Du behöver ingen dashboard för att ta reda på hur synligt ditt varumärke är i AI-sök. Du behöver tio minuter och tillgång till ChatGPT, Gemini eller Perplexity. Prompterna nedan är inte generiska «vad vet du om oss»-frågor — var och en är gjord så att ett svagt, saknat eller felaktigt svar är det sannolika utfallet för de flesta företag, för det är just det som visar dig var luckorna faktiskt finns. Kör dem, kopiera ordalydelsen exakt, och byt in ditt eget företagsnamn, din kategori och din stad.
1. «Vad är [Företag]?»
Grundkontrollen för entitetsigenkänning. Ett starkt svar namnger rätt kategori, vad ni säljer och vilka ni betjänar, i en eller två korrekta meningar. Ett svagt svar är vagt, föråldrat, eller förväxlar er med ett företag med liknande namn — ett tecken på att AI-modellen inte har någon säker, konsekvent bild av ditt varumärke som entitet över huvud taget.
2. «Vilka är de bästa [din kategori]-företagen i [din stad eller ditt land]?»
Kontrollen av kategoriledarskap. De flesta företag dyker inte upp här, inte ens de som skulle hamna på sida ett i Google för samma sökning — att komma med i en AI-modells oombedda «bäst av»-lista kräver en sorts tredjepartsbekräftelse som bra Google-rankning ensam inte ger.
3. «Jag väljer mellan [Ditt företag] och [en namngiven konkurrent] — vilken rekommenderar du, och varför?»
Den direkta jämförelsen. Det här är den prompt som oftast går dåligt: AI-modeller rekommenderar ofta konkurrenten, ibland med motiveringar som är föråldrade eller helt enkelt fel om ditt eget företag. Händer det, notera den konkreta motiveringen som ges — det är exakt den lucka som måste täppas till.
4. «Vad säger folk om [Företag] på nätet?»
Kontroll av rykte och tredjepartssignal. Är svaret tunt eller generiskt betyder det oftast att AI:n har lite oberoende recensions- eller diskussionsinnehåll att hämta från om ditt varumärke — samma typ av källa (recensioner och användargenererat innehåll) som utgör den största enskilda andelen av det ChatGPT faktiskt citerar.
5. «Vilka nackdelar eller begränsningar har [Företag]?»
Ärlighetstestet. AI-modeller är mer villiga att nämna negativa sidor än de flesta företag väntar sig, och nämner ibland saker som är föråldrade, överdrivna, eller baserade på ett enda gammalt klagomål behandlat som representativt. Dyker det upp en negativ uppgift som inte längre stämmer är det konkret, aktuellt innehållsarbete att göra.
6. «Kan du rekommendera en [din kategori]-leverantör för [ett specifikt användningsfall]?» — utan att nämna det egna företaget
Testet för oombedd återkallning. Nämn inte ditt eget varumärke i prompten. Det här är den närmaste simuleringen av hur en faktisk prospekt skulle fråga, och det är den prompt flest företag kuggar hårdast på, eftersom den tar bort fördelen av att AI:n bara upprepar ditt namn tillbaka till dig.
7. «Vilka källor använde du för att svara på det?»
Ställ det här som en följdfråga efter vilken som helst av prompterna ovan. En AI som kan namnge en konkret sida, recensionssajt eller publikation talar om exakt vilken källa som förtjänade citeringen. En AI som inte kan namnge en källa — eller hittar på en — talar om att förra svaret saknade reell grund, vilket betyder mer än om det svaret råkade låta positivt.
8. «Är [Företag] ett legitimt och pålitligt företag?»
Förtroendekontrollen, särskilt relevant för reglerade, finansiella eller högengagemangskategorier. Ett säkert «ja» med specifika detaljer (antal år i drift, godkännanden, verifierbara påståenden) signalerar reell entitetsauktoritet. En reservation — «jag har inte tillräckligt med information för att bekräfta det» — är ett direkt, citerbart tecken på en förtroendelucka.
9. «Vad kostar [Företag]s [konkret produkt eller tjänst]?»
Kontrollen av kommersiell exakthet. Priser är precis den typ av fakta som blir föråldrad snabbast i AI-träningsdata och cachat webbinnehåll — vänta dig föråldrade siffror även från företag som håller sin egen prissida uppdaterad, och behandla svaret här som en signal om innehållsfärskhet, inte bara om pris.
10. «Om någon söker efter [din kategori] + [din starkaste fördel], vilka företag dyker upp, och varför?»
Den bredare synlighetskontrollen, på det språk dina faktiska kunder verkligen använder — inte bara ditt eget märkesnamn. Kör den med två eller tre olika fördelsformuleringar — «snabbast», «billigast», «bäst för små företag» — eftersom AI-modeller ofta visar en annan kortlista för varje variant av samma underliggande behov.
Så läser du resultaten
Bedöm varje prompt grovt som godkänd, delvis eller underkänd. Några underkända är normalt, inte en kris — det är en prioriterad lista. Saknade eller felaktiga entitetsfakta (prompt 1, 8, 9) pekar mot entitetsklarhetsarbete: strukturerade data och konsekvensfixar. Svag återkallning och jämförelser (prompt 2, 3, 6, 10) pekar mot entitetsrelevans och innehållsdjup. Tunn ryktessignal och inga citerbara källor (prompt 4, 7) pekar mot entitetsauktoritet — tredjepartsomnämnanden, recensioner och citeringar du inte helt kontrollerar, men kan bygga systematiskt.
Det här är en ögonblicksbild, inte ett system. Kör det igen nästa månad, och svaren kan redan ha ändrats — till det bättre eller sämre — allteftersom modellerna uppdateras och ditt innehåll och tredjepartsavtryck förändras. Vill du hellre ha det här igång löpande i stället för manuellt kör en gratis AI-synlighetskontroll samma typ av test mot ditt varumärke och visar dig var luckorna finns i dag. För ramverket bakom varför luckorna uppstår, se hur Brand Entity Equity byggs, eller börja med hela steg-för-steg-guiden för att kontrollera vad AI säger om dig.
Vanliga frågor
Vilken AI-plattform bör jag testa först?
Vad gör jag om AI ger ett felaktigt svar om mitt företag?
Hur ofta bör jag köra prompterna igen?
Var detta till hjälp?
