Waarom klassieke analytics tekortschiet bij AI-zoeken
Klassieke SEO-dashboards, zoals Google Analytics 4, Google Search Console, Ahrefs en Semrush, zijn gebouwd rond klikken. Iemand zocht, zag een resultaat, klikte, kwam op je site en converteerde misschien. Elke stap liet een spoor achter.
AI-zoeken breekt dat model op drie plekken. Ten eerste klikt de gebruiker vaak niet. Hij krijgt een antwoord in de AI-respons en handelt daar direct naar: hij belt je, mailt je of komt langs. Ten tweede: als hij wel klikt, maakt de referrer niet altijd duidelijk dat het om een AI-bron gaat; een deel van die bezoeken komt in Google Analytics binnen als “direct” verkeer in plaats van als verwijzing van chatgpt.com of perplexity.ai. Ten derde, en het belangrijkst: niet aanbevolen worden levert helemaal geen signaal op. Je kunt een klik die nooit gedaan is niet meten.
Het klikgat is op Google zelf meetbaar. In een onderzoek naar echte surfdata ontdekte het Pew Research Center (2025) dat Amerikaanse gebruikers die een AI-samenvatting zagen bij 8% van de bezoeken op een gewoon zoekresultaat klikten, tegenover 15% als er geen samenvatting verscheen. Op een link in de AI-samenvatting zelf klikten ze bij maar 1% van de bezoeken.
AI-zichtbaarheid meten is dus fundamenteel anders. Het lijkt meer op pr-meting (share of voice, kwaliteit van vermeldingen) dan op SEO-meting (posities, sessies, conversies). De metrics die ertoe doen, staan niet in je huidige dashboard.
Wat je bestaande tools wel en niet kunnen meten
Haal eerst het maximale uit de data die je al hebt, voordat je een nieuwe meetlaag bouwt. Drie bronnen zijn het inrichten waard.
AI-verwijzingsverkeer in Google Analytics 4
Klikt iemand op een link in ChatGPT, Perplexity, Gemini, Copilot of Claude, dan verschijnt het bezoek in GA4 meestal als verwijzing vanaf het domein van dat platform (chatgpt.com, perplexity.ai, gemini.google.com, copilot.microsoft.com, claude.ai). Het volume is niet langer verwaarloosbaar: volgens Similarweb (2026)leverden AI-platforms tussen juni 2025 en mei 2026 wereldwijd gemiddeld 770,7 miljoen verwijzingsbezoeken per maand op, meer dan het dubbele van een jaar eerder.
In de praktijk richt je in GA4 een aangepaste kanaalgroep in met een kanaal “AI-assistenten” dat op die brondomeinen matcht, en zet je dat boven het standaardkanaal Referral. De helpdocumentatie van Google Analytics meldt dat verkeer wordt toegewezen aan het eerste kanaal waarvan het aan de voorwaarden voldoet, dus de volgorde telt, en dat “aangepaste kanaalgroepen met terugwerkende kracht op je rapporten kunnen worden toegepast.” Je ziet je historische AI-verwijzingen dus al op de dag dat je het inricht. Zie het getal als een ondergrens, niet als totaal: het telt alleen klikken die hun referrer hebben behouden.
AI Overviews en AI Mode in Google Search Console
Google rapporteert verkeer uit AI-functies wel, maar vermengd met de rest. Google Search Central stelt dat sites die in AI Overviews en AI Mode verschijnen “worden meegeteld in het totale zoekverkeer in Search Console”, gerapporteerd in het prestatierapport onder het zoektype “Web”. De documentatie van Google beschrijft geen apart filter voor AI Overviews of AI Mode, dus je kunt die klikken niet isoleren zoals je een pagina of zoekopdracht isoleert.
De telregels zijn belangrijk als je de cijfers leest. Volgens Search Console Helptelt een klik op een link naar een externe pagina in een AI Overview als klik, en “een AI Overview neemt één positie in de zoekresultaten in, en alle links in de AI Overview krijgen diezelfde positie.” In AI Mode wordt een vervolgvraag als nieuwe zoekopdracht behandeld, en tellen de vertoningen, posities en klikken mee voor die nieuwe zoekopdracht.
Copilot-citaties in Bing Webmaster Tools
Microsoft gaat hier verder dan Google. In februari 2026 introduceerde Bing een AI Performance-rapport (openbare preview) dat laat zien hoe vaak je pagina's worden geciteerd in Microsoft Copilot, AI-samenvattingen in Bing en geselecteerde partnerintegraties. Het toont het totaal aantal citaties, het gemiddelde aantal geciteerde pagina's, citaties per pagina en voorbeelden van “grounding queries”: de zinnen die de AI gebruikte om je content op te halen. Het is gratis en de moeite waard om maandelijks te checken naast de metrics hieronder.
Geen van deze drie beantwoordt de kernvraag: als een koper een AI-engine om een aanbeveling in jouw branche vraagt, noemt die jou dan? Daarvoor heb je prompttracking nodig.
De zes metrics die ertoe doen
1 Promptdekking
Het percentage van je doelprompts in de vier grote AI-engines waarbij je bedrijf in het antwoord genoemd wordt. Dit is je hoofdgetal.
Voorbeeld: 12 prompts × 4 engines = 48 tests. Je bedrijf wordt 18 keer genoemd. Dekking = 18 ÷ 48 = 37,5%
Maak een lijst van 10–15 prompts die een potentiële klant in jouw branche echt zou intypen. Mix commerciële prompts ('beste installatiebedrijf in Haarlem'), informatieve ('hoe kies ik een warmtepomp voor een jaren 30-woning') en vergelijkende ('X of Y'). Draai ze allemaal door ChatGPT, Perplexity, Gemini en Copilot. Noteer welke engines jou noemen.
Draai elke prompt meer dan één keer. AI-antwoorden zijn niet deterministisch: in een onderzoek naar 2.961 antwoorden van ChatGPT, Claude en de AI Overviews/AI Mode van Google schatte SparkToro (2026) de kans dat dezelfde tool in twee antwoorden dezelfde lijst merken geeft op minder dan 1 op 100. Wélke merken verschenen, was over de runs heen wel redelijk stabiel. Daarom concludeert SparkToro dat “zichtbaarheid in procenten over tientallen tot honderden prompts die meerdere keren worden gedraaid een redelijke metric is.” Wetenschappelijk werk volgt dezelfde aanpak: de GEO-paper van Aggarwal et al. (Princeton/IIT Delhi, KDD 2024) nam per zoekopdracht 5 verschillende antwoorden als steekproef om statistische afwijkingen te beperken. Promptdekking is dat verschijningspercentage.
2 Aanbevelingspositie
Niet alleen óf je genoemd wordt, maar ook waar in de lijst. Eerdere vermeldingen worden vaker gelezen: de GEO-paper meet zichtbaarheid met een “position-adjusted word count”, die het aandeel van een bron in het antwoord weegt naar hoe vroeg die wordt geciteerd. Noteer de positie van je merk in elke prompt waarin je genoemd wordt.
Gebruik deze metric met beleid. Omdat de volgorde van de lijst per run verandert (SparkToro schatte dat een identieke volgorde ongeveer één keer per 1.000 runs voorkomt), zegt één positie uit één run heel weinig. Alleen de gemiddelde positie over veel runs is het volgen waard, en zie die als ondergeschikt aan promptdekking.
Voorbeeld: 4 keer als eerste genoemd, 6 keer als tweede, 2 keer als derde.
Score = 4(1/1) + 6(1/2) + 2(1/3) = 4 + 3 + 0,67 = 7.67
De gewogen positiescore straft lagere posities terecht af. Van gemiddeld positie 2,4 naar 1,8 gaan is een flinke verbetering, ook als je dekking gelijk blijft.
3 Diversiteit van citatiebronnen
Als AI-engines hun bronnen tonen voor een aanbeveling van jou, hoeveel verschillende domeinen zie je dan? Een bedrijf dat alleen via de eigen website geciteerd wordt, is kwetsbaar. Verandert de positie van die site, dan verliest de AI zijn enige bron en verdwijnt de aanbeveling. Een bedrijf dat via 5 verschillende domeinen geciteerd wordt (eigen site, Trustpilot, vakmedia, Reddit, Wikipedia) heeft een stevige voorsprong.
Voorbeeld: Bij 12 prompts waarin je genoemd wordt, citeren de engines in totaal 20 URL's.
Komen die van 8 unieke domeinen? Dan is de diversiteit = 8 ÷ 20 = 0.40
Alles onder 0,20 betekent dat je te veel leunt op één of twee bronnen (meestal je eigen site). Boven 0,40 is solide. Boven 0,60 is een voorsprong die je kunt verdedigen.
4 Share of voice (SoV)
Welk percentage van alle vermeldingen in alle engines gaat naar jou en welk naar je concurrenten, bij prompts waarin minstens één bedrijf genoemd wordt? Share of voice is het duidelijkste signaal van je positie in de branche.
Voorbeeld: 48 tests in totaal. Jij wordt 18 keer genoemd. De grootste concurrent 22 keer. Overige concurrenten samen 35 keer.
Share of voice = 18 ÷ (18 + 22 + 35) = 18 ÷ 75 = 24%
Volg je SoV specifiek ten opzichte van je top 3 concurrenten. Stijgt jouw SoV, maar die van een concurrent sneller, dan verlies je terrein, ook al gaan je eigen cijfers omhoog.
5 Toegeschreven nieuwe klanten
De metric die de waarheid vertelt. Hoeveel nieuwe aanvragen, leads, demo's of klanten kwamen er aantoonbaar binnen omdat een AI-zoekmachine jou noemde? Dat leg je op twee manieren vast.
Zelfrapportage via het intakeformulier: Voeg de vraag 'Hoe heb je ons gevonden?' toe met opties als 'ChatGPT / OpenAI', 'Perplexity', 'Gemini / Google AI', 'Copilot / Microsoft AI', 'Claude' en een open veld 'Andere AI-tool'. Niet perfect: mensen vergeten het, kiezen de verkeerde bron of vinken de eerste optie aan. Maar bij genoeg aanvragen klopt de richting.
Citatiekolom in je CRM: Een kolom in je CRM met de naam 'Via AI' (ja/nee of de naam van de bron). Laat sales die bij elke nieuwe aanvraag invullen tijdens het eerste kwalificatiegesprek. Na 60–90 dagen heb je genoeg data om de trend te zien.
Vergelijk met je analytics: Zet zelf gemelde AI-leads naast het AI-verwijzingskanaal in GA4. Gezien de bevinding van Pew dat AI-samenvattingen het aantal klikken verlagen, mag je verwachten dat de zelf gemelde AI-invloed ruim hoger uitvalt dan het aantal gemeten AI-verwijzingssessies. Dat gat is het deel van de AI-gedreven vraag dat je analytics niet ziet.
6 Consistentie van merkvermeldingen
Als AI-engines je bedrijf omschrijven, doen ze dat dan correct? Dit is een kwalitatieve metric, maar hij meet een echt probleem: AI-engines kunnen details verzinnen, je omschrijven met een verouderde positionering of je verwarren met een concurrent met een vergelijkbare naam. Controleer hoe kloppend de engines je aanbod, prijzen, markten en team beschrijven.
Voorbeeld: 18 vermeldingen in totaal. 14 omschrijven je correct. 3 gebruiken een verouderde positionering. 1 verwart je met een concurrent.
Nauwkeurigheid = 14 ÷ 18 = 77.8%
Mik op 90%+ nauwkeurigheid. Fouten komen meestal door inconsistente positionering op je website, in de pers en in bedrijvengidsen. Herstel de bron van de waarheid, dan trekken de vermeldingen bij zodra engines opnieuw crawlen en hun data verversen. In het klantwerk van WebFyndr duurde dat meestal 4–8 weken, maar de timing verschilt per engine.
De maandelijkse meetroutine (20 minuten)
Heb je eenmaal een nulmeting, dan kost de maandelijkse routine zo'n 20 minuten voor een bedrijf dat 12 prompts en 3 concurrenten volgt.
| Stap | Actie | Tijd |
|---|---|---|
| 1. Prompts draaien | 12 prompts × 4 engines. Leg de output vast in een sheet met de kolommen: engine, prompt, genoemde bedrijven (op volgorde), geciteerde URL's. | 10 min |
| 2. Metrics berekenen | Promptdekking, gewogen positiescore, SoV ten opzichte van top 3 concurrenten, citatiediversiteit. | 4 min |
| 3. Nauwkeurigheid checken | Kies 3 willekeurige prompts waarin je genoemd wordt en lees de omschrijving goed. Klopt die? | 3 min |
| 4. Toeschrijving ophalen | Exporteer de nieuwe aanvragen uit je CRM, tel het aantal via AI en het totaal. Bereken het percentage. | 2 min |
| 5. Vastleggen en vergelijken | Zet de 4 kwantitatieve metrics + 1 kwalitatieve in een doorlopende sheet. Vergelijk met vorige maand. | 1 min |
Tools die dit versnellen
Er zijn inmiddels meerdere platforms die het draaien van prompts automatiseren: Profound, Otterly.AI, AthenaHQen Peec.AI draaien geplande prompts in de grote AI-engines en loggen vermeldingen automatisch. De prijs hangt af van het aantal prompts, engines en de meetfrequentie, dus vergelijk de actuele abonnementen op de site van elke aanbieder. Hun grootste voordeel is volume: ze kunnen elke prompt vele keren draaien, wat een handmatige check van 20 minuten niet kan, en juist die herhaling maakt het verschijningspercentage statistisch zinvol. Ook verkorten ze de stap “prompts draaien” van 10 minuten tot een snelle blik op een dashboard.
Vraag bij het beoordelen van een tool hoe vaak die elke prompt draait en of hij het verschijningspercentage over runs rapporteert. Een tool die één “AI-rankingpositie” uit één run toont, laat je ruis zien. Rand Fishkin van SparkToro zei het zonder omwegen en noemde zulke rankingclaims “full of baloney” (klinkklare onzin).
De interpretatie blijft wel handwerk. Tools laten zien dat je promptdekking is gedaald van 42% naar 37%, maar niet waarom. De waarde van de maandelijkse review zit niet in het verzamelen van data, maar in de 5 minuten waarin je naar de cijfers kijkt en jezelf afvraagt: 'Wat is er de afgelopen 30 dagen veranderd?'
Wat je met de data doet
Heb je 3 maanden aan data, dan vertelt het dashboard je precies waar je moet investeren.
Is je promptdekking gelijk, maar stijgt je citatiediversiteit? Dan bouw je een voorsprong op. Ga door met externe vermeldingen. De dekking volgt binnen 60–90 dagen.
Stijgt je promptdekking, maar is je citatiediversiteit laag? Dan win je op je eigen content, en dat is kwetsbaar. Geef voorrang aan verdiende vermeldingen op gezaghebbende bronnen.
Daalt je SoV ten opzichte van je grootste concurrent, terwijl je dekking stijgt? Dan groeit je concurrent sneller. Bekijk wat die de afgelopen 90 dagen heeft gedaan en zoek gaten die jij kunt claimen.
Is je toeschrijving nul ondanks sterke dekking? Dan weerspiegelen de prompts die je volgt niet wat je klanten echt vragen. Vraag 5 recente klanten waarop ze zochten en stel je promptlijst opnieuw samen.
Veelgestelde vragen
Hoe weet ik of mijn AI-zichtbaarheid echt verbetert?
Volg elke maand zes metrics: promptdekking, aanbevelingspositie, diversiteit van citatiebronnen, share of voice, toegeschreven nieuwe klanten en consistentie van merkvermeldingen. Stijgen promptdekking en citatiediversiteit allebei van kwartaal tot kwartaal, dan boek je echte vooruitgang. Winst op één metric (alleen meer reviews, alleen meer vermeldingen) is niet genoeg. AI-engines beoordelen je op het totaalbeeld.
Hoe vaak moet ik AI-zichtbaarheid meten?
Maak één keer een nulmeting en meet daarna maandelijks je promptdekking en citatiebronnen. Bekijk het volledige dashboard elk kwartaal. AI-antwoorden verschillen al per run, dus wekelijks meten voegt vooral ruis toe zonder extra signaal. Maandelijks is voor de meeste bedrijven het juiste ritme.
Kan ik het volgen van AI-zichtbaarheid automatiseren?
Deels. Tools als Profound, Otterly en AthenaHQ kunnen automatisch prompts draaien in ChatGPT, Perplexity, Gemini en Claude en vastleggen welke bedrijven genoemd worden. Ze automatiseren het verzamelen van data, maar niet de interpretatie. Een mens moet nog steeds patronen zien en beslissen waar je vervolgens aan werkt.
Wat is een goed percentage promptdekking?
Er is nog geen gepubliceerde branchenorm. In het klantwerk van WebFyndr is voor een middelgroot bedrijf in een competitieve branche 40–60% goed, 60–80% uitstekend en 80%+ dominant. Voor lokale bedrijven of niche-B2B-segmenten liggen de benchmarks hoger (50–75% is haalbaar), omdat er minder concurrentie is. Begin met een nulmeting en volg de relatieve verbetering in plaats van te jagen op een absoluut getal.
Hangt AI-zichtbaarheid samen met omzet?
Vaak wel, maar niet perfect, en nog geen groot openbaar onderzoek heeft het gemeten. In het klantwerk van WebFyndr zien we het sterkste verband tussen de diversiteit van citatiebronnen (hoeveel verschillende bronnen de engine gebruikt als hij jou aanbeveelt) en toegeschreven nieuwe klanten. Promptdekking zonder diversiteit is kwetsbaar: één algoritme-update kan je eruit gooien. Diverse citatiebronnen vormen een stabiele voorsprong.
Bronnen
- Google users are less likely to click on links when an AI summary appears in the results, Pew Research Center, juli 2025.
- AI Referral Traffic by Industry: What 770 Million Monthly Visits Reveal, Similarweb, september 2026.
- Custom channel groups, Google Analytics Help, geraadpleegd in oktober 2026.
- AI features and your website, Google Search Central, december 2025.
- What are impressions, position, and clicks?, Search Console Help, geraadpleegd in oktober 2026.
- Introducing AI Performance in Bing Webmaster Tools Public Preview, Microsoft Bing Webmaster Blog, februari 2026.
- NEW Research: AIs are highly inconsistent when recommending brands or products; marketers should take care when tracking AI visibility, SparkToro, januari 2026.
- GEO: Generative Engine Optimization, Aggarwal et al., arXiv / KDD 2024, juni 2024.