Hvordan arbejder du med algoritmer på ekspert-niveau på sociale medier? Her er det tætteste du kommer på forskning, så du ved, hvordan algoritmerne fungerer, selvom det ikke er forskning, men utallige tests.

Velkommen til den store sorte boks. Hvor alle gætter, og hvor du ikke engang kan stole på de fakta, som techgiganter som LinkedIn og Facebook melder ud. Jeg har testet algoritmer igennem mere end 15 år. Læser du med her, så brug det som et bidrag til det, du selv kan teste dig frem til. For det er nødvendigt, at du selv kigger på dine tal og tester, hvad der virker. 

Og læn dig så også ind i fortsættelsen: Vi har haft algoritmebaserede sociale medier og søgemaskiner i næsten 20 år. Og nu har vi AI-tjenester, der kan producere indhold til de samme algoritmer med muskler som en kvantecomputer. Overvej selv, hvad det gør ved muligheden (og risikoen) for, at du bliver beskudt med så målrettet indhold, der er langt mere effektivt end et almindeligt menneske kan skabe, baseret på de datapunkter om dine dybeste interesser, håb, pains and passions, som du selv har afleveret. 

Har du aldrig selv undret dig over algoritmer, så prøv at bladre op i din udforsk-fane på f.eks. Instagram. Så kan du se, hvor præcise de er baseret på din adfærd. Ja, jeg har lige lavet chokolademousse til dessert til min familie, ja, jeg går til kampsport, ja, jeg spiller guitar, ja, jeg har lige været på Grønland, ja, jeg laver udstrækningsøvelser for “hamstring”. Det her er indhold, der kurateres efter min adfærd.

Hvorfor findes algoritmer på sociale medier?
Forestil dig, at du kom ind i en strøm af information, som ikke var prioriteret, og som bare var kronologisk og vilkårlig. Nogle meget kloge techgiganter som Facebook (Meta) og LinkedIn (Microsoft) fandt i årene omkring 2007 og frem ud af, at hvis man organiserede det du ser i nyhedsstrømmen (dit newsfeed), så du oftere møder noget du er interesseret i på forhånd – så bliver du mere interesseret, bruger mere tid og opmærksomhed i nyhedsstrømmen.

Det gør f.eks. nyhedsfeeds på LinkedIn og Facebook til kæmpemarkeder, hvor firmaer gerne vil købe sig ind med reklamer – fordi det er der, du bruger din tid. Alle vinder. Bortset fra, at du risikerer at bruge din tid på noget åndssvagt, fordi indholdet ikke har kvalitet, og derfor bruger du i virkeligheden bare alt for meget tid i en søgen efter noget, som du i forvejen er interesseret i.

Der er mange flere motivationsfaktorer bygget ind i sociale medier – Men algoritmerne er hovedbestanddelen – Og ekstremt virkningsfulde. Du har reelt allerede bestilt den type information du får mere af – og i en tid, hvor det er svært at få din opmærksomhed, så bliver det en fantastisk forretning for dem, der kan udnytte, at du er opmærksom der. Læs selv videre i artiklen hos Berlingske: “Han er professionel manipulator og hjælper politiet. Nu deler han en effektiv metode, der kan fremme din karriere” der beskriver, hvordan han kan tale til folks underbevidsthed og styre deres tanker og handlinger med en række psykologiske mekanismer.

Vi kan argumentere for, at sociale medier i høj grad bygger på de samme psykologiske mekanismer, som en dygtig manipulator anvender i det fysiske rum: gensidighed, hvor vi oplever en forpligtelse til at give noget tilbage, når vi selv modtager værdi, på sociale medier i form af responsknapper og feedbackfunktioner; knaphed, hvor noget fremstår mere attraktivt, jo mere begrænset eller eksklusivt det virker; autoritet, hvor vi automatisk tillægger eksperter, titler og professionelle signaler større troværdighed; konsistens, hvor mennesker ønsker at handle i overensstemmelse med tidligere valg og derfor lettere siger ja til større handlinger efter først at have sagt ja til små, noget som forstærkes maskinelt af algoritmerne, fordi du ser flere af de ting, du har handlet på; sympati, hvor vi påvirkes stærkere af personer, vi kan lide eller identificerer os med – forstærket på sociale medier, fordi du ser de personer i dit feed du har mest til fælles med og typiske er nær dig; samt social bevisførelse, hvor vi orienterer os mod andres adfærd og følger flertallet, især når vi er i tvivl, en grundsten på sociale medier, når vi ser likes og engagement fra andre i en kodet flokdyrs-kasse.

Hvordan finder indhold baseret på algoritmer frem til dig?
Når du foretager dig noget på sociale medier, afsætter du dig nogle datapunkter. Det bliver f.eks. lagret, hvad du klikker på, hvad du kommenterer på, hvad du liker, lover, angryer eller deler. Igennem en række eksperimenter ved vi også følgende:

• LinkedIn lagrer oplysninger om din geografiske position og præsenterer information for dig i nærheden af din position. 
• Facebook lagrer og har lagret længe – Selvom der har været et EU-direktiv om at de ikke måtte – information om dig, som du selv skriver i Messenger. Det har jeg dokumenteret blandt andet i artiklen her. Skriver du ”Skaldyr” til en af dine nærmeste over Messenger, så lagrer Facebook information om, at du er interesseret i ”Fisk og skaldyr”, og så præsenterer de flere elementer, der er i den kategori: Du ser flere billeder og tekster om fisk og skaldyr. 
• Vi kan ved test dokumentere, at Facebook og LinkedIn også lagrer, hvad du klikker på, hvad du liker (eller lover, angryer, wower, hylder etc.), hvad du skærmdumper, hvad du kommenterer på, og hvor lange dine kommentarer er, hvad du sender (når du sender en post til andre f.eks. over beskeder), hvad du stopper op på, hvad du zoomer på mv. 
• Vi kan ved test dokumentere, at LinkedIn lagrer information fra andre Microsoft Produkter: Når du deltager i et møde på Microsoft Teams, når du laver noget i Microsoft Excel, PPT, Word, Outlook mv. Og det bruger LinkedIn til at præsentere information for dig på baggrund af de folk du sender mails til, de ord du bruger, titlerne på din powerpoint mv.
• Vi kan ved test dokumentere, at Facebook selvfølgelig lagrer information fra andre Meta-produkter som Instagram, så du ser information på baggrund af noget, du har gjort på Instagram, på Facebook.

Du har interessekategorier og datapunkter på Facebook og Instagram
Indtil for nylig var det muligt at finde ind til Facebooks interessekategorier, hvor du selv kunne se, hvilke interessekategorier, der var de mest fremtrædende hos dig. I mit eksempel nedenfor har jeg:

• ”Fisk og skaldyr” fordi min Line har skrevet til mig på Messenger i sætningen ”Du skulle have været på Heartland. Bobler og skaldyr”.
• Hud fordi Facebook har scannet mit ansigt og genkendt mig som Benjamin Rud Elberth, der har rødt hår, fregner og er bleg – og derfor bør jeg være interesseret i at passe bedre på min sarte hud end andre.
• Dolomitterne og Triatlon fordi andre har lagt et billede op i en gruppe på Whatsapp af mig, der sidder udkørt ned over en almindelig racercykel foran alperne. Algoritmerne har taget fejl af, at jeg sidder hen over styret og forveksler det med en aerodynamisk triatlonposition.
• Forældre og Mascara fordi min Liva på 18 har skrevet til mig over ønskeskyen, hvor jeg logger på med Facebook, at hun ønsker sig en Lancome-mascara
• Chokolade, fordi jeg oftere stopper op, når jeg ser chokolade i mit feed, og fordi jeg har skærmdumpet en post fra Nutella på World Nutella Day.

Ud over de synlige interessekategorier kan jeg se ved test, at den også lagrer oplysninger om, at jeg er en heteroseksuel, ateistisk, konservativ/liberal mand, selvom man de facto ifølge persondatalovens paragraf 273 ikke må lagre oplysninger om folks seksuelle, religiøse og politiske tilhørsforhold i Danmark. Det gør Facebook da også kun, fordi de kan påstå at de gætter – Fordi jeg har registreret mig gift med Line, er jeg til kvinder. Fordi jeg ikke har datapunkter fra Pride eller fra barer i homoseksuelt miljø bliver algoritmerne sikre. Fordi jeg tager billeder af mit juletræ, gætter Facebook på, at jeg er kulturkristen og ikke muslim. 

Derudover har jeg en stor sort boks af, hvad de ellers lagrer og hvorfor. Men jeg kan se, at når jeg skærmdumper en post med Chablis-hvidvin, så ser jeg kun den type hvidvin i både betalte og organiske posts og billeder de næste mange uger. Jeg kan replikere det her hver eneste dag. Eksemplet nedenfor er foretaget efter en mindre rygskade, jeg fik i slutningen af min vinterferie i 2026 – Algoritmerne kan på baggrund af min adfærd millimeterpræcis give mig en annonce – og også ikke-betalt indhold, der beskriver præcis den helbredstilstand jeg har. For det er præcis det jeg fejler. Baseret på blandt andet, at jeg har skrevet om det til min hustru.

Lytter Facebook?
Indtil for 3 måneder siden svarede jeg nej til det spørgsmål i 15 år i træk – med begrundelsen, at Facebook selv har understreget, at de ikke lytter, og fordi jeg ikke kunne teste mig frem til beviser på, at de gjorde. Du kender det selv – Du har siddet og talt med en kollega om en skiferie til Østrig, og det næste du ser i dit nyhedsfeed er en ven, der er på skiferie i Østrig. Eller noget endnu mere mærkeligt, som du ellers aldrig ser. Indtil for nylig kan der være masser af grunde til, at du oplever det – Du har selv stoppet op på flere forskellige ting med skitur i Østrig, og så har du fået inspiration til at tale om det, selvom du ikke specifikt kan huske, at du er blevet påvirket. Det er derfor Facebook er så virkningsfuldt.

Nu påstår jeg de lytter. Jeg var en af de første i Danmark til hårdnakket at påstå, at de læste ned i Messenger. Det kan vi dokumentere endegyldigt nu. Jeg kan se og jeg kan replikere det i tests, at noget jeg taler om, kommer frem på Facebook. Ja. Gisp.

Den glidning er efter min opfattelse sket, fordi vi har fået Meta AI, der er voldsomt meget mere intelligent, og fordi Facebook selv har forberedt Metaverse så meget, at de kom frem til, at det var meningen, at vi skulle tale til hinanden med stemmen – og at interesseudvindingen fra brugerne – dig og mig – skulle ske ved at lytte til deres ord. Vi ved også, at Facebook parrer ting man siger på en video med folks interesser – det er grunden til, at du skal tale i interessekategorier, hvis du vil nå bestemte målgrupper med en video.

Du har interessekategorier og datapunkter på LinkedIn
LinkedIn er ikke lige så stærk i ansigts- og billedegenkendelsen eller til at lytte eller læse i Messenger-feltet, som Facebook er. Til gengæld er de skidegode til at samle data og opstille kategorier om dig ved at du uploader dit pas for at blive verificeret, ved at du uploader din lønseddel, ved at du parrer dine kontakter fra andre Microsoft-tjenester, ved at du tilgendegiver din geografiske position, din jobtitel, din arbejdsgivers titel mv. Du kan ikke selv se, hvad LinkedIn har lagret om dig, og du kan ikke se interessekategorierne – Men de er der. 

Et frisk eksempel og et af utallige fra LinkedIn: Jeg ser noget om valgkamp øverst i mit feed, selvom det kun har fået 8 likes, og det er tre timer siden, det er skrevet. Jeg følger ikke Holm Kommunikations corporate-side, og sider har normalt ingen chance for at komme organisk ud i feedet – Men skriver de om noget, som rammer mine datapunkter, så ser jeg det. Mit seneste indlæg på LinkedIn handlede om valgkamp, og jeg nævnte Troels Runge i posten. Nu bliver hans synes godt om en “trigger” for at jeg ser noget, jeg ikke følger, men som matcher mine interesser algoritmemæssigt.

Test selv
Herfra er det dig. Test selv. Tror du ikke på, hvad jeg har skrevet ovenfor, så test det selv. Vær dog opmærksom på et par slør, du kan få på din data, hvis du ikke er opmærksom:

• Sørg for at bygge din profil på både Facebook og LinkedIn op før du begynder at teste. Især på LinkedIn bliver du præmieret med rækkevidde, hvis du har en fuldt opbygget profil.
• Test ikke kun fra din egen profil. Igennem 15 år har velvillige kunder og samarbejdspartnere ladet mig teste, logge på, se data for dem på de forskellige kanaler – det har gjort det muligt at udlede nogle konklusioner og hypoteser.
• Vær opmærksom på, at hvis du aldrig har taget et billede af en hund, og ikke har en hund, og ikke er interesseret i en hund, så kan du ikke bare skrive hund tre gange, eller råbe hundemad ind i en mikrofon, og så kommer der posts frem om hunde. Du har jo selv 15 års datapunkter fra dig selv, som altid vil blive vist først, fordi du måske har bekræftet de datapunkter op til en million gange. Prøv at tage en interesse, som du ved, du har i forvejen og drej den en smule – Får du eksempelvis meget cykling ud i din nyhedsstrøm, så prøv at skrive Mountainbike fem gange den næste uge på Messenger. Eller skærmdump et billede af en mountainbike. 
• Lav dine forsøg på samme tid. Poster du noget søndag morgen og forventer at få samme rækkevidde som du får torsdag klokken 19.30, så har du misset, at vi ikke har flere tidszoner i Danmark og at vi er et meget lille land.

Finder du noget interessant når du tester, som du ikke selv kan forbinde med algoritmerne, så prøv at skrive til mig. Så skal jeg hjælpe dig med hypotesen.

Ti ting, du kan bruge det til, eller som andre kan bruge det til, når de skal kommunikere
Vi er ved sagens kerne. Hvis du mestrer det her, og knækker algoritmerne, så rammer du længere, og mere præcist. Det kan du blandt andet gøre ved at:

1. Få bestemte nøgleord ind i dine posts. Søger du en strategisk indkøber på LinkedIn, så brug nogle af de ord som den person har i dine datapunkter. 
2. Navngiv billeder inden du bruger dem på LinkedIn. Ja, den er fed. Prøver du at ramme en bestemt målgruppe – f.eks. studentermedhjælpere i Aarhus, så prøv at navngive billedet student_uddannelse_aarhus.jpg inden du bruger det på LinkedIn. I øvrigt så skal din posttekst ikke være ”Der er en ledig stol ved siden af mig og en god kantineordning, og der er langt til loftet, så brænder du for noget, og vil du med på en rejse”. For så rammer du møbelsælgere, kantinepersonen, maleren, brandmanden og piloten.
3. Brug billeder, der er algoritmevenlige for at nå målgrupperne. Er du politiker og skal ramme en sportsinteresseret i Herning, så lav en collage af de fire mest populære sporter i Herning og omegn: Padeltennis, Fodbold, Håndbold, Ishockey. Hvis du insisterer på at vise billeder af trebande-carambole, udspring, flag football og curling, så rammer du færre sportsinteresserede i Herning med din post.
4. Lav noget indhold som folk skærmdumper. Det kan være en fem-trins-grafik på LinkedIn eller en video med fem ting, man skal bruge i en opskrift på en video til Facebook. 
5. Når du beder om folks kommentarer, så se lige denne. Sally er blevet spammarkeret på LinkedIn, fordi hun har fået sine brugere til at skrive samme ord i kommentarfeltet. Sørg for, at de skriver lange svar og forskellige svar – så kommer du længst ud.
6. Prøv at skrive noget en uge før du connecter med et menneske på LinkedIn – og brug ord i den post, som den du connecter med er interesseret i. Så er der 100% sandsynlighed for, at de ser den post, når de har taget imod din connectanmodning og vender tilbage til deres nyhedsstrøm. 
7. Prøv at sende dit nyhedsbrev ud til dine modtagere – og skriv en LinkedIn-post med de samme ord i samtidig. Så vil du se, at du ”dobbeltrammer” dine modtagere, fordi deres mailboks sladrer til LinkedIn. Hvorfor vil du det? Fordi du så er sikker på, de fik pointerne et af stederne.
8. Prøv at lave en video eller et billede til Facebook, hvor du eller modellen står i en bestemt positur. Det kunne være i en strækøvelse, hvis du gerne vil ramme folk, der er interesserede i at blive mere smidige. Eller en spændt arm, hvis de er interesserede i fitness. Eller stå med en rekvisit, der matcher det, de er interesseret i. Så vil du se, at du når direkte ud til de mennesker.
9. Prøv at kopiere de tre seneste posts og de ti seneste kommentarer fra den du gerne vil ramme med en post på LinkedIn. Kopier hele teksten ind i Google Gemini eller ChatGPT og skriv din post på baggrund af de ord. Og se så, om den person ser og reagerer på opslaget.
10. Prøv at skrive en post på Facebook eller LinkedIn, hvor du nævner den geografiske position på det sted, hvor du skal holde dit møde eller din konference om lidt. Og prøv at se, hvor mange fra samme lokation, der ser og reagerer på dit opslag.

Algoritmerne er vilde. Og det er den helt store tekniske forskel, om vi som kommunikatører rammer eller bare skriver vilkårligt, når vi i forvejen skriver vores gode tekster.

Når AI-værktøjer kan producere så målrettet indhold, at du ikke kan stå imod uden ekstrem kritisk sans
Og her kommer så noget potentielt mere skræmmende, end at du bare bliver overvåget: Vi har haft algoritmebaserede sociale medier og søgemaskiner i næsten 20 år. For hver dag der er gået siden AI’s gennembrud i 2023, har vi fået så stærke AI-tjenester, at de kan producere indhold til de samme algoritmer med muskler som en kvantecomputer, altså sådan en computer som forskere bruger til at regne de mest komplekse beregninger ud om universet. Overvej selv, hvad det gør ved muligheden (og risikoen) for, at du bliver beskudt med så målrettet indhold, der er langt mere effektivt end et almindeligt menneske kan skabe, baseret på de datapunkter om dine dybeste interesser, håb, pains and passions, som du selv har afleveret. 

Det afgørende skifte lige nu er ikke bare, at algoritmerne bestemmer, hvad du ser. Det afgørende skifte er, at indholdet selv begynder at blive skabt af systemer, der forstår algoritmerne bedre end noget menneske nogensinde kan komme til.

En dygtig kommunikatør har traditionelt levet af kreativitet, erfaring og intuition. Man har analyseret målgrupper, lavet personas, skrevet budskaber, testet vinkler og justeret kampagner undervejs. Det har været et håndværk. Et fag. En disciplin, hvor talent og erfaring gjorde forskellen. AI ændrer ikke bare tempoet i det arbejde. Den ændrer selve konkurrencen, gør det muligt at producere så store mængder af indhold og teste så præcist og justere løbende, at virksomheder i jagten på at flytte dig til køb, holdningsændring eller konvertering, får voldsomme kræfter.

For hvor en kommunikatør måske kan udvikle fem eller ti gode vinkler på en historie, kan en AI generere ti tusind variationer på få minutter. Den kan analysere, hvilke formuleringer der historisk har fået netop mennesker som dig til at reagere. Den kan justere længden på sætningerne, følelsesniveauet, konfliktniveauet, optimismen, tempoet, billedvalget og tidspunktet for publicering – ikke ud fra mavefornemmelser, men ud fra statistisk sandsynlighed for påvirkning. Det betyder, at kreativitet ikke længere kun handler om at få en god idé. Kreativitet bliver dataoptimeret. Dem, der maskinstormer på den pointe og påstår, at et menneskes kreativitet altid vil være maskinen overlegen, glemmer, at kreativitet kan hældes på flaske og maskinoptimeres. 

AI behøver ikke ramme rigtigt første gang. Den tester konstant. Hvis du stopper op ved et opslag i to sekunder længere end normalt, registreres det. Hvis du læser færdigt, kommenterer, sender videre eller bare dvæler en anelse længere ved et billede, bliver næste version af indholdet justeret. Ikke til målgruppen. Til dig som individ.

Her begynder AI reelt at udkonkurrere den menneskelige kampagnemager. Ikke fordi mennesker mangler fantasi, men fordi menneskelig kreativitet er begrænset af tid, energi og kognitive ressourcer. En kampagnechef kan ikke simultant skrive tusind versioner af samme opslag, analysere dem i realtid og løbende optimere mod hver enkelt modtagers psykologiske profil. Det kan AI. Det betyder, at den kreative proces flytter sig fra at finde den bedste idé til at finde den mest effektive påvirkning. AI er ligeglad med, om noget føles originalt eller kunstnerisk. Den optimerer udelukkende efter effekt: Hvad får dig til at klikke? Hvad får dig til at føle noget? Hvad får dig til at handle?

Det har taget mig ti minutter at vibekode en Story-generator i Google Gemini nedenfor – Den kan masseproducere indhold baseret på analyser af, hvad der trender. Det vil tage mig yderligere fem minutter at fodre den med analyser af, hvad du har afleveret af datapunkter og dine algoritmer:

Og fordi algoritmerne allerede ved, hvad du interesserer dig for, bliver AI i stand til at skrive indhold, der føles overraskende personligt. Den kan tale ind i dine ambitioner, din identitet, dine bekymringer og dine drømme, uden at et menneske nogensinde har siddet og tænkt specifikt på dig. Den behøver ikke forstå dig som person. Den behøver kun at genkende mønstre i adfærd, der ligner din. Konsekvensen er, at påvirkning bliver næsten usynlig.

Hvor reklame tidligere kunne genkendes som reklame, vil AI-produceret indhold ligne almindelige opslag, almindelige historier, almindelige mennesker. Det vil føles relevant, aktuelt og spontant. Men bagved ligger en maskine, der konstant beregner sandsynligheden for, at netop du engagerer dig.

Den klassiske kommunikatør arbejder stadig med idéudvikling og fortællinger. AI arbejder med sandsynlighedsregning på menneskelig opmærksomhed. Og sandsynlighedsregning vinder næsten altid over intuition, når skalaen bliver stor nok.

Det er derfor, vi bevæger os ind i en situation, hvor den største konkurrent til menneskelig kreativitet ikke er andre kreative mennesker, men systemer, der kan simulere kreativitet, multiplicere den og optimere den uden pause.

Når først AI kobles direkte til distributionsalgoritmerne, opstår der et lukket kredsløb: Algoritmen ved, hvad der virker. AI producerer mere af det. Algoritmen tester igen. AI justerer igen. Og hver iteration gør indholdet mere præcist rettet mod dine reaktionsmønstre.

Du bliver ikke længere mødt af indhold, som nogen håber virker. Du bliver mødt af indhold, der statistisk set burde virke på dig.

Derfor bliver den virkelige udfordring ikke, om kommunikatører lærer at bruge AI. Det gør de. Den virkelige udfordring bliver, om vi som mennesker kan gennemskue, at vi ikke længere reagerer på kreativitet alene, men på hyperoptimeret påvirkning.

I den verden er kritisk sans ikke bare en demokratisk dyd. Det bliver en mental overlevelsesstrategi. For når AI kan producere indhold, der rammer dine svagheder mere præcist, end selv den dygtigste kampagnemager kunne, så er spørgsmålet ikke længere, om du bliver påvirket.

Spørgsmålet er, om du opdager det, mens det sker.