Prompt-tracking plannen in AmICited

AI-antwoorden veranderen in de loop van de tijd, dus tracking is alleen nuttig als het wordt herhaald.

Wat is prompt planning?

Prompt tracking is de praktijk waarbij je AI-assistenten — ChatGPT, Perplexity, Gemini, Google AI Overviews — herhaaldelijk dezelfde realistische vraag stelt over een langere periode en vastlegt of, waar en hoe ze je merk noemen. Eén controle vertelt je alleen of je op die ene dag, onder die ene set omstandigheden, werd geciteerd. Het zegt niets over of die vermelding representatief is, verbetert, afneemt, of gewoon toeval is door een modelupdate. Planning is wat een momentopname omzet in een trend.

Elke geplande prompt in AmICited heeft een frequentie — het ritme waarin het platform diezelfde vraag opnieuw indient bij je geselecteerde engines en een nieuw resultaat vastlegt. Zie het als het AI-search-equivalent van een keyword-ranktracker die zoekresultatenpagina’s ververst: in plaats van Google-rankings te pollen, pol je wat een taalmodel hardop zegt wanneer iemand het een vraag stelt die je kopers ook daadwerkelijk stellen. Dit is het mechanische fundament van AI-zichtbaarheid -meting — zonder planning is er geen tijdreeks, geen trendlijn en geen betrouwbare manier om aan te tonen dat een stuk content, een schemawijziging of een PR-vermelding daadwerkelijk iets heeft bewogen.

Planning is om een structurele reden specifiek belangrijk voor generatieve engines: hun uitvoer is niet statisch. Het antwoord van een model op “beste projectmanagementsoftware voor kleine teams” kan week na week verschuiven doordat de onderliggende index vernieuwt, doordat het model zelf wordt bijgewerkt, of gewoon omdat deze systemen probabilistisch zijn en niet elke keer exact hetzelfde antwoord geven. Traditionele ranktracking gaat ervan uit dat een pagina óf wel óf niet rankt, gecontroleerd op een schema dat zelden vaker dan dagelijks hoeft te zijn. AI-citatietracking heeft diezelfde dagelijkse cadans nodig, maar dan voor een ruisiger signaal — één antwoord op één dag zegt je bijna niets over of je betrouwbaar wordt aanbevolen.

Dit is ook waarom de keuze van de frequentie tegelijk een budgetbeslissing is. Elke geplande run verbruikt een deel van het uitvoeringsquotum van je account, dus cadans is niet alleen “hoe nieuwsgierig ben ik” — het is “hoeveel verandert het antwoord op deze specifieke vraag, en wat kost het me om dat te achterhalen.” Een goed afgestelde planning besteedt je runbudget aan de prompts waar zowel de volatiliteit als de zakelijke waarde hoog zijn, en spaart het op bij prompts die stabiel of van ondergeschikt belang zijn.

Waar stel je het in

Je kunt de planning op twee plekken instellen:

• Bij het toevoegen van prompts — het Planning-keuzemenu (standaard dagelijks) in het dialoogvenster Prompts toevoegen, naast Land en Tag, is van toepassing op de hele batch. Dit is de snelste route wanneer je een nieuwe promptset opbouwt en al weet welke onderwerpen volatiel zijn en welke stabiel.
• Achteraf in bulk — selecteer prompts in de tabel Gevolgde prompts en gebruik de Frequentie-regelaar in de bulkactiebalk om ze tegelijk te wijzigen. Niets aan de planning van een prompt ligt vast op het moment van aanmaken; naarmate je beter begrijpt welke vragen ertoe doen, kun je meerdere prompts tegelijk bewerken om de cadans in één actie te herverdelen in plaats van prompt voor prompt te doorlopen.

Beide routes schrijven naar dezelfde onderliggende instelling, dus een prompt die met wekelijks is toegevoegd en later in bulk naar dagelijks is gewijzigd, gedraagt zich identiek aan een prompt die vanaf het begin op dagelijks stond — het enige verschil is hoeveel runhistorie er al is opgebouwd.

De frequentie-opties

• dagelijks — wordt elke dag opnieuw uitgevoerd; het beste voor competitieve, snel veranderende vragen waarbij je actief strijdt om een vermelding of share of voice met met naam genoemde concurrenten.
• wekelijks — een goede standaard voor de meeste prompts. Wekelijks is vaak genoeg om betekenisvolle verschuivingen in het antwoord van een model op te vangen zonder je runbudget te verspillen aan ruis.
• maandelijks — voor stabiele onderwerpen die je alleen in de gaten wilt houden. Geschikt voor categoriedefiniërende vragen of long-tail-prompts waarvan het antwoord zelden verandert.
• jaarlijks — voor zeer langzaam veranderende referentievragen, zoals “wat is [brede sectorterm]”, waarbij het onwaarschijnlijk is dat de framing van de AI binnen een kwartaal betekenisvol verschuift.
• eenmalig — eenmalig uitvoeren, geen herhaling (handig voor een snelle steekproef, het testen van een nieuw prompt-idee, of het valideren dat een prompt het soort antwoord oplevert dat je verwachtte voordat je hem op een terugkerende planning zet).

Wat het meet — en waarom cadans het antwoord verandert

De frequentie die je kiest, bepaalt niet alleen hoe vaak er data binnenkomt — ze verandert ook welk type vraag die data kan beantwoorden. Een prompt die één keer wordt uitgevoerd, vertelt je iets over één enkel moment. Een prompt die dagelijks wordt uitgevoerd, bouwt een tijdreeks op die je kunt gebruiken om een AI-citatie te detecteren, te meten hoe consistent die terugkeert, en een verandering in AI-vermeldingen te correleren met iets dat jij hebt gedaan — een nieuwe pagina publiceren, een technisch toegankelijkheidsprobleem oplossen, een recensie van een derde partij verdienen. Zonder die herhaalde cadans blijf je gissen of een goed of slecht resultaat representatief was of slechts een eenmalige, willekeurige trekking uit een probabilistisch model.

Dit is dezelfde logica die ten grondslag ligt aan generative engine optimization in het algemeen: je kunt niet optimaliseren wat je niet betrouwbaar kunt meten, en je kunt een bewegend doelwit niet betrouwbaar meten met één enkel monster. Een dagelijks-schema op je meest competitieve prompts geeft je de resolutie om bijvoorbeeld te zien dat een concurrent in dezelfde week in een AI Overview begon te verschijnen waarin die een vergelijkingspagina publiceerde — een patroon dat onzichtbaar blijft als je maar één keer per maand controleert. Door realtime versus periodieke monitoring te vergelijken, kun je beter bepalen hoe agressief je prompts moet plannen waarbij de snelheid van detectie er voor jouw bedrijf echt toe doet, versus waar dat niet zo is.

De kolom Runs in de tabel Gevolgde prompts laat zien hoe vaak elke prompt is uitgevoerd, zodat je kunt bevestigen dat je planning doet wat je verwacht en prompts kunt opsporen die stilletjes langer — of minder vaak — hebben gedraaid dan de bedoeling was.

Hoe kies je een frequentie

1. Stem de frequentie af op hoe snel het antwoord verandert. Populaire vergelijkings- en prijsvragen veranderen vaak, omdat het precies de vragen zijn waarop concurrenten actief inspelen met nieuwe content en PR; tijdloze definities veranderen zelden. Als je niet zeker weet waar een bepaalde prompt onder valt, zet hem dan op wekelijks en kijk of de antwoordtekst en de geciteerde bronnen daadwerkelijk veranderen tussen runs — als dat niet zo is, verlaag je naar maandelijks; als ze merkbaar verschuiven, verhoog je naar dagelijks.
2. Houd je runquotum in de gaten. Elke run telt mee — dagelijkse tracking over veel prompts en engines loopt snel op, dus reserveer dagelijks voor de prompts die het meest bepalend zijn voor omzet of concurrentiepositie, niet standaard voor elke prompt in je bibliotheek. Een veelgemaakte fout bij teams die AI-zichtbaarheidsmonitoring automatiseren is dat ze uit voorzichtigheid alles op de hoogste frequentie zetten, wat quotum verbrandt aan prompts die toch nooit zouden veranderen.
3. Evalueer regelmatig opnieuw. Naarmate het belang van een prompt verandert — een productlancering maakt een categorie plotseling omstreden, of een onderwerp koelt af nadat een campagne is afgelopen — verhoog of verlaag je de frequentie via de bulkacties in de tabel Gevolgde prompts, in plaats van verouderde planningen te laten staan.
4. Segmenteer op basis van het gedrag van de engine, niet alleen op onderwerp. Sommige engines vernieuwen hun onderliggende antwoorden sneller dan andere. Als je dezelfde prompt volgt op ChatGPT, Perplexity, Gemini en AI Overviews, is het redelijk om de planning voor de eenvoud uniform te houden, maar besef dat de volatiliteit die je waarneemt net zo goed kan komen van welke engine je bevraagt als van de prompt zelf.
5. Weeg de cadans mee naar je share-of-voice-slagvelden. Prompts waarbij je nek-aan-nek strijdt met een met naam genoemde concurrent om de vermelding, zijn precies de prompts waarbij een dagelijks-cadans zichzelf terugbetaalt — je wilt binnen een dag weten, niet binnen een maand, of je terrein hebt verloren of gewonnen.

Dit ritme goed krijgen draait minder om een vaste regel en meer om voortdurend bijstellen: een AI-ranktracker is alleen zo nuttig als de planning die hem voedt, en een planning die te schaars is, verbergt precies de volatiliteit die je probeert te vangen, terwijl een planning die overal op het maximum staat alleen budget verbrandt zonder extra inzicht op te leveren. Als je prompt tracking beheert over meerdere klantaccounts, geldt dezelfde afstemlogica per klant — bureaus die AmICited voor bureaus gebruiken, stellen doorgaans een gedeelde standaardcadans per werkruimte in en overschrijven die vervolgens prompt voor prompt zodra de competitieve prompts van elke klant zijn geïdentificeerd. Zodra je planningen zijn afgesteld, rollen de cijfers die ze opleveren op tot het rapportageritme waar jouw team — of je klanten — daadwerkelijk naar kunnen handelen.