Någon är på väg att köpa, öppnar en chatt med en språkmodell och frågar vad de ska välja. Svaret kommer färdigt: några namn, en kort motivering, ibland en länk. Inget klick på ett sökresultat, inget besök på varumärkets webbplats, inga spår i någon instrumentpanel. Analysen visar ingenting, ändå har beslutet just fattats. Så var var kundens uppmärksamhet? I modellens svar. Och det var modellen som bestämde vem som fick den.
Språkmodellen som influencer: fem steg ett varumärke klättrar för att nå kundens uppmärksamhet
Idag fungerar en språkmodell som en influencer, men på andra villkor. Den har ingen räckvidd du kan köpa och den skriver inga kontrakt. Den bestämmer vem som ska visas i samma ögonblick som frågan ställs, och dess rekommendation når kunden exakt i valögonblicket.
I min artikel om rankningarnas död hävdade jag att position i sökresultat hade upphört att vara det mått som spelar roll, ersatt av sannolikheten att en modell rekommenderar varumärket. Michał Grzebyk beskrev på denna blogg vad varumärkessynlighet i modellens svar innebär. Båda artiklarna är steg på samma stege. Här klättrar jag ett steg till, för varken enbart närvaro eller enbart rekommendation berättar om ett varumärke har en chans till kundens uppmärksamhet.
Jag delar upp den chansen i fem steg: närvaro, konkurrens, position, riktning och överlämning. Tillsammans bildar de uppmärksamhetsstegen. Varje steg är en enkel fråga en marknadsförare kan ställa om sitt eget varumärke, och tillsammans beskriver de vad modellen presenterar för kunden. Om kunden faktiskt läser det är en separat fråga, som jag återkommer till i slutet.
Varifrån kommer siffrorna i den här artikeln?
Varje siffra här kommer från en egen studie. Den rör ett specifikt varumärke, som jag kallar Varumärke A, och en uppsättning scenarier byggda för dess situation: 1 400 frågor på 11 språk, ställda på uppdrag av personas från 12 marknader, till sex modeller (ChatGPT, Gemini, Claude, Perplexity, Grok, DeepSeek). Det gav 8 400 bedömda svar, insamlade mellan augusti och oktober 2026.
Dessa procentsatser beskriver därför Varumärke A, dess frågor och modellversionerna från den perioden. De är varken en marknadsnorm eller en nivå att jämföra ett annat varumärke med. En annan kategori, andra frågor och andra personas kommer att ge andra siffror. Jag visar dem eftersom de illustrerar mekanismer vi också ser när vi mäter andra varumärken: effekten är liknande, men nivån måste alltid mätas separat.
Varför säger ett enda modellsvar ingenting ännu?
Ta en fråga från studien, ställd på språket på en av marknaderna, utan något varumärkesnamn. Sex modeller gav sex olika svar. I två dök Varumärke A inte upp alls. I ett kom det på fjärde plats, presenterat som "en överraskning". I ett annat fick det en egen sektion, i ett annat ett enda omnämnande i en mening om levnadskostnader, och i det sista kom det på tredje plats på listan.
Fyra av sex modeller tog med varumärket i sitt svar. Är det ett bra resultat? En fråga kan inte säga dig. I hela gruppen av liknande frågor tog modellen med Varumärke A i 45,1 % av 324 svar, alltså i färre än ett svar av två. Ett enda svar är som ett kast med en laddad tärning: tärningen har sina tendenser, men utfallet av ett kast är slump. Endast en fast uppsättning frågor, ställda många gånger, med modellversion och datum bredvid varje siffra, avslöjar dessa tendenser.
Denna studie visar ytterligare en sak. Skillnaderna mellan frågetyper var större än skillnaderna mellan modeller. Vad kunden frågar väger mer än vilken modell de använder. Det är därför förberedelsen av en studie börjar med en noggrann beskrivning av varumärket och de situationer där kunder söker det. Vi täcker detta i vår serie om att förbereda en studie av modellsvar.
Fem frågor värda att ställa om ditt eget varumärke
Tar modellen med varumärket i svaret av sig själv?
Det första steget är närvaro. När varumärkesnamnet finns i frågan, talar modellen om det nästan alltid: i Varumärke A-studien, i 99,9 % av svaren. Det är dock ett eko, inte en mätning. Det verkliga testet börjar där kunden inte nämner varumärket, för endast där väljer modellen själv vem den ska ge en chans.
I 1 452 svar på frågor utan Varumärke A:s namn, tog modellen med det i 72,4 % av fallen. Det genomsnittet döljer stora skillnader. I frågor från privatpersoner (vilka följande siffror avser om jag inte säger något annat) avgränsade till det segment där varumärket konkurrerar, dök det upp i 91,7 % av 552 svar. I allmänna frågor om hela kategorin, i 45,1 % av 324. I frågor som inte alls pekade på kategorin, i 20,0 % av 90. Närvaro är alltså inte en egenskap hos varumärket. Det är en egenskap hos ett par: varumärket och frågan.
Vem delar varumärket svaret med?
Det andra steget är konkurrens. En modell pekar sällan på ett enda varumärke. I 1 044 svar på frågor utan Varumärke A:s namn, listade den i genomsnitt nästan sex andra alternativ, och Varumärke A var det enda förslaget i bara 0,4 % av fallen. I allmänna frågor öppnades listan av en ledare, nämnd i 58,0 % av svaren. Varumärke A kom på andra plats (45,1 %), med fyra alternativ tätt efter, var och en nämnd i 38–41 % av svaren.
Slutsatsen är enkel: i en modells svar konkurrerar ett varumärke inte med en rival utan med en hel lista. Modellen som sammanställer den listan bestämmer vem kunden kommer att se bredvid ditt varumärke.
Hur högt står varumärket i svaret?
Det tredje steget är position: högst upp i svaret eller i åttonde stycket. I exemplet med en enda fråga stod Varumärke A på tredje plats en gång och på fjärde plats en gång. Det är frestande att omvandla det till en rankning. Ändå visar Varumärke A-studien att när varumärkesnamnet inte finns i frågan, ändras dess position från svar till svar, även när samma fråga upprepas samma dag.
En enda position är alltså inte ett resultat. Resultatet är hur ofta varumärket når början av svaret över en fast uppsättning frågor. När varumärkesnamnet finns i frågan, öppnar modellen nästan alltid sitt svar med det, men det är, återigen, bara ett eko.
Rekommenderar modellen, nämner den bara eller avråder den?
Det fjärde steget är riktning. När modellen tog med Varumärke A i svaret av sig själv, rekommenderade den det tydligt i 55,9 % av fallen. Den avrådde nästan aldrig från det (1,7 %), men i fyra av tio svar nämnde den det bara, utan någon rekommendation alls. Michał Grzebyk förklarar skillnaden mellan ett omnämnande och en rekommendation i en separat artikel.
Det mest intressanta är att frågetypen fungerar tvärtom här än vad den gör för närvaro. I avgränsade frågor dyker Varumärke A upp nästan alltid, men det rekommenderas i endast 47,0 % av svaren. I allmänna frågor dyker det upp mer sällan, men när det väl dyker upp rekommenderas det i 62,3 %. Närvaro av skyldighet är inte detsamma som närvaro av val. Modellen väljer ett varumärke när den har ett argument för det, och en omnämningsräknare kan inte skilja de två situationerna åt.
Vart skickar modellen kunden?
Det femte steget är överlämning. Det är här modellens kanal slutar och din webbplats börjar. Adresser som modeller gav från minnet ledde till sidor kopplade till Varumärke A i 49,5 % av fallen. Källor som hittades via live-sökning ledde dit i 22,4 %. Dessa är två olika arbetslägen och två separata siffror, som jag inte kombinerar till en.
Att läsa svaren visar varför. Modellen citerar en källa som adresserar frågeställarens situation, på deras språk och i deras kontext. Den citerar inte en text om vem varumärket är. För alla innehållsutgivare är det en viktig signal: trafik från modeller går till den sida som svarar på kundens fråga.
Chansen till uppmärksamhet är en ögonblicksbild
De fem stegen beskriver svar från en specifik dag och en specifik modellversion. I Varumärke A-studien flyttade nyare modellversioner andelen tydliga rekommendationer med mer än tio poäng på sju veckor, i båda riktningarna och utan någon kampanj. En modell, i sin nya version, slutade nämna varumärket i ett svar där det tidigare hade funnits på listan. En annan, i sin nya version, satte det i första meningen.
Denna typ av drift ändrar innebörden av en engångsrevision. En siffra utan modellversion och datum har ingen adress, och en mätning från ett kvartal sedan berättar bara hur det var. Chansen till uppmärksamhet måste kontrolleras regelbundet, på samma uppsättning frågor.
Varför är ett välkänt varumärke ännu inte ett sett varumärke?
På direkta frågor om de mest kända namnen associerade med Varumärke A, gav modellerna samma kanon i vart och ett av 144 svar. I praktiska frågor dök samma kanon upp i mellan 12,0 % och 0,8 % av svaren. Kunskap kommer in i ett svar endast genom en dörr som kundens fråga öppnar: en plats, ett problem, en specifik situation. I affärsfrågor dök källan som mötte ett praktiskt behov ("hur kontrollerar jag en affärspartner?") upp i 143 av 4 200 svar, medan det största företaget i samma landskap dök upp i 21.
Så modellen rekommenderar inte det den känner till bäst. Den rekommenderar det som passar frågan. Det är därför ett varumärkes innehåll måste byggas kring kundernas situationer, inte kring dess egen beskrivning.
En chans till uppmärksamhet är ännu inte uppmärksamhet
De fem stegen berättar vad modellen presenterar för kunden. Vad kunden faktiskt läser och bearbetar visas endast av metoder som involverar människor, såsom en undersökning eller ögonspårning på urval av svar. Det är där uppmärksamheten, i strikt mening, börjar. Inom reklam uppskattas en del av uppmärksamheten från datasignaler som exponeringstid eller scrollning. I ett modellsvar tillhör dessa signaler enbart plattformen som visar det, så utifrån kan endast innehållet i svaret läsas. Vägen till uppmärksamhet i AI-kanalen har därför fyra steg.
Först, frågor utan varumärkesnamnet: en fast uppsättning kundfrågor, många körningar, och modellversion och datum bredvid varje resultat. För det andra, de fem stegen lästa från innehållet i svaren, vilket är chansen till uppmärksamhet. För det tredje, forskning som involverar människor, vilket bekräftar uppmärksamhet. För det fjärde, affärsresultatet: trafik från svar, förfrågningar, försäljning och varumärkeslyft, kopplat till steg två och tre.
Vid sidan av denna väg finns ett separat verktyg: en revision av representationskvalitet. 5P-modellen, beskriven på Brand Semantics blogg, kontrollerar om ett svar är sant och om resultatet är stabilt. Uppmärksamhetsstegen beskriver varumärkets väg till kunden, medan 5P beskriver kvaliteten på vad modellen säger längs vägen.
Vad följer för en marknadsförare, oavsett verktyg?
Jag har samlat det i fem principer som gäller oavsett vad du mäter med.
- Mät där kunden inte nämner varumärket. Frågor som inkluderar varumärkesnamnet är ett eko, inte en mätning. Chansen till uppmärksamhet avgörs av frågor om kategori, problem och situation.
- Räkna inte omnämnanden. Räkna omnämnanden med en anledning: ett argument, en plats, en jämförelse. Ett omnämnande utan anledning tar en plats på listan men ger kunden ingen anledning att välja.
- Ge modellen en dörr. Ett faktum, ett nummer eller en jämförelse förberedd för kundens fråga kommer in i svaret. En text om vem du är gör det oftast inte.
- Studera publikens fråga på deras språk och i deras kontext. Först då kan svaret skicka människor till dig, snarare än till en källa som passar kundens situation bättre.
- Varje siffra med modellversion och datum. Mät regelbundet, och räkna betald annonsering i chatten separat från modellens omnämnande.
Uppmärksamhet håller på att bli en valuta. I ett modellsvar delas chanserna att vinna den ut av modellen, och de går till det varumärke som ger den en anledning.
Om du vill kontrollera dessa fem steg för ditt eget varumärke, ställer Semantio modeller frågor utan varumärkesnamnet och visar om modellen tar med varumärket, vem det placeras bredvid, hur starkt det rekommenderas och vart modellen skickar människor härnäst. Du kan börja med en 7-dagars provperiod.
Läs också: ChatGPT kommer att visa hur ofta ett varumärke förekom i svar. Men inte varför.
