Share of Model-KPI:er: så rapporterar du AI-synlighet till ledningen

AI-synlighet är en strategisk möjlighet, men för att få budget och resurser behöver du KPI:er som ledningen förstår och kan agera på. Share of Model (SoM) är det övergripande mätvärdet för din AI-synlighet — din andel av relevanta AI-rekommendationer jämfört med konkurrenterna. Men SoM ensamt räcker inte. Du behöver ett komplett ramverk av KPI:er som täcker hela vägen från synlighet till affärsvärde.

Vad är Share of Model?

Share of Model mäter hur stor andel av relevanta AI-svar som inkluderar ditt varumärke. Beräkningen är enkel: ta en uppsättning frågor som dina idealkunder ställer till AI-modeller, kör dem systematiskt och räkna hur ofta du nämns jämfört med konkurrenterna.

Exempel: Du definierar 50 relevanta prompts för din bransch. ChatGPT nämner dig i 12 av svaren, Konkurrent A i 22 och Konkurrent B i 8. Din SoM är 12/(12+22+8) = 28,6 %. Konkurrent A leder med 52,4 %.

SoM är AI-sökets motsvarighet till traditionell Share of Voice, men med en viktig skillnad: medan traditionell SoV mäter exponering mäter SoM rekommendation. Det är skillnaden mellan att bli sedd och att bli vald.

De fem kärn-KPI:erna för AI-synlighet

Share of Model är mätvärdet på toppnivå, men under det behöver du fem operativa KPI:er:

• Citeringsfrekvens (Citation Rate) — Absolut antal gånger ditt varumärke citeras i AI-svar per period. Visar volymen oberoende av konkurrenter. Trenden över tid är viktigare än enskilda värden.
• Plattformstäckning (Platform Coverage) — Andel av AI-plattformarna där du citeras. Citeras du på ChatGPT, Gemini, Perplexity och Google AI Overviews, eller bara på en? Bred täckning minskar plattformsrisken.
• Sentimentscore — Kvalitativ bedömning av omnämnandet. Är det positivt, neutralt eller negativt? En citering med reservationer («vissa användare rapporterar problem med...») räknas mot dig. Sentimentscore mäts på en skala från -1 till +1.
• Entitetsigenkänning (Entity Recognition) — Grad av korrekthet i AI-modellens förståelse av ditt varumärke. Rätt kategori, korrekta produkter, rätt information. Mäts genom att ställa identifieringsfrågor och bedöma svarets precision.
• AI-hänvisad konverteringsgrad — Konverteringsgraden för besökare som kommer från AI-plattformar (ChatGPT, Perplexity) jämfört med andra kanaler. Kopplar AI-synlighet direkt till affärsvärde.

Så bygger du en KPI-dashboard

En effektiv dashboard för AI-synlighet bör ha tre nivåer:

• Ledningsnivå — Share of Model (trend), AI-hänvisad trafik (trend) och uppskattat affärsvärde. Max 3–4 siffror på en slide. Ledningen behöver trendriktning och kontext, inte detaljer.
• Strategisk nivå — Citeringsfrekvens per plattform, sentimentscore, entitetsigenkänning och konkurrentbenchmark. För marknadschef och strategiteam. Uppdateras månadsvis.
• Operativ nivå — Citering per prompt, per plattform, per period. Vilka prompts ger citering? Vilka gör det inte? Vilka sidor citeras oftast? För innehållsteam och specialister. Uppdateras veckovis.

Från KPI till handling med beslutsmatrisen

KPI:er är bara värdefulla om de driver handling. Här är en enkel beslutsmatris:

• Låg SoM + låg citeringsfrekvens → Grundläggande problem med entitetsigenkänning. Börja med Entity SEO: schema-optimering, konsistensaudit och byggande av mentions och citations.
• Låg SoM + hög citeringsfrekvens på några prompts → Du citeras, men bara i en smal nisch. Expandera innehållstäckningen till fler promptkategorier.
• Hög SoM + lågt sentiment → AI känner till dig, men omtalar dig negativt. Prioritera ryktesstyrning: korrigera felinformation, stärk positiva signaler.
• Hög SoM + låg konverteringsgrad → Synligheten finns, men den konverterar inte. Optimera landningssidor och CTA:er för AI-hänvisad trafik.
• Fallande SoM över tid → Konkurrenter tar marknadsandelar. Analysera vad de gör annorlunda och svara med riktat innehåll och PR.

Vanliga misstag i AI-KPI-rapportering

• Att rapportera enstaka kontroller — AI-svar varierar mellan körningar. Använd genomsnitt över flera körningar för tillförlitliga siffror.
• Att ignorera plattformsskillnader — 40 % SoM på Perplexity och 5 % på ChatGPT är inte samma sak som 22,5 % i genomsnitt. Rapportera per plattform.
• Saknad konkurrentkontext — «Vi blev citerade 15 gånger den här månaden» är meningslöst utan att veta vad konkurrenterna fick.
• Att inte koppla till affärsvärde — Ledningen bryr sig om intäkter. Koppla alltid AI-mätvärden tillbaka till trafik, leads och försäljning.

Så sätter du mål för Share of Model

Målsättningen för SoM bör baseras på nuvarande position och konkurrenssituationen:

• Startpunkt — Etablera en baseline med minst 30 prompts över 4 veckor.
• Kortsiktigt mål (3 mån) — Öka SoM med 5–10 procentenheter genom Entity SEO-åtgärder och innehållsproduktion.
• Medellångsiktigt mål (6 mån) — Nå paritet med närmaste konkurrent på minst 2 av 4 plattformar.
• Långsiktigt mål (12 mån) — Marknadsledarposition i SoM för dina kärnkategorier.

CitationLab och automatiserad KPI-tracking

CitationLab gör hela KPI-ramverket som beskrivs ovan operativt. Du definierar prompts och konkurrenter, och plattformen levererar automatiserade dashboards med SoM, citeringsfrekvens, sentiment, plattformstäckning och entitetsigenkänning. Rapporter kan exporteras för ledningspresentationer. Vill du förbättra själva siffrorna, se hur du systematiskt arbetar med Answer Engine Optimization (AEO).

Vanliga frågor om Share of Model-KPI:er

Hur många prompts behöver vi för tillförlitlig SoM? Minst 30 för en meningsfull baseline. Idealt 50–100 som täcker hela köpresan. Kvaliteten på prompterna är viktigare än antalet — de bör representera reella frågor som dina kunder ställer.

Hur ofta bör vi rapportera? Månadsvis på ledningsnivå, veckovis för operativa team. AI-svar ändrar sig relativt snabbt, så tätare mätning ger bättre trenddata.

Kan SoM jämföras med traditionell SoV? Konceptuellt ja — båda mäter relativ synlighet. Siffrorna kan inte jämföras direkt eftersom mekanismerna skiljer sig åt, men trenden bör idealt gå i samma riktning.