Wanneer ChatGPT een merk aanbeveelt, checkt hij geen ranglijst en krijgt hij daar ook niet voor betaald. Hij voorspelt woord voor woord hoe een goed antwoord eruitziet op basis van alles wat hij heeft gelezen. Als je dat mechanisme begrijpt, gok je niet langer naar je AI-zichtbaarheid, maar werk je er gericht aan. Er spelen vier krachten mee, die elk om een eigen aanpak vragen.
Training data vormt de basis
De training data van een model is zijn langetermijngeheugen: een momentopname van het openbare web, boeken en forums tot aan de training cutoff. Merken die in die momentopname veel en positief werden besproken, schieten makkelijk te binnen. Net zoals iemand het restaurant aanbeveelt waar iedereen het vorig jaar over had.
De implicatie is misschien even slikken, maar wel handig: je zichtbaarheid van vandaag weerspiegelt deels je online voetafdruk van een tot twee jaar geleden. En wat er nú over je wordt geschreven, is de training data voor de volgende modelgeneratie. Dit is de langzaamste knop om aan te draaien, en precies de reden om er vroeg bij te zijn.
Realtime bronnen zorgen voor actuele context
De meeste assistenten vullen hun geheugen inmiddels aan met live resultaten. Perplexity zoekt voor bijna elk antwoord op het web. ChatGPT gebruikt browsing als een vraag om actuele informatie vraagt. Google AI Overview en AI Mode zijn direct op de zoekindex zelf gebouwd.
Dit is de snelle knop. Een vergelijkingsartikel dat deze maand verschijnt, kan deze maand al in de antwoorden opduiken. Uit onze data blijkt dat modellen het vaakst citeren uit recent bijgewerkte, direct gestructureerde antwoorden op specifieke vragen. Denk aan vergelijkingstabellen, stappenplannen en definitiepagina's — veel vaker dan homepages.
Autoriteit bepaalt wie geloofd wordt
Als een model tegenstrijdige bronnen weegt, wint autoriteit: gevestigde reviewplatforms, veelgeciteerde industriesites, Wikipedia en domeinen die zoekmachines al vertrouwen. Eén vermelding in een bron die het model als autoriteit ziet, weegt zwaarder dan tien vermeldingen op sites waar niemand naar linkt.
Daarom is je reviewstrategie belangrijker dan alleen voor social proof. G2, Trustpilot, Capterra en hun lokale tegenhangers zijn precies de plekken waar modellen uit citeren als iemand vraagt of jouw merk een beetje goed is.
Consensus en herhaling zorgen voor vertrouwen
Modellen houden een slag om de arm als bronnen elkaar tegenspreken, en zijn resoluut als ze het eens zijn. Een merk dat op twintig onafhankelijke pagina's op dezelfde manier wordt omschreven, wordt vol vertrouwen aanbevolen. Een merk dat inconsistent wordt beschreven, of maar op twee plekken wordt genoemd, krijgt een twijfelachtig antwoord of wordt overgeslagen.
Hier zit een vliegwieleffect in: merken die door AI worden aanbevolen, krijgen meer aandacht en artikelen. Dat zorgt voor meer bevestigende bronnen, wat de aanbeveling weer versterkt. Vroeg in die cirkel stappen levert meer op dan later net iets beter zijn.
Verschillende platforms wegen deze krachten anders
Platform | Belangrijkste basis | Wat dat voor jou betekent |
|---|---|---|
ChatGPT | Training data, browsing voor actuele onderwerpen | Je langetermijnvoetafdruk is het belangrijkst; recente bronnen voor nieuwswaardige zoekopdrachten |
Perplexity | Live zoeken met bronvermelding | De snelweg: publiceer citeerbare antwoorden en verschijn binnen enkele weken |
Google AI Overview / AI Mode | Google-index en signalen voor ranking | Klassieke SEO-kracht vertaalt zich hier direct naartoe |
Gemini | Google-infrastructuur plus training data | Vergelijkbaar met hierboven, met een grotere rol voor het modelgeheugen |
Copilot | Bing-index | Het meest verwaarloosde kanaal; Bing Webmaster Tools is je toegangsticket |
Claude | Training data, voorzichtige toon | Uiterst gevoelig voor consensus; inconsistente bronnen leiden tot voorzichtige antwoorden |
Query-intentie bepaalt welke merken verschijnen
"Beste goedkope CRM" en "beste enterprise CRM" leveren bij hetzelfde model andere merken op. Modellen lezen de toevoeging en leggen die naast de omschrijvingen in hun bronnen. Als elk artikel over jou zegt "voor kleine teams", verschijn je niet in de resultaten voor enterprise. Ongeacht wat je product echt kan. Uitzoeken welke use cases je openbare beschrijvingen ondersteunen en welke ze stilzwijgend uitsluiten, is een van de meest waardevolle taken in dit vakgebied.
Wat dit betekent voor je zichtbaarheid
Koppel je acties aan het mechanisme. Training data: blijf bouwen aan je online voetafdruk, dat betaalt zich uit bij de volgende modelgeneratie. Retrieval: publiceer directe, gestructureerde antwoorden op vragen binnen je branche, dit werkt al binnen een paar weken. Autoriteit: zorg voor reviews en vermeldingen op platforms die modellen al vertrouwen. Consensus: zorg dat elke beschrijving van je merk, overal, hetzelfde verhaal vertelt. En meet alles door, want elk model reageert op zijn eigen tempo. Trackbase biedt die meetlaag dagelijks voor 11 verschillende modellen.
FAQ
Kun je AI-bedrijven betalen om je merk aan te bevelen?
Nee. Er zijn op dit moment geen betaalde posities in organische AI-antwoorden. Er verschijnen wel gesponsorde formaten rondom antwoorden in sommige producten, maar de aanbeveling zelf is niet te koop.
Hoe snel kan een nieuw merk zichtbaar worden in AI-antwoorden?
Via de retrieval-route duurt dat voor specifieke vragen een paar weken tot maanden. Via training data moet je rekenen op een of twee modelgeneraties. Nieuwe merken kunnen zich het best direct op de retrieval-route richten.
Hebben AI-modellen een voorkeur voor grote merken?
In de basis wel: grote merken hebben meer aanwezigheid in de training data, meer autoriteit en meer consensus. De tegenhanger is specificiteit. Modellen bevelen namelijk met liefde een klein merk aan dat de bronnen voor een specifieke, helder gedefinieerde use case domineert.
Waarom verschijnt mijn merk wel in het ene land, maar niet in het andere?
Modellen wegen lokale bronnen zwaarder voor lokale vragen. Je Nederlandse en je Duitse online voetafdruk zijn twee aparte dingen. Daarom is regiospecifieke tracking zo belangrijk.
Beïnvloedt schema markup de aanbevelingen?
Indirect en steeds sterker. Structured data helpt modellen te begrijpen wie je bent, wat je verkoopt en wat het kost. Dat voorkomt verwarring en zorgt dat je nauwkeuriger wordt omschreven als je verschijnt.
