Hoe AI-zoekfuncties de manier waarop lokale bedrijven worden gevonden veranderen

Inleiding

Hoe AI-zoekopdrachten de manier waarop lokale bedrijven worden gevonden veranderen

Een paar jaar geleden typte iemand die op zoek was naar een loodgieter 'loodgieter bij mij in de buurt' in Google, scrolde door een kaartpakket, las een paar recensies en belde een van de bovenste resultaten. Dat gebeurt nog steeds, maar steeds meer mensen slaan de zoekresultaten helemaal over en vragen het in plaats daarvan aan een AI-tool. Ze typen of spreken een vraag in naar ChatGPT, Google's AI Overview of een andere AI-assistent en krijgen een aanbeveling terug in plaats van een lijst met links om door te bladeren.

Voor lokale bedrijven is deze verschuiving belangrijker dan de meesten beseffen. Een goede positie in de traditionele zoekresultaten betekent niet automatisch dat je ook in door AI gegenereerde antwoorden verschijnt, en de signalen die AI-aanbevelingen sturen, zijn niet identiek aan die welke de Google-ranglijst bepalen.

Wat er daadwerkelijk verandert

Uit onderzoek van BrightLocal blijkt dat AI nu de vierde meest gebruikelijke manier is waarop consumenten een lokale zoekopdracht starten, na Google Search, Google Maps en sociale media, maar vóór Yelp en andere gespecialiseerde beoordelingsplatforms. Meer dan één op de vijf consumenten geeft aan AI te gebruiken om een lokaal bedrijf te vinden of een aanbeveling te krijgen. Onder jongere doelgroepen ligt dit percentage hoger.

Wat dit in de praktijk betekent: als iemand ChatGPT vraagt naar „het beste Thaise restaurant in de buurt van het centrum van Austin“, is het antwoord dat hij of zij krijgt niet afkomstig van de locatiegegevens van die gebruiker of van een gesponsorde vermelding. Het is afkomstig uit de bronnen die de AI heeft verwerkt over lokale Thaise restaurants in Austin, gewogen op basis van de frequentie waarmee ze worden genoemd, de kwaliteit van de recensies en de consistentie van de informatie over elk bedrijf op het internet.

Een bedrijf met uitstekende Google-recensies maar schaarse of inconsistente informatie in andere gidsen, beoordelingssites en lokale nieuwsberichten kan goed scoren in traditionele lokale zoekresultaten, maar slecht in door AI gegenereerde aanbevelingen. Het omgekeerde is ook mogelijk: een bedrijf dat in lokale media is uitgelicht, in foodblogs is genoemd en op meerdere beoordelingsplatforms wordt genoemd, kan door AI vaker worden aanbevolen dan op basis van zijn Google-ranking te verwachten zou zijn.

Waarom AI-aanbevelingen anders werken dan zoekresultaten

Traditionele lokale SEO is gebaseerd op een relatief voorspelbare reeks signalen: optimalisatie van het Google Bedrijfsprofiel, nabijheid, aantal beoordelingen en score, vermeldingen en de autoriteit van de website. Deze signalen vertellen Google welke resultaten moeten worden getoond voor een bepaalde lokale zoekopdracht.

AI-assistenten werken niet op dezelfde manier. Ze putten uit een bredere reeks bronnen en wegen factoren anders. De bedrijven die vaak in AI-aanbevelingen verschijnen, zijn bedrijven die vaak en consistent in veel verschillende soorten bronnen worden genoemd. Een tandarts die wordt genoemd op de website van de lokale kamer van koophandel, wordt aangehaald in een lokaal nieuwsartikel, op meerdere platforms wordt beoordeeld en in al deze bronnen consistent met dezelfde naam, hetzelfde adres en hetzelfde telefoonnummer wordt vermeld, zal eerder in een AI-antwoord opduiken dan een tandarts wiens informatie varieert of wiens aanwezigheid beperkt blijft tot een Google Bedrijfsprofiel.

Daarom is het concept van zichtbaarheid in AI-zoekresultaten naar voren gekomen als een apart aspect dat gemeten en beheerd moet worden, los van traditionele rangschikkingmonitoring. Tools zoals Lighthouse Local vullen precies deze leemte op en helpen lokale bedrijven te begrijpen hoe en of ze verschijnen in door AI gegenereerde aanbevelingen op platforms zoals ChatGPT en Google AI, en wat die zichtbaarheid bevordert of beperkt.

Waar lokale bedrijven op moeten letten

De praktische implicaties voor eigenaren van lokale bedrijven en de bureaus die hen begeleiden, zijn niet zo ingewikkeld als ze misschien lijken.

Consistentie van bedrijfsinformatie is belangrijker dan ooit. Consistentie van NAP (naam, adres, telefoonnummer) is altijd al belangrijk geweest voor lokale SEO, maar in een AI-context is het nog belangrijker, omdat inconsistente informatie AI-modellen in verwarring brengt over welke versie van de bedrijfsgegevens ze moeten gebruiken. Een bedrijf met verschillende telefoonnummers in verschillende gidsen is voor een AI moeilijker nauwkeurig weer te geven.

Beoordelingen bevatten veel signalen. AI-systemen worden getraind op openbaar beschikbare tekst, en beoordelingen behoren tot de meest overvloedige en beschrijvende teksten die er over lokale bedrijven te vinden zijn. Een bedrijf met veel gedetailleerde beoordelingen waarin specifieke diensten, buurten en soorten klanten worden beschreven, biedt AI-tools rijk materiaal om uit te putten bij het formuleren van aanbevelingen.

Vermeldingen in lokale media en regionale publicaties wegen zwaar mee. Wanneer een lokaal restaurant wordt besproken in het alternatieve weekblad van een stad of een aannemer wordt geciteerd in een lokaal nieuwsartikel, worden die vermeldingen onderdeel van het informatie-ecosysteem waarop AI-systemen worden getraind en waaruit ze putten. Dit is een gebied waar traditionele PR en lokale contentmarketing direct raakvlakken hebben met de zichtbaarheid in AI-zoekresultaten.

Gestructureerde gegevens op de website van het bedrijf helpen daarbij. Schema-markup die het type bedrijf, de locatie, openingstijden, diensten en het servicegebied duidelijk aangeeft, biedt AI-systemen schone, analyseerbare informatie om mee te werken.

Wat dit betekent voor SEO-bureaus die lokale klanten bedienen

Het gesprek is veranderd. Klanten die voorheen alleen vroegen naar hun positie in Google Maps, vragen nu waarom een concurrent door ChatGPT werd genoemd en zij niet. Sommigen komen erachter dat hun geoptimaliseerde Google Bedrijfsprofiel weliswaar bestaat, maar dat er verder vrijwel geen aanwezigheid is in andere delen van het web waar AI informatie uit haalt.

Voor bureaus creëert dit zowel een uitdaging als een kans. De uitdaging is dat het meten van AI-zichtbaarheid andere tools vereist dan traditionele rangschikkingmonitoring. Standaard positiebepaling vertelt je niet of je klant wordt aanbevolen wanneer iemand een AI-chatbot vraagt naar een specifiek type bedrijf in zijn omgeving.

De kans is dat de meeste lokale bedrijven hier nog niet systematisch over nadenken, en bureaus die klanten helpen bij het opbouwen van een bredere voetafdruk van vermeldingen en verwijzingen die de zichtbaarheid in AI ondersteunt, zullen iets echt waardevols leveren en daarmee de markt voorblijven in plaats van achter de feiten aan te lopen.

Het praktische startpunt

De nuttigste eerste stap voor elk lokaal bedrijf of bureau dat nadenkt over AI-zoekopdrachten, is het uitvoeren van een paar testopdrachten. Vraag ChatGPT of de AI van Google om specifieke soorten bedrijven in je doelgebied aan te bevelen en kijk of jij of je klanten verschijnen. Als dat niet het geval is, is dat informatie op zich. Als dat wel het geval is, kijk dan welke bronnen de AI aanhaalt voor zijn aanbeveling. Die bronnen vertellen je welke onderdelen van je informatie-ecosysteem goed werken.

Het zoekgedrag van AI is nog steeds in ontwikkeling, en de signalen die het belangrijkst zijn, zullen verschuiven naarmate de onderliggende modellen worden bijgewerkt. Maar de bedrijven die over consistente, rijke informatie beschikken verspreid over vele relevante bronnen, zijn op dit moment consequent degenen die in AI-aanbevelingen verschijnen. Het leggen van die basis is een duurzame strategie, ongeacht hoe de specifieke mechanismen veranderen.

Een aspect dat de moeite waard is om in de gaten te houden naarmate dit gebied zich ontwikkelt: de bronnen die AI-systemen aanhalen bij het doen van lokale aanbevelingen zijn niet statisch. Naarmate AI-modellen worden bijgewerkt en het informatielandschap rond een bepaald bedrijf verandert, kan de zichtbaarheid verschuiven zonder dat het bedrijf daar iets voor hoeft te doen. Dit maakt periodieke monitoring nuttiger dan een eenmalige audit, en het maakt het begrijpen van de bronnen die AI-aanbevelingen aansturen een voortdurende taak in plaats van een vakje dat je eenmalig kunt aanvinken.