Hoe meet je AI-zichtbaarheid in ChatGPT en Google AI?
Is mijn bedrijf eigenlijk vindbaar in ChatGPT of Google AI?” Het is de vraag die we deze maanden het vaakst van ondernemers bedrijven en marketingverantwoordelijken horen. Het eerlijke antwoord: de meeste zijn dat niet of veel minder dan ze denken. En dat zijn cruciale inzichten als je weet dat 68% van de zoekopdrachten inmiddels eindigt zonder klik (Sparktoro, 2026). Met het meten van AI vindbaarheid voorkom je dat je daardoor niet meer kan sturen.
Hieronder lees je welke 3 meetmethoden je kan hanteren, hoe je dat doet en welke metrics daarin belangrijk voor je zijn.
Je kunt het zelf testen door gerichte vragen te stellen in ChatGPT, Google Gemini. Claude of Perplexity die een klant zou stellen. Denk aan: “Welk bedrijf in [jouw regio] is goed voor [jouw dienst]?” of “Wat is de beste keuze voor [jouw product] in Nederland?” Wordt jouw bedrijf niet genoemd? Dan is er werk aan de winkel. Het geeft een snelle indicatie van het type antwoord en de toonzetting, vergelijkbaar met een snelle handmatige Google-zoekopdracht.
Afbeelding 1: Voorbeeld zichtbaarheid in chatgpt handmatig testen
Dan vraag je je natuurlijk af of die indicatie betrouwbaar is. Nou, we weten dankzij onderzoek van Semrush (2025) in ieder geval dat 50% van de links die in ChatGPT 4o antwoorden zijn opgenomen verwezen naar bedrijfs- en diensten websites. AI-modellen citeren dus wel degelijk bedrijven zoals dat van jou. De vraag is alleen of jij daar al bij zit. Een indicatie is dan waardevol.
Afbeelding 2: ChatGPT citations naar bedrijven en dienstverlening
“Je moet weten of jouw merk als bron voor AI gebruikt wordt, want je clicks blijven dalen.”
Hierin zit voor 95% van de bedrijven de echte strategische waarde. Deze methode is voor ons SEO team ook veruit de meest interessante en gebruikte methode om zichtbaarheid in chatGPT en andere LLM’s te meten. We bouwen een dekkende prompt set op per content cluster, verdeeld over alle vier de fasen van de klantreis. Die simuleren we x keer per maand, waarbij simulatie 1 gelijk de nulmeting maakt. Met de juiste tags zie je zo exact in welke fase en/of cluster content gaps ontstaan in ons dashboard. Tot slot zetten we dat keihard af tegen de directe concurrenten om je zichtbaarheid relatief te maken en te leren.
Ons AI-visibility stappenplan is daarmee als volgt gestructureerd:
Afbeelding 3: AI zichtbaarheid meten via prompt cluster simulatie met Rankshift
Naast een strak ingericht AI-visibility dashboard opent deze methode ook de synergie met andere paid kanalen. Kan je zichtbaarheid inkopen op de plekken waar je organisch in AI nog niet als antwoord naar voren komt? Waar de LLM jouw merk nog overslaat in de oriëntatiefase, kun je via Paid Search wellicht inzetten om die content gaps direct op te vangen.
Om ervoor te zorgen dat je hier ook op kunt evalueren en sturen, meten we vier vaste kern metrics:
| Metric | Definitie | Strategische waarde |
| Zichtbaarheid (Visibility %) | Het percentage AI-antwoorden waarin het merk actief genoemd wordt. | Direct inzicht in je AI-merkaandeel t.o.v. concurrenten. |
| Citatiegraad (Citation Rate %) | Het percentage AI-antwoorden waarin de website als bron wordt geciteerd. | Toont autoriteit: gebruikt de AI jouw site als bewijslast? |
| Brongebruik (# Pagina’s) | Het aantal unieke website pagina’s dat door de AI als bron gebruikt is. | Laat zien welke specifieke content ‘AI-ready’ is en welke achterblijft. |
| Answer Share (%) | Het marktaandeel in antwoorden vermeldingen binnen jouw specifieke promptset. | Bepaalt wie de feitelijke AI-marktleider is binnen jouw niche. |
Voor grotere merken kan het analyseren van server-side CDN logs (zoals Cloudflare) inzicht geven in hoe vaak AI-crawlers (zoals GPTBot) je site bezoeken als onderdeel van de ‘response’ van LLM’s. Dat is de exacte data natuurlijk, wat het daadwerkelijke gedrag van de doelgroep weerspiegelt. Maar eerlijk is eerlijk: voor veel MKB+ bedrijven is logbeheer complex en niet de eerste prioriteit. Uiteindelijk wil je ook eerst inzicht hebben in de content gaps met concurrenten, waar prompt simulaties weer veel geschikter voor zijn.
Een praktisch alternatief waar we nu mee sturen, is het uitlezen van AI-referral verkeer in Google Analytics 4. Recent heeft Google zelfs een AI Assistant primaire kanaalgroep voor aangemaakt. Je ziet hiermee weliswaar niet op welke specifieke vragen je níét genoemd werd, maar je krijgt wel een zuiver beeld van de daadwerkelijke bezoekers die via AI-bronnen doorklikken. Voor de meeste merken is de combinatie van Rankshift (content gap-analyse) en GA4 (conversie-impact) de meest effectieve route uit onze ervaring.
Dit is het nieuwe normaal. Google toont steeds vaker AI-antwoorden bovenaan de zoekresultaten pagina zonder dat de gebruiker hoeft door te klikken. Jij staat op positie 1, maar Google beantwoordt de vraag zelf. Resultaat: minder kliks, bij een gelijke of zelfs betere positie.
Eén van onze klanten zag het organisch bezoek dalen van 81 naar 35 bezoekers per week, terwijl hun rankings niet verslechterden. De oorzaak was volledig zero-click: Google of ChatGPT gaf het antwoord zonder verwijzing.
De cijfers zijn niet mals, zoals genoemd in de inleiding van dit artikel, maar het betekent niet je minder goed vindbaar bent als je klikken dalen. Dat is een belangrijk kantelpunt in de meetbaarheid van SEO en dus AI Search.
De meet strategie verschuift daardoor: niet alleen scoren in Google, maar ook als bron gebruikt worden door AI-modellen. Dat vraagt om andere content, verdieping, bewijslast op autoriteit met een duidelijk eigen perspectief. Wil je weten welke concrete stappen daarbij horen? Onze AI Search checklist helpt je op weg.
We analyseren niet alleen je klikken, maar de volledige route van zoekopdracht naar conversie.
Scherpe AI-visibility audit
Quick-wins voor Google & LLM’s
Concurrentie-inzichten die je miste
De AI-gap tussen jou en je concurrenten
"De SEO-specialist wordt minder uitvoerder en meer architect."
