De woorden achter zoeken en AI Search

Hoe vaak AI-assistenten je merk noemen, aanbevelen en citeren als kopers vragen stellen over je categorie zonder je merk te noemen. Het woord wordt vaak gebruikt voor één score, terwijl er drie verschillende vragen onder zitten.

Bij Recommendable: Wij rapporteren zichtbaarheid altijd als drie aparte getallen per onderwerp en per assistent: genoemd, aanbevolen en geciteerd. Vragen waarin je merknaam al staat, meten we wel, maar houden we buiten de totalen.

Het aandeel antwoorden waarin de assistent je merk noemt, waar dan ook in het antwoord. Dit meet aanwezigheid en zegt nog niets over voorkeur.

Het aandeel antwoorden waarin de assistent je merk voorop zet: de optie waar het advies op uitkomt, of nummer 1 in een volgorde die het zelf als voorkeur geeft. Je kunt in een opsomming staan en toch nooit de aanbeveling zijn.

Bij Recommendable: Dit is het getal waar wij het meeste gewicht aan geven, omdat klanten uit een aanbeveling komen.

Het aandeel koopgesprekken dat eindigt met jouw merk als de keus. De koper vraagt door tot er één optie over is, en die optie is gekozen.

Bij Recommendable: Gekozen meten we in Gesprekken: een tweede model speelt een koper uit je doelgroep en praat door tot hij beslist. Samen met genoemd en aanbevolen vormt het de ladder van het eerste antwoord tot de keuze.

Een citatie is een bron waarnaar een assistent in zijn antwoord verwijst. Geciteerd is het aandeel antwoorden dat een pagina van je eigen site als bron aanhaalt.

Bij Recommendable: Citaties komen alleen uit live-antwoorden, want uit geheugen geeft een model geen bronnen. De lijst geciteerde domeinen per onderwerp gebruik je als outreachlijst.

Een tool die dagelijks een vaste set prompts naar AI-assistenten stuurt en telt of je merk in het antwoord voorkomt. Dat meet de uitkomst en zegt weinig over de oorzaak.

Bij Recommendable: Recommendable meet ook genoemd, aanbevolen en geciteerd, maar dan herhaald en met een band, en meet daarnaast wat die uitkomst bepaalt: je bewijslast, wat het model opzoekt en hoe het gesprek verloopt.

Het bereik waarin het echte percentage waarschijnlijk ligt, gegeven het aantal antwoorden. Een taalmodel beantwoordt dezelfde vraag elke keer anders, dus één meting zegt vrijwel niets; een smalle band betekent een stevig cijfer.

Bij Recommendable: Bij elk percentage tonen wij de band van het Wilson score-interval op 95 procent. Onder de vijf bruikbare antwoorden tonen we een aantal in plaats van een percentage.

Het label bij een cijfer zegt hoeveel je eraan hebt en volgt uit de breedte van de band. Robuust is een smalle band om strategie op te bouwen, Voldoende geeft een richting, Minimaal is te weinig signaal om advies op te baseren.

Bij Recommendable: Een uitspraak die een duiding is en geen meting, krijgt een vierde label: Duiding. Zo verwar je die twee niet.

Dezelfde onderwerpen later opnieuw meten op hetzelfde instrument, om te zien wat er echt veranderd is. Een verandering telt pas als de banden van de twee metingen elkaar niet meer raken.

Bij Recommendable: De AI Search Strategie bevat één hermeting na drie maanden. Wisselt een aanbieder van model, dan starten de nieuwe metingen een eigen reeks en middelen we ze niet met de oude.

Een gesprek van meerdere beurten met een AI-assistent, van de eerste vraag tot een keuze, via oriënteren, vergelijken en kiezen. De beslissing valt zelden bij het eerste antwoord.

Bij Recommendable: In Conversations speelt een tweede model een koper uit je doelgroep en praat door tot hij kiest. Je ziet waar je in beeld komt, waar je afvalt, door wie en met welke reden.

Een AI-antwoord gebruikt jouw content als bron, maar beveelt een ander merk aan. Geciteerd worden is iets anders dan aanbevolen worden.

Bij Recommendable: Omdat we genoemd, aanbevolen en geciteerd apart meten, zie je wanneer je wel de bron bent en geen aanbeveling krijgt.

Zoeken en kiezen via AI-assistenten zoals ChatGPT, Claude, Gemini en Perplexity, en het vak om daar als merk aanbevolen te worden. SEO optimaliseert een pagina voor een zoekopdracht, AI Search optimaliseert een merk voor een aanbeveling.

Bij Recommendable: Wij meten AI Search bij vier assistenten: ChatGPT, Claude, Gemini en Perplexity, via de API's van de aanbieders.

Een veelgebruikte naam voor het optimaliseren van content en merk voor zoekmachines en assistenten die zelf een antwoord schrijven. De term komt uit wetenschappelijk onderzoek; op deze site gebruiken we meestal AI Search.

Een assistent antwoordt uit zijn geheugen, dus uit wat hij in training leerde, of live, waarbij hij het web mag doorzoeken en zijn antwoord op gevonden bronnen baseert (grounding). Live biedt het zoeken aan zonder het af te dwingen, dus ook een live-antwoord kan uit het geheugen komen.

Bij Recommendable: Wij meten beide modi apart en tonen per onderwerp in hoeveel procent van de live-antwoorden er echt gezocht is. Perplexity zoekt altijd, dus daar meten we alleen live.

Voordat een AI-zoekmachine antwoordt, splitst hij één vraag op in meerdere deelvragen en zoekt hij op elk daarvan. Die deelvragen bepalen welke pagina's gelezen worden.

Bij Recommendable: Wij vangen de deelvragen uit live-antwoorden op en clusteren ze tot de onderwerpen die de modellen echt onderzoeken. Perplexity geeft zijn deelvragen niet prijs.

Wat een assistent opzoekt voordat hij antwoordt: de deelvragen die hij zoekt en de pagina's die hij leest. Een deel van die zoekopdrachten is gericht op één specifieke site, om een kandidaat te controleren.

Bij Recommendable: Wij toetsen of je pagina's de woorden bevatten waarop assistenten je site controleren, en zetten de ontbrekende woorden per pagina in je actieplan.

De door AI geschreven samenvatting die Google bovenaan een resultatenpagina toont. Die put uit een klein aantal pagina's.

Bij Recommendable: We lezen per onderwerp of Google een AI-overzicht toont, welke sites het citeert en of jouw site erbij zit. AI Mode houden we apart, want dat citeert andere sites. Elke meting blijft bewaard, zodat je de lijn over de tijd ziet.

Wat iemand wil bereiken met een zoekopdracht of een vraag aan een assistent. Het klassieke model kent vier soorten: informatief, navigerend, commercieel en transactioneel. Het Search Intent Framework onderscheidt er negen.

Bij Recommendable: Elk onderwerp in een audit krijgt een intentie uit het Search Intent Framework.

Ons model voor zoekgedrag: negen intenties, 31 subcategorieën en vijftien platformen, gescoord op hoe goed ze bij elke intentie passen. De intentie bepaalt het platform, van Google en AI-assistenten tot YouTube, TikTok en Reddit.

Zoeken binnen platformen als YouTube, TikTok, Instagram en Reddit in plaats van in een zoekmachine. Wat daar over een merk staat, lezen AI-assistenten ook als bron.

Bij Recommendable: We lezen YouTube, TikTok en Reddit als bron voor wat er over je merk gezegd wordt. Wat mensen binnen die platformen zoeken, meten we nog niet.

Vragen en aanbevelingen in besloten kanalen zoals WhatsApp, Slack en Discord. Ze sturen veel keuzes, maar geen tool kan ze meten.

Alles wat een model over je merk aantreft: wat je claimt, wat je site bewijst en wat anderen over je zeggen in reviews, vakmedia, forums en video. Een model beveelt aan wat het overal tegenkomt, en het meeste bewijs staat buiten je eigen site.

Bij Recommendable: Een audit meet die bewijslast, wat het model ervan gemaakt heeft en pas daarna het antwoord en het gesprek.

De situatie waardoor iemand aan je categorie gaat denken, zoals een verhuizing, een contract dat afloopt of een probleem dat blijft terugkomen. Mensen stellen een vraag omdat er iets gebeurde.

Bij Recommendable: Topics brengt de koopmomenten in je markt in kaart en groepeert de onderwerpen die we meten per moment. Elk moment krijgt een gewicht en een koppeling aan een ICP.

Een onderwerp waar kopers in je categorie zoekmachines en AI-assistenten naar vragen, met de vragen die eronder vallen. Sommige topics zoekt men op met een vaste zoekterm, andere zijn een vraagstuk zonder vaste term.

Bij Recommendable: Per topic zie je hoeveel vraag er is, of je er een pagina voor hebt en hoe je merk het doet in live AI-antwoorden. De vragen die we meten komen uit deze topics.

De voorwaarden waarop een model zijn advies laat kantelen, zoals budget, onderhoud of servicenetwerk. Ze bepalen welk merk bij welke koper de aanbeveling wordt.

Bij Recommendable: Wij halen de beslisassen uit de antwoorden en laten zien of je op elke as genoemd wordt en of je site er antwoord op geeft.

Een eenduidig te herkennen ding, zoals een merk, persoon of product, met vaste eigenschappen en relaties. Taalmodellen en zoekmachines ordenen kennis rond entiteiten; is je merk online niet eenduidig gedefinieerd, dan kan een model de puntjes niet verbinden.

Bij Recommendable: In Reputation zie je waar elke assistent je merk mee associeert, afgezet tegen je merkprofiel. Rondes waarin een assistent je met een andere organisatie verwart, markeren we en tellen niet mee.

Het ideal customer profile (ICP) beschrijft voor wie je de beste keuze bent. Een persona maakt dat concreet als een typische koper met een situatie en prioriteiten.

Bij Recommendable: Je legt ICP-persona's vast in het merkprofiel. Ze sturen welke koopmomenten we onderzoeken en welke kopers in de gesimuleerde koopgesprekken praten.

Experience, Expertise, Authoritativeness en Trustworthiness: het kader uit Googles richtlijnen voor kwaliteitsbeoordelaars om te bepalen of content te vertrouwen is. Het gaat om signalen zoals wie de auteur is, hoe actueel een pagina is en wie ernaar verwijst.

Bij Recommendable: De AI Search Website Audit controleert E-E-A-T-signalen op je redactionele en commerciële pagina's, zoals auteursvermeldingen met expertise en datums.

Code op een pagina, meestal JSON-LD volgens Schema.org, die machines vertelt wat er staat: een organisatie, een product, een prijs, een review. Zo hoeft een zoekmachine of model dat niet uit de lopende tekst af te leiden.

Bij Recommendable: De SEO-laag van de AI Search Website Audit controleert je structured data. In de tool staan kant-en-klare bestanden voor ontbrekende markup.

Een tekstbestand in de root van je site dat taalmodellen een korte beschrijving en de belangrijkste pagina's geeft. Het is een voorstel voor een standaard; niet elke AI-aanbieder zegt het te gebruiken.

Bij Recommendable: De AI Search Website Audit controleert of je site een llms.txt heeft en of een pagina erin staat.

Of AI-assistenten en AI-agents je site kunnen bereiken, lezen, gebruiken en citeren. Een agent die namens een klant handelt, moet ook iets kunnen doen: zoeken, een formulier invullen, afrekenen.

Bij Recommendable: De Agents-laag van de AI Search Website Audit kijkt naar toegang voor AI-crawlers in robots.txt, leesbaarheid zonder browser, hoeveel tekst een agent moet doorwerken, protocollen zoals MCP, beveiligingssignalen en citeerbaarheid.