Fra usynlig til anerkendt i hele branchen

Da Apollon Studios begyndte at bruge 3RD, havde brandet 0% synlighed på tværs af alle målte emner. AI-modellerne genkendte ikke det nye danske hudplejebrand som en selvstændig enhed og forvekslede det med flere virksomheder med lignende navne.

Efter arbejdet med brandets digitale fundament optræder Apollon nu på tværs af alle tre målte emner. Flere modeller kan beskrive virksomheden korrekt, helt ned til dens produkter, ingredienser og oprindelse.

På det vigtigste kernespørgsmål har Apollon været synlig i 187 ud af 200 målinger siden 2. juni. Inden for de seneste 30 dage blev brandet nævnt i alle 88 målinger.

Nøgletal

Kilde: 3RD, data pr. 13. august 2026.

Et nyt brand i en etableret kategori

Apollon Studios er en ny dansk virksomhed, der udvikler naturlig hudpleje til mænd. Brandet trådte ind i en kategori med etablerede konkurrenter, større distributionsnetværk og markant større marketingbudgetter.

Det gør det svært at opnå synlighed. Det gælder især i AI-genererede svar, hvor modellerne i starten har langt mere information om virksomheder, der har været på markedet i mange år.

Da samarbejdet startede, var Apollon usynlig på tværs af alle målte emner. Årsagen var ikke produktets kvalitet eller mangel på en fortælling i markedet. Modellerne kunne simpelthen ikke identificere virksomheden med sikkerhed.

Når de forsøgte at forstå navnet "Apollon Studios", fandt de blandt andet et australsk kunststudie, et armensk laboratorium, et græsk hotel og en dansk belysningsvirksomhed.

Det danske hudplejebrand forsvandt i mængden af andre resultater.

Før Apollon kunne blive anbefalet, var modellerne nødt til at kunne skelne brandet fra de andre virksomheder og finde konsistent information om produkter, ingredienser og oprindelse.

Beslutninger påvirkes i stigende grad af AI

AI er blevet en fast del af den måde, forbrugere opdager, researcher og sammenligner brands på.

I 2024 forudsagde Gartner, at brugen af traditionelle søgemaskiner vil falde med 25% inden 2026 som følge af AI-chatbots og virtuelle assistenter. Gartner, 2024

I begyndelsen af 2026 havde ChatGPT rundet 900 millioner ugentlige brugere. OpenAI, 2026

Samtidig viste en undersøgelse fra Semrush blandt over 1.000 amerikanske forbrugere, at 43% havde opdaget et nyt brand gennem AI, mens 50% havde gennemført et køb efter at have brugt AI i deres research. Semrush, 2026

Udviklingen kan også ses på trafikken. I juli 2026 målte Adobe en årlig vækst på 62% i AI-drevet trafik til amerikanske webshops. Adobe Digital Insights, 2026

For et nyt brand skaber det en åbning. Apollon behøver ikke først at matche de etablerede virksomheders samlede marketingbudgetter for at dukke op i et relevant AI-genereret svar. Til gengæld skal brandet være identificerbart og understøttet af den information og de kilder, modellerne bruger.

Det var den første opgave.

Når AI enten overser brandet eller finder det forkerte

Mindre og nyere virksomheder står typisk over for to udfordringer i AI-genererede svar.

Den første er fravær. Brandet bliver ikke nævnt, når en potentiel kunde spørger efter produkter, som virksomheden rent faktisk sælger.

Den anden er fejl. Modellen finder en anden virksomhed, blander informationer sammen eller beskriver produktet ud fra et mangelfuldt kildegrundlag.

Begge dele kan påvirke kunderejsen, uden at virksomheden opdager det i sine standard analytics-værktøjer. Der er intet tabt søgeresultat eller en forladt kurv, hvis kunden aldrig lander på websitet.

Forkerte svar kan også skabe tvivl hos køberen. I en amerikansk undersøgelse med 1.000 forbrugere svarede 54%, at de ville søge ekstern bekræftelse, hvis information fra AI stred imod brandets egen kommunikation. Kun 29% ville umiddelbart stole på brandets oplysninger, mens 19% allerede havde valgt et køb fra på baggrund af information fra en AI. Skyword and Dynata, 2026

For Apollon var problemet synligt i selve navneforvirringen. Modellerne manglede et stabilt grundlag for at forbinde navnet med dansk hudpleje til mænd.

3RD gjorde det muligt at se forvirringen, tracke den på tværs af modeller og arbejde målrettet med de signaler, der kunne gøre brandets identitet skarpere.

Tre modeller, tre forskellige billeder

AI-genererede svar er ikke ens på tværs af modeller. Hver model finder, vægter og opsummerer information forskelligt.

I august 2026 stillede vi Claude, Gemini og ChatGPT det samme spørgsmål:

"Is Apollon Studios the best lifestyle brand in skincare?"

Svarene viste, hvor forskelligt brandets digitale fundament havde slået igennem.

Det samme spørgsmål stillet til tre modeller i august 2026. Kilde: Rå modelsvar målt i 3RD.

Gemini og ChatGPT kunne nu identificere virksomheden og gengive specifikke produktoplysninger. Claude havde stadig et tyndere informationsgrundlag.

For Apollon blev forskellen omsat til prioriterede opgaver i 3RD. Platformen viste, hvor brandet allerede blev forstået korrekt, hvor der stadig manglede information, og hvilke dele af fundamentet der skulle styrkes først.

Fra et forvirret navn til en klar enhed

Arbejdet blev opdelt i tre spor.

1. En entydig identitet

Apollon fik opbygget et mere sammenhængende og maskinlæsbart fundament, der forbinder navn, virksomhed, marked, produkter og oprindelse.

Målet var at give modellerne nok konsistente signaler til at skelne det danske hudplejebrand fra andre virksomheder med lignende navne.

Dette arbejde har medvirket til, at flere modeller nu identificerer Apollon korrekt.

2. Struktureret produktinformation

Produktoplysningerne blev gjort lettere at finde og afkode.

Det gælder bl.a. ingredienser, produktfunktioner, dansk oprindelse og andelen af naturlige ingredienser.

De samme detaljer optræder nu i svarene fra Gemini og ChatGPT. Modellerne genkender med andre ord ikke bare navnet – de kan også gengive centrale dele af produktfortællingen.

3. Adgang for AI-crawlere

Apollons website blev gennemgået for at sikre, at de relevante AI-crawlere har adgang til at hente indholdet.

Det gav modellerne bedre mulighed for at finde opdateret information direkte på brandets egne sider og bruge den sammen med eksterne kilder.

Arbejdet tog udgangspunkt i de konkrete problemer, som Apollons data i 3RD viste. På den måde kunne indsatsen målrettes brandets identitet, produktsandhed og den tekniske tilgængelighed.

Resultatet: Synlig på tværs af alle tre emner

I maj havde Apollon 0% synlighed på tværs af alle målte emner.

I den seneste målingsperiode dukkede brandet op på dem alle.

Synlighed pr. emne i maj sammenlignet med de seneste 30 dage. Apollon er nu foran den målte konkurrent Njord på "Danskproduceret hudpleje".

Procentsatserne er stadig i den lave ende, men bevægelsen er markant: Apollon gik fra at være helt fraværende til at være registreret på tværs af hele det målte marked.

187 ud af 200 målinger

Udviklingen er mest tydelig på kernespørgsmålet:

"Is Apollon Studios the best lifestyle brand in skincare?"

Før juni blev Apollon slet ikke fundet på spørgsmålet. Fra den 2. juni og frem optrådte brandet i 187 ud af 200 målinger.

I de seneste 30 dage var Apollon med i alle 88 målinger. 55 af svarene indeholdt kildehenvisninger, og ingen af de 88 svar var negative.

Samtidig er modellerne selv begyndt at søge efter brandet og hente information fra relevante kilder. Det er et stærkt signal for en virksomhed, der få måneder forinden blev overset eller forvekslet med helt andre aktører.

Et stærkere kildegrundlag

Ved den seneste måling havde Apollon 14.128 registrerede kildehenvisninger. Heraf stammede de 12.499 fra earned sources.

Det viser, at modellerne ikke kun bygger deres svar på Apollons egne sider. Brandet understøttes også af eksterne kilder, som bidrager med uafhængig troværdighed.

Platformens måling af citation share landede på 82 ud af 100. Kildeandelen var desuden steget fra et udgangspunkt på 6% og bevæger sig mod det langsigtede mål på 50%.

Omtalen var overvejende positiv. Ud af 841 registrerede omtaler var kun fire negative, hvilket svarer til under 0,5%.

Tallene viser et voksende fundament omkring brandet. Den samlede synlighed er stadig på et tidligt stadie, men modellerne har fået mere præcise og eksternt understøttede signaler at arbejde med.

Værdien for Apollon

Apollon startede med et navn, som modellerne ikke kunne placere med sikkerhed. Brandet var usynligt på tværs af alle målte emner og blev forvekslet med virksomheder fra helt andre brancher og lande.

I dag kan Apollon:

• tracke sin synlighed på tværs af modeller og emner

• se, hvordan AI beskriver produkter, ingredienser og oprindelse

• opdage forvekslinger og manglende information, før de bider sig fast

• få genereret og prioriteret opgaver baseret på virksomhedens egne data

• arbejde målrettet med de kilder, som modellerne bruger

• tracke, om udførte opgaver ændrer svarene over tid

Med 3RD kan Apollons team samle måling, prioritering og opfølgning ét sted. Platformens agentic fulfilment gør det desuden muligt at eksekvere udvalgte opgaver direkte.

Det giver en ny virksomhed en praktisk vej ind i de AI-genererede svar. Arbejdet kan starte med det eksisterende website, de eksisterende produktdata og et afgrænset antal prioriterede opgaver.

Hvad Apollon-casen viser

Nye brands skal først være identificerbare

AI-synlighed starter med en entydig identitet.

Hvis modellerne ikke kan afgøre, hvilken virksomhed et navn tilhører, bliver det svært at koble produkter, positionering og dokumentation korrekt. For Apollon var arbejdet med identiteten derfor forudsætningen for den efterfølgende udvikling.

Præcise produktdata påvirker kvaliteten af svar

Gemini og ChatGPT kan nu gengive specifikke oplysninger om Apollons produkter og ingredienser.

Det demonstrerer værdien af et sammenhængende og maskinlæsbart produktgrundlag. Modellerne bliver i stand til at beskrive brandet mere præcist, og køberen møder et billede, der ligger tættere på virksomhedens faktiske tilbud.

Små brands kan tidligt opnå synlighed

Apollon konkurrerer med virksomheder, der har været på markedet længere og har større marketingbudgetter.

Alligevel er brandet gået fra 0% synlighed til at optræde på tværs af alle tre målte emner. På "Danskproduceret hudpleje" er Apollon allerede foran en etableret konkurrent.

Budgettet er altså ikke den eneste afgørende faktor. Et klart brand, konsistente produktdata og et troværdigt kildegrundlag kan give et nyt brand adgang til svar, som før primært var forbeholdt de etablerede spillere.

Tidlige signaler skal trackes over tid

Apollon er stadig på et tidligt stadie i sin udvikling. Derfor er de første procentsatser ikke det vigtigste resultat i sig selv.

Det afgørende er mønsteret omkring dem: stabil synlighed på kernespørgsmålet, præcise produktbeskrivelser på tværs af flere modeller, stigende kildeandel og et stort grundlag af earned sources.

3RD gør det muligt at følge, om de signaler udvikler sig til en stærkere og bredere markedsposition.

Kan AI skelne dit brand fra alle de andre?

3RD viser, hvordan AI-modeller identificerer, beskriver og anbefaler din virksomhed. Platformen finder uklarheder, prioriterer opgaverne og gør dit eget team i stand til at arbejde videre med dem.

[Se, hvordan AI forstår dit brand]

Kilder (branchetal)

• Gartner (feb. 2024): Søgevolumen forudsiges at falde med 25% inden 2026 på grund af AI-chatbots.

• TechCrunch (feb. 2026): ChatGPT har ca. 900 millioner ugentlige brugere; (okt. 2025): 800 millioner.

• Semrush (dec. 2025, n=1.030 i USA): 43% har opdaget et nyt brand gennem AI; 50% har købt efter research via AI; 22% har købt direkte i et AI-værktøj.

• Skyword/Dynata (apr. 2026, n=1.000 i USA): 29% stoler på brandet, når der er modstridende information, 54% søger anden bekræftelse; 19% har valgt et køb fra på grund af AI-information.

• Adobe Analytics (2025–26): Trafik fra generativ AI til retail-sites er mere end fordoblet på et år.