Kennisbank

Alles over AI-zichtbaarheid op één plek

Generatieve AI-systemen beantwoorden steeds vaker de vraag die iemand vroeger in een zoekmachine stelde. Deze kennisbank legt uit hoe die systemen merken herkennen en noemen, wat u zelf kunt testen, en welke keuzes wij maken bij het meten ervan. Elk artikel beantwoordt één afgebakende vraag en geeft aan waar de bewijsgrens ligt.

Begrippen en fundament

De kernbegrippen waarmee AI-zichtbaarheid wordt beschreven, en hoe ze zich tot elkaar verhouden.

Hoe bepaalt een AI het antwoord?

Een AI leest uw website niet zoals een mens in een browser. Het model combineert twee bronnen: kennis uit zijn training en informatie die het op het moment zelf opzoekt via een zoekfunctie. Bij dat opzoeken krijgt het eerst alleen samenvattingen (snippets) te zien; alleen de meest relevante pagina’s worden daarna volledig als tekst opgehaald: dat zijn de ‘47 webpagina’s’ die u soms in beeld ziet. Die verse informatie wordt vervolgens gecombineerd met de algemene kennis van het model tot één antwoord.

7 minLees Hoe bepaalt een AI het antwoord?

Wat is Generative Engine Optimization (GEO)?

Generative Engine Optimization (GEO) is het geheel aan maatregelen waarmee een organisatie ervoor zorgt dat generatieve AI-systemen zoals ChatGPT, Claude, Gemini en Perplexity haar merk correct herkennen, beschrijven en noemen in hun antwoorden. Waar SEO stuurt op een positie in een lijst met links, stuurt GEO op opname in het antwoord zelf.

7 minLees Wat is GEO?

Wat is Large Language Model Optimization (LLMO)?

Large Language Model Optimization (LLMO) richt zich op de kennis die een taalmodel over een merk heeft opgeslagen tijdens training, en op de vraag of die kennis actueel en juist is. GEO en LLMO overlappen sterk; LLMO legt de nadruk op het modelgeheugen, GEO op het antwoord dat de gebruiker uiteindelijk ziet.

6 minLees Wat is LLMO?

Wat is het verschil tussen SEO en GEO?

SEO optimaliseert voor een positie in een lijst met blauwe links; de gebruiker kiest zelf welke bron hij opent. GEO optimaliseert voor opname in een gegenereerd antwoord, waarbij het AI-model de selectie al voor de gebruiker heeft gemaakt. Beide steunen op dezelfde basis van vindbare, consistente en machineleesbare informatie, maar de succesmaat verschilt: rankingpositie tegenover vermelding en juistheid.

8 minLees SEO vs. GEO

Praktijk en uitvoering

Wat u zelf kunt testen, meten en verbeteren, en welke aanpak bij welke situatie past.

Heeft u een Foursquare-profiel nodig om in ChatGPT te verschijnen?

Nee. Het advies dat u per se op Foursquare of Yelp moet staan om door AI genoemd te worden, is Amerikaans advies dat in Nederland niet opgaat. De bekende claim dat een groot deel van ChatGPT’s lokale aanbevelingen uit Foursquare zou komen, stamt uit één kleine test; grootschalige metingen laten zien dat Foursquare vrijwel nooit als bron opduikt. Die rol is inmiddels naar Yelp verschoven: een platform dat in Nederland nauwelijks wordt gebruikt. Wat hier wél telt: een heldere, machineleesbare eigen website, gestructureerde vestigingsgegevens en dezelfde bedrijfsgegevens op de bronnen die in Nederland gelezen worden, met Google voorop.

8 minLees De Foursquare-mythe

Op welke AI-vragen wilt u eigenlijk gevonden worden?

Zichtbaar zijn voor AI is niet hetzelfde als gevonden worden op het moment dat iemand koopt. De meeste mensen die naar uw type dienst vragen, zijn nog niet klaar om te kopen; de kleine groep die dat wél is, stelt heel andere, veel specifiekere vragen. Die koopintentie-vragen bevatten context: een branche, een regio, een probleem, een omvang. Wil u bij die vragen genoemd worden, dan bepaalt uw positionering of een AI u als passend antwoord ziet: hoe scherper u omschrijft voor wie en welk probleem u oplost, hoe beter u matcht op de specifieke vraag.

7 minLees Op welke AI-vragen gevonden worden?

Waar haalt een AI zijn informatie over uw bedrijf vandaan?

Een AI bouwt zijn beeld van een bedrijf op uit meerdere soorten bronnen tegelijk: de eigen website (de kernboodschap), encyclopedische bronnen zoals Wikipedia (het fundament en de feiten), onafhankelijke media (bevestiging van buitenaf), sociale en zakelijke netwerken zoals LinkedIn (het actuele beeld) en officiele registers (de formele gegevens). Het model vertrouwt vooral op informatie die op meerdere plekken wordt bevestigd. Ontbreken bronnen of spreken ze elkaar tegen, dan wordt het antwoord voorzichtig, of raakt uw merk verwisseld met een gelijknamige entiteit.

8 minLees Waar leest een AI over uw bedrijf?

Hoe controleer u zelf of ChatGPT uw merk kent?

Stel het model achtereenvolgens een open categorievraag zonder merknaam, een vraag met alleen de merknaam, en een controlevraag over feitelijke details. Herhaal dit in een nieuw gesprek zonder geschiedenis en in meerdere AI-apps. Zo scheidt u spontane bekendheid van herkenning na aanwijzing, en ziet u welke feiten het model verkeerd invult.

9 minLees AI-zichtbaarheid checken

Hoe bepaalt ChatGPT welke lokale bedrijven het aanbeveelt?

AI-modellen leunen bij lokale aanbevelingen zwaar op externe bronnen die zij als betrouwbaar beschouwen: brancheplatforms, recensiesites, nieuwsberichten en gestructureerde vestigingsgegevens. Consistentie tussen die bronnen weegt zwaarder dan de eigen website; als adres, naam of categorie per bron verschilt, valt een bedrijf vaak buiten het antwoord.

8 minLees ChatGPT & lokale bedrijven

Welke tools en methoden bestaan er om AI-zichtbaarheid te meten?

De aanpakken lopen uiteen van handmatig testen in de AI-apps zelf, via monitoringtools die periodiek dezelfde prompts herhalen, tot volledige scans die meerdere modellen, bronnen en technische signalen combineren. Handmatig testen is gratis maar niet reproduceerbaar; geautomatiseerde scans leveren een navolgbare nulmeting op.

7 minLees AI-zichtbaarheid tools

Hoe kies ik de juiste categorie voor een AI-zichtbaarheidsscan?

Kies het woord dat uw klant het meest waarschijnlijk intypt in ChatGPT of een andere AI-assistent. Dat is bijna altijd het gewone, alledaagse woord: "slagerij" in plaats van "ambachtelijke vleesspeciaalzaak". De categorie wordt letterlijk in de vragen geplakt die we aan AI-modellen stellen, dus hoe dichter bij echte klanttaal, hoe betrouwbaarder de meting.

5 minLees De juiste categorie

Onze methode en bewijsvoering

Hoe AIVisiScan meet, welke keuzes daarachter zitten en waar de bewijsgrens ligt.

Hoe komt de AI Visibility Rating van AIVisiScan tot stand?

De score wordt opgebouwd uit een vast aantal onderzoeksfasen waarin meerdere AI-modellen dezelfde gestandaardiseerde vragen krijgen, aangevuld met een technische controle van de website en een bronanalyse. Elke deelscore heeft een eigen weging, en de beperkingen van de meting worden expliciet benoemd zodat de uitkomst navolgbaar blijft.

10 minLees Onze methodologie

Vergelijkingen

AIVisiScan eerlijk naast andere manieren om uw AI-zichtbaarheid te meten. Elke vergelijking beantwoordt één concrete keuzevraag, zodat u ziet wat bij uw situatie past.

AIVisiScan vs. Zelf testen in ChatGPT

Onderzoeksnotities

Gedateerde praktijktests uit de ontwikkeling van AIVisiScan, met een expliciete scheiding tussen waarneming, interpretatie en bewijsgrens.

Notitie 006 · 31 augustus 2026

Uw website is er, maar een AI-crawler kan er niet altijd in: hoe serverbeveiliging AI-crawlers kan tegenhouden

Bij twee scans op rij werd niet de website zelf het probleem, maar de beveiligingslaag van de hostingprovider. Die onderschept verdachte bezoekers met een challenge vóór de pagina laadt, en AI-crawlers kunnen daar tegenaan lopen. Deze notitie beschrijft wat we waarnamen, welk mechanisme dat het meest waarschijnlijk verklaart, wat het voor een ondernemer betekent en waar de grens van ons bewijs ligt.

Notitie 005 · 26 augustus 2026

Bestaan komt vóór begrip: waarom onafhankelijke vermeldingen bepalen of AI u kent

Voordat een AI-model kan beoordelen hoe goed het uw bedrijf begrijpt, moet het eerst bevestigd zien dát u bestaat. Die bevestiging komt zelden van uw eigen website alleen; ze ontstaat uit het aantal onafhankelijke, consistente vermeldingen op gezaghebbende bronnen. Deze notitie legt uit waarom kwantiteit én NAP-consistentie samen het verschil maken, en hoe Vermeldingenbeheer daarop stuurt.

Notitie 001 · 2 augustus 2026