Hoe AI-antwoordengines bepalen welke merken ze noemen

Inleiding

Vraag Gemini welke tools toonaangevend zijn in jouw categorie en je krijgt een korte lijst te zien. Je merk staat erop of het staat er niet op.

Dat antwoord is nu het eerste wat veel kopers te zien krijgen. De AI-overzichten van Google staan boven de organische resultaten, en een ranktracker die aangeeft dat je op positie twee staat, zegt niets over de vraag of je überhaupt genoemd wordt in het vak boven positie één.

De meeste bedrijven hebben geen idee hoe dat in elkaar zit. Het goede nieuws is dat Google meer informatie heeft gepubliceerd over de werking van deze systemen dan de meeste mensen beseffen, en dat de werking minder mysterieus is dan de marketing doet vermoeden.

Belangrijkste punten

Google stelt dat er geen speciale vereisten zijn om in AI-overzichten of de AI-modus te verschijnen. Dezelfde rangschikkings- en kwaliteitssystemen zijn van toepassing.

Er hoeft geen AI-specifieke markup te worden toegevoegd. Google zegt dat llms.txt, content chunking en speciale schema’s niet door Search worden gebruikt.

De twee eigen AI-weergaven van Google kunnen van elkaar verschillen, omdat de AI-modus en AI-overzichten mogelijk verschillende modellen en technieken gebruiken.

Geen enkele tool van derden heeft zicht op de interne signalen van Google. Tools meten de output, wat iets anders is, maar wel nuttig blijft.

Ranktracking en antwoordtracking meten verschillende resultaten, en je hebt nu beide nodig.

Wat daadwerkelijk bepaalt of je wordt genoemd

Laten we beginnen met het minst glamoureuze feit. In de documentatie over de AI-functies van Google staat dat er geen aanvullende vereisten zijn om in AI-overzichten of de AI-modus te verschijnen, en dat er geen andere speciale optimalisaties nodig zijn.

Om in aanmerking te komen als ondersteunende link, moet een pagina aan dezelfde eisen voldoen als elk ander zoekresultaat. De pagina moet crawlbaar zijn, een succesvolle respons retourneren en indexeerbare inhoud bevatten.

De richtlijnen van Google voor AI-ervaringen zijn gebaseerd op dezelfde basisprincipes die het al jaren promoot. Unieke en echt nuttige inhoud, een goede pagina-ervaring, gestructureerde gegevens die overeenkomen met wat er daadwerkelijk op de pagina te zien is.

Eén detail zorgt voor verwarring. Voorinstellingen zoals `nosnippet`, `data-nosnippet`, `max-snippet` en `noindex` beperken allemaal hoe je inhoud in AI-formaten kan worden weergegeven, dus een restrictieve instelling die jaren geleden is gemaakt, kan je nu ongemerkt uitsluiten.

Waarover je volgens Google geen zorgen meer hoeft te maken

Dit deel bespaart je veel verspilde moeite. De handleiding van Google voor het optimaliseren van generatieve AI is ongewoon duidelijk over tactieken die niets opleveren.

Er is geen speciale schema.org-markup voor AI-functies. Gestructureerde gegevens blijven de moeite waard voor rijke resultaten, maar zijn geen vereiste voor generatieve AI-zoekopdrachten.

llms.txt-bestanden worden door Google Search genegeerd. In de gids wordt opgemerkt dat het aanmaken ervan de zichtbaarheid in Google noch schaadt, noch bevordert, hoewel andere systemen er wellicht gebruik van maken.

Het is ook niet nodig om inhoud in kleine stukjes op te splitsen, en evenmin om pagina’s te herschrijven in een of ander verzonnen AI-vriendelijk dialect. Google zegt dat zijn systemen pagina’s met meerdere onderwerpen prima aankunnen en synoniemen uitstekend begrijpen.

Het meetprobleem dat niemand heeft opgelost

Hier wordt het lastig. Je kunt elk onderdeel van die richtlijnen volgen en toch geen idee hebben of het heeft gewerkt.

Search Console bevat nu een rapport voor generatieve AI-functies, wat helpt. Maar het geeft je informatie over verkeer en vertoningen, in plaats van of een antwoord jouw merk noemde, in plaats daarvan een concurrent noemde of een beoordelingssite citeerde waaraan je nooit hebt bijgedragen.

Die leemte is precies waarvoor een nieuwe categorie tools is ontstaan. De Gemini-zichtbaarheidstracker van Citenzo voert volgens een schema prompts met koopintenties uit via Gemini, registreert of je merk wordt genoemd en beoordeelt je aandeel in de aandacht ten opzichte van de concurrenten die de zoekmachine daadwerkelijk noemt.

De details van de methodologie zijn belangrijker dan het dashboard. Omdat deze antwoorden per run variëren, wordt elke zoekopdracht meerdere keren uitgevoerd en wordt de score bepaald als de mediaan; dat is het verschil tussen een trend en een momentopname.

Het geeft ook een overzicht van de bronnen waaruit het antwoord is gehaald, waarbij pagina’s worden gemarkeerd waarop een concurrent wel en u niet voorkomt. De dekking strekt zich uit over zes zoekmachines, en er is een gratis test die zonder account werkt als u een uitgangspunt wilt voordat u zich vastlegt.

Wat deze tools wel en niet kunnen zien

Dit verdient het om duidelijk te worden gezegd, omdat er in deze categorie vaak overdreven beweringen worden gedaan. In de eigen gids van Google worden lezers gewaarschuwd om op hun hoede te zijn voor tools van derden die succes in de ranglijst beloven of beweren gebruik te maken van interne Google-statistieken, en wordt vermeld dat geen enkele tool van derden toegang heeft tot de interne rangschikkings- of AI-systemen van Google.

Die waarschuwing is terecht en het loont de moeite om die in gedachten te houden. Dit maakt het meten van de output echter niet waardeloos.

Het onderscheid ligt tussen inputs en outputs. Niemand buiten Google kan de weging achter een antwoord zien, maar iedereen kan waarnemen wat het antwoord zei, welke merken het noemde en welke URL’s het aanhaalde.

Dat lijkt meer op een peiling dan op een ranglijst. Je neemt herhaaldelijk steekproeven van gedrag om een percentage te schatten; daarom zijn steekproefomvang, herhaling en een mediaan in plaats van een enkele meting de zaken die je moet onderzoeken bij elke tool die je evalueert.

Waarom één score niet voldoende is

In de documentatie van Google staat dat de AI-modus en AI-overzichten mogelijk verschillende modellen en technieken gebruiken, waardoor de antwoorden en links die ze tonen, kunnen variëren.

Dat is een opvallende bekentenis. Twee Google-interfaces die dezelfde vraag beantwoorden, kunnen op dezelfde dag verschillende merken noemen.

Voeg daar ChatGPT, Claude, Perplexity en Grok aan toe en het beeld wordt nog fragmentarischer. Een merk kan bij de ene assistent de standaardaanbeveling zijn en bij de andere onzichtbaar, waardoor één samengevoegd cijfer minder bruikbaar is dan een uitsplitsing per engine.

Wat moet er daadwerkelijk op een dashboard worden weergegeven

De vermeldingsfrequentie is de basismeting. Hoe vaak noemt de zoekmachine je naam bij een vaste reeks vragen van kopers, uitgedrukt als een percentage van de zoekopdrachten in plaats van een ja of nee.

Het ‘share of voice’ is de statistiek die intern gedrag verandert. Weten dat je in drie van de tien antwoorden voorkomt, is minder belangrijk dan weten welke concurrent de overige zeven voor zijn rekening neemt.

Geciteerde bronnen vormen het meest bruikbare onderdeel en worden door de meeste tools overgeslagen. De lijst met URL’s waarop een antwoord is gebaseerd, zet een score om in een takenlijst.

Het sentiment is het bijhouden waard, maar moet met een korreltje zout worden genomen. Hoe een zoekmachine je afschildert, weerspiegelt wat er die week in de zoekresultaten naar voren kwam; beschouw een daling dus als een aanleiding om onderzoek te doen in plaats van als een definitief oordeel.

Een achterstand omzetten in actie

Meten op zich verandert niets. Het nut van het zien welke bronnen een antwoord citeert, is dat die pagina’s een doellijst worden.

Als Gemini zijn antwoord steeds baseert op een vergelijkingsoverzicht, een forumdiscussie en een beoordelingssite, en je concurrent op alle drie aanwezig is, dan is dat geen inhoudsprobleem op je eigen site. Het is een afwezigheid op de plaatsen die het model leest.

Dit is waar de opkomende tools voor het dichten van citatiehiaten naartoe gaan, en het is de moeite waard om deze net zo kritisch te bekijken als je elke andere plaatsingsdienst zou doen.

De eerlijke versie van het werk is niet glamoureus. Zorg dat er nauwkeurige, actuele informatie over je product op de pagina’s van derden komt die al hoog scoren op vragen over jouw categorie, en blijf vervolgens meten of de antwoorden veranderen.

Een verstandige manier om te beginnen

Maak een nulmeting voordat je iets aanschaft. Voer dezelfde tien kopersvragen handmatig in bij twee of drie assistenten en noteer wat je ziet.

Herhaal dit vervolgens een week later. Als de antwoorden zijn veranderd zonder dat je iets hebt gedaan, heb je iets belangrijks geleerd over hoe onbetrouwbaar deze meting is.

Overweeg pas daarna om het te automatiseren. Tools in deze categorie beginnen bij ongeveer $29 per maand voor wekelijkse controles, met dagelijkse tracking en grotere bibliotheken met vragen in hogere pakketten, dus de kosten van een proefperiode zijn laag in vergelijking met de kosten van gissen.

En houd de reikwijdte realistisch. Dit is een zichtbaarheidsmaatstaf, geen attributiemodel, en het zal je niet vertellen wat dit alles in de pijplijn waard was.

Het komt hierop neer

AI-antwoordengines draaien geen geheim parallel algoritme dat een nieuwe reeks trucs beloont. Google heeft duidelijk gezegd dat de basisprincipes nog steeds bepalend zijn voor of je in aanmerking komt.

Wat echt is veranderd, is het resultaat waar je om concurreert. Een hoge positie is niet langer hetzelfde als vermeld worden, en slechts één van die twee is zichtbaar in je bestaande rapportages.

Meet het antwoord, niet alleen de positie. Beschouw vervolgens de geciteerde bronnen als de daadwerkelijke werklijst.

Veelgestelde vragen

Heb ik speciale markup of een llms.txt-bestand nodig om in AI-overzichten te verschijnen?

Nee. Google geeft aan dat er geen speciale schema.org-markup vereist is voor generatieve AI-functies, en dat Google Search llms.txt-bestanden negeert; het aanmaken ervan heeft dus geen invloed op je zichtbaarheid daar. Andere systemen buiten Google kunnen dergelijke bestanden wel gebruiken.

Kan een tool zien hoe de AI van Google content rangschikt?

Nee. In de eigen richtlijnen van Google staat dat geen enkele tool van derden toegang heeft tot de interne rangschikkings- of AI-systemen. Wat tools wel kunnen doen, is de output observeren, dat wil zeggen welke merken en bronnen in de antwoorden verschijnen. Dit is echter een meting van de resultaten en niet van het algoritme.

Waarom geven verschillende AI-assistenten verschillende antwoorden over hetzelfde merk?

Omdat ze verschillende modellen, verschillende opvraagmethoden en verschillende bronnensets gebruiken. Google merkt zelf op dat de AI-modus en AI-overzichten verschillende modellen en technieken kunnen gebruiken, waardoor zelfs twee Google-interfaces verschillende antwoorden en links kunnen weergeven.

Hoe vaak moet de zichtbaarheid worden gecontroleerd?

Vaak genoeg om het signaal van de ruis te onderscheiden. Deze antwoorden variëren per run, dus een eenmalige controle is eerder een anekdote dan een meting, en elke tool die de moeite waard is, zou elke prompt meerdere keren moeten uitvoeren en een gemiddelde waarde moeten rapporteren in plaats van een eenmalig resultaat.