ChatGPT bliver en butik, og de fleste mærker mangler

OpenAI har gjort ChatGPT til et sted, hvor folk handler, ikke kun stiller spørgsmål. Med sin funktion til indkøbsresearch, checkout i chatten og et handelsprogram bygget på Agentic Commerce Protocol anbefaler ChatGPT nu produkter og lader brugerne købe inde i samtalen. Problemet for mærkerne: når svaret er en kortliste med ét eller to navne, er de fleste virksomheder ikke med. En analyse af næsten 190.000 ChatGPT-resultater på restaurantsøgninger viste, at omkring 83 % af restauranterne manglede, mod cirka 14 % på Google.

Hvad der skete

OpenAI har tilføjet en række handelsfunktioner til ChatGPT i løbet af 2026. Indkøbsresearch laver en personlig købsguide ud fra en beskrivelse i almindeligt sprog af, hvad man leder efter. Instant Checkout, “Buy it in ChatGPT”-flowet, lader brugerne gennemføre et køb uden at forlade chatten ved hjælp af Agentic Commerce Protocol, så forhandlere kan dele produktfeeds og kampagner direkte. Ved lanceringen dækker Instant Checkout amerikanske Etsy-sælgere, og Shopify-forhandlere forventes at følge efter.

Synlighedskløften skyldes ikke, at mærkerne er offline. De samme restauranter, der forsvinder fra ChatGPT, har stort set en tilstedeværelse på Google. De har gjort det traditionelle lokale søgearbejde og forsvinder alligevel i det øjeblik, spørgsmålet ledes gennem en AI-model i stedet for en resultatside.

Derfor er det vigtigt

En søgeresultatside viser ti links og lader brugeren vælge. En AI-assistent skærer det ned til én anbefaling, ofte et enkelt navn, og de mærker, den nævner, opsnapper en uforholdsmæssig stor del af opmærksomheden. Der er ingen side to at ranke på. Enten har modellen rene, strukturerede og aktuelle data om en virksomhed og dens produkter, eller også findes den virksomhed ikke i svaret.

Det flytter opgaven. At være synlig i AI-assistenter afhænger mindre af klassiske ranking-signaler og mere af maskinlæsbar nøjagtighed: konsistente lokationsdata, komplette attributter og, når det gælder handel, et struktureret produktfeed, modellen kan stole på.

Hvad det betyder for detailkæder med flere lokationer

For en detailkæde er dette et datakvalitetsproblem i porteføljeskala, ikke et spørgsmål om at skrive indhold. Hvis åbningstider, adresser, kategorier og produkttilgængelighed er forskellige på mærkets eget website, i dets lokale virksomhedsprofiler og i dets feeds, har en AI-model ingen pålidelig version at vise frem, så den falder tilbage på de konkurrenter, hvis data hænger sammen.

Opgaven er at gøre én nøjagtig, struktureret version af hver lokation og hvert produkt tilgængelig alle de steder, en model kan tænkes at læse den, og derefter holde den aktuel, efterhånden som butikker, sortimenter og åbningstider ændrer sig. Det er den samme disciplin, der ligger bag at blive citeret i AI-søgeresultater, og det er, hvad et system som Places AI er bygget til at håndtere på tværs af hundredvis eller tusindvis af lokationer i stedet for én ad gangen. Det bygger direkte videre på mønsteret i vores tidligere rapport om, at ChatGPT-anbefalinger skaber reelle besøg: trafikken er reel, men kun for de mærker, modellen faktisk kan se.

I en analyse af næsten 190.000 ChatGPT-resultater på restaurantsøgninger optrådte omkring 83 % af restauranterne slet ikke, sammenlignet med cirka 14 % på Google.

Local Falcon, AI-synlighedsundersøgelse, 2026

Kort fortalt

ChatGPT er ved at blive en kanal for både opdagelse og køb, og de mærker, den anbefaler, er dem, hvis data den kan læse rent. For detailkæder med flere lokationer er prioriteten ikke at skrive mere indhold, men at sikre, at hver lokation og hvert produkt findes i nøjagtig, struktureret form, før modellen beslutter, hvem den skal nævne.