir nøyaktig samme svar på nøyaktig samme spørsmål hver eneste gang.

De måler hvordan et fast, avgrenset sett med spørsmål besvares på et gitt tidspunkt, og bruker det som en tilnærming til det virkelige bildet.

Kvaliteten på den tilnærmingen avhenger helt av hvor godt promptbiblioteket faktisk reflekterer hva ekte kunder spør om, og hvor mange ganger hvert spørsmål kjøres for å jevne ut tilfeldig variasjon. Et verktøy som kjører femti faste spørsmål én gang i uken gir deg et helt annet presisjonsnivå enn et som kjører flere tusen varianter daglig, selv om begge presenterer resultatet som én ryddig prosentandel.

Dette er også grunnen til at jeg nevner serverlogger flere steder i denne serien. En serverlogg forteller deg noe helt annet enn et syntetisk prompt-eksperiment.

Den viser deg at en navngitt KI-bot, for eksempel PerplexityBot eller OAI-SearchBot, faktisk besøkte en konkret side hos deg på et konkret tidspunkt, fordi et ekte menneskes ekte spørsmål et sted utløste det besøket. Det er data fra virkeligheten, ikke en simulering av den.

Problemet er at en logg bare viser deg at siden din ble vurdert, ikke om den faktisk endte opp sitert i svaret som ble gitt. De to metodene svarer altså på ulike spørsmål, og et godt verktøy bør helst kombinere begge i stedet for å lene seg på bare én.

Tallene beveger seg mer enn du tror

Her er noe jeg ikke var klar over før jeg gravde i det. Én analyse fant at mellom 40 og 60 prosent av domenene som blir sitert av de store KI-plattformene skifter fra måned til måned.

Det betyr at et verktøy som viser deg en prosentandel synlighet i dag, kan vise deg et helt annet tall om fire uker, ikke fordi noe du gjorde endret seg, men fordi selve modellene beveger seg på egen hånd.

Hvordan de ulike verktøyene hevder å måle synlighet

Jeg har sett gjennom det som finnes av sammenligninger, og et gjennomgående funn er verdt å nevne aller først: nesten alle disse sammenligningene er skrevet av en leverandør i kategorien, som naturlig nok fremstiller egen løsning i best mulig lys. Med det forbeholdet tydelig sagt, her er hva de faktisk hevder å gjøre annerledes.

Profound er kategorilederen målt i finansiering, med over 150 millioner dollar hentet inn. Den sanser i sanntid på tvers av over ti motorer, og har en egen funksjon for å analysere hvilke KI-boter som faktisk besøker nettsiden din via integrasjon med Cloudflare. Prisen starter rundt 99 dollar i måneden, men den realistiske inngangen for noe brukbart ligger nærmere 399, og selv da får du kun tre motorer dekket.

Peec AI har satset på det de selv kaller den mest nøyaktige overvåkningen i markedet, med simulering av reelle brukerinteraksjoner og rapportering på over 115 språk. De tilbyr promptvolum-data, altså hvor mange som faktisk stiller et gitt spørsmål, noe de fleste konkurrentene ikke har. Prisen starter rundt 89 euro i måneden.

Otterly.ai er det mest budsjettvennlige alternativet, fra rundt 29 dollar i måneden, med Semrush-integrasjon som en tydelig fordel for de som allerede bruker det verktøyet.

PromptWatch, det jeg selv har mest erfaring med, markedsfører seg med det bredeste offentlig oppgitte antallet motorer i kategorien, inkludert analyse av KI-crawler-logger og en innholdsagent som skal være drevet av faktiske siteringsdata. Men en uavhengig gjennomgang fra august 2026 peker på noe jeg kjenner igjen: prisstigen går fra 95 til 579 dollar, og selv på de dyrere planene er det et tak på fire sporede modeller om gangen, til tross for at ti modell-logoer vises på prissiden. Gjennomgangen konkluderer med 4 av 5, men trekker eksplisitt frem at ingen slike sider kan fastslå om synlighetstallene faktisk er stabile fra uke til uke, som de selv kaller det viktigste kriteriet i hele kategorien.

Det siste poenget er kjernen i skepsisen min. Uansett hvor bra funksjonssettet er, sier ingen av leverandørene noe konkret om hvor mye støy som ligger i egne tall.

Hva jeg anbefaler

Jeg lander ikke på ett enkelt "bruk dette verktøyet"-svar, av samme grunn som del 1 i denne serien konkluderte med at det ikke finnes noen roadmap for KI-synlighet generelt. Men noen konkrete råd, basert på det jeg har sett:

• Se etter motordekning som faktisk matcher publikummet ditt, ikke det høyeste tallet på prissiden. Flere av verktøyene lister ti modeller på markedsføringen, men låser faktisk bruk til tre eller fire på planer folk faktisk kjøper.

• Spør konkret om promptvolum og oppdateringsfrekvens. Et verktøy som kjører få spørsmål sjelden gir deg et øyeblikksbilde med høy varians, ikke en pålitelig trend. Peec AI er foreløpig det eneste jeg har sett som faktisk oppgir promptvolum som et eget tall.

• Behandle enhver enkeltmåling som støyete, ikke som sannhet. Gitt at 40 til 60 prosent av siterte domener endres månedlig uansett, bør du se på trend over flere måneder, ikke reagere på ett øyeblikksbilde. Dette er trolig den viktigste justeringen jeg selv skulle gjort tidligere.

• Vær ekstra skeptisk til case-studier og sammenligninger fra leverandøren selv. Nesten samtlige «beste verktøy i 2026»-artikler jeg har lest er skrevet av noen med en kommersiell interesse i utfallet, ofte uten at det er tydelig merket.

• Ikke la ett verktøys lave tall alene avgjøre en stor beslutning, som var akkurat min egen erfaring med PromptWatch. Lave tall kan bety lav faktisk synlighet, men de kan også bety at verktøyet har snevrere dekning, færre prompter, eller mer støy enn konkurrenten du sammenligner med.

Selv lander jeg foreløpig på å bruke denne typen verktøy som en pekepinn og en trend å følge over tid, ikke som et presist mål å styre etter. Det finnes forøvrig mye du kan gjøre med gratis verktøy før du betaler for noe i denne kategorien.

Hvorfor jeg heller lener meg på søkeordsanalyse i mellomtiden

Det jeg satser mer på i mellomtiden er å holde fast ved klassisk søkeordsanalyse, rett og slett fordi det er den eneste dataen i dette landskapet vi faktisk har god, moden dokumentasjon på. Tanken er enkel: et søkeord med høyt månedlig søkevolum bør også gi opphav til mange prompts, siden det tross alt reflekterer noe folk allerede lurer på.

Det stemmer et stykke på vei, men ikke hele veien, og det er verdt å vite hvorfor. Google er fortsatt sterkest når noen vet hva de vil ha og er klare til å handle.

KI-modeller brukes i økende grad til noe annet, en sparring før beslutningen i det hele tatt er tatt. «Jeg vurderer å bytte regnskapsfører, hva bør jeg tenke på» er et typisk KI-prompt som aldri ville blitt skrevet inn i Google.

Profound har kalt dette et «whitespace», emner med høyt volum av KI-spørsmål men lavt eller ingen tradisjonelt søkevolum. Det betyr at søkeordvolum som proxy fungerer best for kjøpsnære, transaksjonelle spørsmål, og systematisk undervurderer promptvolumet for den mer utforskende, rådgivende bruken som KI-modeller ofte foretrekkes til.

Det er ikke det samme som å si at synlighetsverktøyene er verdiløse. Det er å si at kategorien fortsatt er ung nok til at man bør holde et par skritts avstand fra å ta beslutninger basert på ett enkelt tall fra ett enkelt verktøy.