Promptspårare: det dyraste sättet att inte få veta något

Med några månaders mellanrum dyker en ny trend upp som lovar att förändra marknadsföringen för alltid.
Den här gången handlar det om promptspårare – verktyg som ska visa hur ofta ditt varumärke nämns i svar från ChatGPT, Claude eller Perplexity.

Låter bra i början. Vem skulle inte vilja veta det?

Problemet är att tekniken bakom verktygen i grunden är otillförlitlig, åtminstone om du faktiskt vill använda data som beslutsunderlag.

Varför promptspårare inte fungerar

Låt oss börja med det mest uppenbara problemet:
AI ger inte alltid samma svar.

Enkelt uttryckt: ställ samma fråga till ChatGPT två gånger och du får inte nödvändigtvis samma svar. Ibland ändras bara nyanserna, ibland ligger fokus på något helt annat.

Detta är en mardröm för statistiker.
För att dra någorlunda tillförlitliga slutsatser skulle du behöva upprepa varje prompt många gånger — inte en eller fem, utan tiotals eller hundratals gånger beroende på önskad noggrannhet.

I praktiken betyder det:
Redan några hundra körningar per prompt kan kosta tiotals eller hundratals euro. Per prompt och per modell.

Om du följer 30, 40 eller 50 promptar i flera modeller kan månadskostnaden snabbt bli femsiffrig — för data som fortfarande varierar kraftigt.

Ett API är inte samma sak som ChatGPT

De flesta promptspårare använder API:er från OpenAI, Anthropic eller andra leverantörer. Det gör testerna enklare att automatisera, men resultaten behöver inte motsvara det som användare ser i webbgränssnitten.

Men här finns en hake:
API:et är inte vad användarna ser på ChatGPT.com.

Webbgränssnittet använder egna systempromptar, interna verktyg, extra kontext och styrning som ändras regelbundet. Inget av dessa lager är synligt eller möjligt att återskapa utifrån.

Vad innebär det rent konkret?
En promptspårare mäter alltså svar från en teknisk miljö som skiljer sig grundläggande från den verkliga användarupplevelsen.

Eller för att uttrycka det på ett annat sätt:
Du analyserar data från ett parallellt universum - och undrar varför de inte stämmer överens med verkligheten.

Problemet med förgrenade sökfrågor (query fan-out)

En annan punkt som sällan diskuteras:

När någon ställer en komplex fråga behöver ett AI-system inte behandla den som en enda sökning. Beroende på modell, prompt och sammanhang kan det dela upp frågan, omformulera delar och använda flera relaterade sökningar.

Från
„Vilka är de bästa trådlösa hörlurarna under 200 euro?“
kan ett AI-system härleda flera relaterade sökningar, till exempel:

• „Trådlösa hörlurar under 200 euro“
• „Test av Bluetooth-hörlurar“
• „Jämförelse av hörlurar“

Du följer alltså en prompt som i den här formen kanske aldrig är den faktiska grunden för svaret.
AI:n följer sin egen process medan din spårare mäter något annat.

Vad som fungerar istället

I stället för att gissa hur modellen fungerar kan du mäta konkreta resultat.

• Vilka AI-plattformar besökarna faktiskt kommer från
• Vad dessa besökare gör på webbplatsen
• Vilket innehåll AI-plattformar oftast länkar till
• Hur andelen trafik från AI-plattformar förändras över tid

Den goda nyheten:
Det finns data som faktiskt kan mätas. Utan uppskattningar. Utan tolkning.

Hänvisningstrafik från AI

När någon kommer till din webbplats via en länk i ChatGPT, Perplexity eller en annan AI-plattform är det ett verkligt och mätbart besök.
Ingen simulering, utan ett verkligt besök.

Och det är här det blir intressant när man tittar djupare.

Fördelning per AI-källa

AI-plattformar fungerar på olika sätt:

• ChatGPT använder främst Bing
• Claude använder Brave
• Perplexity använder sin egen söklogik

Beroende på var ditt innehåll är lätt att hitta kommer besökarna från mycket olika AI-ekosystem.

När du skiljer på källorna kan du svara på en viktig fråga:
Vilken AI-plattform ger relevant trafik, och vilken ger knappt någon nytta?

Spårning av konvertering per AI-källa

Trafik i sig säger inte allt.
Men den avgörande frågan är: Vad händer efteråt?

• Köper dessa besökare?
• Skriver de upp sig?
• Fortsätter de att läsa eller lämnar de omedelbart?

Om besökare från en AI-källa konverterar betydligt bättre än andra är det inte en magkänsla, utan ett konkret tecken på var en investering kan löna sig.

Analys av landningssidor

Vilket innehåll länkar AI-plattformar till?

Om guider regelbundet får besök från AI-plattformar medan produktsidor knappt får några, är det troligen ingen slump.
Det visar vilka typer av innehåll som lockar sådana besök och vilka som inte gör det.

Andelen trafik från AI-plattformar över tid

En enkel men underskattad punkt:

Hur förändras andelen trafik från AI-plattformar från vecka till vecka och månad till månad?

Ökar den stadigt?
Ligger den kvar på samma nivå?
Eller sjunker den plötsligt?

Sådana förändringar kan vara tidiga signaler.
Om andelen AI-trafik på din webbplats minskar medan den ökar på andra håll är det värt att undersöka varför.

Andelen trafik från AI-plattformar över tid

En enkel men underskattad punkt:

Hur förändras andelen trafik från AI-plattformar från vecka till vecka och månad till månad?

Ökar den stadigt?
Ligger den kvar på samma nivå?
Eller sjunker den plötsligt?

Sådana förändringar kan vara tidiga signaler.
Om andelen AI-trafik på din webbplats minskar medan den ökar på andra håll är det värt att undersöka varför.

Slutsats

Promptspårare säljer en känsla av kontroll. Instrumentpaneler uppdateras, siffror ändras och allt ser mätbart ut. Under ytan är det dock mest brus — dyrt att samla in och svårt att tolka.

Verktygen kan vara användbara för experiment, men de är inte ett stabilt underlag för affärsbeslut.

Vad vi redan gör på Trackboxx

På Trackboxx fokuserar vi på att mäta hänvisningstrafik från AI-plattformar. Mindre spektakulärt, men baserat på verkliga besök.

Du ser vilken AI-plattform som skickar trafik — ChatGPT, Claude, Perplexity eller Gemini —, vilka sidor som länkas och vilka besök som konverterar.

Riktiga besökare. Verklig data. Inga uppskattningar.

Allt är cookiefritt och GDPR-kompatibelt, utan att kosta tusentals euro i månaden.