research

Category Ownership Index: datasetet bakom våra 50 varumärkesprofiler

July 13, 2026
7 min read
n=3,750
Dmitrij Żatuchin
Category OwnershipAI RecommendationsOpen DatasetCOICompetitive VacuumCross-Model Agreement

Ställ en varumärkesfri köpfråga till en AI-modell ("bästa CRM för ett litet företag", "vilken konsultfirma för en digital transformation") och den nämner varumärken. Ställ den 3 750 gånger, över modeller och upprepningar, så får du en karta över vem som äger vilken fråga.

Den kartan är Category Ownership-datasetet. Den här artikeln förklarar de tre mätvärden det producerar, den ärliga överraskningen i resultaten och hur du läser de 50 offentliga varumärkesprofilerna som är byggda på det. Data och analyskod är öppna under CC-BY-4.0 på Kaggle och Zenodo (10.5281/zenodo.20788142).

Uppsättningen

250 varumärkesfria köpfrågor för kategorier över fem branscher: SaaS, konsulttjänster, fintech, e-handel och hälsoteknik. Tre modeller: GPT-5.2, Gemini 3 Flash, Perplexity sonar-pro. Varje fråga upprepad fem gånger under ett dice-roll-stabilitetsprotokoll, eftersom ett enskilt AI-svar inte bevisar någonting. Totalt: 3 750 svar, kartlagda mot 50 varumärken.

Tre mätvärden

Category Ownership Index (COI) mäter hur grundligt ett varumärke dominerar sin kategoris frågor. EY äger konsulttjänster med 0,95 och dyker upp som den ledande rekommendationen i 47 av 50 konsultfrågor. Stripe leder fintech med 0,53, HubSpot leder SaaS med 0,38. Spridningen spelar roll: konsulttjänster beter sig som ett monopol, SaaS som en omstridd marknad.

Competitive Vacuum Index (CVI) hittar de frågor där inget varumärke har etablerat ägarskap. 8,0 % av frågeutrymmet är vakuum: köparfrågor som AI besvarar med generiska råd eller roterande namn. Det är de billigaste frågorna att vinna, eftersom att vinna dem inte tränger undan någon.

Displacement Score (DS) uppskattar hur svårt det skulle vara att knuffa ut den nuvarande ägaren ur en fråga, baserat på hur konsekvent modellerna returnerar dem.

Den ärliga överraskningen: dominans är sällsyntare än berättelsen säger

Historien om att "vinnaren tar allt i AI-sök" är mestadels felaktig på aggregerad nivå. Den genomsnittliga Gini-koncentrationen över kategorier är 0,284, en måttlig nivå, och det ledande varumärkets försprång mot tvåan hamnar på ungefär 1,3:1, långt under den tröskel på 3:1 som vi satte för äkta dominans innan studien.

Monopol av EY-typ är verkliga men undantag. Den typiska kategorin är ett omstritt fält med en måttlig ledare, en lång svans och 8 % av frågorna som ingen äger. För de flesta varumärken är det goda nyheter: dörren står öppnare än diskursen antyder.

Två resultat till är värda att känna till: 4,2 % av svaren bildade framväxande kluster (varumärkesgrupperingar som modellerna själva hittade på och som inte matchar någon analytikertaxonomi), och de tre modellerna var överens om det främsta varumärket för en fråga endast 41,6 % av gångerna. Den som säger sig ha kollat "vad AI rekommenderar" genom att fråga en modell en gång beskriver väder, inte klimat.

Så använder du det

  • Hitta ditt COI. Om ditt varumärke är ett av de 50 visar din profil på /brands vilka frågor du äger, var du är stark och var du saknas.
  • Jaga vakuum. CVI-tabellerna i datasetet listar de ägarlösa frågorna per bransch. Innehåll som besvarar en vakuumfråga direkt är det AI-synlighetsarbete med högst avkastning som finns tillgängligt.
  • Mät om, alltid. Med 41,6 % överensstämmelse mellan modeller kräver varje ägarskapspåstående minst tre modeller och fem upprepningar. Vår kostnadsfria Dice Roller kör det protokollet på vilken fråga som helst, utan konto.

Datasetet levereras med råsvar, extraherade omnämnanden, alla tre mätvärdesmatriser, svarsinbäddningar och den notebook som reproducerar varje tabell och figur. Den tillhörande artikeln är under granskning för en tidskrift; preprintmaterialet finns i Zenodo-posten.

Continue Reading

research

We Asked 3 AI Platforms About 24 Brands. They Could Not Agree on Anything.

The largest multi-industry study of AI reputation sourcing to date. 24 companies, 8 industries, 1,311 responses, 3,041 coded source attributions across GPT-5.2 and Gemini 3 Flash. Key finding: 70.2% of what AI "knows" about brands cannot be traced to any source. Models disagree on sentiment (0.83 vs 0.32), consistency averages just 0.54, and being publicly traded gives zero advantage. Published in Springer Discover Artificial Intelligence.

research

Cross-Model Response Stability Analysis: A Comparative Study of Brand Mention Consistency in Large Language Models

This study investigates response variability and brand mention consistency across three leading LLMs: Google Gemini 3 Flash, OpenAI GPT-5.2, and xAI Grok-4-1. Using 239 total samples across three prompt variations (husband, wife, 2025), we measured brand mention frequency, response consistency, and cross-model agreement.

article

The "Best Of" Trap: Why Self-Promotional Listicles Are Losing Google and Winning ChatGPT

Three signals in one week: Google penalized self-promotional listicles (SaaS brands losing 34-49% visibility), reduced crawl limits by 86.7%, while Ahrefs found 44% of ChatGPT citations come from those exact listicles. Google is shrinking, AI is expanding. Includes a 5-minute brand audit playbook and split strategy for navigating both discovery systems.

research

How We Measure AI Brand Reputation: The Method Behind the Rankfor Index 2026

The full method behind the Rankfor Index 2026: 66 brands, 12 languages, 3 AI models with live grounding, 35,640 responses, 131,667 citations. Five weighted components (sentiment, recommendation, source quality, consistency, stability) produce the 0-100 AI Visibility Score published on every brand page, plus the metrics only multilingual data can expose: bilingual penalty, citation concentration, and blind languages.

BeVisible Club

Get research like this before we publish it.

New AI visibility studies, ranking patterns, and source-stack data delivered to your inbox a week before they go public.

Join BeVisible Club

Want to Know How AI Sees Your Brand?

Rankfor.AI measures your brand's AI visibility across all major platforms and provides actionable recommendations.

About the Author

Dmitrij Żatuchin

Founder

Dmitrij Żatuchin is the founder of Rankfor.AI. A computer scientist with a PhD in semantic web technologies, he bridges the gap between how AI reasons about brands and how brands want to be understood. With over two decades of software architecture experience and academic roles at Estonian Business School and EUAS, Dmitrij builds the measurement infrastructure brands need to transition from optimizing for search engines to becoming visible for reasoning engines.

© 2025-2026 Rankfor.AI™ Alla rättigheter förbehållna

Ask AI about Rankfor.AI

Rankfor.AI sp. z o.o., Skarbowcow 23B, 53-025 Wroclaw, Poland

KRS: 0001190083 | NIP: 8993033605

Vi använder cookies

Vi använder nödvändiga cookies för att få vår webbplats att fungera. Med ditt samtycke kan vi också använda analyskookies för att förstå hur du använder våra verktyg (som Dice Roller) så att vi kan förbättra dem. Läs mer