Naar de inhoud
Recommendable

Onze visie

Hoe wij naar AI Search kijken

Ons doel is eenvoudig: dat AI-assistenten jouw merk aanbevelen op het moment dat een koper beslist. Mensen vragen een AI-assistent steeds vaker om advies voordat ze iets kopen. Wie dan wordt aanbevolen, hangt vooral af van wat er over je merk bekend is en hoe goed dat aansluit op de vraag. Hieronder staat hoe wij daarnaar kijken, en wat dat betekent voor hoe we werken.

Wij zijn anders

Vrijwel alle GEO-tools zijn prompt trackers. Ze vuren regelmatig een vast setje prompts af en meten of je naam in het antwoord staat en of je site geciteerd wordt. Dat verpakken ze in een gelikt dashboard. Daarna kijken ze wat de sites die wel genoemd worden anders doen, en helpen ze je om razendsnel content te maken over de onderwerpen die jij nog mist. Dat klinkt logisch, maar zo word je niet vaker aanbevolen. Snelle, oppervlakkige content kan zelfs averechts werken.

Terug naar de basis: first principles

Toen we zagen hoe beperkt de bestaande tools waren, zijn we bij het begin begonnen: hoe komt een AI-assistent eigenlijk tot een antwoord? We pasten first principles thinking toe. Je brengt een probleem terug tot de feiten waar je zeker van bent en redeneert vanaf daar opnieuw. Zo voorkom je dat je de aannames van anderen overneemt. We hebben vrijwel elk wetenschappelijk artikel over LLM's gelezen, de bevindingen zelf getest en gekeken wat ze in de praktijk betekenen.

De uitkomst: een AI-assistent bouwt zijn antwoord eerst op uit wat hij al weet, uit zijn geheugen, en verfijnt het daarna met live zoekresultaten. Of je site geciteerd wordt, is daardoor minder belangrijk dan veel tools doen geloven. Wat telt, is wat het model over je merk weet en of dat aansluit op de vraag van de koper.

Pas toen we dat hadden ontleed, zijn we onze eigen oplossing gaan bouwen.

Hoe een antwoord ontstaat

Twee ingangen naar een AI-antwoord

Een assistent noemt je omdat hij je al aan het onderwerp koppelt, of omdat de pagina's die hij leest je noemen. Welke van de twee je hebt, bepaalt welk werk iets oplevert.

Modelgeheugen
  1. 1Velora
  2. 2Brisk Bikes
  3. -Acme Cyclesniet herinnerd
  4. -Pedaloniet herinnerd
Pagina's die hij leest
  1. 1Pedalo
  2. 2Acme Cycles
  3. 3Velora
  4. 4Brisk Bikes
Het antwoord
  1. 1Velora
  2. 2Pedalo
  3. 3Acme Cycles
  4. 4Brisk Bikes

De gelezen pagina's noemen je, terwijl het model zelf je niet kent. Je haalt het antwoord, achter de namen die het al had.

Houd die pagina's vast. Naar voren komen is merkwerk: hetzelfde verhaal over wie je bent, op de plekken waar modellen van leren.

Pagina's: noemen je nietPagina's: noemen je
Geheugen: kent je niet
Geheugen: kent je

Een illustratie. In het platform tellen we dit per onderwerp: voor elk live-antwoord of het model je al kende en of de geciteerde pagina's je noemen.

Wat we anders meten

Omdat we weten hoe een antwoord ontstaat, meten we andere dingen dan een prompt tracker. In gewone taal:

De vragen van jouw kopers

We beginnen bij de koopmomenten in je markt: de situaties waarin iemand aan jouw categorie begint te denken, en de vragen die kopers dan stellen. Daar komen de vragen vandaan die we meten.

Geheugen en live, apart

We meten apart wat een assistent uit zichzelf over je weet en wat hij zegt nadat hij is gaan zoeken. Zo zie je welke van de twee routes hierboven bij jou werk nodig heeft.

Wat de modellen opzoeken

Als een assistent gaat zoeken, zien we welke zoekopdrachten hij zelf afvuurt en of je pagina's daarop landen. Zo weet je welke woorden en onderwerpen je site nog mist.

Reputatie: wat AI al over je gelooft

We stellen ChatGPT, Claude, Gemini en Perplexity open vragen over je merk en leggen de antwoorden naast hoe je gezien wilt worden. Je ziet met welke eigenschappen en onderwerpen ze je al verbinden, wat er ontbreekt en wat niet klopt.

Een marge bij elk cijfer

Een taalmodel geeft op dezelfde vraag steeds een iets ander antwoord. Eén meting zegt dus weinig. Daarom stellen we elke vraag meerdere keren en zetten we bij elk cijfer een betrouwbaarheidsinterval van 95%: de marge waarbinnen de echte waarde vrijwel zeker ligt. Een verandering noemen we pas een verandering als die buiten die marge valt.

Conversaties tot de keuze

Niemand stopt bij het eerste antwoord. Een nagebootste koper uit jouw doelgroep voert een heel gesprek met de assistent, met vervolgvragen, tot er een keuze valt. Zo zie je of je aan het eind wordt aanbevolen, waar je afvalt en waarom.

Lees precies hoe we meten

Onze overtuiging

Aanbevolen worden is in de eerste plaats merkstrategie

Pas daarna een technische discipline.

Een AI-assistent beveelt je aan op basis van wat er over je te vinden is: op je site, in reviews, in vakmedia en op forums. Het draait erom dat de juiste associaties aan je merk gekoppeld zijn, op de plekken waar een model van leert en die het leest voordat het antwoordt. ChatGPT, Claude, Gemini en Perplexity vatten al die bronnen samen in één advies. Daar zie je dus het scherpst of je merkverhaal overkomt.

Je eigen site is vaak het startpunt. Logisch, want daar heb je volledige controle. Het bewijs waarmee een model zijn aanbeveling onderbouwt komt echter grotendeels van buiten je site: wat klanten zeggen, wat vakmedia schrijven, waar je genoemd wordt. Daar ligt dus ook het meeste werk.

Waar mensen zoeken, hangt af van wat ze willen. Dat beschrijft ons Search Intent Framework: negen intenties en vijftien platformen, van Google en de AI-assistenten tot YouTube, TikTok en Reddit. Elk onderwerp in een audit krijgt zo'n intentie mee.

Lees het Search Intent Framework

  1. Je positionering

    Wie je bent, voor wie je de beste keuze bent en voor wie niet. Kraakhelder, want een model kan je alleen plaatsen als je zelf weet waar je staat.

  2. Je site

    Technisch gezond voor Google, leesbaar voor AI en overtuigend voor kopers. Het fundament, en het enige waar je volledige controle over hebt.

  3. Buiten je site

    Reviews, vakmedia, forums en de pagina's die de assistenten citeren. Hier halen kopers en modellen hun bewijs vandaan, en hier zit voor de meeste merken het meeste werk.

Alles bij elkaar is dat je bewijslast: wat je claimt, wat je site bewijst en wat anderen over je zeggen. Wij meten die bewijslast, wat het model ervan gemaakt heeft en wat het opzoekt voordat het antwoordt. Daarna het antwoord zelf, herhaald gemeten, en tot in het gesprek waarin een koper kiest.

Daarom raakt vaker aanbevolen worden direct je kern: je positionering, je bewijs en wat klanten over je zeggen. Dat vraagt om je hele marketingteam: merk, content, PR en techniek. Onze audits eindigen daarom in een actieplan op volgorde van verwachte impact en inspanning, met bij elke actie wie hem oppakt.

Hoe we werken

Je koopt bij ons een uitkomst: een advies en een plan, voor een vaste prijs. Ons platform meet, herhaald en met de marge erbij. Daarna leest een van ons elke bevinding, schrijft de conclusie en bouwt de presentatie. Er gaat niets ongelezen de deur uit. We zijn nuchter over AI: het laat zich niet hacken, dus verkopen we geen shortcuts. Content schrijven laten we aan jou, je bureau of je eigen AI-assistent. Wij vertellen wat er ontbreekt, waarom dat uitmaakt en wie het moet oppakken.

Wie we zijn

Recommendable is gebouwd door Peter Minkjan en Erik Mus, samen bijna dertig jaar bezig met hoe merken gevonden worden.

Over ons

Zie het op je eigen merk

Kies een pakket tegen een vaste prijs, dan plannen we samen de intake.

Direct aanvragen

Vaste prijs · geen abonnement · uitkomst binnen twee weken