Hoe we meten

Wie een cijfer publiceert, hoort te kunnen uitleggen waar het vandaan komt. In AI-zichtbaarheid is dat eerder uitzondering dan regel. Je krijgt een percentage, een trendlijn en het woord zichtbaarheid, en daaronder zit een methode die je niet te zien krijgt.

Dat is een probleem, want deze cijfers bewegen uit zichzelf. Stel een taalmodel tien keer dezelfde vraag en je krijgt tien verschillende antwoorden. Zonder te weten hoe vaak er gemeten is, met welk model, en wat er met mislukte metingen gebeurt, kun je een stijging van 8 procent niet onderscheiden van toeval.

Deze pagina is opgebouwd rond de vragen die je aan elke AI-visibility tool zou moeten kunnen stellen. Hoe vaak is er gemeten. Met welk model. Wat gebeurt er met een meting die mislukt. En wat zou deze methode onderuit halen. Alles hieronder is bedoeld om jou in staat te stellen te controleren of onze cijfers waard zijn wat wij ervan beweren.

De meeste tools persen zichtbaarheid in één score. Wij houden drie dingen apart, omdat het drie verschillende vragen zijn die onafhankelijk van elkaar bewegen.

• Genoemd. Komt je merk voor in het antwoord? Dit is aanwezigheid, meer niet.
• Aanbevolen. Zet het model jou voorop? Dat is de optie waar het advies op uitkomt, of nummer 1 in een volgorde die het antwoord zelf als voorkeur geeft. Je kunt in een opsomming staan voor de volledigheid en toch nooit de aanbeveling zijn. Dit is het getal waar klanten vandaan komen.
• Geciteerd. Gebruikt de engine jouw eigen site als bron? Dit zegt iets anders dan de eerste twee: het laat zien of je pagina's meelezen in het antwoord.

Die drie tellen we nooit bij elkaar op tot één cijfer. Een gewogen mengsel van aanwezigheid, voorkeur en bronvermelding leest als precisie en is het niet: je kunt er niet meer uit aflezen welk van de drie bewoog, en dus ook niet wat je zou moeten doen.

Daarna komt een vierde getal, uit hele gesprekken: gekozen. Een koper vraagt door tot er één optie over is. Blijf jij dan over, dan ben je gekozen. Genoemd, aanbevolen en gekozen vormen samen de ladder van het eerste antwoord tot de keuze.

Eén meting van een taalmodel is een muntworp. Daarom stellen we elke vraag meerdere keren en rapporteren we het aandeel antwoorden waarin je genoemd of aanbevolen wordt, met de bandbreedte waarin de werkelijke waarde ligt. We gebruiken daarvoor het Wilson score-interval op 95 procent.

Bij elk cijfer staat een label dat zegt hoeveel je eraan hebt:

• Robuust: tientallen herhalingen en een smalle band. Hier kun je strategie op bouwen.
• Voldoende: genoeg voor een richting. Bruikbaar om een hypothese op te stellen.
• Minimaal: te weinig signaal. We tonen het apart en nooit als advies.
• Duiding: een interpretatie, geen meting. Herkenbaar als zodanig gelabeld.

Onder de vijf bruikbare antwoorden doen we helemaal geen uitspraak. Dan staat er dat het niet gemeten is. Dat is minder bevredigend dan een getal en het is het enige eerlijke antwoord.

Wat dit praktisch betekent: als je week op week van 30 naar 38 procent gaat maar beide bandbreedtes lopen van 20 tot 50, dan is er niets gebeurd. Je ziet dat op het scherm, in plaats van dat je het achteraf hoort.

Een AI-assistent kan op twee manieren antwoorden. Uit zijn eigen kennis, of na een zoekopdracht. Wij meten die twee apart en gooien ze nooit bij elkaar.

Live betekent overigens dat het model mág zoeken, niet dat het gebeurt. In onze eigen metingen zocht ChatGPT in een ruime meerderheid van de live-vragen ook werkelijk, maar lang niet altijd. De rest werd alsnog uit het geheugen beantwoord. Daarom laten we per onderwerp zien in hoeveel procent van de live-antwoorden er daadwerkelijk gezocht is.

Dat onderscheid bepaalt wat je gaat doen. Beantwoordt een engine jouw onderwerp uit zijn geheugen, dan heeft sleutelen aan je pagina's daar weinig grip en telt bekend zijn zwaarder. Zoekt hij wel, dan is je content het aangrijpingspunt.

Eén uitzondering: Perplexity zoekt altijd. Elk Sonar-model is web-grounded, dus daar bestaat geheugenmodus niet en meten we alleen live.

Alle metingen lopen via de officiële API's van de aanbieders. Vier engines: ChatGPT, Claude, Gemini en Perplexity. Drie redenen.

• Het mag. Geautomatiseerd de consumenteninterface uitlezen is in strijd met de gebruiksvoorwaarden van vrijwel elke aanbieder, en het vraagt om wegwerpaccounts of residentiële proxies. Wij doen dat niet, en je wilt niet dat je rapportage op zo'n fundament staat.
• Het is herhaalbaar. Een API-aanroep tegen een vastgezet, gedateerd model is over zes maanden nog te reproduceren. Een geschraapte interface heeft geen versienummer. Aanbieders wijzigen daar doorlopend de systeemprompt, het zoekgedrag en de modelrouting, zonder aankondiging. In zo'n tijdreeks kun je beweging van jouw merk niet scheiden van beweging van het product.
• Het is vergelijkbaar. Claude, Gemini en Perplexity zijn voor tracking alleen via de API te bereiken zonder ingelogde sessies. Een tool die ChatGPT scrapet en de rest via de API haalt, telt twee soorten getallen bij elkaar op en noemt dat een vergelijking.

Wat we er eerlijk bij zeggen: de API en de consumenteninterface geven niet hetzelfde antwoord. De interface is een product met een eigen systeemprompt, een eigen zoekbudget, geheugen en personalisatie, en dat verschuift welke bronnen in een antwoord terechtkomen en hoeveel deelvragen eronder liggen. Hoe groot dat verschil precies is, weet vandaag niemand: in de metingen die erover gepubliceerd zijn ontbreekt de controlemeting van de interface tegen zichzelf, dus er is geen maat voor de ruis waartegen je het verschil moet afzetten. Dat het verschil bestaat, staat wel vast.

Wij meten daarom bewust op modelniveau: zit je merk in de kennis van het model, en wordt het opgehaald en aanbevolen zodra er gezocht wordt. Wat je daaruit leert, welke pagina je moet schrijven en van welke bronnen je genoemd wilt worden, verandert niet doordat je via een andere deur meet.

Dit is het lastigste deel van AI-zichtbaarheid meten en het deel waar de meeste tools stil over zijn. De modellen achter je meting worden vervangen. Doe je daar niets aan, dan meet je in januari iets anders dan in juni en heet het allebei zichtbaarheid.

Wij pinnen per platform een modelkeuze vast, en die keuze is onderdeel van de identiteit van de meting. Wisselt het model, dan krijgt de nieuwe instelling een eigen sleutel en vormen de nieuwe metingen een eigen verzameling. Oude metingen blijven bestaan en blijven zichtbaar, alleen worden ze nooit stilzwijgend gemiddeld met de nieuwe. Je ziet een instrumentwissel dus als een breuk in de lijn in plaats van als een sprong in je score.

Twee voorbeelden uit onze eigen historie.

Tot juli 2026 gebruikte ChatGPT in live-modus verplicht een klein zoekmodel, terwijl geheugenmodus het volwaardige model gebruikte. Dat vervuilde het contrast tussen de twee modi, want er wisselde meer dan alleen webtoegang. Sinds we een gewoon chatmodel met zoekfunctie kunnen aanroepen, gebruiken beide modi hetzelfde model. De oude metingen staan er nog, in hun eigen pool.

In augustus 2026 liepen drie van de vier platforms een generatie of meer achter op wat een gebruiker daadwerkelijk krijgt. We hebben ChatGPT, Claude en Gemini naar de actuele modellen gebracht en per model gecontroleerd dat ze in live-modus wél citaties teruggeven en in geheugenmodus niet, want op dat contrast rust de hele scheiding tussen de twee modi.

We kiezen daarbij zoveel mogelijk het model dat gewone gebruikers krijgen, geen zwaarder redeneermodel dat beter scoort in een demo.

Als een API-aanroep faalt door een rate limit of een storing, dan telt die poging niet mee. Hij verdwijnt uit de noemer en wordt apart gerapporteerd.

Dat lijkt een detail en het is het niet. Een mislukte aanroep als "merk niet genoemd" wegschrijven maakt van elke storing een zichtbaarheidsprobleem, en die fout gaat altijd dezelfde kant op: naar beneden. Je zou een slechte middag van een provider terugzien als een dip in je eigen prestaties.

Een methode is pas te vertrouwen als je ook weet waar hij ophoudt.

• Google AI Overviews en AI Mode met dezelfde herhaalde meting als de assistenten. Die twee lezen we per zoekterm uit de Google-resultaten zelf: staat er een AI-overzicht, welke sites citeert het en zit jouw site erbij. Elke meting blijft bewaard, dus je ziet de lijn over de tijd. Een band per cijfer hoort daar niet bij, want het blijft een citatiemeting per zoekterm.
• Personalisatie en locatie. Een echte gebruiker heeft gespreksgeschiedenis, een account, een land en soms een geheugen vol eerdere voorkeuren. Wij meten schoon: nieuwe context per vraag, geen geheugen. Dat maakt de meting herhaalbaar en het maakt hem ook onpersoonlijk. Wat één specifieke gebruiker ziet, weten we niet.
• De link naar omzet. We meten of je genoemd en aanbevolen wordt. We hebben geen bewijs dat een stijging van tien punten leidt tot een bepaald aantal klanten. Niemand in deze markt heeft dat bewijs. Daarom beloven we geen ROI en zetten we geen bedragen onder een zichtbaarheidscijfer.
• Vergelijking met andere tools. We hebben onze cijfers niet naast die van andere aanbieders gelegd. Zolang dat niet gebeurd is, weet niemand hoeveel twee tools het over hetzelfde merk oneens zijn.

Een meetmethode die nergens op stuk kan lopen, is geen meetmethode. Dit zijn de uitkomsten die ons zouden dwingen om iets te veranderen:

• Meet je hetzelfde merk in dezelfde week twee keer volledig opnieuw, en de twee uitkomsten vallen buiten elkaars bandbreedte, dan klopt onze onzekerheidsschatting niet.
• Blijkt de spreiding binnen de consumenteninterface van één engine net zo groot als het verschil tussen die interface en de API, dan is het kanaalverschil waar de markt over praat kleiner dan gedacht en moeten wij onze uitleg bijstellen.
• Voorspelt een hoge aanbevelingsscore geen enkele meetbare beweging in aanvragen of merkgebonden zoekvolume bij klanten die er echt op gestuurd hebben, dan meten we iets wat er niet toe doet.

We houden die drie zelf bij. Vind je een vierde, dan horen we het graag.

Deze pagina beschrijft de methode op hoofdlijnen. Wil je weten hoe een specifiek cijfer in je eigen rapport tot stand is gekomen, met hoeveel herhalingen en op welk model, dan lichten we dat toe. We leggen liever uit hoe iets gemeten is dan dat je het op ons woord aanneemt.