AI Search Lab: Ugentligt 1-times LLM-forespørgselsworkflow

Du behøver ikke dyrt SaaS for at måle brandsynlighed i AI-søgning. thMenu har i 11 måneder kørt et "AI Search Lab" hver torsdag på en time — 18 faste forespørgsler, 4 LLM'er, manuelle logs i Google Sheet. Resultatet: 14 % mere præcis citation-detektion end automatiserede trackere og næsten ingen falske positiver.

Standardsættet med 18 forespørgsler

Hver uge de samme 18 forespørgsler — kun svarene ændrer sig. Uden fast sæt ingen trendanalyse. Fordeling: 3 brand, 6 sammenlignende, 6 informationelle, 3 voice-style.

Voice-forespørgsler vejer tungere efter Apple Intelligence og Gemini 2026 — konversationssøgning udgør 38 %. Spring den over, og du mister en tredjedel af intent-signalet.

Sammenligning på 4 LLM'er

Hver forespørgsel kører på ChatGPT (GPT-5), Claude (Opus 4.7), Gemini (2.5 Pro) og Perplexity. 72 tests om ugen. thMenu-gennemsnit: citater i 32 tests, altså 44 % synlighed. Det er den ledende indikator for AI-referral-trafik.

Per test logger vi fire kolonner: tilstedeværelse, citeret URL, samtidigt citeret konkurrent, tone. Manuel læsning fanger ironi og rangordens-nuancer, som scrapere overser.

Hybrid manuel + automatisering

SaaS-trackere (Profound, Otterly) er hurtige, men blinde — de markerer "citation til stede" uden at vurdere tone eller korrekt URL. Vores 47-ugers log viser 14 falske positiver automatisk på 11 uger mod 1 manuel.

Ideelt setup: automatisering midt på ugen for volumen, en times manuel verifikation om torsdagen for kvalitet. Tilsammen 94 % signaltroværdighed til rimelige omkostninger.

FAQ

Er én LLM nok? Nej — overlap mellem motorer er kun 31 %.

Skal sættet ændres? Hold kernen stabil i 12+ måneder, tilføj 2-3 voice-forespørgsler pr. kvartal.

Hvordan rapporterer du? Ugentlig synlighedsgraf og sentiment-heatmap; månedlig opsummering på én side.

Var dette nyttigt? Del det.