Methodologie
Hoe de AI Visibility Rating™ tot stand komt
Onze methodiek werkt als een taxateur: het beoordelingskader ligt vast, maar iedere beoordeling wordt uitgevoerd op basis van actuele waarnemingen en beschikbaar bewijs. Geen losse AI-output, maar een navolgbare indicatie met vaste scoringsregels.
Het scoringsmodel bepaalt de score. De AI interpreteert de verzamelde data binnen de vooraf gedefinieerde scoringsregels.
Wat AIVisiScan precies onderzoekt
AIVisiScan is een Nederlandse zelfbedieningstool voor onderzoek naar AI-zichtbaarheid. De scan onderzoekt met gerichte vragen hoe ChatGPT, Claude en Gemini een merk spontaan noemen, positioneren en na naamvermelding beschrijven. Daarnaast onderzoeken we de openbare website, lokale bedrijfsinformatie en relevante online bronnen.
Het rapport brengt dit samen in een indicatieve AI Visibility Score, een afzonderlijke GEO-gereedheidsscore, bronbewijs en geprioriteerde acties voor management, marketing en webdevelopment.
Dataverzameling: meerdere AI-modellen bevragen
AIVisiScan gebruikt ChatGPT, Claude en Gemini in verschillende onderzoeksfasen. De blinde vragen worden aan alle drie gesteld. Directe merkvragen worden door ChatGPT en Gemini beantwoord; een eventuele merkvergelijking wordt door ChatGPT uitgevoerd. Niet ieder model of hulpmiddel wordt dus in iedere fase op dezelfde manier ingezet.
Vraagtypen
Blinde vragen
6+Het merk staat niet in de vraag. Zes vragen onderzoeken de hoofdcategorie; iedere gekozen subcategorie voegt een extra blinde vraag toe.
"Waar kan ik goed [branche] vinden in [regio]?"
Directe vragen
2Het merk wordt expliciet genoemd. Deze antwoorden meten merkherkenning en leveren controleerbare kandidaatclaims op.
"Wat weet je over [merk] en hun [categorie]?"
Vergelijkingsvraag
0–1Alleen bij ingevoerde concurrenten. Geeft context over relatieve positionering, maar is geen volledige scan van iedere concurrent.
"Vergelijk [merk] met [concurrent A] en [concurrent B]."
Aanvullende analyses
2Afzonderlijke analyses van website/content en externe reputatiesignalen geven context naast de hoofdscore.
"Analyseer de online content van [merk] voor [categorie]."
De scan begint met 6 blinde vragen, aangevuld met één blinde vraag per gekozen subcategorie. Daarna volgen 2 directe merkvragen en, wanneer concurrenten zijn ingevoerd, 1 vergelijkingsvraag. De modellen per fase staan hierboven expliciet vermeld.
Aanvullende analyses
Technische website-audit
We lezen de publiek toegankelijke website en controleren onder meer machineleesbare bedrijfsgegevens, meta-informatie en technische toegankelijkheid. Het rapport maakt onderscheid tussen wat is aangetroffen, wat afwijkt en wat niet kon worden vastgesteld.
Externe reputatie-analyse
We onderzoeken een passende lokale bedrijfsvermelding en combineren dit met reputatie- en bronsignalen uit de onderzoeksfasen. Alleen aangetroffen of controleerbare informatie wordt als bewijs gepresenteerd; niet aangetroffen betekent niet automatisch afwezig.
Scoring: vast framework, actuele data
De totaalscore (0-100) is opgebouwd uit vijf vaste pijlers met vaste gewichten. Elke pijler heeft vooraf gedefinieerde scorebanden — de grenzen verschuiven niet per scan.
Organische Vermeldingen
25 / 100Wordt het merk spontaan genoemd door AI-modellen wanneer het merk niet in de vraag staat? Dit is de sterkste indicator van AI-zichtbaarheid.
Positionering
25 / 100Op welke positie staat het merk in rankings en aanbevelingslijsten? Top 3 is fundamenteel anders dan positie 8.
Lokale Zichtbaarheid
25 / 100De online aanwezigheid op lokale platforms zoals Google Maps: rating, reviews en profielvolledigheid. AI-modellen gebruiken deze data als bron.
Kennisdiepte
15 / 100Hoe gedetailleerd en accuraat is de informatie die AI-modellen over het merk kunnen vertellen?
Sentiment
10 / 100Hoe positief is de toon waarmee AI-modellen over het merk spreken? Worden producten of diensten aanbevolen?
Aanvullende pijlerscores
Naast de vijf gewogen onderdelen worden Website & Content en Externe Reputatie afzonderlijk beoordeeld. De technische GEO-gereedheid krijgt eveneens een eigen score en wordt niet in de AI Visibility Score gemengd. Deze uitkomsten geven aanvullende context en gerichte verbeteracties.
Onderbouwing: bewijs bij elke score
Elke score wordt onderbouwd met concrete bewijspunten uit de AI-antwoorden. U ziet niet alleen het cijfer, maar ook waarom die indicatie is gegeven — inclusief citaten uit de daadwerkelijke antwoorden van de AI-modellen.
Voorbeeld uit een rapport
ChatGPT noemde het bedrijf in 4 van de 6 blinde vragen.
Gemini positioneerde het merk als #2 in de branche.
Geen Schema.org markup gedetecteerd op de website.
Betrouwbaarheid en consistentie
Modelovereenstemming
Overeenstemming laat zien of modellen vergelijkbaar antwoorden. Dit is een consistentiesignaal en bewijst niet dat de genoemde feiten waar zijn.
Merkherkenning en broncontrole
Spontane zichtbaarheid, herkenning na naamvermelding en feitelijke betrouwbaarheid worden apart getoond. Controleerbare claims krijgen de status ondersteund, tegengesproken, onbevestigd of niet vergelijkbaar.
Versiebeheer
Elke scan slaat een engine-versie en prompt-versie op. Hierdoor blijven scores uit verschillende periodes vergelijkbaar, ook als het scoringsmodel evolueert.
AI Visibility Rating™
Naast de numerieke score kent AIVisiScan een rating toe in kredietrating-stijl — van AAA (marktleider) tot E (kritiek). Dit maakt het resultaat direct begrijpelijk, ook voor niet-technische stakeholders.
AAA
90-100
AA
80-89
A
70-79
BBB
60-69
BB
50-59
B
40-49
CCC
25-39
E
0-24
Waarom dit anders is dan generiek SEO-advies
Traditionele SEO-tools meten zoekwoord-rankings in Google. Wij geven inzicht in iets fundamenteel anders: hoe AI-modellen uw merk kennen en positioneren. We stellen de vragen daadwerkelijk aan meerdere AI-modellen en laten u de exacte antwoorden zien.
De waarde zit niet in de AI zelf, maar in de methodiek die we eromheen hebben gebouwd: vaste pijlers, gevalideerde scorebanden, meerdere onafhankelijke AI-modellen, objectieve crawldata, en volledige transparantie over hoe elke score tot stand komt.
Belangrijk: werkwijze en grenzen
AIVisiScan bevraagt de modellen via hun officiële technische interfaces. In de blinde fase worden de antwoorden aangevuld met model-specifiek webonderzoek. De directe merkvragen worden bewust zonder webonderzoek gesteld, zodat zichtbaar wordt wat het model na naamvermelding zelf over het merk vertelt.
Daarom is een scan een onderbouwde momentopname en indicatie, geen exacte voorspelling van ieder antwoord dat een eindgebruiker in een consumenteninterface zal krijgen. Modellen, bronselectie en actuele zoekresultaten kunnen veranderen.
AIVisiScan is geen algemene scraping-agent, past websites niet automatisch aan en garandeert geen aanbeveling door een AI-model. Er is geen automatische doorlopende monitoring: de gebruiker start zelf een nieuwe scan. Concurrentuitkomsten binnen een merkscan zijn contextuele indicaties; voor een gelijkwaardige beoordeling is een afzonderlijke scan van die concurrent nodig.
Benieuwd naar uw score?
Start uw eerste AIVisiScan en ontvang een volledig rapport met onderbouwde scores en concrete actiepunten.