Vad händer när du ber en AI om presenttips till alla hjärtans dag? Ett experiment med tre modeller och 150 frågor avslöjar de dolda könssilor som formar AI:s rekommendationer, och varför ditt varumärke kan vara osynligt för hälften av dina potentiella köpare.
Experimentet som avslöjade AI:s könsbias
Vi körde 150 frågor på alla hjärtans dag 2026 och ställde samma enkla fråga till tre ledande AI-modeller, Gemini, Grok och OpenAI: "Vad är den bästa presenten till alla hjärtans dag för [pojkvän/flickvän/make/maka/partner]?"
Var och en av de fem frågorna kördes genom alla tre modeller, tio gånger var, med Rankfor.AI:s metod för stabilitetsanalys (samma "tärningskast"-teknik som vi använde i våra julstudier). Detta är den tredje studien i en serie som undersöker bias i AI:s rekommendationer, efter våra julklappsexperiment för vuxna och barn.
Resultatet? En tydlig avslöjelse om hur AI konstruerar könade shoppinguniversum, och hur säsongskontext helt vänder biasens riktning.
Omkastningen: alla hjärtans dag vänder på manuset
I vår julstudie fick manligt formulerade frågor fler varumärkesrekommendationer än kvinnligt formulerade frågor. Alla hjärtans dag gör det motsatta.
Kvinnligt formulerade frågor dominerar nu varumärkessynligheten:
- Kvinnliga frågor ger i snitt 5,23 varumärken per iteration
- Manliga frågor ger i snitt 4,50 varumärken per iteration
- Det är ett glapp på 16,2 % till fördel för kvinnligt formulerade frågor
Gemini driver denna effekt hårdast. När du ber om presenttips till en flickvän returnerar Gemini i snitt 14,2 varumärkesnamn per svar. Frågar du om din pojkvän? Då sjunker det till 11,8. Flickvänsfrågan genererade 58 unika varumärken över tio iterationer, den högsta mångfalden i hela experimentet.
Average Brands per Iteration: Male vs Female Prompts
Varför spelar säsongskontexten roll?
Alla hjärtans dag är kulturellt kodad som en "shoppinghögtid" där köparen (historiskt sett övervägande man i heterosexuella relationer) köper presenter till en kvinnlig mottagare. Julen är däremot familjeinriktad och mer balanserad. Datan tyder på att AI-modeller tar upp dessa kulturella mönster från sin träningsdata och tillämpar dem på rekommendationerna.
Översatt för varumärken: säljer du smycken, hudvård eller lyxvaror riktade mot kvinnor, är alla hjärtans dag-säsongen när din AI-synlighet toppar. Säljer du elverktyg eller whisky får du slåss om smulorna.
Klyftan på 10x i varumärkesnamn: Gemini mot alla andra
Här är siffran som borde skrämma varje varumärke som förlitar sig på "AI-upptäckbarhet" som kanal:
Gemini nämner 11,4 varumärken per svar. Grok nämner 1,3. OpenAI nämner 1,2.
Läs det igen. Gemini är 9 till 10 gånger mer benägen att nämna specifika produktnamn än sina konkurrenter.
Medan Gemini agerar som en personlig shoppare och strör varumärkesnamn som Away, Mejuri, YETI och Tiffany genom sina svar, föredrar Grok och OpenAI att ge dig ramverk. De säger åt dig att "uppgradera något han redan använder" eller "välja ett personligt föremål kopplat till ett gemensamt minne." Generiskt. Abstrakt. Oanvändbart för varumärken.
För marknadsförare: optimerar du för "AI-andel av röst" är Gemini där spelet spelas. De andra modellerna nämner knappt varumärken alls.
Könssilorna: 70 % av varumärkena är exklusiva
Vi spårade 129 distinkta varumärken över alla svar. Av dessa:
- 52 varumärken dök endast upp för manligt formulerade frågor (pojkvän/make)
- 56 varumärken dök endast upp för kvinnligt formulerade frågor (flickvän/maka)
- 21 varumärken delades mellan könen
Det betyder att 70 % av rekommendationerna är könsexklusiva. Om ditt varumärke bara dyker upp för ett kön är du utestängd från den andra halvan av marknaden, inte av eget val utan av algoritmisk stereotypisering.
Gender-Exclusive vs Shared Brands (129 Total)
Vad som rekommenderas till män
Listan över varumärken enbart för män läses som en järnhandel korsad med en whiskybar:
Verktyg och EDC: DeWalt, Milwaukee, Leatherman, Victorinox, Ridge-plånböcker, Bellroy Friluftsutrustning: YETI, Patagonia, Filson, Carhartt Teknik och gaming: Xbox, Steam Deck, SteelSeries, Sony Sprit: Lagavulin, Macallan, Pappy Van Winkle, Hibiki Grill och kök: Traeger, Shun-knivar, Meater-termometrar Träning: Whoop, Garmin, Vuori
Säljer du till män enligt AI säljer du kapacitet, hållbarhet och mästerskap.
Vad som rekommenderas till kvinnor
Listan enbart för kvinnor är smyckesdiskar och spadagar:
Smycken: Mejuri, Cartier, Tiffany, Monica Vinader, Vrai, Brilliant Earth Lyxmode: Chanel, Louis Vuitton, Cuyana, Anya Hindmarch, Sezane Hudvård och skönhet: Glossier, La Mer, Augustinus Bader, Dr. Barbara Sturm, Sol de Janeiro Parfym: Jo Malone, Byredo, Diptyque Hem och komfort: Brooklinen, Lululemon, Barefoot Dreams, Skims, Eberjey Upplevelser: Airbnb, Four Seasons, HelloFresh, GetYourGuide
Säljer du till kvinnor enligt AI säljer du estetik, egenvård och upplevelser.
Topp 10: pojkvän mot flickvän
Här är vad AI rekommenderar oftast för respektive:
| Pojkvän | Flickvän |
|---|---|
| 1. Away (resväskor) | 1. Away (resväskor) |
| 2. Ember (smart mugg) | 2. Dyson (hårteknik) |
| 3. YETI (dryckeskärl) | 3. Mejuri (smycken) |
| 4. Sony (elektronik) | 4. Airbnb (upplevelser) |
| 5. Bellroy (plånböcker) | 5. Ember (smart mugg) |
| 6. Ridge (plånböcker) | 6. Lululemon (träningskläder) |
| 7. Apple (teknik) | 7. Oura Ring (hälsa) |
| 8. MasterClass (lärande) | 8. Tiffany (lyxsmycken) |
| 9. Patagonia (friluft) | 9. MasterClass (lärande) |
| 10. Theragun (hälsa) | 10. Apple (teknik) |
Lägg märke till den enda överlappningen: Away, Ember, MasterClass och Apple. Allt annat är segregerat.
De två varumärken som överskrider kön
Av 129 varumärken är det bara två som dyker upp konsekvent över alla könsformuleringar och modeller:
Away (resväskor): nämnt i 83 av 150 totala iterationer. Finns med i topp 3 för frågor om pojkvän, flickvän, make, maka och partner.
Ember (smart mugg): nämnt i 69 av 150 iterationer. Den universella "omtänksamma teknikpresenten."
Dessa varumärken har åstadkommit något anmärkningsvärt: de är rekommendationsneutrala. AI könskodar dem inte. De är bara bra presenter, punkt slut.
För varumärkesstrateger: vill du maximera AI-synlighet, modellera din positionering efter Away och Ember. De har knäckt koden för universell dragningskraft.
"Partner"-problemet: när AI kämpar med neutralt språk
När vi frågade om presenter till en "partner" (könsneutralt språk) hände något intressant: svaren blev mindre konsekventa.
Poängen för semantisk överlappning, som mäter hur lika svaren är mellan iterationer, sjönk till nära noll för "partner"-frågan på Gemini och OpenAI. Grok fick en 2 (jämfört med en 6 för "maka").
Översatt: AI-modeller har inga välformade berättelser för könsneutralt presentgivande. De är tränade på könad presentrådgivning, och när du tar bort könsledtrådarna famlar de.
Varumärkesmixen för "partner" är en kaotisk blandning: LEGO (6 omnämnanden, fler än någon könad fråga), Tiffany, Ridge-plånböcker, YETI och Dyson dyker alla upp tillsammans. Det är som om AI gardera sig och kastar in alternativ från båda könssilorna.
För inkluderande varumärken: här finns en möjlighet. Kan du positionera din produkt som partner-lämplig är du ett av få varumärken som AI självsäkert rekommenderar till könsneutrala frågor.
Modellkonsensus: Gemini är en avvikare
Vi mätte hur mycket de tre modellerna är överens om varumärkesrekommendationer med Jaccard-likhet (ett mått på mängdöverlappning).
Resultat:
- Grok mot OpenAI: 0,40 till 0,75 likhet (hög samstämmighet)
- Gemini mot Grok: 0,03 till 0,09 likhet (nästan ingen överlappning)
- Gemini mot OpenAI: 0,03 till 0,09 likhet (nästan ingen överlappning)
Cross-Model Brand Agreement (Jaccard Similarity)
Gemini och de andra två modellerna lever i olika universum. Grok och OpenAI rekommenderar nästan alltid samma handfull varumärken (Away, Ember, Amazon, Kindle, Calm). Gemini rekommenderar 10 till 19 varumärken per svar, varav de flesta Grok och OpenAI aldrig nämner.
Den strategiska innebörden: Gemini är den enda modellen där detaljerad varumärkesoptimering spelar roll. Investerar du i AI-synlighet (via innehållsmarknadsföring, SEO för LLM:er eller varumärkessamarbeten) är det på Gemini du ser avkastning. De andra modellerna nämner helt enkelt inte varumärken tillräckligt ofta för att göra skillnad.
Den mest stereotypa frågan: "maka" på Grok
Poängen för semantisk överlappning avslöjar vilka frågor som ger de mest formelmässiga svaren.
Vinnare: "maka" på Grok fick en 6, den högsta konsekvensen i experimentet.
Detta tyder på att Grok har en väl inarbetad mall för "presenter till maka" som den upprepar nästan identiskt mellan iterationer. Svaret är förutsägbart, stereotypt och motståndskraftigt mot variation.
Tvåa: "make" på Gemini fick en 5.
Som kontrast fick "partner" nära noll över alla modeller, vilket visar maximal variation.
Vad detta betyder: traditionella könsroller (make/maka) utlöser mer rigida, mallstyrda svar. Neutralt språk ger mer kreativa, mindre stereotypa svar, men också mindre varumärkesspecificitet.
Konsekvenser för handeln: hur du bryter dig ur könslåset
Om ditt varumärke är fångat i en könssilo, så här bryter du dig ut:
1. Granska din AI-synlighet per kön
Kör samma fråga med manligt och kvinnligt formulerade varianter. Dyker ditt varumärke upp lika mycket? Om inte lämnar du halva marknaden på bordet.
Testa själv: använd Rankfor.AI:s verktyg för stabilitetsanalys för att köra ditt varumärke genom könade frågor över flera modeller. Se var du dyker upp, och var du inte gör det.
2. Optimera innehåll för båda könen
Säljer du smycken och bara dyker upp i "flickvän"-frågor, skriv innehåll om herrsmycken, könsneutral design eller "presenter till vem som helst." Lär AI att associera ditt varumärke med bredare användningsfall.
3. Ta efter universella varumärken
Studera vad Away och Ember gör. Deras marknadsföring lutar sig inte på könade stereotyper. De betonar nytta, omtanke och kvalitet, egenskaper som överskrider kön.
4. Rikta in dig specifikt på Gemini
Eftersom Gemini dominerar i varumärkesnamn, se till att din SEO- och innehållsstrategi prioriterar Googles ekosystem. Gemini hämtar från Googles kunskapsgraf, så Wikipedia-artiklar, strukturerad data och auktoritativa bakåtlänkar spelar större roll än någonsin.
5. Använd neutralt språk i dina kampanjer
"Härliga presenter till vem som helst." "Perfekt för varje tillfälle." Positionera dig som partner-lämplig, inte pojkväns- eller flickvänsspecifik. Detta öppnar upp det underbetjänade frågeutrymmet med neutralt språk.
Den större bilden: AI som kulturell spegel
Detta experiment är en del av en större serie (1 279 frågor totalt över tre studier) som undersöker hur AI-rekommendationer speglar och förstärker kulturella biaser.
Vad vi har lärt oss hittills:
- Jul (vuxna): manligt formulerade frågor fick fler varumärken
- Jul (barn): pojkar fick STEM-leksaker och actionfigurer, flickor fick dockor och pyssel
- Alla hjärtans dag: kvinnligt formulerade frågor får nu fler varumärken
Slutsatsen: säsongskontexten vänder biasens riktning. AI är inte konsekvent partisk mot ett kön, den är partisk mot kulturella förväntningar knutna till specifika shoppingtillfällen.
Julen är "balanserat familjepresentgivande", så manliga frågor tar ledningen. Alla hjärtans dag är "romantisk gestshopping", historiskt från manlig köpare till kvinnlig mottagare, så kvinnliga frågor dominerar.
För marknadsförare: anta inte att bias är statisk. Den skiftar med kontexten. Granska ditt varumärkes AI-synlighet över flera säsongsmässiga och kulturella sammanhang för att förstå var du vinner och förlorar.
Vad som händer härnäst: syntesen av de tre studierna
Denna alla hjärtans dag-studie fullbordar vår trio av könsbiasexperiment. Nästa steg är att publicera en syntes som jämför alla tre studier sida vid sida och avslöjar de djupare mönstren i hur AI konstruerar könade shoppingverkligheter.
Kommer snart:
- Analys av bias över säsonger (jul mot alla hjärtans dag)
- Jämförelse av ålders- mot könsbias (barn mot vuxna)
- Mönster för varumärkesmigration (vilka varumärken överskrider kategorier)
- "Spelboken för AI-synlighet" för varumärkesstrateger
Testa ditt varumärkes könslås
Vill du veta om ditt varumärke är fångat i en könssilo? Använd Rankfor.AI:s plattform för konkurrensintelligens för att köra stabilitetsanalys över könade frågor.
Vad du kommer att upptäcka:
- Vilka könsformuleringar som utlöser ditt varumärkesnamn
- Hur ofta du dyker upp jämfört med konkurrenterna
- Vilka modeller som favoriserar ditt varumärke (Gemini, Grok eller OpenAI)
- Om du är rekommendationsneutral som Away och Ember
Tiden för "hoppas Google rankar oss" är förbi. Det nya spelet är "se till att AI rekommenderar oss." Och om AI bara rekommenderar dig till halva marknaden förlorar du redan.
Om forskningen: Denna studie är en del av Rankfor.AI:s pågående undersökning av bias i AI-rekommendationer. All data, metodik och rådata finns tillgänglig på begäran för kollegial granskning.
Metodik: 150 frågor (5 frågor x 3 modeller x 10 iterationer) körda på alla hjärtans dag 2026 med Rankfor.AI:s metod för stabilitetsanalys (tärningskast). Varumärkesnamn extraherade via skiftlägesokänslig regex-matchning mot en ordlista med över 140 varumärken. Poängen för semantisk överlappning beräknades av API:et. Jaccard-likhet beräknades på unika varumärkesmängder per kombination av fråga och modell.
Modeller som testades: Google Gemini 2.5 Flash, Grok (xAI), OpenAI GPT-4
Studieserie:
- Julklappar till vuxna: könsbias i AI-rekommendationer
- Julklappar till barn: hur AI förstärker könsstereotyper för leksaker
- Presenter till alla hjärtans dag: den säsongsmässiga omkastningen (denna studie)
Dmitrij Żatuchin är grundare av Rankfor.AI, en plattform för konkurrensintelligens som hjälper B2B-varumärken att förstå sin AI-synlighet och optimera för rekommendationsmotorer.