Een AI-model vertelde een prospect dat je niet exact de service aanbiedt waarin je gespecialiseerd bent. Een ander model raadde een concurrent aan en gaf je prijzen verkeerd weer. Als je dit hebt meegemaakt, ken je dat vreemde gevoel van machteloosheid: er is geen helpdesk voor de antwoorden van ChatGPT. Er is echter wel een stappenplan om dit op te lossen, en we lopen er in dit artikel doorheen.
Hoe weet ik wat AI over mijn merk zegt?
Stel de modellen de vragen die je klanten stellen, in een privévenster, en leg de antwoorden vast. Richt je op je merknaam, je categorie ("beste [categorie] in [land]") en je reputatie ("is [merk] betrouwbaar"). Test elke vraag in ieder geval op ChatGPT, Gemini, Perplexity en Copilot, omdat ze verschillende bronnen gebruiken en verschillende fouten maken.
Voor een eenmalige audit werkt de handmatige methode prima. Maar voor een structurele aanpak wil je dagelijkse tracking met opgeslagen antwoorden. Fouten verschijnen en verdwijnen namelijk tussen model-updates door. Wat je eenmalig ziet en niet kunt reproduceren, kun je ook niet herstellen. Trackbase slaat elk antwoord op voor 11 modellen, waardoor je de vraag "wanneer begon dit" direct kunt beantwoorden.
Welke soorten verkeerde informatie zie je in AI-antwoorden?
Vrijwel alles wat we in de tracking-data zien, valt binnen deze vier patronen:
Verouderde feiten. Oude prijzen, producten die niet meer bestaan of een eerdere positionering. Het model heeft een momentopname geleerd en heeft nooit de update gekregen.
Verzonnen details. Functies die je nooit hebt gebouwd, kantoren die je nooit hebt geopend of integraties die niet bestaan. Modellen vullen gaten op met aannemelijke gissingen.
Verkeerde toeschrijving. Jouw prestaties die aan een concurrent worden toegeschreven, of hun zwakke punten aan jou. Dit gebeurt vaak wanneer merknamen op elkaar lijken.
Verwarring tussen entiteiten. Het model voegt je samen met een ander bedrijf dat dezelfde naam heeft. Dit is de meest schadelijke fout, omdat elk daaropvolgend feit de verwarring overneemt.
Waar halen AI-tools informatie over mijn merk vandaan?
Uit drie lagen. Trainingsdata: het web zoals het bestond toen het model werd getraind, wat al snel een jaar of langer oud is. Retrieval: live bronnen die het model raadpleegt tijdens het formuleren van het antwoord, zoals reviewsites, nieuws, vergelijkingsartikelen, Reddit en Wikipedia. En structured data: je eigen site, schema markup en bedrijfsprofielen.
De praktische consequentie is dat de meeste verkeerde informatie niet van je eigen website komt. Het komt door wat externe partijen over je schreven, of juist niet schreven. Dat is waar de oplossing ligt.
Hoe corrigeer ik onjuiste informatie over mijn merk in AI-antwoorden?
Werk terug vanaf de bron. Dit is de volgorde die werkt:
Vind de bron van de fout. Perplexity en Google AI Overview citeren hun bronnen direct. Zoek bij andere modellen naar de exacte onjuiste claim; deze leidt meestal naar een specifieke pagina. Het bronnenoverzicht in Trackbase rangschikt de domeinen die modellen over jou citeren, wat deze stap aanzienlijk verkort.
Corrigeer het bij de bron. Verouderde vermelding in een bedrijvengids: pas deze aan. Verkeerd feit in een vergelijkingsartikel: mail de auteur, de meesten reageren snel. Verouderde reviewpagina: spoor tevreden klanten aan om recente reviews achter te laten.
Publiceer zelf het juiste antwoord. Een duidelijke pagina op je eigen domein die de feiten helder weergeeft ("Prijzen voor [Merk] beginnen bij X", "[Merk] is een [categorie] bedrijf opgericht in [jaar]") geeft retrieval-gebaseerde modellen betere input om te citeren.
Versterk je entiteit. Zorg voor een consistente naam, beschrijving en schema markup op je site, LinkedIn, Crunchbase en in gidsen. Dit is dé oplossing voor gevallen van naamsverwarring.
Rapporteer waar mogelijk. ChatGPT en Gemini hebben beide feedbackfuncties voor antwoorden. De individuele impact is klein, maar het is gratis en soms effectief.
Hoe lang duurt het voordat correcties zichtbaar zijn?
Weken tot maanden, en het verschilt sterk per model. Retrieval-gebaseerde antwoorden (Perplexity, AI Overview) kunnen een gecorrigeerde bron binnen enkele dagen oppikken. Antwoorden uit de trainingsdata veranderen pas als het model wordt geüpdatet. Reken op een kwartaal, meet wekelijks en juich niet te vroeg na één goed antwoord, want antwoorden kunnen per keer verschillen.
Hoe weet ik of de antwoorden verbeteren?
Volg dagelijks dezelfde prompts en let op drie getallen: het percentage antwoorden met de verkeerde claim, je sentiment score en je aanwezigheid (presence rate). In onze eigen tracking-data zagen we de sentimentclassificatie over 535 recente citaten voor één merk als volgt verdeeld: 314 positief, 121 neutraal en 100 negatief. Dat negatieve vijfde deel is waar het correctiewerk ligt. Als je dat aandeel week na week ziet krimpen, weet je dat je aanpak werkt.
FAQ
Kan ik ChatGPT dwingen een verkeerde claim over mijn merk te verwijderen?
Niet rechtstreeks. Je kunt het antwoord rapporteren, de bronnen aanpassen waar het model van heeft geleerd en betere informatie publiceren. Handmatige verwijdering op verzoek gebeurt eigenlijk alleen bij juridische kwesties zoals smaad of privacybepalingen.
Moet ik op elke typefout of foutje reageren?
Nee. Geef prioriteit aan de schade: fouten op prompts die over geld gaan (categorie-aanbevelingen) en prompts die je reputatie raken gaan voor. Een verkeerd oprichtingsjaar in een zelden gestelde vraag kan wel even wachten.
Helpt het om mijn eigen website aan te passen?
Ja, het helpt voor retrieval-gebaseerde modellen die je site live lezen, en als de betrouwbare bron die andere schrijvers overnemen. Het is een noodzakelijke eerste stap, maar alleen dat is niet genoeg.
Waarom heeft het ene model het goed en het andere fout?
Verschillende deadlines voor de trainingsdata en andere retrieval-bronnen. Dit is ook waarom het volgen van slechts één model je een vals gevoel van veiligheid geeft.
Wat als een concurrent de verkeerde informatie verspreidt?
Documenteer het, zet de feiten recht op neutrale platforms van derden en zorg dat je met betere bronnen hoger scoort dan de onjuiste claim. Direct de discussie aangaan helpt zelden; betere bewijzen leveren wel.
