Kort antwoord: wat is AI-zichtbaarheid meten?
AI-zichtbaarheid meten is het periodiek volgen of je merk, pagina’s en bronnen terugkomen in AI-antwoorden, per vaste promptset, per platform en over tijd. Je kijkt daarbij niet alleen óf je genoemd wordt, maar ook hoe, met welke bronvermelding en in welke context.
Waarom AI-zichtbaarheid lastig maar wel meetbaar is
AI-antwoorden werken anders dan klassieke rankings. Je hebt meestal geen vaste positie die elke keer gelijk blijft. Het antwoord hangt af van de vraag, het platform en de manier waarop een AI-systeem bronnen samenvat of selecteert.
Toch betekent dat niet dat meten zinloos is. Juist daarom moet je patronen meten in plaats van losse momentopnames. Wij zien AI-zichtbaarheid als onderdeel van breder online zoekgedrag. SEO blijft daarbij het overkoepelende vak; AEO en GEO zijn verdiepingen daarvan, geen aparte hypes.
“AI-zichtbaarheid meet je niet met één getal. Search Console laat een deel zien, niet de hele waarheid.”
Giacomo Perticara, oprichter en SEO-strateeg bij GRP Digital
Wat AI-tools wel en niet laten zien
AI-tools kunnen je helpen om antwoorden te verzamelen, maar ze zijn niet de methode zelf. Een tool kan laten zien of je merk genoemd wordt, of een bronlink verschijnt, of concurrenten mee in beeld komen. Maar een tool laat niet automatisch zien of die vermelding commercieel relevant, correct of overtuigend is.
Belangrijk onderscheid:
- Een merkvermelding is nog geen aanbeveling
- Een bronvermelding is nog geen bewijs van structurele zichtbaarheid
- Referral verkeer is nuttig, maar laat alleen het verkeer zien dat echt doorklikt
- Platformdata is vaak beperkt en contextgevoelig
Als je alleen op tool-uitvoer stuurt, mis je vaak het echte verhaal achter zichtbaarheid in AI-antwoorden.
Wat je precies moet meten
Als je AI-zichtbaarheid wilt meten, kijk je naar meerdere lagen tegelijk:
- zichtbaarheid: kom je überhaupt voor in antwoorden
- kwaliteit van vermelding: hoe sterk of bruikbaar is die aanwezigheid
- brongebruik: verwijst de LLM naar je eigen site of naar derden
- concurrentiecontext: wie wordt aanbevolen bij vergelijkingen
- indirecte signalen: zie je aanvullend iets terug in andere databronnen
Wij doen dit zelf met maandelijkse metingen op een vaste promptset, met een transparante methodologie. Dat voorkomt dat een losse check uitgroeit tot een verkeerde conclusie.
De 5 presence-KPI’s
Onze meettaal bestaat uit vijf presence-KPI’s. Daarmee maak je AI-zichtbaarheid praktisch en vergelijkbaar.
| KPI | Betekenis |
|---|---|
| Coverage | Word je genoemd bij vragen zonder merknaam; de fase waarin de shortlist ontstaat |
| Recommendation | Word je actief aanbevolen of alleen opgesomd |
| Linked citation | Wordt je eigen site als bron geciteerd, of praat de LLM over je via derden |
| Comparative win | Wie wint als de klant expliciet laat vergelijken |
| Representation | Klopt wat de LLM over je zegt |
Coverage laat zien of je merk aanwezig is in de oriëntatiefase. Recommendation maakt duidelijk of je ook echt naar voren wordt geschoven. Linked citation is belangrijk omdat een LLM je kan noemen zonder je site als bron te gebruiken. Comparative win gaat over vergelijkende vragen, waar keuzes vaak vallen. Representation is de controle op juistheid.
Waarom vijf aparte KPI’s en niet één score? Omdat ze los van elkaar bewegen. Uit onze metingen: vijf grote Nederlandse webshops scoorden allemaal perfect op merkvragen (9 van de 9 goed), maar werden bij vragen zonder merknaam maar 2 tot 4 van de 21 keer genoemd, en bij kennisvragen uit hun eigen vakgebied 0 van de 12 keer als bron geciteerd. Eén gecombineerde score had dat gat volledig verstopt. En zelfs bij een van de bekendste merken van Nederland zagen we hetzelfde reliëf: 100% op merkvragen, 85% op vergelijkingen, 73% op ontdekkingsvragen, en maar 40% op overwegingsvragen. De twijfelfase is vrijwel altijd de zwakste laag, ook bij winnaars.
Dat laatste is geen detail. In een meting zagen wij dat een LLM een webshop afraadde op een betrouwbaarheidsvraag, terwijl de onderliggende reviews grotendeels over een copycat met bijna dezelfde naam gingen. Zonder Representation-check was dat niet ontdekt.
Onze methode: AI-zichtbaarheid meten met vaste promptset
De kern is eenvoudig: je meet periodiek met dezelfde vragen, op meerdere platforms, en legt telkens dezelfde observaties vast. Dat maakt verschillen zichtbaar en acties toetsbaar.
Je kunt dit zien als een APK voor AI-zichtbaarheid: je controleert volgens een vaste checklist, ook als er op het eerste gezicht niks kapot lijkt.
Stap 1: werk met een vaste promptset per intentie
De promptset verdeel je per zoekintentie, bijvoorbeeld:
- informatief
- commercieel
- vergelijkend
- merkgericht
- probleemgericht
Zo ziet dat er in de praktijk uit, met een webshop als voorbeeld:
- informatief: “waar moet ik op letten bij het kiezen van [product]?”
- commercieel: “wat zijn de beste webshops voor [categorie]?”
- vergelijkend: “webshop A of webshop B, welke is beter?”
- merkgericht: “is [merk] een betrouwbare webshop?”
- probleemgericht: “mijn [product] doet X niet, wat nu?”
Belangrijk: formuleer de vragen zoals je klant ze stelt, niet zoals jij over je aanbod praat. En houd de set daarna vast. Elke keer andere vragen stellen voelt grondig, maar maakt je meting onvergelijkbaar.
Zo voorkom je ook dat je alleen merkvragen test. Juist bij niet-merkgebonden vragen ontstaat vaak de shortlist.
Stap 2: meet per AI-platform apart
Meet platforms apart, bijvoorbeeld ChatGPT, Gemini en Claude. Je mag die uitkomsten niet op één hoop gooien. In een meting zagen wij bij een retailer die nummer 1 van zijn markt in Google is, dat het ene AI-platform het merk op dezelfde 57 vragen zonder merknaam 21 keer noemde en het andere maar 2 keer.
Dat is precies waarom platformvergelijking nodig is. AI-zichtbaarheid bouwt voort op SEO-logica, maar de uitkomst verschilt per omgeving.
Stap 3: leg meer vast dan alleen ja of nee
Een bruikbare meting noteert meer dan aanwezigheid alleen. Leg per prompt minimaal vast:
- merkvermelding
- URL of bronlink
- context van de vermelding
- genoemde concurrenten
- gebruikte bronnen
- commerciële relevantie
Anders krijg je een score zonder betekenis.
Stap 4: beoordeel de kwaliteit van de vermelding
Niet elke vermelding is waardevol. Een merk kan genoemd worden als optie onderaan een lijst, verkeerd worden samengevat of alleen via externe bronnen terugkomen.
Wij koppelen daarom elke actie aan één prompt met een meetpunt, zodat je na 90 dagen weet of het gewerkt heeft. Dat houdt de evaluatie eerlijk.
Eén meting is een anekdote. De trend over een vaste set, dát is een KPI.
Giacomo Perticara, oprichter en SEO-strateeg bij GRP Digital
Die ene zin is de kern van de hele methode.
Welke databronnen je kunt combineren
Een goede rapportage combineert handmatige checks met bredere signalen.
Search Console en AI Overviews-signalen
Search Console helpt om veranderingen in vertoningen, CTR en zoekvraagpatronen te zien. Dat is geen hard bewijs dat een AI-antwoord de oorzaak is, maar het geeft wel context. Zeker rond nieuwe zoekvormen en AI-achtige resultaten in Google is dat nuttig. Voor extra context kun je ook onze uitleg over AI Mode bekijken.
Analytics en referral verkeer uit AI
Referral verkeer uit AI-platforms is een nuttig signaal, maar geen compleet beeld. Veel AI-gebruikers klikken niet door, ook als je wel genoemd wordt.
Serverlogs en botactiviteit
Serverlogs zijn een extra technische bron. Ze kunnen laten zien welke bots pagina’s opvragen en hoe toegankelijk je site technisch is. Dat zegt niet alles over zichtbaarheid in antwoorden, maar het helpt wel om technische blokkades of patronen te signaleren.
Hoe je AI-zichtbaarheid interpreteert zonder schijnzekerheid
Gebruik nooit één score, één tool of één losse check als absolute waarheid. AI-zichtbaarheid vraagt om herhaalbaarheid, context en vergelijking over tijd.
Belangrijk om te weten bij het interpreteren: je Google-positie voorspelt je AI-zichtbaarheid niet. In een van onze metingen stond de nummer 1 van zijn markt in Google (14% share of voice) in AI-antwoorden achter drie concurrenten. Een concurrent met maar 3,5% Google-aandeel haalde bijna evenveel citaties, en Reddit werd met 0,17% aandeel in de organische kliks 22 keer geciteerd. Een LLM rangschikt geen pagina’s, hij bouwt een antwoord uit bronnen: reviews, fora, vergelijkers. Wie in die bronnenlaag staat, komt in het antwoord.
Houd er ook rekening mee dat citaties sterk geconcentreerd zijn. In een meting over 11.393 AI-antwoorden in één branche werden 328 bedrijven geciteerd, maar pakten de beste vier daarvan ruim een kwart van alle citaties. Geciteerd worden versterkt zichzelf: wie de bron is, wordt zichtbaarder, en daarmee bij de volgende vraag opnieuw de logischer bron. Heb je een lage score, zoek dan naar de vragen die nog geen vaste bron hebben.
Veelgemaakte meetfouten
Veel fouten ontstaan door te snel conclusies te trekken:
- één prompt als bewijs gebruiken
- één platform als maatstaf nemen
- losse snapshots verwarren met trends
- alleen referral verkeer volgen
- kwaliteit en juistheid niet apart beoordelen
“Sessies zijn een KPI. Niet de KPI.”
Giacomo Perticara, oprichter en SEO-strateeg bij GRP Digital
Dat geldt voor meten net zo goed als voor content.
Hoe je AI-zichtbaarheid verbetert
Verbeteren begint bij betere content, structuur, techniek en merkduidelijkheid. AEO en GEO zijn verdiepingen van SEO, geen aparte hypes; de basis blijft hetzelfde vak.
Dat het loont, is meetbaar. Onderzoek van Seer Interactive over 2,4 miljard vertoningen laat zien dat een pagina die als bron in een AI Overview wordt geciteerd op informatieve vragen 2,07% doorklikratio haalt, tegenover 0,94% voor pagina’s die er niet in staan. Ruim twee keer zoveel kliks, precies in de fase waarin de shortlist ontstaat.
Content die direct antwoord geeft
AI-systemen werken beter met content die snel duidelijk maakt waar een pagina over gaat. Denk aan:
- heldere definities
- korte samenvattingen
- vergelijkingen
- FAQ-achtige blokken
- onderwerpclusters
Technische en structurele randvoorwaarden
Zorg dat je site goed te verwerken is:
- crawlbare pagina’s
- logische opbouw
- beperkte afhankelijkheid van zware JavaScript
- duidelijke interne links
Merk- en bronversterking
Als een LLM je merk noemt, moet die vermelding ook kloppen. Werk daarom aan consistente positionering, duidelijke expertise-signalen en pagina’s die als bron kunnen dienen. Merkhelderheid en bronkwaliteit komen hier samen.
Wanneer AI-zichtbaarheid meten prioriteit heeft
AI-zichtbaarheid meten heeft vooral prioriteit als je merk afhankelijk is van oriëntatie, vergelijking en expertise. Denk aan journeys waarin mensen eerst kennisvragen stellen, opties vergelijken en pas later gericht naar een aanbieder zoeken.
Hoe groot de AI-laag is, verschilt bovendien sterk per branche. In onze metingen toonde 68% van de zoekopdrachten in een kennisgedreven branche een AI Overview, tegenover 1% in een transactionele retailmarkt, waar de zoekresultaten door shopping-vermeldingen worden gedomineerd. Meet dus eerst waar jouw koper de AI-laag daadwerkelijk tegenkomt (in de zoekresultaten, of in de chat-assistenten) voordat je er budget naartoe schuift.
Dan wil je niet alleen weten of je merk genoemd wordt, maar ook wanneer je buiten beeld blijft.
FAQ over AI-zichtbaarheid meten
Hoe meet je AI zichtbaarheid?
Je meet AI-zichtbaarheid door met een vaste promptset per AI-platform vast te leggen of je merk, pagina’s en bronnen in antwoorden terugkomen. Kijk daarbij naar aanwezigheid, context, bronlinks en concurrenten.
Wat is AI-zichtbaarheid precies?
AI-zichtbaarheid is de mate waarin je merk, content of website voorkomt in AI-antwoorden, met of zonder link. Het gaat dus om meer dan verkeer alleen.
Hoe zichtbaar is mijn merk in AI?
Dat zie je pas betrouwbaar als je meerdere relevante prompts periodiek test en de uitkomsten per platform vergelijkt. Een losse check blijft een momentopname.
Kun je AI-zichtbaarheid verbeteren?
Ja, vooral met duidelijke content, sterke onderwerpstructuur, technische toegankelijkheid en consistente merkpositionering. Verbeteringen werken het best als ze zijn gekoppeld aan herhaalbare metingen.
Hoe vaak moet je AI-zichtbaarheid meten?
Maandelijks is voor de meeste merken een goed ritme. AI-antwoorden veranderen doorlopend, maar structurele verschuivingen zie je pas over meerdere metingen heen. Vaker meten voegt vooral ruis toe; minder vaak meten maakt het lastig om acties aan resultaten te koppelen.
Welke signalen zijn bruikbaar naast tools?
Search Console, analytics, serverlogs en handmatige promptchecks geven samen een beter beeld. Geen van die bronnen is op zichzelf compleet.
Wat is belangrijker: genoemd worden of gelinkt worden?
Beide zijn relevant. Een bronlink is concreter omdat die klikpotentieel heeft, maar een merkvermelding zonder link kan waardevol zijn in de oriëntatiefase.
Conclusie
AI-zichtbaarheid meten vraagt om meer dan een tool of een losse score. Je hebt een vaste promptset, platformvergelijking, heldere presence-KPI’s en terugkerende evaluatie nodig. Zie het meten daarom als onderdeel van je bredere AI-zichtbaarheid, van Generative Engine Optimization en uiteindelijk gewoon van SEO.
Wil je weten hoe zichtbaar jouw merk echt is in AI-antwoorden? Laat je meting dan opzetten met een vaste methode, zodat je stuurt op herhaalbare inzichten en concrete verbeteracties.
