Så bygger du din första ChatGPT Ads-kampanj i OpenAI Ads

Uppdaterad 1 september 2026: kampanjen är nu live och har förbrukat sitt första hela dygns budget. Faktiskt utfall — CPM, CPC och klickfrekvens, justerade när rapporteringen kommit ikapp — finns i steg 5, och ett nytt avsnitt i slutet går igenom vad första dygnet lärde oss: rapporteringsfördröjning, segmentrapportering per plattform/enhet/land och en EES-begränsning för egna målgrupper som bara syns i gränssnittet. Tidigare uppdatering 31 augusti: avsnitten om context hints och teckengränser korrigerades mot OpenAI:s officiella creative-vägledning.

Vi byggde vår egen OpenAI Ads-kampanj färdig medan vi väntade på att faktureringen för svenska bolag skulle rulla ut — och nu är den live, till att börja med med en första annonsgrupp igång medan resten av strukturen rullas ut. Bygget: en kampanj, tio annonsgrupper, hundra annonser, åttio context hints.

Den här guiden är resonemanget bakom den — inte en klickinstruktion, utan de beslut som faktiskt avgör om kampanjen fungerar. Om du inte redan läst vår genomgång av vad lanseringen i Sverige innebär, börja där — eller se vår guide till ChatGPT Ads för den komprimerade versionen av format, priser och targeting.

Strukturen: tre nivåer, olika beslut på varje

OpenAI:s kampanjmodell har tre nivåer. Det som gör den ovan är inte hierarkin i sig utan vad som bestäms var — särskilt att targeting sitter på annonsgruppsnivå och budget på kampanjnivå.

Nivå	Vad du bestämmer här
Kampanj	Budget och budgettyp, start- och slutdatum, mål (visningar, klick eller konverteringar), länder
Annonsgrupp	Maxbud och context hints — det vill säga hela targetingen
Annons	Rubrik, beskrivning, länk och bild

Konsekvensen: vill du bjuda olika för olika köpsituationer måste de vara separata annonsgrupper. Vill du rikta dig mot flera länder med olika budget behöver du separata kampanjer.

Steg 1: Välj mål innan du väljer något annat

Målet på kampanjnivå avgör vilken budgivning annonsgrupperna får: visningar ger CPM, klick ger CPC, konverteringar ger oCPC. Det går inte att blanda inom en kampanj.

Vi valde klick. Skälet är kostnadskontroll i en kanal där vi ännu inte har egen konverteringsdata. Med CPM betalar du för exponering oavsett om formatet fungerar för din målgrupp; med CPC betalar du först när någon faktiskt bryter sitt samtalsflöde för att klicka. I en ny kanal är det den försiktigare vägen.

Konverteringsmålet kräver dessutom ett konverteringshändelse-ID, och det förutsätter att spårningen redan är på plats och att du hunnit samla volym. Det är dit man vill — men sällan där man börjar.

Steg 2: En annonsgrupp = en köpsituation

Här görs det största misstaget. Frestelsen är att bygga annonsgrupper efter tjänsteutbud, som i Google Ads. Det fungerar dåligt här.

Eftersom context hints och bud sitter på annonsgruppsnivå blir gruppen bara så vass som den är enhetlig. Blandar du två olika målgrupper i samma grupp blir dina hints en kompromiss mellan två situationer, och relevansmodellen får mindre att arbeta med. Du kan heller inte bjuda olika för dem, trots att de sannolikt är olika mycket värda.

Vi delade i stället upp efter kombinationen målgrupp – avsikt – ämne. Tio grupper, var och en med en egen tydlig köpsituation:

Annonsgrupp	Maxbud (CPC)
Gratis analys — någon som vill ha en oberoende bedömning	4,50 USD
GEO och AI-synlighet — märker att AI rekommenderar konkurrenter	4,00 USD
Claude Code-workshop — vill utbilda teamet praktiskt	4,00 USD
AI-workshop för företag — ska införa AI i organisationen	3,75 USD
AI i marknadsföring — vill gå från ad hoc till system	3,50 USD
Growth management — tillväxten har planat ut	3,50 USD
Mätning och analytics — siffrorna stämmer inte	3,25 USD
GTM engineering — fast i manuella processer	3,25 USD
Performance marketing — misstänker budgetläckage	3,00 USD
Byråval Stockholm — jämför byråer	2,75 USD

Buden är rankade efter avsikt, inte efter hur gärna vi vill sälja tjänsten. Någon som aktivt söker en kostnadsfri analys är närmare ett beslut än någon som allmänt jämför byråer — därför bjuder den gruppen högst och byråjämförelsen lägst.

Steg 3: Skriv context hints som korta fraser

Det här steget fick vi fel först, och det är värt att vara tydlig med varför — misstaget är lätt att göra.

Eftersom ChatGPT matchar på samtalskontext är den intuitiva slutsatsen att context hints ska vara meningslånga beskrivningar av en person och deras situation. Det är fel. OpenAI:s egen vägledning är att skriva dem som beskrivande fraser på ungefär fyra till fem ord, enligt mönstret:

[produkt eller kategori] + [användningsfall eller sammanhang] + [kvalificerare]

OpenAI:s egna exempel: "project management tool for marketers", "online accounting software for freelancers", "family vacation planning on a budget". Korta, konkreta, närmare ett nyckelord än en persona.

Faktum är att OpenAI uttryckligen skriver att om du är van vid sökordsannonsering så är context hints "ett bra ställe att inkludera nyckelord eller fraser" som beskriver relevanta sammanhang. Skillnaden mot exakt matchning är att de inte garanterar leverans på en viss fråga — de styr matchningen, de låser den inte.

Riktlinjerna i korthet:

• Fem till tio hints per annonsgrupp. Behöver du täcka meningsfullt olika produkter, målgrupper eller användningsfall är svaret fler annonsgrupper — inte fler hints.
• Cirka fyra till fem ord per hint. Tillräckligt specifikt för att beskriva ett verkligt behov, tillräckligt brett för att rymma naturlig språkvariation.
• Beskriv behov och situationer, inte bara fristående termer.
• Använd köparens ord. Ingen skriver "GTM engineering" i ChatGPT om de inte redan känner till begreppet.
• Spegla din hint i annonstexten. Relevansmodellen läser dem tillsammans.

Och de misstag OpenAI räknar upp explicit:

• Vaga hints som "programvara", "marknadsföring" eller "AI".
• Orelaterade populära termer för att bredda räckvidden.
• Flera orelaterade produkter i samma annonsgrupp.
• Att bara luta sig mot varumärkes- eller konkurrentnamn.
• Att upprepa samma idé med små formuleringsskillnader.
• Att behandla hints som garanterade targetingregler.

Den sista punkten på listan är värd att stanna vid på en svensk marknad. Vår första instinkt var att skriva varje hint på både svenska och engelska. Det gränsar till att upprepa samma idé med annan formulering. Vi valde i stället övervägande svenska hints, med engelska bara där termen faktiskt är engelsk i svenskt affärsspråk — "performance marketing byrå Stockholm", "generative engine optimization agency". Utrymmet räcker inte till dubbletter när taket är tio.

Steg 4: Hundra annonser, och varför det inte är överdrivet

OpenAI rekommenderar omkring hundra annonser per kampanj. Det är inte en volymtumregel — det följer av att matchningen sker på sammanhang.

När relevansen bedöms utifrån hur väl annonsen speglar samtalet blir generell annonstext en nackdel. En rubrik som fungerar överallt fungerar inte särskilt bra någonstans. Bredden av specifik kreativ produktion är alltså inte slöseri, den är targetingen.

Tio annonser per annonsgrupp ger auktionen tio formuleringar att välja mellan inom en och samma köpsituation. Det är rimlig ambitionsnivå att börja på.

Formatgränserna är stramare än de flesta är vana vid, men de är ett spann — inte ett tak att pressa sig under. OpenAI:s formulering är att rubriken bör vara 16–24 tecken och beskrivningen 32–48 tecken där det går, med 24 och 48 som absoluta maxvärden.

Också här hade vi fel först. Vi läste "sikta på 16 och 32" som ett tak och skrev medvetet korta annonser — vilket gjorde att fyrtio av våra hundra annonser hamnade under golvet och lämnade utrymme oanvänt. På svenska är spannet snarare en lättnad: 16–24 tecken räcker till ett konkret erbjudande i stället för bara ett produktnamn.

Rubrik och beskrivning ska komplettera varandra, inte upprepa samma budskap. Och undvik minimala omskrivningar av samma annons — de fyller kvoten men tillför ingenting i auktionen.

Ett tips som sparade oss mycket tid: validera teckenlängderna i ett skript i stället för i kalkylbladet. Med hundra annonser i två språkversioner är det inte en manuell uppgift, och en enda annons över gränsen kan stoppa hela uppladdningen.

Steg 5: Räkna om CPM till något du kan budgetera med

OpenAI anger ett typiskt spann på 15–60 dollar CPM. Kör du en klickkampanj är ditt maxbud däremot en CPC, och de två behöver kopplas ihop innan du sätter en siffra.

Med en rapporterad klickfrekvens omkring 0,91 % ger 1 000 visningar cirka 9,1 klick. Alltså:

CPM	Effektiv kostnad per klick
15 USD	~1,65 USD
30 USD	~3,30 USD
60 USD	~6,59 USD

Våra bud på 2,75–4,50 USD ligger i den nedre halvan av spannet: tillräckligt högt för att vinna auktioner på samtal med hög avsikt, tillräckligt lågt för att vi inte ska betala kännedomspriser för trafik.

Med 25 dollar i dagsbudget och drygt 3 dollar effektiv klickkostnad landar det på ungefär sju till åtta klick per dag. Det är en inlärningsbudget, inte en skalningsbudget — och det är avsiktligt. Det första kampanjen ska producera är data om vilka context hints som faktiskt matchar, inte volym.

Välj dessutom daglig budget snarare än totalbudget. Pacing för totalbudget är ännu inte aktiverad, vilket gör förbrukningen svår att förutse.

Utfallet efter första dygnet: kampanjen förbrukade hela dagsbudgeten och landade — när rapporteringen väl kommit ikapp — på en CPM kring 12 USD, en effektiv CPC kring 0,65 USD och en klickfrekvens på ungefär 1,8 %. Kalkylen ovan visade sig alltså vara pessimistisk åt rätt håll: klickfrekvensen kom in dubbelt så hög som planeringsantagandet 0,91 %, CPM:en hamnade under golvet i OpenAI:s angivna spann, och den effektiva klickkostnaden blev en femtedel av spannmittens — vilket gav flera gånger fler klick per dag än kalkylen förutsade. Ett dygn är ett litet underlag, men som första validering av budgetmatematiken är riktningen tydlig.

Notera brasklappen "när rapporteringen väl kommit ikapp": vår första avläsning, gjord precis när dagsbudgeten var förbrukad, underskattade både visningar och klick rejält — klicken justerades upp med runt hälften under de följande timmarna, och spend-kolumnerna i delar av gränssnittet visade tillfälligt noll. Utvärdera aldrig på färska siffror.

Steg 6: Kvadratisk kreativ, utan logotyp

Bilden ska vara 1:1, minst 640×640 och högst 1200×1200 pixlar, PNG eller JPG, och nåbar på en publik URL. OpenAI:s uttalade rekommendation är att inte använda logotypen som primärt motiv — favikonen visas redan bredvid varumärkesnamnet, så logotypen i bilden blir en dubblering som tar plats från något mer säljande.

Räkna med att detta är produktion ni inte redan har. De flesta marknadsavdelningar har 16:9 och 4:5 på lager, sällan kvadratiskt i rätt upplösning.

Steg 7: Gör annonserna mätbara innan de går live

Hundra annonser i tio grupper som pekar mot samma landningssidor blir omöjliga att utvärdera i efterhand om de delar UTM-parametrar.

Vi gav varje enskild annons ett unikt utm_term, med annonsgruppen i utm_content:

?utm_source=chatgpt&utm_medium=cpc&utm_campaign=gh-se-growth-2026&utm_content=geo-ai-synlighet&utm_term=geo-ai-synlighet-04

Det gör att varje annons går att följa separat i GA4 utan att vara beroende av plattformens egen rapportering. Om din mätning inte redan är tillförlitlig är det värt att åtgärda innan kampanjen startar, inte efter.

Steg 8: Kör kampanjen från din AI-assistent via MCP

Hundra annonser i tio annonsgrupper är mycket yta att hålla koll på, och Ads Manager är inte byggt för den dagliga avläsning som en inlärningsbudget kräver. Sedan kampanjen gick live har det mesta av vår egen uppföljning flyttat ut ur gränssnittet helt.

Cognys OpenAI Ads MCP är nu live: en MCP-server (Model Context Protocol — den öppna standard som låter en AI-assistent anropa externa system som verktyg) som exponerar kampanjer, annonsgrupper, chat card-annonser och insights från OpenAI Ads. I praktiken frågar du på vanlig svenska — ”vilka annonsgrupper förbrukade budget i går, och vad blev klickfrekvensen per plattform?” — i stället för att klicka dig igenom rapportvyerna. Transparens: Cogny är en AI-plattform för marknadsföring byggd av samma grundare som Growth Hackers, och vi använder den på vår egen kampanj.

Att koppla in den tar ett par minuter. Gå till Settings → API keys i OpenAI Ads Manager och skapa en nyckel för det annonskonto ni vill koppla — varje nyckel gäller ett konto, och den visas bara en gång. Klistra in den i Cogny, där den lagras krypterat och används serverside av MCP-proxyn. Nyckeln går att återkalla i Ads Manager när som helst.

Det spelar större roll här än i andra kanaler, av två skäl. Rapporteringseftersläpningen som beskrivs i steg 5 gör att ni måste läsa av samma dygn flera gånger innan siffrorna satt sig — och hur mycket varje avläsning kostar i tid avgör om den blir av. Dessutom kan samma assistent hålla Google Ads, GA4 och Search Console i samma session, vilket gör att jämförelsen mellan den nya kanalen och de ni redan kör slutar vara en export- och kalkylbladsövning.

Vad den inte gör är att ta bort omdömet. Assistenten läser och ändrar det ni ber om; att avgöra vilka context hints som ska bort och vilka bud som ska flyttas är fortfarande ert beslut.

De fyra misstagen vi tror blir vanligast

• Att bygga annonsgrupper efter tjänsteutbud. Strukturen ska följa köpsituationer, eftersom det är där targetingen sitter.
• Att skriva context hints som meningar. Sikta på fyra till fem ord. Persona-beskrivningar på tjugo ord är inte vad plattformen efterfrågar.
• Att tolka 16 och 32 tecken som ett tak. Det är golvet i ett målspann som slutar på 24 respektive 48.
• Att förvänta sig Googles klickfrekvens. Planera för under 1 % — vårt eget första dygn gav ~1,8 %, men det är fortfarande långt från sökens nivåer. Utvärdera på konverteringar och kvalitet på trafiken, inte på CTR.

Kampanjen är live: vad första dygnet lärde oss

Faktureringen kom på plats och kampanjen är nu igång — stegvis, med en första annonsgrupp igång medan resten av strukturen rullas ut. Fem saker från första dygnet är värda att skicka med.

Budgetmatematiken höll, med marginal. Hela dagsbudgeten förbrukades, med en CPM kring 12 USD, en effektiv CPC kring 0,65 USD och en klickfrekvens kring 1,8 % — se steg 5. Att räkna på pessimistiska antaganden och bli positivt överraskad är rätt håll att ha fel åt.

Rapporteringen släpar — rejält. Avläsningen direkt efter att dagsbudgeten förbrukats underskattade klicken med runt hälften jämfört med vad som senare rapporterades för samma dygn, och spend-kolumner kan tillfälligt visa noll. Bygg in en fördröjning innan ni drar slutsatser av dagens siffror.

Segmentrapporteringen är mer detaljerad än väntat. Leveransen går att bryta ned per plattform (Android-app, iOS-app, webb), enhet (desktop, mobil) och land. Vårt första dygn: cirka sex av tio visningar från mobilapparna, nästan två tredjedelar av visningar och klick mobila totalt, och en påfallande jämn klickfrekvens på 1,7–1,9 % i alla segment. Mobilanpassade landningssidor är med andra ord inte valfritt.

Egna målgrupper är inte tillgängliga i Europa alls. Vid kampanjbygget visade gränssnittet ett besked som inte finns i det publika materialet: "Custom audiences are not supported for campaigns that target locations within EEA or Switzerland, where personalized ads are not yet available." Allt som står om kundlistor och trösklar på 25 000 kontakter är alltså tills vidare irrelevant för kampanjer som riktas mot EES eller Schweiz. Targeting här är context hints plus geografi — vilket gör hint-arbetet i steg 3 ännu viktigare, eftersom det är hela targetingen.

Förberedelsen var det som gjorde farten möjlig. Eftersom struktur, hints, annonser och mätning var byggda och validerade i förväg kunde vi gå live samma vecka som faktureringen öppnade. Det arbetet betalar sig dessutom oavsett, eftersom betald placering och organisk citering i AI-svar drivs av samma underliggande signaler — resonemanget finns i ChatGPT-annonser och GEO: därför är det samma strategi. Nästa läge att rapportera från är när GEO- och annonsdata kan jämföras sida vid sida.

Vill ni ha hjälp att bygga strukturen för er egen kampanj, eller veta hur ni syns i AI-svar idag? Boka en kostnadsfri analys.