Voordat een AI-model iets zinnigs over uw bedrijf kan zeggen, moet het eerst één ding zeker weten: dát u bestaat. Dat klinkt vanzelfsprekend, maar het is het niet. Een model kan uw website perfect lezen en toch twijfelen of u een reële, bestaande organisatie bent — of u simpelweg overslaan. Die zekerheid ontstaat zelden uit uw eigen woorden alleen. Ze ontstaat uit het aantal onafhankelijke, consistente vermeldingen dat een model over u aantreft op bronnen die het vertrouwt.
Deze notitie maakt een onderscheid dat in de praktijk vaak door elkaar loopt: het verschil tussen gekend worden als bestaande entiteit en correct begrepen worden. Het legt uit waarom kwantiteit én consistentie van vermeldingen samen bepalen of u de eerste horde überhaupt neemt, en hoe de module Vermeldingenbeheer daar gericht op stuurt.
De onderzoeksvraag
AI-modellen bouwen geen kennis op uit één bron. Ze wegen signalen uit vele bronnen tegen elkaar af en zoeken naar bevestiging. De vraag die deze notitie stelt is: welk signaal geeft een model de zekerheid dat een bedrijf écht bestaat, en waarom weegt dat signaal zwaarder naarmate het uit meer onafhankelijke, betrouwbare bronnen komt?
Twee vragen die AI over u stelt
Vereenvoudigd stelt een AI-model twee verschillende vragen wanneer uw bedrijf ter sprake komt. Het zijn geen synoniemen, en ze worden door verschillende signalen beantwoord.
| Bestaat dit bedrijf? (bekendheid) | Begrijp ik dit bedrijf goed? (begrip) |
|---|---|
| Kom ik deze naam op meerdere onafhankelijke, gezaghebbende plekken tegen? | Kan ik uw website goed lezen en klopt de gestructureerde data? |
| Wordt dezelfde entiteit steeds consistent beschreven (naam, plaats, contact)? | Is duidelijk wat u aanbiedt, voor wie, en waarin u zich onderscheidt? |
| Beantwoord door: kwantiteit + consistentie van externe vermeldingen | Beantwoord door: kwaliteit van uw eigen bron (website, schema) |
Het cruciale inzicht: de eerste vraag komt vóór de tweede. Een model dat niet overtuigd is dat u bestaat, komt aan de tweede vraag niet eens toe. U kunt een technisch vlekkeloze website hebben en toch onzichtbaar blijven, simpelweg omdat er te weinig onafhankelijke bevestiging van uw bestaan is.
Waarom kwantiteit hier telt
Bij begrip geldt “beter dan meer”: één heldere, goed gestructureerde website is waardevoller dan tien slordige pagina's. Maar bij bestaan draait de logica om. Daar telt juist corroboratie — het principe dat een claim geloofwaardiger wordt naarmate meer onafhankelijke bronnen hetzelfde bevestigen.
Uw eigen website is per definitie een partijdige bron: u zegt zelf dat u bestaat. Dat is noodzakelijk, maar niet overtuigend. Zodra een model dezelfde naam, hetzelfde adres en hetzelfde telefoonnummer terugziet op een reeks bronnen die niet van u zijn — gezaghebbende, relevante vermeldingen — verschuift de weging van “bewering” naar “vastgesteld feit”. Elke onafhankelijke, consistente vermelding is een extra stem die zegt: dit bedrijf is echt.
Dat is de kern van waarom het aantál vermeldingen op branchesites en profielsites er zoveel toe doet. Niet omdat een model die sites één voor één aan bezoekers toont, maar omdat de gezamenlijke, herhaalde bevestiging het bestaan van uw entiteit buiten twijfel stelt.
Consistentie is de vermenigvuldiger
Hier komt een tweede factor bij die de eerste kan maken of breken: consistentie van uw NAP-gegevens — Naam, Adres en (telefoon)nummer. Corroboratie werkt alleen als de bronnen elkaar herkennen als bewijs vóór dezelfde entiteit. Verschillen die voor een mens triviaal lijken, kunnen voor een model twee losse entiteiten worden.
Een paar voorbeelden van hoe hetzelfde bedrijf uiteenvalt in verschillende signalen:
- “Jansen & Zn. B.V.” op de ene site, “Jansen en Zonen” op de andere, “Jansen Installatie” op een derde.
- Een adres met “Straatweg 12” hier en “Straatweg 12A” daar.
- Een 06-nummer op uw website en een vast nummer in een oude vermelding.
In plaats van tien stemmen die één bestaan bevestigen, krijgt het model dan drie zwakke, half-overlappende signalen. De vermenigvuldiger die kwantiteit had moeten zijn, valt weg. Daarom is één vastgelegde, canonieke schrijfwijze van uw NAP-gegevens — overal identiek — geen cosmetische kwestie, maar de voorwaarde waaronder kwantiteit überhaupt gaat werken.
Niet elke vermelding telt even zwaar
“Meer vermeldingen” betekent nadrukkelijk niet “zoveel mogelijk vermeldingen, waar dan ook”. Een model weegt de bron. Een vermelding op een gezaghebbende, voor uw branche relevante bron draagt bij; een profiel op een volgestampte, generieke bedrijvengids met lage kwaliteit draagt weinig of niets bij en kan in het slechtste geval ruis toevoegen.
Welke bronnen voor de Nederlandse markt wél en niet zinvol zijn, is een onderwerp op zich — en nauw verbonden met de vraag welke platforms AI-modellen daadwerkelijk als bron gebruiken. Die bronkeuze werkten we uit in de notitie De Foursquare-mythe, waarin we laten zien waarom klakkeloos overgenomen internationaal advies (“zet u op Foursquare en Yelp”) voor Nederland vaak niet opgaat. De rode draad van beide notities is dezelfde: het gaat om gezaghebbende, relevante bronnen — niet om aantallen om het aantal.
Van inzicht naar uitvoering: Vermeldingenbeheer
Het onderscheid tussen bestaan en begrip is niet alleen theorie — het is de reden dat AIVisiScan een aparte module Vermeldingenbeheer heeft. Waar de rest van de scan vooral het begrip meet (kan AI uw website lezen, klopt de gestructureerde data), stuurt Vermeldingenbeheer gericht op het bestaan: zorgen dat uw entiteit op voldoende relevante bronnen, consistent, bevestigd wordt.
De module vertaalt de twee principes uit deze notitie — kwantiteit en consistentie — naar concrete stappen:
- Een canonieke NAP-kern. U legt uw bedrijfsnaam, adres, telefoonnummer en website éénmaal vast als de één ‘bron van waarheid’. Die vergrendelde schrijfwijze neemt u vervolgens overal identiek over — zo blijft de vermenigvuldiger heel.
- Een gecureerde lijst van relevante platforms. Afhankelijk van uw profiel (lokaal, zakelijk of SaaS) toont de module de bronnen die er voor u toe doen — inclusief de lokale basisplatforms — en laat het bewust de generieke gidsen met lage kwaliteit weg.
- Een checklist per platform. Per vermelding houdt u bij wat de status is: nog te doen, bezig of afgerond. Zo bouwt u het aantal onafhankelijke, consistente vermeldingen stelselmatig op in plaats van ad hoc.
Zo wordt een abstract inzicht — “bestaan komt vóór begrip” — een af te vinken werklijst die precies de signalen versterkt waar AI-modellen op letten.
Beperkingen van deze notitie
De precieze weging die individuele AI-modellen aan afzonderlijke bronnen geven, is niet publiek en niet exact meetbaar; de modellen blijven op dit punt een black box. We doen daarom geen uitspraak over hóéveel vermeldingen “genoeg” zijn of hoe zwaar een specifieke bron precies weegt. Ook exacte percentages uit externe onderzoeken (bijvoorbeeld over het aandeel van specifieke platforms in AI-antwoorden) nemen we bewust niet als hard feit over — die zijn niet altijd publiek verifieerbaar. Wat hier staat is de best onderbouwde synthese van beschikbaar citatie-onderzoek en onze eigen productlogica, geen exacte formule.
Betekenis voor AIVisiScan
Deze notitie verklaart waarom AIVisiScan zichtbaarheid in twee lagen benadert: eerst zorgen dát u bestaat in de ogen van AI (kwantiteit en consistentie van onafhankelijke vermeldingen), daarna zorgen dat u correct begrepen wordt (de kwaliteit van uw eigen bron). Vermeldingenbeheer bedient de eerste laag; de overige katernen bedienen de tweede. Samen vormen ze het verschil tussen “onzichtbaar” en “gekend en goed begrepen”.