← Kennisbank/Chat37
chat3722 mei 20262 min lezenMvG — Atthis AI redactie

AI-zichtbaarheid meten: komt jouw merk voor in ChatGPT?

Praktische aanpak om te meten of je merk wordt genoemd in ChatGPT, Perplexity en Gemini — inclusief promptlijst, nulmeting en bronanalyse.

Steeds meer klanten stellen hun vraag eerst aan een AI-tool. Of jouw merk in dat antwoord voorkomt, is meetbaar — mits je gestructureerd te werk gaat en de ruis van AI-variabiliteit serieus neemt.

AI-zichtbaarheid meten: komt jouw merk voor in ChatGPT?

Steeds meer klanten stellen hun vraag eerst aan een AI-tool. Of jouw merk in dat antwoord voorkomt, is meetbaar — mits je gestructureerd te werk gaat en de ruis van AI-variabiliteit serieus neemt.

Het kort: 5 praktijk-takeaways

1. Drie vragen, geen ranglijst — Meet niet zoals je SEO meet. Bij AI gaat het om: word ik genoemd, hoe word ik genoemd (sentiment, claims), en wie staat naast me? Een positie-1 bestaat niet — context wel.

2. Bouw een echte promptlijst — Begin met 20-50 vragen zoals klanten ze stellen, verdeeld over categorie-, probleem-, vergelijking- en merk-prompts. Test in meerdere modellen, meerdere keren, vanuit verschillende sessies om variabiliteit te neutraliseren.

3. Bronnen zijn je hefboom — AI-antwoorden leunen op Reddit, vergelijkingssites, brancheblogs en Wikipedia. Klik door op geciteerde bronnen — daar zit je beïnvloedingsruimte, niet in het model zelf.

4. Leg een nulmeting vast — Noteer vermeldingspercentage, share-of-voice en sentiment met datum. Zonder baseline weet je over drie maanden niet of je content- of PR-inspanningen iets opleveren.

5. Koppel aan echte leads — Vraag in je intake hoe iemand bij je kwam, tag AI-bronnen in je CRM, en vergelijk met directe traffic en branded search. Genoemd worden bij irrelevante prompts levert nul omzet op.

Waar AI dit goed kan — en waar niet

AI-modellen zijn goed in het samenvatten van wat er online over een merk geschreven wordt — maar dat maakt ze ook gevoelig voor wat er níet, fout of eenzijdig geschreven is. Voor monitoring geldt: een LLM kan helpen bij het classificeren van sentiment en het extraheren van merknamen en concurrenten uit antwoorden, en dat schaalt prima over honderden prompts. Waar nuance nodig is: antwoorden variëren per sessie, account, locatie en moment, dus één meting zegt weinig. Tel daarbij op dat geautomatiseerd bevragen van ChatGPT, Perplexity of Gemini buiten de officiële API’s vaak tegen de gebruiksvoorwaarden ingaat. Bouw je een eigen tracker, gebruik dan officiële API’s, log timestamps en model-versies, en herhaal metingen vaak genoeg om signaal van ruis te scheiden. En houd in het achterhoofd: een AI kan niet vertellen waaróm je niet genoemd wordt — daarvoor moet je de bronnen die het model citeert zelf lezen. Dat blijft mensenwerk.

Bron

Dit overzicht is gebaseerd op het volledige artikel van Chat37: Word je merk genoemd in ChatGPT? Zo meet je het

Het volledige Chat37-artikel bevat een concreet stappenplan, een voorbeeld-spreadsheet en een overzicht van tools als Profound, Otterly.ai en Peec AI.

Het kort: 5 praktijk-takeaways

  1. 01 — Drie vragen, geen ranglijst

    Meet niet zoals je SEO meet. Bij AI gaat het om: word ik genoemd, hoe word ik genoemd (sentiment, claims), en wie staat naast me? Een positie-1 bestaat niet — context wel.

  2. 02 — Bouw een echte promptlijst

    Begin met 20-50 vragen zoals klanten ze stellen, verdeeld over categorie-, probleem-, vergelijking- en merk-prompts. Test in meerdere modellen, meerdere keren, vanuit verschillende sessies om variabiliteit te neutraliseren.

  3. 03 — Bronnen zijn je hefboom

    AI-antwoorden leunen op Reddit, vergelijkingssites, brancheblogs en Wikipedia. Klik door op geciteerde bronnen — daar zit je beïnvloedingsruimte, niet in het model zelf.

  4. 04 — Leg een nulmeting vast

    Noteer vermeldingspercentage, share-of-voice en sentiment met datum. Zonder baseline weet je over drie maanden niet of je content- of PR-inspanningen iets opleveren.

  5. 05 — Koppel aan echte leads

    Vraag in je intake hoe iemand bij je kwam, tag AI-bronnen in je CRM, en vergelijk met directe traffic en branded search. Genoemd worden bij irrelevante prompts levert nul omzet op.

Waar AI dit goed kan — en waar niet

AI-modellen zijn goed in het samenvatten van wat er online over een merk geschreven wordt — maar dat maakt ze ook gevoelig voor wat er níet, fout of eenzijdig geschreven is. Voor monitoring geldt: een LLM kan helpen bij het classificeren van sentiment en het extraheren van merknamen en concurrenten uit antwoorden, en dat schaalt prima over honderden prompts. Waar nuance nodig is: antwoorden variëren per sessie, account, locatie en moment, dus één meting zegt weinig. Tel daarbij op dat geautomatiseerd bevragen van ChatGPT, Perplexity of Gemini buiten de officiële API’s vaak tegen de gebruiksvoorwaarden ingaat. Bouw je een eigen tracker, gebruik dan officiële API’s, log timestamps en model-versies, en herhaal metingen vaak genoeg om signaal van ruis te scheiden. En houd in het achterhoofd: een AI kan niet vertellen waaróm je niet genoemd wordt — daarvoor moet je de bronnen die het model citeert zelf lezen. Dat blijft mensenwerk.