← Kennisbank/Chat37
chat37GEO21 september 20263 min lezenMvG | Atthis AI redactie

AI-zichtbaarheid meten: check ChatGPT en Perplexity zelf

Wil je weten of ChatGPT en Perplexity je bedrijf noemen? Zo zet je zelf een herhaalbare nulmeting op met promptlijst, vaste meetopstelling en scoresheet.

Een klant zegt dat ChatGPT je heeft aanbevolen. Leuk, maar één anekdote is geen meting. Chat37 beschrijft hoe je in een middag zelf een nulmeting opzet voor ChatGPT en Perplexity, zonder software; wij vatten de kern samen en leggen uit waar zo’n meting wél en niet betrouwbaar is.

AI-zichtbaarheid meten: check ChatGPT en Perplexity zelf

Een klant zegt dat ChatGPT je heeft aanbevolen. Leuk, maar één anekdote is geen meting. Chat37 beschrijft hoe je in een middag zelf een nulmeting opzet voor ChatGPT en Perplexity, zonder software; wij vatten de kern samen en leggen uit waar zo’n meting wél en niet betrouwbaar is.

Het kort: 4 praktijk-takeaways

1. Meet als een experiment — Leg vooraf vast onder welke omstandigheden je test: uitgelogd of met chatgeheugen uit, welk model en welke versie, locatie, taal en zoekmodus. Herhaal elke prompt drie keer in een nieuwe chat en bepaal vooraf hoe je wisselende uitkomsten telt. Zonder vaste opstelling vergelijk je volgende maand appels met peren.

2. Schrijf prompts vanuit de koper — Stel 10 tot 15 vragen op zoals een klant ze intypt voor hij inhuurt, niet zoals jij je bedrijf omschrijft. Neem varianten mee zonder plaatsnaam en met een concurrent erin, zodat je ziet hoe breed je zichtbaarheid is. Gebruik alleen openbare informatie; klantgegevens en offertes horen niet in een prompt.

3. Begin in Perplexity om de bronnen — Perplexity toont zijn bronnen meestal direct bij het antwoord, zodat je ziet waar de informatie vandaan komt. Noteer per prompt welke sites terugkeren. Die lijst is je werklijst: controleer of je daar staat en of de gegevens kloppen. Een vermelding op zo’n site is een aanknopingspunt, geen garantie.

4. Nulmeting is richting, geen trend — Bereken je vermeldingspercentage en apart je aanbevelingspercentage: aantal prompts met een score gedeeld door het totaal. Behandel die eerste cijfers als indicatie, want een kleine wisselende steekproef toont hooguit richting. Herhaal maandelijks met dezelfde promptlijst en opstelling. Overweeg pas een monitoringtool als je handmatig weet wat je wilt automatiseren.

Waar AI dit goed kan — en waar niet

AI kan het handwerk rond zo’n meting flink versnellen. Een model genereert in één keer twintig promptvarianten op basis van je diensten en werkgebied, zet je scoresheet op en herkent patronen in de bronnen die Perplexity steeds aanhaalt. Ook het coderen van antwoorden (genoemd, aanbevolen, sentiment) is uitbesteedbaar, mits je vooraf een eenduidige rubriek geeft en steekproefsgewijs controleert.

Twee kanttekeningen. Ten eerste meet je hier gedrag van systemen die per definitie niet-deterministisch zijn: dezelfde prompt levert morgen een ander antwoord, en een ingelogd account krijgt gepersonaliseerde uitkomsten. Wie via een API automatiseert, meet bovendien vaak een ander model of andere instellingen dan wat een klant in de consumenten-app ziet. Benoem dat expliciet in je rapportage.

Ten tweede: laat je meetresultaten niet zomaar in een cloudchat verdwijnen. Voor het classificeren van antwoorden en het samenvatten van een maand data volstaat een klein model dat lokaal of binnen Nederland draait. Dat is goedkoper en zuiniger dan een frontier-model voor een taak die feitelijk sorteren is, en je concurrentiedata blijft binnen je eigen omgeving.

Bron

Dit overzicht is gebaseerd op het volledige artikel van Chat37: Hoe controleer je of ChatGPT en Perplexity jouw bedrijf noemen? Stappenplan

Het brand-artikel bevat de volledige scoresheet met alle kolommen en een ingevuld voorbeeld, een concrete promptlijst voor een schildersbedrijf in Zwolle en een checklist voor het kiezen van een AI-monitoringtool.

Het kort: 4 praktijk-takeaways

  1. 01 — Meet als een experiment

    Leg vooraf vast onder welke omstandigheden je test: uitgelogd of met chatgeheugen uit, welk model en welke versie, locatie, taal en zoekmodus. Herhaal elke prompt drie keer in een nieuwe chat en bepaal vooraf hoe je wisselende uitkomsten telt. Zonder vaste opstelling vergelijk je volgende maand appels met peren.

  2. 02 — Schrijf prompts vanuit de koper

    Stel 10 tot 15 vragen op zoals een klant ze intypt voor hij inhuurt, niet zoals jij je bedrijf omschrijft. Neem varianten mee zonder plaatsnaam en met een concurrent erin, zodat je ziet hoe breed je zichtbaarheid is. Gebruik alleen openbare informatie; klantgegevens en offertes horen niet in een prompt.

  3. 03 — Begin in Perplexity om de bronnen

    Perplexity toont zijn bronnen meestal direct bij het antwoord, zodat je ziet waar de informatie vandaan komt. Noteer per prompt welke sites terugkeren. Die lijst is je werklijst: controleer of je daar staat en of de gegevens kloppen. Een vermelding op zo’n site is een aanknopingspunt, geen garantie.

  4. 04 — Nulmeting is richting, geen trend

    Bereken je vermeldingspercentage en apart je aanbevelingspercentage: aantal prompts met een score gedeeld door het totaal. Behandel die eerste cijfers als indicatie, want een kleine wisselende steekproef toont hooguit richting. Herhaal maandelijks met dezelfde promptlijst en opstelling. Overweeg pas een monitoringtool als je handmatig weet wat je wilt automatiseren.

Waar AI dit goed kan — en waar niet

AI kan het handwerk rond zo’n meting flink versnellen. Een model genereert in één keer twintig promptvarianten op basis van je diensten en werkgebied, zet je scoresheet op en herkent patronen in de bronnen die Perplexity steeds aanhaalt. Ook het coderen van antwoorden (genoemd, aanbevolen, sentiment) is uitbesteedbaar, mits je vooraf een eenduidige rubriek geeft en steekproefsgewijs controleert.

Twee kanttekeningen. Ten eerste meet je hier gedrag van systemen die per definitie niet-deterministisch zijn: dezelfde prompt levert morgen een ander antwoord, en een ingelogd account krijgt gepersonaliseerde uitkomsten. Wie via een API automatiseert, meet bovendien vaak een ander model of andere instellingen dan wat een klant in de consumenten-app ziet. Benoem dat expliciet in je rapportage.

Ten tweede: laat je meetresultaten niet zomaar in een cloudchat verdwijnen. Voor het classificeren van antwoorden en het samenvatten van een maand data volstaat een klein model dat lokaal of binnen Nederland draait. Dat is goedkoper en zuiniger dan een frontier-model voor een taak die feitelijk sorteren is, en je concurrentiedata blijft binnen je eigen omgeving.