Onderzoeksnotities
Controleerbare observaties uit de ontwikkeling van AIVisiScan. Geen algemene succesformules, maar gedateerde praktijktests, concrete bronverschillen en lessen die onze onderzoeksmethode aanscherpen.
Waarneming eerst
We beschrijven wat aantoonbaar is gevonden voordat we betekenis geven aan de uitkomst.
Bewijsgrens zichtbaar
We benoemen expliciet wat een casus wel en niet bewijst en vermijden onbewezen causaliteit.
Leren van ontwikkeling
We laten zien hoe een ontdekking de methodologie, productuitleg of rapportage heeft verbeterd.
Gepubliceerde reeks
De notities
Herkend worden is niet hetzelfde als correct begrepen worden
Een praktijktest met Gemini liet zien dat een AI-model een merk na ontvangst van de website behoorlijk kan herkennen, maar tegelijk methodologische details kan invullen die niet zijn vastgesteld.
Lees de onderzoeksnotitieHet restaurant stond in Rotterdam, maar de machineleesbare data wees naar Haaksbergen
Op de website van Ninety Rotterdam verwezen zichtbare en machineleesbare vestigingsgegevens niet naar dezelfde locatie. De casus maakte zichtbaar waarom alleen controleren óf structured data aanwezig is niet genoeg is.
Lees de onderzoeksnotitieMerk vs. product: wat je écht meet als je een AI-zichtbaarheidsscan invult
De naam die je in het merkveld typt bepaalt wat de scan meet. Een nieuw product van een gevestigd merk is een fundamenteel ander meetobject dan het merk zelf. Wie dat verwart, leest de score verkeerd.
Lees de onderzoeksnotitieWat een handmatige AI-zoektocht blootlegde over de AIVisiScan-score
Een benchmark onder 22 Rotterdamse restaurantmerken onderzocht in hoeverre de automatische score aansloot bij afzonderlijke handmatige zoektochten in vijf AI-apps. De vergelijking bracht duidelijke afwijkingen en verbeterpunten aan het licht.
Lees de onderzoeksnotitie