Sofaen er et af de dyreste møbler i hjemmet, og den skal holde i mange år. Derfor bruger de fleste lang tid på at vælge, og flere og flere begynder i dag med at spørge ChatGPT, hvilken sofa der passer til en lille stue, et hjem med hund eller en familie med små børn. Svaret kommer med råd om stof og størrelse, og ofte også med navne på butikker. For møbelbutikkerne er det et nyt felt at holde øje med, og det er her, løbende LLM tracking er begyndt at blive relevant.

Men før butikkerne: hvad får køberen egentlig ud af at spørge en sprogmodel om en sofa?

Det AI er god til

Som sparringspartner i starten af en købsproces er ChatGPT ganske nyttig. Den kan forklare forskellen på stoftyper, hvad man skal være opmærksom på ved en sofa med chaiselong, og hvilke spørgsmål det er værd at stille i butikken. Den kan også hjælpe med at omsætte et behov til konkrete krav, for eksempel at et hjem med kat har brug for et tæt vævet stof, eller at en lav sofa kan være svær at rejse sig fra for ældre.

Det er generel viden, og den er sjældent forkert. Problemerne begynder, når svaret bliver konkret.

Hvor svarene bliver usikre

Når ChatGPT nævner bestemte modeller, priser eller butikker, bygger det på de kilder, den kan finde og læse: guides, testartikler, debatter, butikkernes egne sider og anmeldelser. Det betyder, at svaret afspejler, hvem der bliver skrevet mest om, og ikke nødvendigvis hvem der har den bedste sofa til netop dette hjem.

AI kan også tage fejl om fakta. En butik kan få tildelt en returpolitik, den ikke har, eller en model kan blive beskrevet med mål, der ikke passer. Køberen bør derfor bruge svaret som udgangspunkt og selv kontrollere:

• mål på sofaen sammenholdt med rummet og dørene, den skal ind ad
• stoffets slidstyrke og om betrækket kan tages af og vaskes
• butikkens egne betingelser for levering og retur
• hvordan sofaen føles, når man faktisk sidder i den

Det sidste kan ingen sprogmodel klare for nogen, og en tur i butikken er stadig den sikreste test.

Hvorfor nogle butikker nævnes og andre ikke

Set fra butikkens side er det let at overse, hvad der sker. En kunde, der får tre butiksnavne i et svar, går ofte direkte videre til dem. Bliver en butik aldrig nævnt, mister den kunden, før der har været en chance for at vise sortimentet frem.

Om en butik kommer med, afhænger blandt andet af, om AI overhovedet har adgang til at læse dens hjemmeside, om den bliver omtalt på de sider, AI bruger som kilder, og om dens egne sider svarer på de spørgsmål, kunderne stiller. Hertil kommer, at AI ikke svarer ens fra dag til dag. En butik kan være med i dag og væk i næste uge, uden at noget har ændret sig hos butikken selv.

Fra stikprøve til måling

Netop fordi svarene skifter, siger én test i ChatGPT meget lidt. Det er baggrunden for løbende LLM tracking, hvor man måler over tid, hvor ofte AI nævner butikken, dens konkurrenter og de kilder, svarene bygger på. humane har udviklet værktøjet LLM Tracker til det formål, og det måler på ChatGPT, Gemini, Google AI Mode og Google AI Overviews.

Værktøjet stopper ikke ved tallene. Det peger på de sider, en butik bør skrive, de steder, den mangler at blive nævnt, og det, AI siger forkert om den, og hvert punkt har sin begrundelse. Det tjekker også, om AI må læse sitet, og måler tonen i det, AI siger om butikken.

For en møbelbutik, der vil se, hvor den står, findes der et gratis tjek, hvor man skriver sit domæne og på få minutter ser, om ChatGPT og Google AI anbefaler butikken, og hvem de anbefaler i stedet. Det er et øjebliksbillede. En retning bliver først synlig, når man måler uge for uge.

Når sofaen er valgt

For køberen er rådet at bruge AI til at blive klogere og butikken til at beslutte. For dem, der sælger møbler, er det værd at finde ud af, om de er med i de svar, kunderne får, før kunderne er gået videre til en anden. Mere om, hvordan søgning og AI hænger sammen, findes hos humane.