Je AI-zichtbaarheid volgen

Je AI-zichtbaarheid volgen betekent dat je met een vaste cadans dezelfde vragen aan dezelfde modellen stelt en bijhoudt hoe vaak je merk in de antwoorden terugkomt.

Dat klinkt eenvoudiger dan het is, want de uitkomst beweegt uit zichzelf. Taalmodellen kiezen hun bronnen elke keer opnieuw en die keuze verschuift van week tot week. Volgen betekent daarom vooral: genoeg waarnemingen verzamelen om het echte signaal van de dagelijkse beweging te kunnen onderscheiden.

Wat je maand op maand bijhoudt

Een bruikbare rapportage bestaat uit een handvol cijfers die je elke periode op dezelfde manier berekent.

Dat laatste rijtje wordt vaak vergeten en het is precies wat een merk zelf nooit ziet. Een model dat een dienst noemt die je niet levert of een prijs die je nooit gevoerd hebt, kost je klanten zonder dat er ergens een cijfer daalt.

Het aandeel in het geheel is het cijfer waar een directie doorgaans op stuurt, omdat het zowel je eigen prestatie als die van je concurrenten in één getal vangt. Je kunt stijgen in absolute vermeldingen en tegelijk terrein verliezen en dat zie je pas als je beide meet.

Waarom je cijfers bewegen zonder dat jij iets doet

De bronnen die AI-antwoorden aanhalen worden voortdurend vervangen. Metingen van Profound over ongeveer 80.000 prompts per platform (juli 2025) laten een maandelijkse verschuiving zien van 59,3 procent bij Google AI Overviews, 54,1 procent bij ChatGPT, 53,4 procent bij Copilot en 40,5 procent bij Perplexity. Over zes maanden is 70 tot 90 procent van de geciteerde domeinen anders.

Dat cijfer heeft twee kanten. Het verklaart waarom een positie die je vandaag hebt volgende maand weg kan zijn zonder dat er iets aan jouw site veranderde. En het verklaart waarom er ook steeds ruimte vrijkomt, want die vervangen domeinen worden ergens door opgevolgd.

Daar komt de beweging binnen één dag nog bij. De kans dat twee identieke vragen aan hetzelfde model dezelfde merkenlijst opleveren is kleiner dan 1 op 100, gemeten door SparkToro en Gumshoe.ai over 2.961 runs in november en december 2025. Voor het volgen van een trend betekent dat: elke losse waarneming draagt maar een klein beetje bij en je hebt er veel nodig.

De cadans die werkt

Wekelijks meten en per 30 of 90 dagen beoordelen is de werkwijze die uit de meetliteratuur naar voren komt. Wekelijks meten geeft je het volume, de langere vensters houden je weg van conclusies op ruis.

Houd de condities gelijk, anders vergelijk je twee verschillende dingen:

• Vaste woording. Leg de exacte formulering van elke vraag vast. In de SparkToro-test lag de semantische overeenkomst tussen verschillende gebruikersformuleringen op 0,081, dus een kleine herformulering levert al een ander soort antwoord op.
• Schone sessies. Meet zonder ingelogde geschiedenis of personalisatie, anders meet je mede je eigen zoekgedrag.
• Dezelfde modellen. Voeg je een platform toe, begin dan voor dat platform een nieuwe lijn en plak het niet aan de oude reeks vast.

Kleine merken hebben het hier moeilijker dan grote. Als je in twintig procent van de antwoorden voorkomt, is de relatieve schommeling rond dat cijfer veel groter dan bij een merk dat in zeventig procent van de antwoorden staat. Weekcijfers zijn voor kleinere merken vooral een maat voor de ruis en dat is een reden om ze wel te verzamelen en er niet op te sturen.

Wanneer mag je zeggen dat er iets verbeterd is

Pas als het verschil groter is dan de onzekerheid van de meting zelf. Een stijging van 31 naar 34 procent zegt niets zolang beide cijfers een bandbreedte van een paar procentpunten om zich heen hebben die elkaar overlappen. Hoe je dat leest staat in de les over bandbreedtes.

Dat is ook de reden dat de eerste maand van een traject geen resultaat oplevert. In dertig dagen is elke verandering statistisch niet van de normale variatie te onderscheiden, dus in die maand meet je en beloof je niets. Wie in die periode wel een verbetering claimt, presenteert gewone beweging als resultaat.

Wij volgen zichtbaarheid met tientallen prompts over meerdere modellen en meerdere meetdagen en rekenen de uitkomst om naar vier onderdelen met een vast gewicht: vermelding 35 procent, aanbeveling 30 procent, prominentie 20 procent en eigen bron 15 procent. Er zit een geldigheidsdrempel op, zodat een meting met te weinig bruikbare waarnemingen geen score krijgt. En een mens kijkt de uitkomsten na. De volledige opzet staat op de pagina over het Findori Visibility Framework.

Wat je met de uitkomst doet

Volgen heeft alleen zin als er een handeling aan vastzit. Drie dingen die een goede rapportage stuurt:

• Bronherkomst. Zie je dezelfde drie externe domeinen steeds terugkomen in jouw categorie, dan weet je waar je aanwezig moet zijn. Meer daarover in de les over de herkomst van AI-citaties.
• Verlies van terrein. Een concurrent die stijgt terwijl jij gelijk blijft, betekent dat je aandeel daalt. Dat is doorgaans het eerste signaal, ruim voordat je eigen cijfer beweegt.
• Onderhoud. Met een maandelijkse verschuiving van 40 tot 60 procent in geciteerde bronnen is stilzitten een keuze met gevolgen.

En daarmee is dit ook het eerlijke antwoord op de vraag of AI-zichtbaarheid ooit af is. Je houdt hem zolang je hem onderhoudt.

Deze meting zit ook in de AI-zichtbaarheidsaudit, dan over vier modellen en meerdere meetdagen.