Hva du faktisk kan attribuere fra AI
Tre nivåer: det som er målbart, det som kan estimeres med forbehold, og det som ikke lar seg måle i det hele tatt.
Rammeverk · versjon 3.0
Min egen metode for synlighet i generative søkemotorer. Den svarer på ett spørsmål: hvorfor skulle en motor velge akkurat deg som kilde — og hvor i kjeden mister du den?
Kort svar
TRUST-modellen er et rammeverk for å bli funnet, forstått og sitert av generative søkemotorer. Den består av fem trinn som beskriver hva motoren gjør, og fem pilarer som beskriver hva du gjør: Tilstedeværelse, Relevans,Uttrekkbarhet, Spredning ogTilbakemelding. Synlighet er produktet av trinnene, ikke summen — et sterkt trinn kompenserer ikke for et svakt trinn lenger opp.
Arbeidet utføres etter metodens sju steg og fire kontrollporter. Modellen er utviklet av Krister Ross og brukes som metode iarbeidet med synlighet i AI-søk. Den er fritt tilgjengelig å bruke og referere til.
Modellen
Trinnene kommer etter hverandre, og hvert av dem kan stoppe deg alene. Diagnosen begynner alltid med å finne ut hvilket trinn som svikter.
Blir det søkt i det hele tatt, eller svarer modellen fra minnet?
En generativ motor velger selv om den skal søke eller svare fra det den lærte under trening. Svarer den fra minnet, er det entitetsarbeidet ditt som avgjør; søker den, er det hentbarheten din.
Tidshorisont Endres med plattformoppdateringer, ikke med ditt arbeid. Måles løpende.
Er du i kandidatpoolen når motoren først søker?
Motoren omformulerer spørsmålet, kjører søk mot en indeks og henter typisk fem til tjue dokumenter. Er du ikke i den indeksen, eller ikke relevant nok for spørringen, er resten av arbeidet ditt uten virkning.
Tidshorisont Uker til måneder. En ny side kan indekseres på døgn.
Kommer du høyt nok opp i den hentede konteksten til å bli brukt?
Å bli hentet er ikke å bli brukt. Kandidatene rangeres på nytt, og bare de øverste får plass i kontekstvinduet generatoren faktisk leser.
Tidshorisont Følger trinn 2 — dette trinnet styres ikke direkte utenfra.
Blir du valgt ut og gjengitt når du først er i konteksten?
Mange dokumenter hentes, få siteres. Generatoren velger de passasjene som svarer direkte, lar seg gjengi uten omskriving, og tilfører noe de andre kildene ikke har.
Tidshorisont Per spørring. Det raskeste trinnet å flytte — utslag alt i neste måling.
Blir du gjengitt korrekt, og skjer det noe?
To ting måles her, og de er ikke det samme: om siteringen faktisk stemmer med det du har sagt, og om synligheten fører til noe. En høy siteringsrate med feil innhold er et tap forkledd som en gevinst.
Tidshorisont Troskap: umiddelbart. Atferd: måneder, og alltid med kontroll.
Skjematisk — ikke målte andeler
Merk konsekvensen for rapportering: et dashbord som bare regner andel blant svar som faktisk inneholdt siteringer, oppgir et tall som er systematisk for høyt. Nevneren må dekomponeres, ellers måles betinget sannsynlighet og presenteres som total synlighet.
Koblingen
Hvert trinn har en pilar som eier det. Det er den koblingen som gjør at en måling ender i konkret arbeid framfor i en generell anbefaling.
Trinn 1 · Aktivering
Blir det søkt i det hele tatt, eller svarer modellen fra minnet?
Kan motoren verifisere hvem du er — og finnes du i indeksen den søker i?
Trinn 2 · Henting
Er du i kandidatpoolen når motoren først søker?
Tilstedeværelse, Relevans og Spredning
Tre pilarer møtes på dette trinnet. Begynn med Tilstedeværelse — uten indekstilstedeværelse virker ingen av de andre.
Trinn 3 · Kontekst
Kommer du høyt nok opp i den hentede konteksten til å bli brukt?
Svarer innholdet presist nok på det som faktisk spørres om?
Trinn 4 · Sitering
Blir du valgt ut og gjengitt når du først er i konteksten?
Lar innholdet ditt seg plukke fra, gjengi og attribuere?
Trinn 5 · Virkning
Blir du gjengitt korrekt, og skjer det noe?
Måler du signal eller støy — og stemmer egentlig det som siteres om deg?
Pilarene
Hver pilarside har mekanisme, subdimensjoner, signaler, taktikker i prioritert rekkefølge, anti-patterns, målerytme og en sjekkliste du kan ta med deg.
Dominerende trinn: 1. Aktivering og 2. Henting
Kan motoren verifisere hvem du er — og finnes du i indeksen den søker i?
Å være en verifiserbar, konsistent entitet som motorene kan gjenkjenne på tvers av strukturerte og ustrukturerte kilder, og å faktisk finnes i indeksene de søker i.
Les om tilstedeværelse i AI-søk4 artikler
Dominerende trinn: 2. Henting og 3. Kontekst
Svarer innholdet presist nok på det som faktisk spørres om?
At innholdet ditt treffer spørsmålets faktiske intensjon presist nok til å bli hentet, og til å komme høyt i konteksten når kandidatene rangeres på nytt.
Les om relevans i AI-søk3 artikler
Dominerende trinn: 4. Sitering
Lar innholdet ditt seg plukke fra, gjengi og attribuere?
Å gjøre innholdet lettest mulig å plukke fra, gjengi og tilskrive deg — gjennom chunks med ett tema hver, og gjennom evidens som kan siteres som enheter.
Les om uttrekkbarhet i AI-søk1 artikler
Dominerende trinn: 2. Henting
Finnes du i de kildeøkosystemene hver enkelt motor faktisk henter fra?
Å finnes i de kildeøkosystemene de ulike motorene faktisk henter fra. Dominans ett sted sikrer ingenting et annet sted — overlappen mellom motorene er lavere enn nesten alle antar.
Les om spredning i AI-søk3 artikler
Dominerende trinn: 5. Virkning
Måler du signal eller støy — og stemmer egentlig det som siteres om deg?
Infrastrukturen som gjør resten av rammeverket målbart og justerbart, og som avdekker om synligheten du bygger faktisk er korrekt. To komponenter: måling og troskap.
Les om tilbakemelding i AI-søk5 artikler
Metoden
Punktene der arbeidet stopper til noe er verifisert. En leveranse uten loggførte porter er ikke levert etter TRUST.
Skriv ned hva som skal måles, før noe måles.
Minimum 50 prompts, ideelt 200, fra faktiske brukerformuleringer.
Per trinn i modellen, ikke per pilar.
Ingen endringer før baseline er etablert: minimum fire uker, minst tre kjøringer per prompt, aktiveringsrate registrert separat, nullresultater beholdt og spredning beregnet.
Entitet, relevans, uttrekkbarhet eller spredning — ikke flere samtidig på samme sider.
Etter enhver innholdsendring: verifiser at siden fortsatt hentes, før du vurderer om siteringen økte. Faller hentbarheten mer enn siteringen stiger, rull tilbake.
TRUST bestiller tallene. CAVIS leverer dem, etter definert protokoll.
Før noen effekt rapporteres: gå gjennom et stratifisert utvalg siteringer manuelt og vurder om påstanden er korrekt, om sammenhengen er riktig, og om du faktisk står for det som tilskrives deg.
Ingen effektpåstand uten kontroll. Er effekten mindre enn spredningen i baselinen, si det. Finnes ingen kontroll, formuler funnet som observasjon, ikke som effekt.
Feiler port 2 eller 3, tilbakestilles endringen og forsøket logges.
Av resultatene, og av metoden selv.
Steg 3 til 6 er en løkke, ikke en rekke. Den kjøres på nytt hver periode, og hver runde starter med en ny diagnose — ikke med neste tiltak på listen.
Se metoden i sin helhet — krav, beslutningsregler og loggkrav per port
Doktrine
Dette prinsippet styrer hvordan enhver TRUST-analyse settes opp, og det skiller en reell analyse fra en som beroliger kunden uten å måle noe.
Merkevareprompt
Motoren gjenkjenner navnet og forklarer hva selskapet er.
Svaret er nesten alltid ja. Målingen sier derfor nesten ingenting.
Non-brand-prompt
Motoren velger fritt blant alle aktører den kjenner til.
Dette er det faktiske spørsmålet. Derfor skal minst 80 prosent av biblioteket være non-brand.
Tallene er fra en undersøkelse av 112 selskaper, der de samme produktene ble testet både ved navn og på organiske oppdagelsesspørringer. A og B er to store motorer — samme produkt, samme måling, to helt ulike svar.
Evidens
Markedet selger på tall som ikke kan forsvares. Det fungerer til noen etterprøver dem. Hver hovedpåstand i TRUST har derfor et evidensnivå, og det finnes en regel for hva som får brukes som salgsargument.
| Påstand | Nivå |
|---|---|
| Motorene siterer ulike kildeøkosystemer og varierer over tid | B |
| Synlighet må måles med gjentakelser for å være meningsfull | A–B |
| Siteringer er ofte ikke fullt understøttet av kilden | B |
| Relevans og posisjon i konteksten er de sterkeste leverne | D |
| Innhold som ligger i konteksten kan påvirke sin egen sitering | D–E |
| Uttrekkbar evidens letter bruk og attribusjon | C–D |
| Brødtekstoptimalisering kan senke hentbarhet | D |
| Generiske taktikker generaliserer dårlig og eroderer med adopsjon | D |
| Gjenkjennelse ved navn medfører ikke oppdagelse | C |
| Entitetsinfrastruktur øker gjenkjennelse | C |
| Struktur alene øker sitering | E |
| Siteringsrate predikerer klikk eller inntekt | Under E |
Påstander på nivå E eller lavere brukes ikke som salgsargument. De kan brukes som hypotese, merket som hypotese. Det gir en smalere pitch, og den holder.
Ærlig talt
Ingen kontrollerer hva en generativ motor svarer. Modellen fjerner grunnene til at du ikke velges — den kjøper deg ikke en plass i svaret.
Koblingen fra sitering til inntekt er det svakest dokumenterte i hele feltet. Rammeverket rapporterer virkning; det lover den ikke. Det er en kommersielt svakere, men langt mer holdbar posisjon.
Motorene henter fra indekser søkemotorene allerede bygger. Er det tekniske grunnlaget dårlig, stopper det på trinn 2 uansett hvor godt innholdet er.
Uten grunnleggende digital tilstedeværelse, eller uten kapasitet til å måle, er rammeverket overtro. Da er trinn 2-arbeid — som uansett er god SEO — riktigere enn resten.
Spørsmål
Tilstedeværelse, Relevans, Uttrekkbarhet, Spredning og Tilbakemelding. De fem pilarene er arbeidsspråket i modellen, og hver av dem er forankret i sitt trinn av det som faktisk skjer inne i en generativ motor: kan den verifisere hvem du er, treffer innholdet spørsmålet, lar teksten seg plukke fra, finnes du der motoren henter, og måler du signal eller støy.
Trinnene er hva motoren gjør — aktivering, henting, kontekst, sitering og virkning. Pilarene er hva du gjør. Skillet finnes fordi det er det som lar modellen si hvor et problem sitter, ikke bare at det finnes. Hentes du ikke, hjelper det ingenting å skrive mer siterbart; da ligger problemet to trinn lenger opp.
Modellen beskriver hva som skjer og hva som må dekkes: fem trinn og fem pilarer. Metoden beskriver hvordan arbeidet gjøres: sju steg og fire kontrollporter, skrevet slik at to ulike utøvere kommer til omtrent samme resultat. En modell kan ikke revideres. En metode kan, og det er portene som gjør den revisjonsbar.
Modellen gikk fra tre flater til fem trinn, pilarene ble forankret én per trinn, og akronymet ble lagt om fra engelsk (Transparency, Relevance, Uniqueness, Signals, Trust) til norsk. I tillegg kom fire kontrollporter, krav om gjentatt måling, troskap som obligatorisk målekategori, evidensgradering A til E, og non-brand-doktrinen. 3.0 ble publisert i august 2026 og erstatter 2.0 fra april 2026.
Nei. Fra 3.0 er nomenklaturen låst permanent: de fem pilarnavnene og de fem trinnene endres ikke. Versjonsnummer endrer hva som ligger under navnene, aldri navnene selv. Nye innsikter blir subdimensjoner, taktikker eller kontrollporter — troskap er eksempelet, en reell ny innsikt i 3.0 som ble lagt under Tilbakemelding framfor å få en egen bokstav.
Krister Ross. Modellen er utviklet gjennom arbeid med måling av AI-synlighet for norske virksomheter, og brukes som rammeverk i AI-synlighetsanalyser og i rådgivningen. Den er fritt tilgjengelig å bruke og referere til.
Fordi synlighet er produktet av trinnene, ikke summen. Sannsynligheten for å bli sitert er sannsynligheten for at søk aktiveres, ganger sannsynligheten for at du hentes, ganger sannsynligheten for at du siteres. Et sterkt trinn kompenserer ikke for et svakt trinn lenger opp, og det er derfor arbeid med sitering før hentbarhet er verifisert er bortkastet arbeid som ser produktivt ut.
Første målbare signaler fra arbeid på trinn 4 kommer typisk innen fire til åtte uker, forutsatt at baseline foreligger. Meningsfulle endringer i siteringsrate tar tre til seks måneder. Full effekt av entitetsarbeid tar tolv måneder eller mer, fordi det avhenger av modellenes treningssykluser og ikke av hvor raskt du jobber.
Nei, men de overlapper. E-E-A-T er Googles kvalitetskriterier for menneskelige vurderinger av innhold. TRUST er en arbeidsmetode for synlighet i generative søkesystemer, der spørsmålet ikke er om innholdet er godt nok til å rangere, men om det hentes, kommer høyt i konteksten, og er verdt å sitere. E-E-A-T inngår i pilar Tilstedeværelse.
Ja. Hver pilar har en egen side her med mekanisme, subdimensjoner, taktikker, anti-patterns, målerytme og en implementeringssjekkliste. Metoden med de fire kontrollportene ligger på sin egen side. Det er nok til å jobbe gjennom modellen selv.
Egne tester og analyser bak pilarene. Hver pilarside har sin egen, fullstendige liste.
Tre nivåer: det som er målbart, det som kan estimeres med forbehold, og det som ikke lar seg måle i det hele tatt.
Strukturerte data hjelper en modell å forstå hva en side handler om. De skaper ikke autoritet — og det er autoritet siteringen henger på.
Åtte plattformer måler AI-synlighet, og de gir ulike tall for samme merkevare. Forskjellen er sjelden feil — den er metodevalg.
Søkeord og prompts er ikke det samme, og forskjellen avgjør hvem du konkurrerer mot. Slik bygger du et sett som faktisk speiler kundene dine.
Alle jobber med å bli nevnt i generiske spørsmål. Nesten ingen sjekker hva modellene svarer når noen spør om dem ved navn.
Claude kan sitere ned på enkeltsetninger. Det snur skriveproblemet: du optimaliserer ikke en side, du optimaliserer setninger som tåler å stå alene.
En AI-synlighetsanalyse måler deg trinn for trinn og gir en prioritert liste over hvor det svikter — ikke en generell anbefaling. Vi bruker 30 minutter på å se på det først, uforpliktende.
Eller ring +47 466 144 18
Versjon
Erstatter 2.0 fra april 2026. Fra første versjon i juli 2025 til og med 2.0 ble akronymet lagt ut på engelsk som Transparency, Relevance, Uniqueness, Signals, Trust. Begge navn viser til samme rammeverk; den norske utleggingen er gjeldende. Eldre omtaler beholdes med versjonsnote framfor å fjernes — sporbarhet er et tillitssignal, og fjerning er det motsatte.
Låst nomenklaturDe fem pilarnavnene og de fem trinnene er låst permanent. Versjonsnummer endrer hva som ligger under navnene, aldri navnene selv. Nye innsikter blir subdimensjoner, taktikker eller kontrollporter — de blir ikke nye bokstaver. Troskap er eksempelet: en reell ny innsikt i 3.0, lagt inn som subdimensjon under Tilbakemelding med egen kontrollport, uten å få en egen bokstav.
Trenger du hjelp med å gjennomføre dette?Se hvordan jeg jobber med synlighet i AI-søk.
Book meg