To danske SaaS-virksomheder i AI-svar: hvad der afgør, om AI nævner dem

Sådan lavede vi analysen

Det her er en uafhængig analyse udefra, ikke en kundecase. Virksomhederne har ikke bestilt noget og ved ikke, at analysen findes. Vi brugte kun offentligt tilgængelig information og stillede almindelige spørgsmål i AI-tjenesterne, som en køber ville gøre. Virksomhederne er anonymiseret: ingen navne, ingen citater og ingen detaljer, der peger på en enkelt virksomhed.

• Udvalg. To danske B2B SaaS-virksomheder med under 20 ansatte, begge aktive i Det Centrale Virksomhedsregister (CVR). Vi valgte dem, fordi hjemmesiderne havde synlige huller, ikke fordi de er repræsentative.
• Kontrol af hjemmesiden. Forsiden, robots.txt, llms.txt og sitemap blev hentet 3. november 2026. Vi tjekkede strukturerede data (JSON-LD), titel, metabeskrivelse, canonical-tag og overskrifter.
• AI-tests. Købsspørgsmål i virksomhedens egen kategori, på hjemmesidens sprog: engelsk for Virksomhed 1, dansk for Virksomhed 2. Virksomhed 1 fik desuden to danske spørgsmål i ChatGPT og ét i Perplexity. ChatGPT og Perplexity blev brugt uden login, Gemini i en almindelig Google-konto. Hver test er gemt med skærmbillede eller tekst, dato og det nøjagtige spørgsmål.
• Ikke testet. Copilot kræver login og blev ikke kørt.

Hvad svarede AI-tjenesterne?

Ingen af virksomhederne blev nævnt i alle tjenesterne. Virksomhed 1 blev nævnt én gang, i Perplexity. Virksomhed 2 blev nævnt begge gange i ChatGPT, men ikke i Gemini eller Perplexity. Svarene listede desuden flere konkurrenter hver gang.

Copilot er ikke med i tabellen, fordi den ikke blev testet.

Virksomhed 1: nævnt af én tjeneste, ikke af de andre

Virksomhed 1 har en engelsksproget hjemmeside og et produkt til en niche i B2B-markedet, men slet ingen strukturerede data. Det er en lille virksomhed med under 20 ansatte, og hjemmesiden er lavet med et moderne framework.

Hvad vi fandt på hjemmesiden

• Ingen JSON-LD. Forsiden har ingen Organization-markering, ingen produktmarkering og ingen sameAs-links til LinkedIn eller registre. AI-tjenester må udlede, hvem virksomheden er, ud fra teksten alene.
• Canonical-tagget peger på en anden adresse. Forsiden angiver en anden URL som kanonisk end den, der leverer indholdet. Det giver et uklart signal om, hvilken adresse der er den rigtige.
• Teknisk støj i hovedoverskriften. Stilkode fra frameworket havner i selve H1-teksten. Mennesker ser det ikke, men en maskine, der læser kildekoden, gør.
• Ingen llms.txt. Filen returnerer 404. robots.txt tillader alle robotter og viser sitemap, så indholdet er tilgængeligt, men intet fortæller AI kort, hvad virksomheden gør.
• Det, der er i orden. Titel og metabeskrivelse findes, og sitemap er oplyst.

Hvad AI-tjenesterne svarede

På seks spørgsmål blev virksomheden nævnt én gang: i Perplexity, på et engelsk spørgsmål om, hvilke SaaS-platforme man bør vælge. Der stod den i åbningssætningen af svaret sammen med fem konkurrenter. ChatGPT på engelsk, Gemini på engelsk, to danske spørgsmål i ChatGPT og ét dansk i Perplexity nævnte den ikke. Svarene listede i stedet flere andre leverandører, mange af dem store internationale navne.

Virksomheden er dansk, men hjemmesiden er på engelsk. Det eneste hit kom på et engelsk spørgsmål, mens alle tre danske spørgsmål ikke gav noget hit. Sproget i spørgsmålet og sproget på hjemmesiden ser ud til at hænge sammen.

Virksomhed 2: nævnt af ChatGPT, ikke af de andre

Virksomhed 2 har en dansk hjemmeside med bedre fundament end Virksomhed 1, men en tynd beskrivelse af sig selv. Det er en lille virksomhed, under ti ansatte, med et SaaS-produkt til en B2B-proces. Hjemmesiden er bygget på et almindeligt publiceringssystem med SEO-plugin.

Hvad vi fandt på hjemmesiden

• Strukturerede data findes. Forsiden har Organization-markering med sameAs til tre profiler, og dataene hænger sammen i en fornuftig graf. Det er et godt udgangspunkt.
• Ingen produktmarkering. Der findes ingen SoftwareApplication, ingen Offer og ingen FAQPage. Produktet er ikke beskrevet som et produkt for maskiner.
• Ingen metabeskrivelse. Forsiden har ingen description, og hjemmesidebeskrivelsen i de strukturerede data er tom.
• Generisk titel. Sidetitlen siger kun «Forside» efterfulgt af navnet. Den fortæller hverken, hvad virksomheden gør, eller for hvem.
• Tynd robots.txt og en falsk llms.txt. robots.txt indeholder kun en generel regel uden henvisning til sitemap. Adressen llms.txt svarer med forsiden og statuskode 200 i stedet for en ægte fil, en såkaldt blød 404.
• Det, der er i orden. Én H1, tydelig canonical og et sitemap, der findes.

Hvad AI-tjenesterne svarede

ChatGPT nævnte virksomheden først på listen i begge tests, på et dansk spørgsmål fra en B2B-køber, der søger en dansk softwarevirksomhed. Gemini og Perplexity nævnte den ikke. Gemini listede i stedet bredere systemer og platforme, og Perplexity pegede på oversigtssider uden at nævne nogen danske leverandører.

Én detalje er værd at bemærke: ChatGPT oplyste flere integrationer for virksomheden, og kilden var en tredjepartsside, ikke virksomhedens egen. Vi har ikke kontrolleret disse detaljer mod virksomhedens egen hjemmeside. AI-tjenesten byggede altså beskrivelsen på det, andre skriver om virksomheden.

Hvorfor nævner AI dem ikke oftere?

Vi kan ikke se ind i AI-tjenesterne, så det her er forklaringer, der passer med det, vi målte, ikke beviser. Fire mønstre går igen.

• Virksomheden er svær at læse som en enhed. Uden Organization- og produktmarkering må en AI-tjeneste udlede, hvad virksomheden er, ud fra løbende tekst. Virksomhed 1 har intet; Virksomhed 2 har virksomheden, men ikke produktet. Jo mindre eksplicit, desto lettere bliver virksomheden forbigået til fordel for leverandører, der er tydeligere.
• Svage kategorisignaler. AI-svarene var bygget op omkring kategorier af løsninger. Titlen hos Virksomhed 2 siger kun «Forside», og beskrivelsen mangler. Så kobles siden ikke til den kategori, køberen spørger om.
• Sprog og marked. Virksomhed 1 blev nævnt ved ét engelsk spørgsmål, men ikke ved de danske. Virksomhed 2, med dansk hjemmeside, blev nævnt ved danske spørgsmål i ChatGPT. AI-tjenesterne ser ud til at matche sproget i spørgsmålet mod sproget i kilderne.
• Tredjepartskilder vægter tungt. Svarene byggede på oversigtssider, leverandørlister og sammenligninger. ChatGPTs beskrivelse af Virksomhed 2 byggede på en tredjepartsside. De konkurrenter, der gik igen, er veletablerede navne, der omtales på mange sådanne sider.

Pointen er ikke, at én enkelt fejl forklarer alt. Det er, at flere små mangler tilsammen gør virksomhederne mindre tydelige end de leverandører, AI faktisk lister.

Sådan retter vi det: seks tiltag

Rækkefølgen er sat efter, hvad der er hurtigst at gøre og mest sandsynligt at hjælpe. Ingen af tiltagene kræver nyt design eller en ny hjemmeside, og effekten kan måles med de samme spørgsmål.

{
  "@context": "https://schema.org",
  "@graph": [
    {
      "@type": "Organization",
      "@id": "https://eksempel.dk/#organization",
      "name": "Eksempel A/S",
      "url": "https://eksempel.dk/",
      "sameAs": ["https://www.linkedin.com/company/eksempel-as/"]
    },
    {
      "@type": "SoftwareApplication",
      "name": "Eksempel Platform",
      "applicationCategory": "BusinessApplication",
      "operatingSystem": "Web",
      "description": "Software til planlægning og opfølgning af servicebesøg i B2B.",
      "publisher": { "@id": "https://eksempel.dk/#organization" }
    }
  ]
}

Hvad andre SaaS-virksomheder kan tage med sig

Små SaaS-virksomheder kommer sjældent i AI-svar ved et tilfælde. De to virksomheder havde forskellige hjemmesider, men lignede hinanden på tre punkter.

• Ingen produktmarkering. Ingen af hjemmesiderne beskriver produktet som en SoftwareApplication. Se også GEO til SaaS.
• Ingen ægte llms.txt. Begge manglede en fungerende fil.
• Svage kategorisignaler. Titel og beskrivelse sagde lidt om, hvilken kategori produktet hører til.

De tre kan rettes i løbet af nogle uger. Det, der tager længere tid, er at blive omtalt af andre.