Je hebt ChatGPT vast al eens gevraagd wat het van je product vindt. Het antwoord stelde je gerust of was een harde klap, en daarna ging je weer door. Zo'n eenmalige check zegt je bijna niets. AI-antwoorden zijn namelijk stochastisch en veranderen bij elke poging.
Om te weten of AI-tools je producten of diensten echt aanbevelen, heb je een herhaalbaar proces nodig, geen gelukkige screenshot. Dit is hoe je er écht achter komt.
Wat betekent het als AI je "aanbeveelt"?
Aanbeveling is een spectrum, geen ja/nee-kwestie. Een model kan weten dat je merk bestaat zonder het ooit te noemen, je verkeerd beschrijven, naar je website verwijzen zonder je als optie te noemen, of je juist actief bovenaan een shortlist zetten.
Named: de assistent noemt je product als iemand vraagt naar opties binnen je categorie.
Recognized: het model kent je product als er direct naar gevraagd wordt, maar slaat het over bij algemene vragen.
Cited: een pagina van jouw domein verschijnt als bron, zelfs als het merk zelf niet wordt aanbevolen.
Confused: de assistent verwisselt je met een concurrent of beschrijft je verkeerd.
Invisible: geen vermelding, geen bron, helemaal niets.
Als je weet in welke fase je vastloopt, weet je precies wat je moet oplossen. Een merk dat blijft steken op "cited but not named" heeft betere positionering nodig. Een merk dat "invisible" is, moet vermeldingen verdienen op bronnen die de modellen al vertrouwen.
Waarom is één ChatGPT-check niet genoeg?
Eén antwoord bewijst bijna niets. Dezelfde prompt kan vijf minuten later een heel ander resultaat opleveren. Large language models kiezen uit een waarschijnlijkheidsverdeling. Kleine verschillen in formulering, context of modelversie veranderen de output al.
Het enige betrouwbare signaal is een patroon over meerdere runs, verschillende modellen en een vaste set prompts die aansluiten bij hoe echte kopers zoeken. Zie elk los antwoord als ruis tot het zich herhaalt.
Welke prompts moet je testen?
Het gaat om de prompts die een koper intypt vóórdat ze je merknaam kennen, niet de prompts waar je naam al in staat. Maak een vaste lijst die je wekelijks kunt hergebruiken:
Direct: "Wat is [jouw product] en voor wie is het bedoeld?"
Category discovery: "Welke tools moet ik gebruiken voor [de taak die jouw product uitvoert]?"
Alternatives: "Wat zijn de beste alternatieven voor [concurrent]?"
Pain-based: "Hoe los ik [het probleem dat jouw product oplost] op?"
Commercial: "Wat is de beste [categorie] tool voor een klein team met een beperkt budget?"
Discovery- en alternatives-prompts zijn de zwaarste test. Het model heeft geen idee dat je product bestaat, tenzij het online bewijs dat al aantoont. Een goed resultaat op deze prompts is dus veel meer waard dan genoemd worden wanneer iemand al specifiek naar je vraagt.
Welke AI-platforms moet je controleren?
Kopers gebruiken allang niet meer maar één assistent. Alleen ChatGPT volgen geeft een vertekend beeld. ChatGPT, Claude, Gemini, Perplexity, Google AI Overviews, Google AI Mode, Copilot, Grok, DeepSeek, Llama en Mistral gebruiken allemaal andere trainingsdata en live bronnen. Je kunt ijzersterk zijn in de ene tool en onzichtbaar in de andere.
Laat dezelfde promptset los op zoveel mogelijk platforms. Het patroon van waar je wel en niet verschijnt, is direct je diagnose. Wel op Perplexity maar niet op ChatGPT? Dat wijst meestal op een tekort aan citations in plaats van content, omdat Perplexity sterk leunt op het live web.
Waar moet je nog meer naar kijken naast het eindoordeel?
De geciteerde bronnen zijn belangrijker dan de zin waarin je merk wel of niet wordt genoemd. Als een model een concurrent aanbeveelt, controleer dan waar die info vandaan komt: een G2-vergelijking, een Reddit-thread of een lijstje. Dat zijn de pagina's waar jij de volgende keer ook op moet staan.
Dit is ook het moment om feitelijke onjuistheden over je merk te spotten voor ze zich verspreiden. Een verkeerde prijs of een verouderde functie die door modellen wordt herhaald, wordt bij elke nieuwe vraag alleen maar groter.
Hoe maak je hier een vaste gewoonte van?
Meet volgens een vast schema, log elke verandering en stuur alleen bij op patronen die minstens drie runs standhouden. Een simpel wekelijks ritme werkt het best: draai je vaste promptset, noteer welk model je noemde of citeerde, check of je content of PR van vorige week effect had, en kies één belangrijk gat om te dichten voor de volgende ronde.
Dit handmatig doen in vijf browsertabs is leuk voor een paar prompts, maar loopt snel spaak als je meerdere modellen en een groeiende prompt-bibliotheek wil bijhouden. Dat is precies wat Trackbase automates: prompts draaien dagelijks op 11 modellen, elke reactie wordt opgeslagen inclusief mentions and citations, en je krijgt een Visibility Score die je week na week ziet veranderen in plaats van dat je moet gissen.
Klaar om te winnen in AI-search?
Sluit je aan bij de merken die hun zichtbaarheid al tracken op ChatGPT, Gemini, Claude en meer. Start vandaag je gratis proefperiode.
