Vi testede 515 virksomheder i Miami i en AI-søgning. 99,6 % dukkede ikke op.

Indledning

En undersøgelse af 515 virksomheder i Miami-Dade og Broward County viste, at 99,6 % ikke blev nævnt i de testede AI-genererede anbefalinger.

En undersøgelse af 515 virksomheder i Miami-Dade og Broward County viste, at traditionel synlighed på Google ikke garanterer, at man bliver inkluderet i AI-genererede anbefalinger. Yderligere forskning afslørede betydelige forskelle i AI-synlighed på tværs af modeller, formulering af søgeforespørgsler, søgesystemer og AI-produkter til forbrugere.

Vigtigste resultater

Den primære undersøgelse omfattede 298 virksomheder inden for sundhedssektoren, 120 juridiske virksomheder og 97 ejendomsmæglervirksomheder ved hjælp af kommercielle anbefalingssøgninger på tværs af ChatGPT, Claude og Gemini.

99,6 % af de testede virksomheder blev ikke nævnt i de AI-genererede anbefalingssvar.

Traditionel synlighed på Google garanterer ikke synlighed i AI-anbefalinger. En virksomhed kan være veletableret, have gode anmeldelser og være synlig i traditionelle søgeresultater, men alligevel være fraværende i en AI-genereret anbefaling for sin kategori og placering.

En separat undersøgelse af 360 API-svar fra basismodeller afdækkede tre tilbagevendende mønstre i nye B2B-servicekategorier: afvisning af kategori, erstatning af kategori og ikke-verificerbare udbydernavne. Forbrugerrettede AI-produkter med søgefunktioner eller webadgang var mere tilbøjelige til at nævne reelle udbydere, men de anbefalede udbydere udviste betydelig spredning på tværs af produkterne.

Den samlede forskning tyder på, at AI-synlighed ikke er en enkelt universel rangordning. Om en virksomhed vises, kan variere afhængigt af AI-modellen, modelversionen, formuleringen af søgeforespørgslen, produktet, hentningsarkitekturen og mængden af uafhængigt tilgængelig information om virksomheden eller kategorien.

Denne undersøgelse blev gennemført af AEOGeoAI, et AI-søgeoptimeringsbureau med base i Miami, der undersøger, hvordan virksomheder opdages, anbefales og nævnes af AI-søgesystemer.

Undersøgelsen i korte træk

Undersøgelse	Stikprøve	Vigtigste konklusion
Undersøgelse af AI-synlighed i Miami	515 virksomheder i Miami-Dade og Broward County	99,6 % modtog ingen reelle henvisninger i de testede anbefalingssvar
Undergruppe inden for ejendomsbranchen	97 virksomheder	Related Group optrådte i 97,9 % af de testede anbefalinger
Underkategori: Juridiske tjenester	120 virksomheder	Ingen af de testede virksomheder modtog en reel henvisning
Undersøgelse af API-modeller	360 svar fra Claude, gpt-4o-mini og Gemini	Afvisning, kategoriudskiftning og ikke-verificerbare udbydernavne forekom gentagne gange i nye B2B-kategorier
Sammenligning af AI til forbrugere	ChatGPT, Perplexity, Claude.ai og Gemini web	Betydelig fragmentering; ingen udbyder optrådte på tværs af alle fire produkter

Problemet: Traditionel synlighed garanterer ikke AI-synlighed

En virksomhed kan være veletableret, have gode anmeldelser og være synlig i den traditionelle Google-søgning, men alligevel være fraværende i en AI-genereret anbefaling for sin kategori og placering.

I denne undersøgelse har »fraværende« en specifik betydning. Det betyder ikke, at en AI-model ikke har kendskab til virksomheden. Det betyder, at virksomheden ikke modtog en ægte omtale eller anbefaling i de specifikke kommercielle søgeforespørgsler, der blev testet.

Denne skelnen er vigtig. Når en kunde beder ChatGPT eller Gemini om en anbefaling af en lokal virksomhed, garanterer din Google-placering ikke, at du vil dukke op i svaret. Hvis du ikke dukker op i AI’ens anbefaling, ser den pågældende kunde dig ikke gennem den specifikke søgeoplevelse – uanset din synlighed i den traditionelle søgning.

515-Business Miami-undersøgelsen

Eksempel

• Sundhed: 298 virksomheder
• Juridisk: 120 virksomheder
• Ejendomsmægler: 97 virksomheder
• I alt: 515 virksomheder

Søgeform

Hver forespørgsel fulgte mønsteret: "bedste [specialitet] i [by]"

For eksempel: »bedste advokat inden for personskade i Miami«, »bedste tandlæge inden for tandregulering i Miami«, »bedste ejendomsmægler i Miami«.

Testede modeller

• ChatGPT – gpt-4o-mini
• Claude – Haiku 4.5
• Gemini – 2.5 Flash Lite

Metodologi

Hver søgning blev kørt tre gange pr. model for at teste konsistensen.

99,6 % modtog ingen ægte henvisninger i de testede anbefalingssvar

Resultater

99,6 % af de 515 virksomheder modtog ingen ægte AI-henvisning i de testede anbefalingssvar.

Fordelt på sektorer:

Sundhed (298 virksomheder):

• 297 virksomheder modtog ingen gyldig bøde (99,7 %)
• 1 virksomhed modtog en henvisning

Juridisk (120 virksomheder):

• 120 virksomheder modtog ingen gyldig henvisning (100 %)
• 0 virksomheder modtog anmeldelser

Ejendomssektoren (97 virksomheder):

• 96 virksomheder modtog ingen gyldig bøde (98,9 %)
• 1 virksomhed modtog en påtale
• Related Group (en stor institutionel ejendomsudvikler) optrådte i 97,9 % af de testede svar på ejendomsanbefalinger

Mønster på tværs af modeller:

• Ingen virksomhed blev nævnt i alle tre testede modeller
• Blandt de 515 virksomheder blev 99,4 % nævnt i mindst ét modelsvar i en kontekst tæt på den pågældende kategori, men blev aldrig nævnt ved navn som den testede virksomhed
• Når modellerne svarede, anbefalede de overvældende store institutioner (hospitalsystemer, AmLaw-advokatfirmaer, megaudviklere) i stedet for sammenlignelige uafhængige virksomheder

Hvad denne undersøgelse viser – og ikke viser

Undersøgelsen viser:

• Traditionel synlighed på Google garanterer ikke synlighed i AI-anbefalinger
• Uafhængige virksomheder blev sjældent nævnt i de testede kommercielle søgeforespørgsler
• Visse store institutioner blev gentagne gange fremhævet
• Resultaterne af AI-anbefalingerne varierede på tværs af kategorier og systemer

Undersøgelsen viser ikke:

• At AI-systemerne ikke har kendskab til virksomhederne
• At traditionelle SEO-signaler ikke har nogen indflydelse
• At alle AI-søgeforespørgsler giver det samme resultat
• At alle lokale virksomheder mangler i alle AI-systemer
• At én enkelt undersøgelse kan fastlægge universelle AI-rangordningsfaktorer

Den anden undersøgelse: Hvorfor AI-systemer er uenige

Forskningsspørgsmål

Kan basale LLM-API'er pålideligt identificere ægte udbydere i nye kommercielle kategorier?

Datasæt

40 forespørgsler × 3 modeller × 3 gentagelser = 360 API-svar fra basismodellerne

Testede kategorier

• Nye B2B-tjenester (AI-søgebureauer, der er opstået for mindre end 2 år siden)
• Etablerede erhvervskategorier (advokatfirmaer, marketingbureauer)
• Informationssøgninger (hvordan AI fungerer, hvad AEO er)
• Kalibrering af tilstødende kategorier (Web3-markedsføring, AI-stemmeagenter, ESG-rådgivning)
• Søgninger på nøgleordssætninger (korte køberforespørgsler)

Tre tilbagevendende svarmønstre

Kategori-afvisning

Modellen afviser at nævne specifikke udbydere og giver i stedet generelle oplysninger om kategorien.

Kategorisk erstatning

Modellen nævner beslægtede værktøjer, konsulentfirmaer eller tjenester i stedet for udbydere inden for den ønskede kategori. Når den f.eks. bliver spurgt om AI-søgebureauer, anbefaler modellen i stedet PR-bureauer eller marketingkonsulenter.

Uverificerbare udbydernavne

Modellen genererer leverandørnavne, der lyder troværdige, men som ikke kan verificeres som reelle virksomheder.

Sammenligning af AI-produkter til forbrugere

Vi testede de samme forespørgsler om købsintentioner på fire forbrugerrettede AI-produkter: ChatGPT, Perplexity, Claude.ai og Gemini web.

Vigtigste konklusion: Forbrugerrettede AI-produkter med søgefunktioner eller webadgang var mere tilbøjelige til at nævne reelle udbydere for de samme forespørgsler, men der var betydelig spredning mellem dem.

Ingen udbyder blev nævnt af alle fire produkter. De nævnte udbydere overlappede kun minimalt på tværs af produkterne.

Forskel i angivelse af URL'er: Angivelse af URL'er var stort set fraværende i de grundlæggende API-svar (357 ud af 360 indeholdt ingen eksterne URL'er), mens forbrugerprodukterne angav kilder og navngav reelle virksomheder. Dette fremhæver en grundlæggende forskel: En model kan generere et svar ud fra indlærte parametre uden at hente eller vise en kilde-URL, mens et søgefunktionelt produkt kan hente aktuelle webkilder og vise dem for brugeren.

Hvad den samlede forskning tyder på

AI-synlighed er ikke en enkelt rangordning, der kan udledes af traditionel søgeydelse.

1. AI-synlighed afhænger af søgeforespørgslen. En virksomhed kan vises for én søgeformulering og være fraværende for en anden.
2. AI-synlighed afhænger af modellen. Forskellige modeller (Claude vs. GPT vs. Gemini) giver forskellige svar på identiske forespørgsler.
3. AI-synlighed afhænger af produktet. ChatGPT, Perplexity, Claude.ai og Gemini anbefaler forskellige udbydere for den samme kategori og det samme sted.
4. AI-synligheden påvirkes af søgearkitekturen. API'er til basismodeller svarer ud fra indlærte parametre; forbrugerprodukter med webadgang henter og citerer kilder.
5. Kategoriens modenhed kan påvirke, hvor pålideligt modellerne identificerer udbydere. Nye kategorier (etableret for mindre end 2 år siden) medførte flere tilfælde af kategoriforsømmelse, substitution og ikke-verificerbare udbydernavne i basismodellerne. Etablerede kategorier resulterede i mere pålidelige navngivninger af specialister.
6. Uafhængig dokumentation kan påvirke, om en virksomhed kan findes og anbefales. En virksomhed med stærk traditionel SEO, men minimal dokumentation fra tredjeparter, kan forblive fraværende i AI-anbefalingerne.

Definitioner for klarhedens skyld

I denne artikel henviserAI-synlighed til, om en virksomhed nævnes, anbefales eller citeres som svar på en defineret AI-genereret forespørgsel.

En ægte henvisning refererer til et svar, der identificerer den testede virksomhed som en relevant udbyder i stedet for blot at nævne den i forbifarten.

Med "basismodel-API" menes en model, der tilgås via et API uden det samme forbrugerrettede lag til websøgning og kildevisning, som anvendes af produkter såsom Perplexity eller webbaserede versioner af ChatGPT.

Et kategorirelateret svar henviser til et svar, der omhandler virksomhedens kategori eller branche og nævner konkurrenter, men ikke den testede virksomhed.

Hvad bør en virksomhed kigge efter hos en konsulent inden for AI-søgeoptimering?

En troværdig konsulent bør være i stand til at:

1. Fastlægge en baseline

Teste de faktiske kommercielle søgeprompter, før der gives anbefalinger.

2. Identificere de systemer, der måles

Angive præcist, hvilke modeller og forbruger-AI-produkter der er blevet testet.

3. Dokumentere forespørgselsættet

En virksomhed bør vide, om testningen omfattede:

• Søgninger på ”bedste [tjeneste] i [by]”
• Søgninger på ”top [udbyder] i nærheden af mig”
• kategorispecifikke søgninger
• spørgsmålsbaserede søgninger

4. Identificer konkurrentgruppen

Hvem anbefales i stedet? Hvilke institutioner eller kategorier vises, når den testede virksomhed ikke gør det?

5. Skel mellem forskellige typer synlighed

En virksomhed kan være:

• nævnt (tilfældigt inkluderet i teksten)
• anbefalet (nævnt som en foreslået udbyder)
• linket (henvist til med en URL)
• citeret som kilde (henvist til som autoritet)

Dette er ikke identiske resultater.

6. Gentag testen over tid

AI-systemer ændrer sig. Et engangsresultat er et øjebliksbillede.

Formålet med målingen er ikke at udarbejde en permanent, universel rangliste. Det er at fastslå, hvad et bestemt AI-system returnerer for en defineret forespørgsel på et bestemt tidspunkt.

Undersøgelsen af 515 virksomheder anvendte denne form for direkte målemetode: specifikke kommercielle forespørgsler, flere modeller, gentagne kørsler og en defineret metode til at skelne mellem ægte virksomhedsnævninger og tilfældige eller tvetydige omtaler.

Hvad virksomheder kan gøre

Mål først

Test konkrete søgeforespørgsler på tværs af flere systemer, før der investeres i optimering.

Opbyg uafhængigt bevismateriale

Udvikl nøjagtige, autoritative oplysninger om virksomheden ud over dens egen hjemmeside. Sørg for, at virksomheden er repræsenteret på pålidelige tredjepartsplatforme, i verificerede virksomhedsregistre og i uafhængigt redaktionelt indhold.

Forbedr strukturerede oplysninger

Sørg for, at vigtige virksomhedsoplysninger er klare og maskinlæsbare. Korrekt skema-markering, verificerede virksomhedsoplysninger og konsistente entitetsdata på tværs af kilder forbedrer søgbarheden.

Overvåg ændringer

Gentag testene, når modeller, produkter og søgesystemer ændrer sig. AI-anbefalingsadfærd er ikke statisk.

Undgå antagelser baseret på en enkelt platform

Synlighed i ChatGPT betyder ikke nødvendigvis synlighed i Perplexity, Gemini eller Google AI Overviews. Hvert system henter information på forskellige måder og anbefaler forskellige udbydere.

Konklusion

Traditionel forretningssucces – stærke placeringer på Google, høje anmeldelsesvurderinger, et etableret omdømme – garanterer ikke synlighed i AI-genererede anbefalinger.

Undersøgelsen tyder på, at kategoriens modenhed, modeladfærd, formulering af søgeforespørgsler, søgearkitektur og mængden af tilgængelig uafhængig information om en virksomhed alle kan have indflydelse på, om virksomheden vises i en AI-genereret anbefaling.

Den praktiske implikation er klar: Mål AI-synligheden uafhængigt, i stedet for at antage, at den korrelerer med traditionel søgepræstation.

De virksomheder, der konsekvent og uafhængigt dokumenteres som legitime virksomheder med reel ekspertise, fysiske adresser, reelle referencer og reelle beviser for deres aktiviteter, kan være bedre rustet til at opbygge en varig synlighed inden for AI. Optimering kan bidrage til at gøre disse oplysninger lettere at finde og fortolke. Men den kan ikke på ubestemt tid erstatte de underliggende beviser.

Fuld metodologi

515-virksomhedsundersøgelse:

• Virksomheder i Miami-Dade og Broward County
• Tre sektorer: sundhed (298), jura (120), ejendom (97)
• Søgeformat: “bedste [specialitet] i [by]”
• Tre gentagelser pr. forespørgsel pr. model
• Modeller: ChatGPT (gpt-4o-mini), Claude (Haiku 4.5), Gemini (2.5 Flash Lite)
• Bedømmelse: ægte henvisning vs. kategori-relateret vs. ingen
• Dato: juli 2026

360-Response API-undersøgelse:

• 40 forespørgsler fordelt på fem grupper (ny B2B, etableret kommerciel, informativ, tilstødende kategori, nøgleordssætning)
• 3 modeller × 3 gentagelser = 360 basis-API-svar
• Yderligere test: ~20 forbrugerproduktsvar pr. produkt (ChatGPT, Perplexity, Claude.ai, Gemini web)
• Bedømmelse: tilstedeværelse/fravær af ægte udbyderhenvisning, URL-henvisning, identifikation af konkurrenter
• Fagfællebedømt: 21. juli 2026
• Dato: juli 2026

Begge undersøgelser er tilgængelige på Zenodo med fuld metodologi, data og supplerende materiale:

• 515-Business-undersøgelse: DOI 10.5281/zenodo.21271085
• 360-Response API-undersøgelse: DOI 10.5281/zenodo.21483146

Om AEOGeoAI

AEOGeoAI er et AI-søgeoptimeringsbureau med base i Miami, der specialiserer sig i synlighed i AI-søgninger, Answer Engine Optimization (AEO) og Generative Engine Optimization (GEO). Bureauet hjælper virksomheder med at forstå og forbedre deres fremtræden i ChatGPT, Google AI Overviews, Gemini, Claude, Perplexity og andre AI-søgemaskiner, når potentielle kunder beder om anbefalinger.

AEOGeoAI gennemfører AI-synlighedsrevisioner, undersøgelser af AI-søgerangeringer, citatanalyser, entitetsoptimering samt original forskning i, hvordan AI-systemer finder, vurderer, anbefaler og citerer virksomheder. Arbejdet fokuserer på at hjælpe virksomheder med at forbedre deres synlighed ved søgninger som f.eks. »bedste [service] i Miami«, »top [virksomhedstype] i nærheden af mig« og andre kommercielle AI-søgeforespørgsler.

Virksomheder, der ønsker at forbedre deres synlighed i ChatGPT, Google AI-oversigter, Gemini, Claude, Perplexity og andre AI-søgesystemer, kan læse mere om AI-søgeoptimeringsydelser til virksomheder i Miami