Søgningerne, du aldrig ser: hvad ChatGPT leder efter, før den nævner et brand

Når du spørger ChatGPT ”hvilken bank er bedst for førstegangskøbere?”, søger den ikke efter den sætning. Den omskriver i det skjulte dit spørgsmål til flere forskellige søgninger – sammenligninger, anmeldelser, specifikke konkurrenter – kører dem bag kulisserne og blander resultaterne sammen til ét selvsikkert svar. Disse skjulte søgninger kaldes query fan-outs (søgeforgreninger), og de er det lag, hvor AI-synlighed rent faktisk bliver afgjort.

Problemet er, at næsten ingen kan se dem. Så vi trak vores egne tal. På tværs af 31 brands opsamlede 3RD-platformen 50.872 ChatGPT-svar, der udløste fan-outs, og de gav i alt 33.031 unikke søgninger bag kulisserne. Her er resultaterne.

Det fortæller fan-outs os

• ChatGPT er besat af anmeldelser. Når ChatGPT nævner en kilde til anmeldelser, er det i overvældende grad Trustpilot, og én ud af fem fan-outs leder efter anmeldelser, uanset om brugeren spurgte om det eller ej.
• De samme søgninger vender hele tiden tilbage. De fleste fan-out-søgninger er engangsforekomster, men en tilbagevendende kerne gentages så ofte, at den står for 81 % af al fan-out-volumen. Ligger du godt på de gentagne søgninger, vokser effekten i hver eneste samtale.
• Aktualitet er reel, men sekundær. ChatGPT leder ganske vist efter det aktuelle årstal, når den søger, men jagten på anmeldelser vejer stadig flere gange tungere end friskhed.

Metode og datakilde

Vi analyserede de fan-out-søgninger, som OpenAIs modeller kørte for 31 brands, der bliver fulgt på 3RD-platformen: 50.872 svar, der udløste fan-outs, og 33.031 unikke søgninger bag kulisserne.

Fund 1: ChatGPT er besat af anmeldelser

Da vi talte op, hvilke navngivne kilder LLM'en rækker ud efter i disse søgninger, var der ingen tvivl. Trustpilot er den kilde, der nævnes oftest ved navn i hele datagrundlaget, og ingen anden navngiven platform kommer i nærheden.

Navngivne kilder, som ChatGPT søger efter (vægtede forekomster). Kun søgninger, der nævner en kilde ved navn, er talt med. Trustpilot er den eneste anmeldelsesplatform, der går igen konsekvent – mere end 40 gange så ofte som den næste navngivne kilde. Yderligere ~11.000 fan-outs på jagt efter anmeldelser nævner slet ingen platform. Tallene viser altså kun de navngivne kilder og ikke al søgning efter anmeldelser.

Én ud af fem af alle fan-out-søgninger leder efter anmeldelser. De fleste siger ikke hvor, men når ChatGPT nævner en anmeldelsesplatform, er det i overvældende grad Trustpilot. Uanset hvad er konsekvensen kontant: Din Trustpilot-profil er ikke bare et pyntetal for kundeservice. Den er et af de vigtigste input til, hvordan AI beskriver dig – og den bliver tjekket, før modellen overhovedet læser din egen hjemmeside.

ChatGPT rådfører sig med Trustpilot, før den spørger dig. Din rating er med til at afgøre, hvor AI placerer dig. Den er mere end et nøgletal for kundeservice.

Og de andre signaler? Mindre vigtige, end du tror

Hvis vi skærer ind til benet og kigger på intentionen bag hver søgning, toner et klart hierarki frem. Anmeldelser fører an. Pris og sammenligning kommer bagefter. Aktualitet er til stede, men sekundær: Det aktuelle årstal optræder i cirka 4 % af alle fan-outs – en reel faktor, men lille sammenlignet med anmeldelser.

Hvad ChatGPT tilføjer i sine skjulte søgninger (andel af fan-outs). Friskhedstallet her er det reelle, korrigerede tal.

Fjern brandnavne, og to ord dominerer fuldstændig

Tager man brandnavnene helt ud af de forskellige fan-outs og kigger på det generelle ordforråd, der er tilbage, tårner to hensigter sig op over alt andet: ”bedste” og ”anmeldelser”. Bag dem ligger en sammenlignende ramme – fordele og ulemper, alternativer, udbydere – og et tyndt lag af kommercielle ord som pris og butikker. ChatGPT omformulerer i det skjulte spørgsmål om specifikke brands til ”bedste [kategori]”, søgning efter anmeldelser og direkte sammenligninger.

De mest almindelige ikke-brandede ord i vores fan-outs (vægtet, synonymer lagt sammen). Brandnavne, geografi og standardsætninger fra søgninger er fjernet. Danske og engelske synonymer er lagt sammen (bedste/best, anmeldelser/reviews). Den forældede ”2024” fra den ældre model er udelukket.

Fund 2: De samme søgninger vender hele tiden tilbage

Det mest strategisk vigtige mønster er ikke, hvad ChatGPT søger efter, men hvor ofte den søger efter det samme. De fleste fan-out-søgninger sker kun en enkelt gang, men en fast kerne gentages igen og igen på tværs af mange forskellige prompts. Den kerne er lille i antal, men enorm i vægt.

Antallet af unikke fan-out-søgninger, fordelt på hvor mange gange de blev brugt. 62 % bruges kun én gang. De 38 %, der gentages (orange), bliver kørt langt oftere – den mest gentagne søgning blev kørt 80 gange. Derfor står det mindretal for størstedelen af al fan-out-volumen.

Det er her, værdien ligger. En søgning, som modellen bliver ved med at køre – ”[Konkurrent] Trustpilot anmeldelser”, ”sammenlign de førende danske udbydere af X” – er ikke en enlig svale, du kan ignorere. Får du en stærk placering på en af de gentagne søgninger, bliver du trukket ind i enhver fremtidig samtale, der forgrener sig til den. Det er den tilbagevendende kerne og ikke den lange hale af engangssøgninger, der skal på din liste.

Et lille antal søgninger driver de fleste af svarene. Vinder du de gentagne søgninger, vokser effekten i alle samtaler.

Det kan du gøre

Fan-out-laget kræver en anden tilgang end klassisk SEO. Tre konkrete tiltag følger direkte af dataene.

1. Behandl anmeldelser som noget, der afgør din placering i AI. Trustpilot er den platform til anmeldelser, som ChatGPT oftest nævner. Din rating, mængden af anmeldelser og hvor nye de er på anmeldelsesplatformene i din kategori, former svaret, før din egen hjemmeside overhovedet bliver læst. Arbejd med dem som rangeringsfaktorer, for det er præcis, hvad de er.
2. Svar på hele søgeforgreningen, ikke kun det bogstavelige spørgsmål. Ét spørgsmål bliver til flere søgninger, der dækker ”bedste”-guides, anmeldelser og sammenligninger. Indhold, der kun svarer på den præcise formulering, rammer ved siden af det meste af det, modellen leder efter. Dæk de forskellige vinkler, tænk signaler fra anmeldelser ind, og nævn dine konkurrenter i sammenligningen.
3. Vind på de gentagne søgninger. En lille, fast kerne af undersøgninger trækker det meste af volumen. Find de hyppige fan-outs i din kategori – især mønstrene med brand plus anmeldelser og ”sammenlign de førende X” – og sørg for at ligge stærkt på dem. En god placering på en søgning, der gentages, giver nemlig mere og mere værdi.

Konklusionen

Hvert eneste AI-svar om dit brand er stykket sammen af søgninger, du ikke kan se, på kilder, du måske ikke kontrollerer. I vores data er disse søgninger styret af to instinkter – find den bedste løsning, og find anmeldelserne – og de er koncentreret om en lille gruppe søgninger, som modellen kører igen og igen. Friskhed er reel, men fylder minimalt, og den rene mængde af omtaler fortæller dig næsten intet om, hvad modellen reelt gik på jagt efter.

Dit brand er enten en del af det skjulte AI-lag, eller også er det ikke. Og du kan ikke optimere til et lag, du nægter at måle på.