Copy for Originals · Evidensgenomgång · AI-sökning
En sida av typen ”bästa [kategori]” som rankar utgivarens egen produkt först har varit ett av de mest omtalade sätten att ta sig in i AI-svar. Här går vi igenom vad studierna från 2026 visar om huruvida sådana sidor gör att varumärket blir rekommenderat, inte bara citerat, om Google nedgraderade dem i januari 2026, vad Googles egna dokument och reklamreglerna i USA, EU och Sverige säger, och vad du ska göra med de sidor du redan har.
Så gjordes sidan. Varje siffra och varje citat på sidan kontrollerades ord för ord mot den sparade källtexten den 24 oktober 2026. Där en källa säljer verktyg för AI-synlighet, SEO eller bevakning, eller byrå- och konsulttjänster kring dem, säger vi det. Där en siffra är vår egen uträkning säger vi det också.
Att ranka dig själv först i din egen ”bästa X”-lista ger dig oftare citeringar än rekommendationer. En sida av typen ”bästa [kategori]” som rankar den egna produkten först är fortfarande en vanlig källa för AI: i bevakningsleverantören Peecs urval om mjukvara kom ungefär 11 % av citeringarna från listor där utgivaren lyfter fram sin egen produkt, december 2025 till februari 2026, och Peec såg inga tecken på att plattformarna blev bättre på att filtrera bort dem under de 12 veckorna. Men i SEO-konsulten Lily Rays studie av Google AI Overviews för 100 sökfrågor om B2B-mjukvara, april till juni 2026, utelämnades varumärket bakom en citerad självpromotande lista från rekommendationen i 224 av de 323 fall hon räknade, eller 69 %. Scrunch, som säljer bevakning av AI-synlighet, såg i sju assistenter att svar som citerade ett varumärkes egen lista nämnde varumärket i ungefär 39 % av fallen, mot ungefär 19 % utan den, en siffra som Scrunch ännu inte har kört genom sitt placebotest, men i den kontrollerade jämförelsen steg varumärkets rekommendationsandel bara från ungefär 4 % till ungefär 7 %.
Om Google straffar sådana sidor är inte fastställt. Åtminstone dussintals webbplatser föll från omkring 20 januari 2026, och Ray säger att de flesta drabbade webbplatser hon såg använde sådana sidor i överdriven omfattning, tillsammans med andra taktiker. Men hon säger också att listorna var en faktor bland flera, Google bekräftade ingen uppdatering, och Kevin Indig såg att 62 % av topplistorna skrivna av leverantörer (inte nödvändigtvis självrankade) ökade sin uppskattade trafik från Google från januari till augusti. Det praktiska svaret, som är en bedömning snarare än ett testat resultat: sluta kröna dig själv, skriv om användbara sidor till öppet redovisade jämförelser som utgår från tydliga kriterier, och ta bort de tunna.
Ja, i alla AI-dataset vi har gått igenom för den här sidan, även om Googles AI Overviews kanske håller på att dra ner. Lily Ray, SEO-konsult (grundare av Algorythmic och vice president för SEO och AI-sökning på Amsive, enligt PPC Land), är kritisk till metoden men skriver att ”they’ve undoubtedly served as one of the most effective ways to influence AI answers” (ungefär: de har utan tvekan varit ett av de mest effektiva sätten att påverka AI-svar).
I Peecs urval (Peec säljer bevakning av AI-sökning) kom ungefär 11 % av citeringarna från självpromotande topplistor totalt, 3,6 % i ChatGPT, 10,3 % i Google AI Mode och 10,4 % i Perplexity; Peec redovisade bara de tre plattformarna separat. Bortsett från att AI Mode sjönk något till 9–10 % i februari låg Peecs veckosiffror stilla, och slutsatsen var ”No evidence of algorithmic correction over time” (ungefär: inga tecken på någon algoritmisk korrigering över tid). Det gäller bara december 2025 till februari 2026. Rays nya körning i september, som ingen utomstående har granskat, visade att AI Overviews citerade 38 % färre självpromotande listor än i juni.
Två fynd komplicerar bilden av att listorna blir citerade:
Vad det betyder. Om målet är att synas i källistan i ett AI-svar fungerar en självrankad lista fortfarande, mer i Googles AI Mode och Perplexity än i ChatGPT i Peecs urval. Se varje citering som ett stickprov, inte som en position du äger.
Oftast inte, men något oftare än om den inte hade citerat din lista.
Rays resultat. I de 80 sökfrågor som gav en AI Overview utelämnades varumärket från rekommendationen i 69 % av fallen när dess egen självpromotande topplista citerades: 224 av de 323 självpromotande topplistor hon räknade som citerade. Hon säger inte om en sida som citerades vid mer än ett av hennes tre mättillfällen räknas en eller flera gånger, så läs 323 som citeringstillfällen, inte unika sidor. Genom subtraktion utelämnades varumärket inte i 99 fall, eller 31 % (vår uträkning, inte Rays), och Ray redovisar ingen jämförelsenivå för varumärken som saknar en sådan lista. Hon skriver att ett etablerat varumärke ”may get both cited and recommended” (ungefär: kan bli både citerat och rekommenderat) tack vare sin egen lista. I en ny körning i september, publicerad 4 oktober 2026, såg hon att AI Overviews utelämnade det publicerande varumärket i 83 % av fallen, upp från 69 %. PPC Land kallar siffrorna ”a consultant’s own measurements, on a small sample from one vertical and one AI surface” (ungefär: en konsults egna mätningar, på ett litet urval från en bransch och en AI-yta), utan någon redovisad metod för hur rekommendationer klassades.
Scrunchs resultat. Scrunch, som säljer bevakning av AI-synlighet, analyserade ungefär 10 000 webbadresser som citerats av AI mellan 17 maj och 30 juni 2026, men för sex av de sju assistenterna täcker urvalet i praktiken 10–30 juni. Med prompt, varumärke och assistent hållna konstanta steg det författande varumärkets rekommendationsandel från ungefär 4 % till omkring 7 % när dess självpromotande topplista citerades, och ett placebotest gav ungefär en fjärdedel till en tredjedel av den skillnaden. Testet kördes på ett begränsat urval, ungefär 6 % av den möjliga populationen. Scrunch tillägger att detta visar vad en citering gör för varumärken som redan finns på sidan, ”not what adding or removing a name would do” (ungefär: inte vad det skulle göra att lägga till eller ta bort ett namn), och att en lösare jämförelse mellan en leverantörs egen lista och dess förekomster på andra ställen gav ”a median of 0.0pp over 61 cells” (ungefär: en median på 0,0 procentenheter över 61 celler). I 63,9 % av svaren använde assistenten listan som råmaterial till en balanserad översikt i stället för att ta över dess förstaval. Omnämnanden rörde sig mer än rekommendationer: svar som citerade varumärkets egen lista nämnde varumärket i ungefär 39 % av fallen, mot ungefär 19 % när listan inte citerades. Scrunch påpekar att den här ökningen av omnämnanden ”hasn’t been through this check yet” (ungefär: ännu inte har gått igenom den här kontrollen), alltså placebotestet.
| Assistent | Varumärket rekommenderat |
|---|---|
| Claude | 15,6 % |
| Gemini | 14,8 % |
| Google AI Overviews | 8,9 % |
| ChatGPT | 8,6 % |
| Google AI Mode | 7,7 % |
| Perplexity | 6,3 % |
| Copilot | 4,8 % |
Andelarna per assistent gäller alla svar som citerade listan. Scrunch skriver att de inte går att jämföra direkt med siffran 4 till 7 %, som kommer från en snävare jämförelse utformad för att isolera listans effekt. De går inte heller att jämföra med Rays 69 %, eftersom de inkluderar svar som inte rekommenderar någon alls.
Utanför AI Overviews. I Ahrefs experiment med ChatGPT, Gemini, Perplexity och Copilot nämnde 43 % av svaren som citerade någon av dess konferenssidor aldrig konferensens namn, Ahrefs Evolve; för verktygssidorna nämnde 11 % inte Ahrefs. Det är ett mått på omnämnanden.
Vad det betyder. En citerad lista är ingen röst på dig. I Scrunchs data nämner svar som citerar din lista dig ungefär dubbelt så ofta (en siffra Scrunch ännu inte har placebotestat), men i den kontrollerade jämförelsen flyttar en citering hur ofta du rekommenderas med ungefär tre procentenheter (vår subtraktion), från en låg nivå. Räkna med citeringen, inte med kronan.
Från två studier som mätte olika saker, på olika AI-ytor, under olika månader. Ray mätte hur ofta ett varumärke rekommenderas när dess egen lista har citerats. Peec mätte hur stor del av det som citeras som kommer från självpromotande listor. Ingen av dem mätte den andras fråga.
| Studie | Ray, juni 2026 | Peec, mars 2026 |
|---|---|---|
| Fråga | När din egen lista citeras (finns bland källorna), blir du då rekommenderad (utpekad som ett val)? | Hur stor andel av citeringarna kommer från självpromotande listor? Inget mått på rekommendationer |
| AI-yta | Google AI Overviews | Sex plattformar; tre redovisade separat |
| Period | 15 april–8 juni 2026 | December 2025–februari 2026 |
| Urval | 100 sökfrågor om B2B-mjukvara, 80 med en AI Overview | 232 000 citeringar, 13 000 topplistor, de 1 000 främsta per plattform och vecka |
| ”Självpromotande” betyder | Leverantörens egen lista, ”usually at #1” (ungefär: oftast som nummer 1) | Utgivarens varumärke lyfts fram i listan, inte nödvändigtvis som nummer 1 |
| Huvudresultat | Varumärket utelämnat i 69 % av fallen när listan citerades | Ungefär 11 % av citeringarna |
| Vem som gjorde den | SEO-konsult som säljer tjänster inom SEO och AI-sökning; data via Ahrefs Brand Radar | Leverantör av bevakning av AI-sökning |
De två perioderna överlappar inte: Peecs slutar innan Rays börjar. Ändå blandas siffrorna ibland ihop. Ett sponsrat inlägg i Search Engine Journal återgav Rays 224 som fall där Google ”recommended a rival ranked inside it” (ungefär: rekommenderade en konkurrent som rankades i listan), vilket är mer än Ray mätte. Rays egen sammanfattning nämner ”AI Overviews + AI Mode” (ungefär: AI Overviews och AI Mode), trots att hennes mätresultat gäller AI Overviews. Peecs brödtext kallar siffran ”1 in 10 citations in AI search results” (ungefär: 1 av 10 citeringar i AI-sökresultat), trots att urvalet består av topplistor om mjukvara.
Vad det betyder. När någon slänger fram ”69 %” eller ”11 %”, fråga vilken yta, vilka månader och vilken nämnare det gäller. 69 % handlar om Google AI Overviews och rekommendationer. 11 % handlar om citeringar i ett urval om mjukvara. Ingen av siffrorna säger vad som händer med ditt varumärke i ChatGPT nästa månad.
Oftast inte, enligt det enda test som har gjorts. Den öppna frågan gäller att nämna mindre kända konkurrenter.
Rays belägg är genomgångna exempel, inte ett kontrollerat test, som en lista över ”best LMS for selling courses” (ungefär: bästa LMS för att sälja kurser) där omnämnandena av fyra konkurrenter ”may have helped boost them” (ungefär: kan ha hjälpt till att lyfta dem), och där alla fyra fick rekommendationen i AI Overview. Hennes essä från september säger att listan i 70 % av fallen ”is now helping competitors get recommended while the brand that published it is left out” (ungefär: nu hjälper konkurrenter att bli rekommenderade medan varumärket som publicerade den lämnas utanför), med samma metodförbehåll som ovan. Scrunch såg att när en lista citeras rekommenderas en konkurrent i stället för det författande varumärket i 24,3 % av fallen.
Scrunch testade sedan om det är listan som orsakar det. Placeboskillnaden för konkurrenter blev +4,4 procentenheter, ”bigger than the real one it was meant to rule out” (ungefär: större än den verkliga skillnad den skulle utesluta), och Scrunch drar slutsatsen att ”a brand’s listicle isn’t behind a rival being recommended” (ungefär: ett varumärkes topplista inte ligger bakom att en konkurrent blir rekommenderad). Det enda fall som höll var ett mindre synligt varumärke som nämnde andra mindre synliga konkurrenter: +7 procentenheter mot ett placebo på −1,9. Det är ett av fyra scenarier som Scrunch testade, utan korrigering för att fyra testades, och Scrunch skriver att skattningen inte är exakt. När ett välkänt varumärke nämnde mindre kända konkurrenter återskapade placebot ungefär hälften av konkurrentens ökning, och Scrunch skriver ”we can’t call this one either way” (ungefär: vi kan inte avgöra det här åt något håll).
Vad det betyder. Scrunchs test tyder på att det inte är din lista som gör att konkurrenterna blir rekommenderade; Scrunch tolkar det som att konkurrenten ”likely already gaining ground for some unrelated reason” (ungefär: troligen redan vann mark av något annat skäl). Om du nämner mindre kända konkurrenter, överväg att nämna färre av dem, eller att ge tydliga skäl när du gör det: för ett mindre känt varumärke höll effekten, och för ett välkänt varumärke kunde Scrunch inte avgöra saken åt något håll.
I det enda experiment som byggdes för att testa det, främst när AI:n ännu inte kände till varumärket och sidan passade sökfrågan. Experimentet gällde två varumärken från ett och samma företag, Ahrefs, som säljer verktyget som användes, och det mätte omnämnanden, inte rekommendationer. Ahrefs publicerade 34 självpromotande sidor (topplistor, recensioner och åsiktstexter, inte bara listor där man rankar sig själv först) om sitt verktyg för AI-synlighet och sin konferens, Ahrefs Evolve, på 5 domäner, och analyserade 9 886 svar från ChatGPT, Gemini, Perplexity och Copilot mellan 7 februari och 31 maj 2026.
Scrunchs data pekar delvis åt andra hållet när det gäller rekommendationer: ett välkänt varumärke som nämnde välkända konkurrenter fick ändå sitt eget lyft när listan citerades, medan lyftet för ett mindre känt varumärke som nämnde välkända konkurrenter var för litet för att mäta.
Ahrefs egna råd efter testet: ”Add yourself to the right contexts, but don’t crown yourself” (ungefär: ta med dig själv i rätt sammanhang, men kröna inte dig själv), och ”Fill the gap accurately; don’t manufacture a ranking” (ungefär: fyll luckan korrekt; tillverka inte en rankning). Det är en förändring sedan december 2025, då en studie från Ahrefs drog slutsatsen att byråer och SaaS-företag ”should publish self-promotional ‘best’ lists” (ungefär: borde publicera självpromotande ”bästa”-listor) och skrev att det ”appears to be no downside” (ungefär: inte verkar finnas någon nackdel) för rankningar eller AI-citeringar, samtidigt som Ahrefs påpekade att företaget inte alltid skulle sätta sig självt först.
Vad det betyder. I Ahrefs test fick ett varumärke som assistenterna ännu inte kände till de flesta av sina nya omnämnanden från sina egna sidor, medan ett etablerat varumärke fick nästan alla från andras sidor. Se det som ett enda företags resultat, inte som en regel.
Åtminstone dussintals webbplatser tappade organisk trafik från omkring 20 januari 2026, och många av dem publicerade sådana listor, men ingen har isolerat listorna som orsaken och Google bekräftade ingen uppdatering. ”Kan innebära en organisk risk” går att försvara; ”Google straffar det” gör det inte.
Argumenten för ett samband. Ray rapporterade 3 februari 2026, utifrån data från Sistrix, att ett ”well-known $8B B2B brand” (ungefär: välkänt B2B-varumärke värt 8 miljarder dollar) tappade 49 % av sin organiska synlighet mellan 21 januari och 2 februari, och två andra webbplatser 43 % och 29 %, och kallade en justering av Googles recensionssystem ”possible” (ungefär: möjlig). I juni skrev Ray att ”at least dozens of sites” (ungefär: åtminstone dussintals webbplatser) föll runt 20 januari, att hon analyserade över 40 av dem och att de flesta använde AI-genererat innehåll i stor skala, jämförelse- och alternativsidor i stor skala och, ”in most cases, excessive self-promotional listicles” (ungefär: i de flesta fall överdrivet många självpromotande topplistor). Hon tillägger att många senare tappade synlighet ”across the entire domain, with drops accelerating during Google’s recent May 2026 core update” (ungefär: på hela domänen, med fall som tog fart under Googles core update i maj 2026), ett samband med listorna som är hennes egen slutsats. I sin krönika i augusti skriver Kevin Indig att han har sett uppdateringen i mitten av januari slå mot topplistor ”anecdotally” (ungefär: anekdotiskt), och kallar det ”one suggestive hint” (ungefär: ett antydande tecken) på nedgradering att nästan hälften av topplistorna i hans data kommer från publicister snarare än varumärken. Publicister vann också 54,0 % av 4 026 direkta möten med en topplista från ett varumärke eller en leverantör på samma resultatsida.
Argumenten emot.
Webbplatser som tappade organisk trafik tappade också AI-citeringar, i ett litet urval: i Rays analys 17 februari av 11 undermappar som drabbades i januari tappade alla 11 även citeringar i AI-sökning, i genomsnitt 22,5 %. Google skriver att dess AI-funktioner hämtar sidor med hjälp av kärnsystemen för rankning i Search.
Vad det betyder. En webbplats som lutar sig mot sådana sidor tillsammans med AI-innehåll i stor skala och jämförelsesidor i stor skala följer det mönster Ray såg hos webbplatserna som tappade trafik i början av 2026. Att en annars stabil webbplats har en handfull ärliga jämförelser som den själv har skrivit har inte visats vara ett problem. Följ dina egna data i stället för rubrikerna.
Ingenting som nämner dem. Googles regler handlar om manipulation, sidor i stor skala och recensionskvalitet, och lämnar frågan om din lista passar in åt dig.
De andra plattformarna dokumenterar mindre. Varken OpenAI:s eller Perplexitys hjälpsidor beskriver något filter mot självpromotion, och Peecs förklaringar till ChatGPT:s lägre andel är faktorer som ”likely explain” (ungefär: troligen förklarar) den, inte en dokumenterad mekanism.
Vad det betyder. Googles riktlinjer för recensioner är det närmaste en skriven standard som finns för en leverantörs jämförelsesida, och de kräver skäl, belägg och nackdelar. En lista som rankar dig först utan något av det lever inte upp till dem, oavsett vem som skrev den.
Regler i USA, EU och Sverige tillåter jämförelser med konkurrenter på vissa villkor, framför allt att de inte är vilseledande. I Sverige måste ett okvalificerat ”bäst” kunna bevisas, och en domstol har sagt att den bevisbördan i många fall blir svår att uppfylla. Detta är inte juridisk rådgivning, och ingen av reglerna nämner självrankade topplistor.
Vad det betyder. Ingen av de här reglerna förbjuder en leverantörs egen jämförelse. Det de riktar in sig på är en lista som döljer vem som står bakom den eller ger sken av att vara oberoende, och ett ”bäst”-påstående utan något angivet mått eller test bakom sig. Att tala om vem som skrev listan, redovisa kriterierna och grunda varje val på fakta som läsaren kan kontrollera tar upp de punkterna. Det garanterar inte att du följer reglerna, och 18 § har fler villkor.
Behåll dem som skulle hjälpa en köpare även om ditt namn inte stod på dem, skriv om dem som skulle kunna göra det, och ta bort resten. Stegen är bedömningar, inte testade resultat, och bygger på Googles riktlinjer för recensioner, reglerna ovan, Seers citeringsdata och leverantörernas egna råd.
Vad det betyder. Inget dataset här testar det direkt, men de sidor som är minst utsatta för alla risker på den här sidan är de som en köpare skulle lita på trots att hen vet vem som skrev dem. Gör det tydligt vem som är avsändare och gör kriterierna kontrollerbara.
Ja. I Peecs studie av 232 000 citeringar från 13 000 topplistor om mjukvara, december 2025 till februari 2026, kom ungefär 11 % från självpromotande topplistor (3,6 % i ChatGPT), utan tecken på att plattformarna blev bättre på att filtrera bort dem under de 12 veckorna. Peec säljer bevakning av AI-sökning, och siffran är en andel av dess urval om mjukvara, inte av alla AI-citeringar.
Oftast inte. I Lily Rays studie av Google AI Overviews för sökfrågor om B2B-mjukvara, april till juni 2026, utelämnades varumärket bakom en citerad självpromotande topplista från rekommendationen i 224 av 323 fall, eller 69 %. Scrunch såg i sju AI-assistenter i maj och juni 2026 att ett varumärkes rekommendationsandel bara steg från ungefär 4 % till omkring 7 % när dess egen lista citerades.
Det är inte fastställt. Lily Ray rapporterade att åtminstone dussintals webbplatser tappade organisk trafik från omkring 20 januari 2026, men säger att självpromotande topplistor var ett av flera möjliga problem. Google bekräftade ingen uppdatering i januari, och Kevin Indig såg att 62 % av topplistorna skrivna av leverantörer (inte nödvändigtvis självrankade) ökade sin uppskattade trafik från Google mellan januari och augusti 2026.
Regler i USA, EU och Sverige tillåter jämförelser med konkurrenter på vissa villkor, framför allt att de inte är vilseledande. I Sverige måste ett okvalificerat ”bäst” kunna bevisas, och en domstol har sagt att den bevisbördan i många fall blir svår att uppfylla. En lista som talar om vem som skrev den, redovisar sina kriterier och jämför kontrollerbara egenskaper tar upp det som reglerna fokuserar på. Detta är inte juridisk rådgivning.
Inte alla. Behåll sidor som talar om vem som skrev dem, anger sina kriterier och ger skäl, belägg och nackdelar för varje alternativ, vilket är vad Googles riktlinjer för recensioner kräver. Skriv om sidor som har efterfrågan i sök men krönar dig utan skäl. Ta bort nästan identiska sidor som bara gjorts för att ranka dig först, det mönster som Googles policy mot missbruk av innehåll i stor skala beskriver. Ingen studie har ännu testat om en omskriven, öppet redovisad jämförelse ger fler AI-rekommendationer.
Alla källor lästa vid källan den 24 oktober 2026. Källor från företag som säljer produkter för AI-synlighet, SEO eller bevakning, eller byrå- och konsulttjänster kring dem, är märkta (leverantör), (byrå) eller (konsult). Sidor som spärrade automatisk läsning lästes via kopior av originaladressen i Wayback Machine, vilket anges.
Så citerar du sidan: Copy for Originals, ”Blir du rekommenderad av AI om du rankar dig själv först i din egen ’bästa X’-lista?”, 24 oktober 2026, https://tools.copyfororiginals.com/sv/egna-topplistor-ai-sokning/.