AI-zichtbaarheid meten: hoe je bijhoudt of assistenten jouw bedrijf noemen
Elk marketingkanaal heeft een dashboard. Google heeft Search Console, advertenties hebben een platform, e-mail heeft openingspercentages. Zichtbaarheid in AI-antwoorden heeft niets. Wanneer een assistent jouw naam niet noemt, gebeurt er precies niets meetbaars: geen daling, geen foutmelding, geen signaal. Dit is hoe je het toch meet.
Kort: je meet AI-zichtbaarheid door een vaste set klantvragen maandelijks voor te leggen aan de grote assistenten en te noteren wie genoemd wordt. Het is handwerk. Het is ook de enige meting die vandaag echt betrouwbaar is, en ze is verrassend snel opgezet.
Waarom bestaande statistieken je hier niet helpen
Je analytics ziet bezoekers. Als een assistent jouw pagina leest, jouw prijs verwerkt en vervolgens je concurrent aanbeveelt, dan is er geen bezoeker geweest en geen conversie verloren — er is nooit iets geregistreerd. De klant heeft nooit bestaan in jouw cijfers.
Dat maakt dit het eerste marketingprobleem in twintig jaar dat je alleen ziet als je er bewust naar kijkt. Wie wacht tot de cijfers het aangeven, wacht op iets wat niet komt.
De drie metingen die samen het beeld vormen
1. Vermeldingsgraad (de belangrijkste)
Stel tien tot twintig realistische klantvragen op — geen zoekwoorden, maar de volzinnen die iemand een assistent echt zou geven. Leg die maandelijks voor aan ChatGPT, Claude, Perplexity en Gemini, telkens in een nieuw gesprek zonder geschiedenis. Noteer per vraag:
- Word je genoemd? Ja of nee.
- Op welke plaats sta je in de opsomming?
- Hoe word je beschreven — klopt dat?
- Wie wordt er genoemd als jij het niet bent?
- Wordt er naar een bron verwezen, en welke?
Die laatste twee kolommen zijn goud. “Wie wint er in mijn plaats” vertelt je wie je echte concurrentie is in dit kanaal — vaak niet dezelfde partij als in Google. En “welke bron” vertelt je letterlijk waar je aanwezig moet zijn.
2. Verkeer en aanvragen uit AI-bronnen
Assistenten die live het web raadplegen, sturen soms wél bezoekers door. Die zijn herkenbaar aan hun verwijzende bron. Zet in je analytics een apart segment op voor verwijzingen vanaf de domeinen van de grote assistenten, en meet dat verkeer los van de rest.
Verwacht kleine aantallen. Verwacht ook een opvallend hoge conversiegraad: iemand die via een AI-aanbeveling binnenkomt, is al voorgeselecteerd. Het is een klein maar warm kanaal.
3. Technische dekking
Meet hoeveel van je aanbod als gestructureerde data bestaat, of je crawlerbeleid klopt, en of je gegevens over externe bronnen consistent zijn. Dit is geen resultaat maar een voorspeller: het verklaart waarom meting 1 doet wat ze doet.
Hoe je de vragenlijst opstelt
Dit bepaalt de kwaliteit van je hele meting, dus neem er tijd voor. Vier soorten vragen horen erin:
- De directe vraag. “Wie is een goede [jouw dienst] in [jouw stad]?” De meest voor de hand liggende, en meteen de meest concurrentiële.
- De probleemvraag. “Mijn [probleem]. Wat moet ik doen en wie kan me helpen?” Hier begint de klantreis vaker dan bij de directe vraag.
- De vergelijkingsvraag. “Wat is het verschil tussen [optie A] en [optie B]?” Deze bepaalt of jij het referentiekader levert waarin de klant denkt.
- De naamsvraag. “Wat weet je over [jouw bedrijf]?” Deze is oncomfortabel en essentieel: hier ontdek je of het model je correct beschrijft, verouderde informatie heeft, of je met iemand anders verwart.
Die laatste categorie levert in de praktijk de meeste schrikmomenten op. Verouderde prijzen, een oud adres, een dienst die je vijf jaar geleden aanbood — een model dat dat vol vertrouwen navertelt aan jouw potentiële klant, doet actief schade.
Hoe vaak meten
Maandelijks is genoeg, en vaker is misleidend: modellen geven niet elke keer exact hetzelfde antwoord, dus ruis op dagbasis vertelt je niets. Meet altijd in een nieuw gesprek zonder geschiedenis, en let op of de assistent live het web raadpleegt of uit zijn geheugen antwoordt — dat verklaart vaak waarom de ene sneller beweegt dan de andere.
De nulmeting is het halve werk
De grootste fout die ik zie is beginnen met verbeteren zonder eerst te meten. Zes maanden later staat er iets, maar niemand kan zeggen of het gewerkt heeft — want er is niets om mee te vergelijken. Dan wordt het een gevoel in plaats van een investering, en gevoelens overleven de volgende budgetronde niet.
Meet dus eerst. Het kost een halve dag en het is het enige moment waarop je het nog gratis kan doen.
Wie het liever laat doen: de AI-readiness audit bestaat precies uit deze meting, aangevuld met de technische doorlichting en een geprioriteerd actieplan. En wie eerst wil proeven: de gratis AI-scan doet vijf vragen bij vier assistenten, zonder verplichtingen.
Veelgestelde vragen
Bestaat er een tool die dit automatisch meet?
Er komen tools op de markt die dit proberen te automatiseren, en sommige zijn bruikbaar voor grote merken met veel volume. Voor een KMO is een eigen vragenlijst in een spreadsheet vandaag nauwkeuriger en goedkoper, vooral omdat jij zelf het beste weet welke vragen jouw klanten stellen.
Waarom krijg ik elke keer een ander antwoord?
Taalmodellen zijn niet deterministisch: dezelfde vraag kan verschillende formuleringen opleveren, en of de assistent live het web raadpleegt scheelt ook. Daarom meet je met een vaste set en kijk je naar de trend over maanden, niet naar één losse meting.
Wat is een goede vermeldingsgraad?
Er bestaat geen algemene norm, en iedereen die er een noemt, verzint hem. Wat telt is je eigen beweging: bij hoeveel van jouw vaste vragen werd je in maand één genoemd, en bij hoeveel in maand zes. Dat is de enige zinvolle vergelijking.
Meer klanten via je website?
Gratis analyse van je huidige site. Geen verplichtingen, ik reageer binnen 24 uur.
Vraag gratis analyse aan