ChatGPT's skjulte routing ændrer, hvilke brands der citeres

ChatGPT kan give forskellige kilder til det samme spørgsmål stillet to gange, og ny forskning viser hvorfor: den sender forespørgsler stille og roligt gennem flere backend-søgepipelines, og hvilken pipeline der kører, afgør, hvilke sider den henter og kan citere. For brands betyder det, at et citat kan dukke op eller forsvinde mellem to identiske prompts uden nogen ændring i jeres indhold, og AI-synlighedsværktøjer, der kun tester en forespørgsel én gang, måler den routing lige så meget, som de måler jer.

Hvad der skete

To uafhængige forskere, der arbejdede hver for sig, fandt, at ChatGPT’s websøgning bygger på mindst fire backend-hentepipelines, internt kaldt Labrador, Bright, Oxylabs og SERP. SEO-forskeren Chris Green stod for den største test: 1.000 prompts, hver gentaget op til ti gange, i alt 9.946 gennemførte kørsler. Labrador stod for 88,1 % af de primære søgekilder, Bright for 9,9 %, Oxylabs for 1,7 % og SERP for 0,3 %.

Det er ustabiliteten, der er fundet. Green rapporterer, at 88,4 % af prompts bevarede den samme primære kilde gennem alle gentagelser, men 11,6 % skiftede. Når kilden skiftede, faldt overlappet mellem de URL’er, ChatGPT hentede, med omkring 45 %, og overlappet mellem domæner faldt med omkring 42 %. Cirka hver niende prompt giver et markant anderledes sæt sider, der kan citeres, afhængigt af hvilken pipeline der tilfældigvis kører.

Uafhængigt af dette undersøgte forskeren Suganthan Mohanadasan rå netværkstrafik fra en logget-ind ChatGPT-konto og identificerede de samme fire pipeline-navne, hvor forskellige pipelines favoriserede forskellige kildetyper. Han påpegede også en kløft mellem, hvad ChatGPT henter, og hvad den krediterer: nogle kilder blev hentet langt oftere, end de nogensinde blev citeret.

Hvorfor det betyder noget

Det gør AI-synlighed til delvist et målingsproblem. Hvis den samme prompt kan vise eller skjule jeres brand, alene fordi ChatGPT skiftede hentepipeline mellem kørsler, siger et enkelt tjek jer meget lidt. Et brand kan se ud til at være til stede om mandagen og forsvundet om tirsdagen uden nogen ændring i indholdet på den ene side, og et værktøj, der kun spørger én gang pr. søgeord, vil rapportere den støj som en tendens.

Det udvider også kløften mellem at blive hentet og at blive citeret. Mohanadasan fandt kilder, som ChatGPT hentede ofte, men sjældent krediterede, hvilket betyder, at det er nødvendigt, men ikke tilstrækkeligt, at være med i hentesættet. Som han formulerede det, kan et brand blive nævnt uden at blive citeret, og citeret uden at blive nævnt.

Hvad det betyder for virksomheder med flere lokationer

For et centralt team, der sporer AI-synlighed på tværs af hundredvis af lokationer, er den praktiske løsning at måle som en statistiker, ikke som en, der stikprøvetjekker. Test hver vigtig forespørgsel flere gange, og læs fordelingen, ikke et enkelt resultat, så et pipeline-skift ikke bliver registreret som en sejr eller et nederlag. Hvor telemetrien tillader det, bør I notere, hvilken hentekilde der gav hvert svar, som Green anbefaler, så udsving i jeres tal kan spores til routing i stedet for at blive fejltolket som en placeringsændring.

Indholdsstrategien ændrer sig ikke, og det er det betryggende ved det. Vejen til at blive citeret af alle pipelines er den samme førstepartsdisciplin, der allerede styrer placering i AI-søgeresultater: ensartede virksomhedsprofiler på alle platforme, tydelige strukturerede data og lokationssider, der besvarer spørgsmål direkte. Følg, hvordan jeres brand og lokationer reelt optræder i AI-svar, med et værktøj bygget til det, som Places AI, og betragt en enkelt måling som én stikprøve, ikke sandheden.

“Søgekilde bør blive en ekstra dimension, der registreres i AI-synlighedsstudier, når telemetrien gør det muligt.”

Chris Green, forskning om ChatGPT-søgning

Konklusionen

ChatGPT’s citater er mindre stabile end et enkelt tjek antyder, og en del af den bevægelse, brands ser, skyldes backend-routing, ikke deres egne resultater. De brands, der læser AI-synlighed korrekt, bliver dem, der tester gentagne gange og har styr på deres egne førstepartsdata, så de dukker op, uanset hvilken pipeline der kører.