Hoe meet ik organische zichtbaarheid in AI-zoekmachines?

Organische zichtbaarheid in AI-zoekmachines meten we anders dan traditionele SEO. Generatieve systemen tonen niet altijd een vaste rangschikking en een vermelding leidt lang niet altijd tot een klik. Bovendien kunnen antwoorden verschillen per gebruiker, formulering, locatie en meetmoment. Daarom kijken we niet naar één positie of KPI, maar combineren we vier onderdelen: merkvermeldingen, broncitaten, referralverkeer en de zichtbaarheid binnen antwoorden. Zo ontstaat een meetplan dat zowel aanwezigheid als daadwerkelijk websitebezoek vastlegt.

Bepaal eerst wat je precies wilt meten

Een AI-zoekmachine kan een merk noemen zonder link, een pagina als bron citeren zonder de merknaam in het antwoord te zetten, of verkeer doorsturen vanuit een chatinterface. Dat zijn verschillende vormen van zichtbaarheid. We leggen daarom vooraf vast welke platformen, onderwerpen, doelgroepen, landen en talen relevant zijn. Denk aan ChatGPT, Perplexity, Microsoft Copilot en generatieve onderdelen van Google. Platformen veranderen regelmatig; controleer daarom periodiek of de gekozen bronnen en rapportages nog beschikbaar zijn.

• Merkvermelding: komt de organisatie, het hotel, product of merk letterlijk voor in het antwoord?
• Broncitatie: wordt een pagina van het eigen domein genoemd of gelinkt als onderbouwing?
• Referralverkeer: komen er sessies vanuit een herkenbare AI-referrer naar de website?
• Antwoordzichtbaarheid: hoe prominent en in welke context verschijnt het merk?
• Zakelijke waarde: leiden bezoeken uit AI-platformen tot relevante vervolgacties?

Kies daarnaast een vaste rapportageperiode, bijvoorbeeld maandelijks, en leg een nulmeting vast. Zonder nulmeting is niet duidelijk of zichtbaarheid werkelijk groeit of dat alleen de gebruikte prompts zijn veranderd.

Werk met een vaste en herhaalbare promptset

Losse handmatige zoekopdrachten geven vooral anekdotische informatie. Voor vergelijkbare metingen bouwen we een promptset rond concrete klantvragen. We verdelen die over de klantreis: oriënterende vragen, vergelijkingen, probleemvragen en vragen met duidelijke selectie-intentie. Voor een B2B-aanbieder kan dat gaan om geschikte oplossingen voor een specifieke sector. Voor een hotel kunnen locatie, faciliteiten, doelgroep en reistype centraal staan.

Per prompt bewaren we de exacte formulering, taal, locatie of markt, het platform, de datum, het gebruikte account en waar mogelijk het model. Start bij iedere meetronde bij voorkeur een nieuwe sessie, zodat eerdere gesprekken het antwoord minder beïnvloeden. Meet meerdere vaste formuleringen per onderwerp, maar verander deze niet tussentijds zonder de wijziging te documenteren. Volledige reproduceerbaarheid is niet haalbaar, omdat modellen en bronselectie veranderen. Een stabiel protocol maakt trends wel bruikbaarder.

Registreer vermeldingen, citaties en antwoordpositie

Voor iedere prompt slaan we het volledige antwoord of een schermafbeelding op en coderen we de uitkomst in een tabel. Een eenvoudige binaire score voor ‘genoemd’ of ‘niet genoemd’ is onvoldoende. We willen ook weten waarom en waar een merk verschijnt. Noteer daarom of de vermelding positief, neutraal, kritisch of feitelijk onjuist is, en of het merk wordt aanbevolen, alleen opgesomd of slechts in een bron voorkomt.

• Platform, model indien zichtbaar, datum, taal en land.
• Promptcategorie en exacte gebruikte prompt.
• Merk genoemd: ja of nee, inclusief schrijfvariant.
• Prominentie: eerste aanbeveling, onderdeel van een lijst, lopende tekst of alleen bron.
• Eigen domein geciteerd: ja of nee, met de exacte URL.
• Type geciteerde pagina: dienstpagina, productpagina, locatiepagina, kennisartikel of andere bron.
• Concurrenten of alternatieven die in hetzelfde antwoord voorkomen.
• Juistheid en context van de vermelding.

Hieruit berekenen we bijvoorbeeld het aandeel gemeten prompts met een merkvermelding en het aandeel met een citatie van het eigen domein. Rapporteer daarbij altijd het aantal geteste prompts. Een percentage zonder omvang en meetprotocol kan een vertekend beeld geven.

Meet AI-referralverkeer in analytics

In GA4 of een ander analyticsplatform maken we een kanaalgroep of segment voor bekende verwijzende domeinen van AI-platformen. Analyseer minimaal sessies, landingspagina’s, engagement en relevante conversies. Gebruik UTM-tags wanneer een platform of eigen gedeelde AI-link die parameters ondersteunt. Controleer ook de ruwe referrerwaarden voordat verkeer definitief aan een kanaal wordt toegewezen.

Referralverkeer is een ondergrens en geen compleet bereikcijfer. Een gebruiker kan het merk in een antwoord zien en later rechtstreeks, via een zoekmachine of vanaf een ander apparaat terugkomen. Sommige apps en browsers geven bovendien geen bruikbare referrer door. We scheiden daarom aantoonbaar AI-referralverkeer van mogelijke indirecte invloed. Een stijging in direct verkeer of merkzoekopdrachten kan ondersteunend bewijs zijn, maar is geen sluitende attributie aan AI-zichtbaarheid.

Combineer de signalen in één rapportage

Een bruikbaar dashboard bevat per platform en onderwerp vier lagen: aandeel prompts met merkvermelding, aandeel prompts met een eigen broncitatie, verdeling van de prominentie en meetbaar referralverkeer. Voeg landingspagina’s en conversies toe om te zien welke citaties ook zakelijk relevant verkeer opleveren. Vergelijk vooral periodes binnen hetzelfde meetprotocol; vergelijk absolute uitkomsten tussen platformen alleen met voorzichtigheid.

Koppel veranderingen aan een logboek met publicaties, inhoudelijke updates, technische wijzigingen en nieuwe externe vermeldingen. Zo kunnen we hypotheses vormen over oorzaken, zonder causaliteit te claimen. Controleer afwijkingen altijd handmatig: een modelupdate, gewijzigde bronweergave of aangepaste prompt kan de uitkomst beïnvloeden. Organische zichtbaarheid in AI-zoekmachines meten we daarmee als een trend over meerdere signalen, niet als één universele ranking.