99 norske nettbutikker er målt. Her er tallene

Hva er Online Visibility Report?

Online Visibility Report måler hvor synlig en merkevare er på nett når ekte kjøpere leter etter produkter eller tjenester som dine, både i tradisjonelle søkemotorer og i AI-verktøy som ChatGPT, Claude eller Gemini. Verktøyet tar utgangspunkt i et kundebehov som butikken dekker, ikke i merkenavnet, og stiller de spørsmålene en kunde faktisk ville stilt.

En rapport består av to deler som svarer på to forskjellige spørsmål:

• Den deterministiske auditen spør er nettstedet bygget slik at maskiner kan lese, forstå og sitere det? Den kjører 69 enkelttester mot domenet. Samme tester, samme terskler, hver gang. Ingen språkmodell er involvert i målingen.
• Søkesynligheten spør dukker butikken faktisk opp? Her stilles merkevarefrie kjøperspørsmål til søk, og vi registrerer om butikken rangerer organisk og om den siteres i Googles AI Overview og andre AI-assistenter.

I tillegg inkluderer rapporten en kvalitativ vurdering av merkevaren og konkurrentene, oppsummert i en SWOT-analyse, og anbefalte tiltak for å forbedre synligheten.

Hva ble egentlig målt i denne undersøkelsen?

Det ble generert en Pro-rapport for hver butikk. 99 av 100 butikker ble levert der den siste ikke lot seg teste pga. sertifikatfeil for domenenavnet. Kjøperspørsmålene talte 492 til sammen, inntil fem per butikk.

Mens 78 nettsteder lot seg lese av crawleren som tiltenkt, ble den blokkert av 21 nettsteder med bot-vern, så disse rapportene mangler de måleverdiene som hentes fra selve nettstedet. De to gruppene holdes strengt atskilt i alle tekniske tall — mer om det i forbeholdene mot slutten.

Hvor synlige er butikkene der kundene spør?

Her er noen av de mest interessante tallene:

1. 55 % av de 492 kjøperspørsmålene utløste en AI Overview i Google. AI-laget er ikke på vei, det er her allerede og andelen på 55 % vil trolig øke.
2. Når AI-svaret ble vist, ble butikken spørsmålet gjaldt, bare nevnt 37 % av tilfellene.
3. 45 av 99 butikker ble aldri sitert i en eneste AI Overview på sine egne fem spørsmål.
4. 26 av 99 rangerte ikke organisk på noen av sine fem egne kjøperspørsmål. Bare 12 av 99 traff alle fem. Medianen var 2 av 5.

Hvis ikke butikkene vises, hvem er det da som tar plassen? 80 % av topplasseringene i organisk søk går til domener som ikke er noen av de 100 butikkene: fora, kataloger og prissammenlignere. Øverst troner Reddit. Et engelskspråklig forum vant altså norske kjøperspørsmål!

Først det som faktisk sitter: teknisk SEO

Før vi går løs på hullene, skal vi være ærlige om det som fungerer — og det er mer enn du kanskje tror. Norske nettbutikker har gjort hjemmeleksen på klassisk teknisk SEO. Blant de 78 nettstedene som lot seg lese:

• 78 av 78 er indekserbare. Ikke én butikk stenger seg selv ute fra søkemotorene ved et uhell.
• 78 av 78 svarer med riktig HTTP-status på forsiden.
• 77 av 78 har en robots.txt uten feil.
• 76 av 78 deklarerer språk på siden, så maskinene vet at innholdet er norsk.
• 69 av 78 har viewport-meta — grunnsteinen i mobiltilpasning.
• 64 av 78 har sitemap.

Ser vi på de seks testene over samlet: 56 av 78 butikker består alle seks, og 76 av 78 består minst fem. Det er ikke et felt med utbredt teknisk slurv; det er et felt der grunnmuren stort sett er støpt. Kategorisnittene sier det samme: crawlability ligger på 95 av 100 og mobiltilpasning på 90.

Det finnes svakere punkter i den tekniske delen også, og de handler mest om struktur i selve dokumentet: bare 33 % har én tydelig h1, 60 % består testen for sidetittel, og 64 % består testen for at trykkeflater på mobil er store nok. Men hovedbildet står: for den generasjonen søk som handlet om å bli funnet og indeksert, er jobben i all hovedsak gjort.

Det er nettopp derfor neste kapittel er interessant. Når det tekniske fundamentet er så solid, hvorfor blir butikkene likevel ikke sitert?

Hvorfor ble de ikke sitert?

Svaret ligger etter vår vurdering i strukturen på innholdet, og her er tallene ganske entydige. Blant de 78 nettstedene som lot seg lese:

• 56 % hadde ikke JSON-LD (strukturert data) i det hele tatt.
• 0 av 78 hadde FAQ-skjema — null! Dette kan være fordi Google for noen år siden begynte å ignorere FAQ-innhold? Likevel er det viktig for agenter.
• 4 av 78 hadde llms.txt.
• Bare 15 % besto testen for spørsmålsformede overskrifter.
• Bare 22 % besto testen for konkret innhold, altså om de refererte til kilder eller presenterte tallmateriale som sto til innholdet.

Kategorisnittene fortalte den samme historien: strukturert data ligger på 34 av 100 og AEO på 41, mens crawlability ligger på 95 og mobiltilpasning på 90. Norske nettbutikker er med andre ord lette å lese for maskiner, men vanskelige å sitere.

Kunnskapsgrafen bekrefter mønsteret: 47 av 99 mangler Wikidata-entitet; den kanoniske kilden språkmodeller slår opp merkevarer i. Og blant de 52 som har en, mangler 37 % lenke til en Wikipedia-artikkel (33 av 52 har den på plass). Verdien av kunnskapsgraf-innslag tas opp i en senere artikkel.

Er norske nettbutikker trege? Vel, det kommer an på.

Her må vi vise begge bildene, for de spriker, og det er et poeng i seg selv.

Labmålingene (PageSpeed Insights) ser stygge ut: median 52 på mobil, 40 av 99 butikker under 50, og bare 4 over 90. Presentert alene sier dette «halvparten av norsk netthandel stryker på fart».

Feltdataene (CrUX, ekte brukere, p75) forteller noe helt annet: LCP — hvor raskt hovedinnholdet vises — er «god» hos 90 av 99, med en median på 1,62 sekunder. INP, som måler responsivitet, er «god» hos 64 av 99.

Alle tallene over står på samme grunnlag: alle 99 butikkene. Det kan virke rart når vi ellers skiller strengt mellom de 78 leste og de 21 blokkerte, men ytelsestallene er det ene stedet skillet ikke gjelder: både PageSpeed Insights og CrUX kommer fra Google, ikke fra vår egen crawler, så et bot-vern som stenger oss ute påvirker dem ikke. Én butikk mangler PSI-score, og Google publiserer bare feltdata for nettsteder med nok trafikk — derfor mangler LCP for 2 butikker og INP for 3. De er talt med som «ikke målt», ikke stilltiende utelatt fra nevneren.

Begge tallene er reelle, men de måler ikke det samme. Labtallet er en syntetisk stresstest; feltdataene er hva faktiske besøkende opplever. Og ekte brukerdata sier at de aller fleste leverer helt greit. Rapporter som selger PSI-tallet som «brukeropplevelsen din», overdriver problemet. Den fellen gikk vi for øvrig selv også i. Labscoren veide for tungt i ytelseskategorien da denne batchen ble kjørt. Det er rettet i ettertid, men tallene i denne artikkelen står som de ble målt.

Hvordan står det til med sikkerheten?

Grunnmuren er på plass: 73 av de 77 nettstedene som ble testet for det, sender deg automatisk over til HTTPS — 95 %. De fire som ikke gjør det, er verdt en titt: tre feiler helt, én består med forbehold. Men så blir det tynnere. Content-Security-Policy, en av de viktigste headerne mot skriptangrep, finnes hos bare 3 % — 97 % mangler den.

E-postsiden har samme todeling. Infrastrukturen er der, men bare 33 av 99 har DMARC på p=reject — innstillingen som faktisk stopper forfalskede avsendere. 42 butikker står på p=none, som bare observerer og ikke stanser noe som helst.

Blokkerte roboter kan være tapte kunder

21 av 99 nettsteder blokkerte crawleren vår helt. 16 med HTTP 403, 2 med 429 og 3 med andre feilkoder. I de fleste tilfeller er det neppe en bevisst beslutning: det er bot-vernet som avviser alt som ikke oppfører seg som en vanlig nettleser, uten at noen har tatt stilling til hvem som faktisk banker på.

Det problematiske er hvem som havner i den samme bøtta. Et bot-vern som ikke skiller mellom skadelig trafikk og en AI-crawler, stenger sannsynligvis også ute akkurat den trafikken butikken helst vil ha: kundene som møter merkevaren gjennom et AI-svar i stedet for et klikk fra Google. Vi har allerede sett at 55 % av kjøperspørsmålene i denne undersøkelsen utløser et AI Overview — og en butikk som blokkerer crawleren, kan rett og slett ikke bli en del av det svaret. Sjelden en villet strategi; oftere en bivirkning av sikkerhetsinnstillinger satt for en helt annen trussel enn AI-crawlere. Dette dilemmaet vil vi ta opp i en egen artikkel.

Og agent-protokollene?

Dette er det neste ingen som har satt opp. Kategorien for agent-usability (MCP og beslektede protokoller) har et snitt på 2,5 av 100, og 62 av 75 målte nettsteder scorer 0.

Ett unntak finnes: XXL topper kategorien, og består 11 av 15 tellende sjekker. Nest best er Norrøna og Haugenbok, som begge består 4.

XXL skiller seg ut på Agent Usability

Avstanden ned til nummer to er ikke en detalj, det er to forskjellige ambisjonsnivåer. Norrøna og Haugenbok består de fire grunnleggende sjekkene: robots.txt, sitemap, regler for AI-bots og Content Signals. Det er god skikk, men det er i praksis bare å skilte med hvem som får slippe inn.

XXL har i tillegg bygget selve grensesnittet agentene skal bruke:

• MCP Server Card på /.well-known/mcp/server-card.json, et maskinlesbart visittkort som forteller en agent hvilke verktøy nettstedet tilbyr.
• WebMCP med fire verktøy eksponert direkte i nettleseren via navigator.modelContext, altså funksjoner en agent kan kalle mens den er på siden.
• Agent Skills-indeks i gyldig JSON — en katalog over hva agenter kan få gjort.
• API-katalog med tre API-er listet opp, koblet på via Link-headere med relasjonene api-catalog og describedby.
• OAuth Protected Resource Metadata, som lar en agent finne ut hvordan den skal autentisere seg.
• Markdown for Agents — nettstedet kan servere ren markdown til agenter i stedet for HTML full av layout.

Det er verdt å merke seg at ingenting av dette er noe man snubler inn i. Dette er bevisst arbeid, sannsynligvis av folk som har lest spesifikasjonene mens de fortsatt var ferske. Merk likevel at det er begrenset støtte for å faktisk gjøre noe gjennom WebMCP-grensesnittet. Da dette ble skrevet var det bare mulig å fasilitere produktsøk. Det er likevel spennende at de legger til rette for, og har startet å utforske hvordan nettbutikken i større grad skal kunne konsumeres gjennom AI-agenter. Dette vil være nyttig erfaring når man trenger å eksponere mer data for at sluttbrukerne skal kunne ta kjøpsbeslutninger på tvers av flere butikker.

XXL består 8 av testene i agent-kategorien. Den nest beste butikken består 4, ti butikker består én, og 62 av de 75 målte består ingen.

Protokollene er svært ferske ogt vi er tidlig i løypen. Det fortsatt er gode muligheter til å ta en unik posisjon.

Hva blir totalen — og hvor lavt henger frukten?

Totalscoren spenner fra 32 til 81 av 100, med en median på 61 (63 om vi ser bort fra de blokkerte). Karakterfordelingen ser slik ut:

Karaktergrensene er faste: hver bokstav dekker ti poeng, og alt under 50 er F. Ingen butikk kom over 81, og ingen falt under 32.

Ingen fikk A. Én eneste butikk fikk B: Mekonomen, med 81. Hele 72 av 99 havner i karakterene D og E. Legg merke til at de blokkerte butikkene klumper seg nederst: 18 av 21 havner i E eller F. Det er ikke fordi de nødvendigvis er dårligere, men fordi de scores på 20 % testdekning — mer om den fellen i forbeholdene.

Hva er det Mekonomen gjør annerledes?

Mekonomen består 41 tester, får 17 advarsler og har bare én ren feil (manglende Content-Security-Policy, som handler mer om sikkerhet enn synlighet). Det som skiller dem fra feltet, er ikke det tekniske fundamentet — det har de fleste, som vi så over. Det er laget over:

• Strukturert data er på plass, og den er gyldig. Mekonomen består både testen for at JSON-LD finnes (44 % av de leste), at den validerer (42 %) og at den bruker verdifulle typer (26 %).
• Innholdet er formet som svar. De består testen for konkret evidens — tall og kilder i teksten — som bare 22 % består, og testen for spørsmålsformede overskrifter, som bare 15 % består.
• De finnes i kunnskapsgrafen. Wikidata-entiteten er koblet til riktig nettsted, noe bare 41 % av de leste har.

Kort sagt: Mekonomen vinner ikke på å være teknisk penere enn de andre. De vinner på siterbarhet — nettopp det laget resten av feltet mangler.

Men her kommer det ærlige forbeholdet, og det er kanskje det mest interessante tallet i hele artikkelen: Mekonomen rangerte organisk på bare 2 av sine 5 kjøperspørsmål, og ble sitert i 1 av de 3 AI-svarene som ble utløst. Til sammenligning rangerte Interflora — som fikk C med 77 poeng — på alle 5, og ble sitert i alle 3 AI-svarene sine.

Med andre ord: den beste tekniske scoren i undersøkelsen ga ikke den beste synligheten. Auditscoren måler om du er mulig å lese, forstå og sitere. Den lover ikke at noen faktisk gjør det. Det siste handler om omdømme, omtale og innhold folk vil referere til — og det er en helt annen investering enn konfigurasjon.

For omdømme er viktig, og tallene viser at det er det som avgjør til slutt. Men før du begynner å jobbe med dette, er det viktig å ha det tekniske på plass sånn at omdømmearbeidet ikke møter på unødvendige hindringer. Se på det som å bygge grunnmur og reisverk for interiøret kommer på plass.

Hva tallene ikke sier

Nå til den delen vi lovte i innledningen. Tre forbehold du bør ha med deg:

1. De 21 blokkerte butikkene scores på bare 20 % testdekning. Tallene deres er ikke sammenlignbare med de 78 leste, og de holdes utenfor alle tekniske sammenligninger her. Å blande de to gruppene er den enkleste måten å regne feil på i dette datasettet.
2. Bransjeutvalgene er små. Noen kategorier har under fire butikker, så bransjesnitt fra dette materialet er enkeltdatapunkter, ikke fasit.
3. Verktøyet er vårt eget. Vi har gjort vårt beste for å måle nøkternt, men du skal vite hvem som holder linjalen.

Avsluttende tanker

Hva sitter vi igjen med? At norsk netthandel har gjort jobben for forrige generasjon søk; nettstedene er crawlbare, mobilvennlige og raske nok for ekte brukere, men ikke for generasjonen som svarer kundene nå. AI-svarene er på plass i 55 % av kjøperspørsmålene, og de fleste butikkene står utenfor.

Det positive er at gapet er konkret og målbart: strukturert data, FAQ-skjema, spørsmålsformede overskrifter, en Wikidata-entitet. Ingenting av dette krever hverken stort budsjett eller års arbeid, og quick win-simuleringen viser at over en tredjedel kan løfte seg et helt karaktertrinn med rene konfigurasjonsgrep.

I de neste artiklene tolker vi tallene — vi har allerede sett nærmere på hvorfor små spesialister slår store kjeder i AI-sitering. Enn så lenge: sjekk gjerne din egen butikk mot listen over. Mistenker du at du mangler JSON-LD, gjør du sannsynligvis det. Og da vet du hvor du skal begynne. Lykke til!