Hoe gebruik je de Domain Semantic Map in AmICited

Een Domain Semantic Map zet duizenden losse datapunten — prompts, sub-queries, geciteerde paginatitels — om in één beeld van het onderwerpenlandschap waarin jij concurreert om AI-aandacht.

Wat is een semantic map, en waarom is dit belangrijk voor AI-zichtbaarheid?

Een semantic map is een visuele weergave van tekstitems — woorden, zinnen of titels — zo gepositioneerd dat items met een vergelijkbare betekenis dicht bij elkaar staan en niet-verwante items ver uit elkaar liggen. Hij wordt opgebouwd met semantische zoektechnieken : elk stuk tekst wordt omgezet in een numerieke representatie (een embedding) die de betekenis ervan vastlegt, en items met vergelijkbare embeddings worden dicht bij elkaar geplot. Het resultaat is geen willekeurige spreiding — het is een topologie van jouw vakgebied, waarbij dichte gebieden veelbesproken thema’s markeren en verspreide randen niche- of opkomende onderwerpen aanduiden.

Dit is belangrijk voor generative engine optimization omdat AI-antwoordmachines pagina’s niet rangschikken zoals traditionele zoekmachines dat doen — ze stellen een antwoord samen door tientallen verwante sub-queries en bronnen te combineren en vervolgens te bepalen wat ze citeren. Wanneer ChatGPT, Perplexity, Gemini of Google AI Overviews een prompt verwerken, matchen ze niet alleen de letterlijke woorden die jij volgt; ze breiden die prompt uit tot een wolk van verwante “fan-out”-queries, halen voor elk daarvan content op en verweven de resultaten tot één antwoord. Als jouw content alleen de exacte prompt behandelt en niet de omringende wolk van subonderwerpen die de AI daadwerkelijk onderzoekt, kun je onzichtbaar zijn in het uiteindelijke antwoord, zelfs als je wel rankt voor de hoofdterm.

Hier wordt semantische clustering een praktisch diagnostisch instrument in plaats van een abstract concept. Door jouw gevolgde prompts, de fan-out queries die AI-motoren daaruit genereren en de titels van pagina’s die geciteerd werden samen te brengen in één ruimtelijke kaart, zie je in één oogopslag welke thema’s veel AI-onderzoeksactiviteit kennen, in welke daarvan jij daadwerkelijk aanwezig bent, en welke volledig door concurrenten worden gewonnen. Dat is fundamenteel anders dan een lijst met zoekwoorden: een semantic map toont relaties, niet alleen volume, waardoor een onderwerphiaat zichtbaar wordt als een echt gat in het beeld, niet als een ontbrekende rij in een spreadsheet.

De praktische opbrengst is een vorm van contenthiaatanalyse die gebaseerd is op wat AI-modellen daadwerkelijk onderzoeken voor jouw vakgebied, in plaats van wat je veronderstelt dat ze onderzoeken. In plaats van te gokken welke artikelen je hierna moet schrijven, kun je een specifiek cluster op de kaart aanwijzen, zien dat titels van concurrenten dat cluster domineren terwijl de jouwe ontbreken, en dat cluster behandelen als een contentbriefing.

Waar vind je het

Scroll op het Dashboard naar de Domain semantic map-kaart. De header toont wanneer deze voor het laatst is gegenereerd, plus een Regenerate-knop en een volledigschermicoon om de kaart op volledig formaat te bewerken. Als de onderliggende gegevens recent zijn gewijzigd — bijvoorbeeld na een update van de promptset of een nieuwe crawl — zie je mogelijk “De map wordt bijgewerkt — het vorige resultaat wordt getoond totdat het gereed is.” De kaart wordt gegenereerd op basis van de eigen gevolgde gegevens van jouw account, dus die weerspiegelt jouw daadwerkelijke promptlijst, niet een generieke template.

Wat je ziet

Elk punt op de kaart is één item, en het type wordt bepaald door de schakelaars boven de kaart:

• Prompts — de vragen die je actief volgt, dezelfde promptset die elders in het dashboard jouw AI rank tracker -resultaten aanstuurt.
• Fan-out queries — de vele sub-queries waarin AI-motoren een prompt opsplitsen tijdens het onderzoeken van een antwoord. Eén gevolgde prompt kan achter de schermen uitgroeien tot een tiental of meer van deze queries; ze geplot zien is het dichtst dat je komt bij het waarnemen hoe een model jouw vraag daadwerkelijk interpreteert.
• Page titles — de titels van de URL’s die als bron werden geciteerd in AI-antwoorden, zowel van jouw domein als van concurrenten.

Punten die dicht bij elkaar staan, zijn semantisch vergelijkbaar — ze gaan over hetzelfde onderliggende thema, ook al verschilt de bewoording. Lijnen tussen punten tonen expliciete relaties (bijvoorbeeld een prompt verbonden met de fan-out queries die eruit voortkwamen). Dichte clusters markeren onderwerpen met veel AI-onderzoeksactiviteit — plekken waar modellen veel verwante vragen stellen en veel bronnen raadplegen. Eenzame punten aan de randen zijn niche- of afwijkende thema’s die nog niet veel omringende activiteit hebben, wat kan betekenen dat er een onontgonnen niche is, of dat het gewoon een onderwerp is dat niet relevant is voor hoe AI-motoren jouw vakgebied zien.

Kleur speelt hier ook een specifieke rol: de top 8 domeinen op basis van citaties zijn gekleurd, de rest is grijs, zodat je meteen ziet welke bronnen een bepaald cluster domineren zonder dat je elk punt afzonderlijk hoeft aan te klikken. Een opmerking zoals “N geciteerde pagina’s die niet konden worden opgehaald of gelezen overgeslagen” verschijnt ook wanneer van toepassing en vertelt je hoeveel bronpagina’s het systeem probeerde op te halen maar niet kon ophalen — nuttige context wanneer een cluster spaarzamer oogt dan je zou verwachten.

Hoe je het verkent

• Schakel de lagen in en uit (Prompts / Fan-out queries / Page titles) om je op één type item tegelijk te richten — verberg bijvoorbeeld prompts en fan-out queries om een zuivere kaart te zien van wie waar wordt geciteerd.
• Scroll om in te zoomen, sleep om te pannen, en klik op een clusterlabel om in te zoomen op een regio — de hint op de kaart legt dit uit, en het is de snelste manier om van een vogelvluchtperspectief op je hele onderwerpenlandschap naar één subthema te gaan.
• Klik op een punt om de detailpagina te openen — voor een prompt opent dit het volledige prestatieoverzicht, zodat je direct kunt gaan van “dit cluster oogt zwak” naar de onderliggende AI search visibility -gegevens achter een specifieke prompt.
• Gebruik de domeinlijst rechts om specifieke domeinen op de kaart te kleuren en te vinden — handig als je precies wilt natrekken waar één bepaalde concurrent opduikt binnen het hele onderwerpenlandschap (behandeld in een eigen handleiding).

Omdat de kaart jouw eigen gevolgde prompts combineert met de queries die AI-motoren daaruit afleiden en de titels van wie daadwerkelijk wordt geciteerd, functioneert hij als een live weergave van share of voice op onderwerpniveau in plaats van op het niveau van een enkele prompt — je vraagt jezelf niet alleen af “werd ik geciteerd voor deze exacte vraag”, maar “wie is eigenaar van deze hele buurt van verwante vragen”.

Wat het meet

De Domain Semantic Map levert geen enkele score op zoals een citatiepercentage of zichtbaarheidsindex dat doet. In plaats daarvan is het een ruimtelijke weergave van drie dingen tegelijk: de breedte van jouw gevolgde promptset, de diepte van de fan-out-activiteit die AI-motoren rond jouw onderwerpen genereren, en de competitieve aanwezigheid — via geciteerde paginatitels — over dat alles heen. Samen beantwoorden deze drie lagen een vraag die een platte metrics-tabel niet kan beantwoorden: niet alleen hoeveel je wordt geciteerd, maar ook waar, ten opzichte van de daadwerkelijke vorm van het gesprek dat AI-motoren voeren over jouw vakgebied.

Een cluster dat dicht bezaaid is met fan-out queries en paginatitels van drie of vier gekleurde concurrentdomeinen, zonder dat er ook maar één titel van jou aanwezig is, is een direct signaal van een citatiehiaat — een thema dat AI-modellen intensief onderzoeken maar waarvoor ze nooit een reden vinden om jou te citeren. Omgekeerd bevestigt een cluster waarin jouw titels goed vertegenwoordigd zijn naast die van concurrenten dat je een geloofwaardige bron bent voor dat thema, in elk geval in de ogen van de retrievalsystemen achter deze AI-motoren.

Hoe je het gebruikt

1. Identificeer onderwerpclusters waar veel fan-out queries samenkomen — dit zijn de thema’s waar AI-motoren het meest om geven in jouw vakgebied, en de thema’s die het meest waard zijn om te prioriteren in jouw contentroadmap.
2. Vind hiaten waar paginatitels van concurrenten clusteren maar die van jou niet — elk gat is een concrete contentkans, geen hypothetische, omdat het gebaseerd is op titels die daadwerkelijk werden geciteerd.
3. Regenereer na grote contentwijzigingen — een nieuwe pillar page, een reeks gepubliceerde artikelen, een geherstructureerde productcatalogus — om te zien hoe jouw voetafdruk op de kaart verschuift en of eerder lege clusters zich beginnen te vullen met jouw eigen titels.
4. Kruisverwijs met de domeinlijst om te controleren of dezelfde ene of twee concurrenten elk gat domineren dat je vindt, of dat verschillende domeinen verschillende clusters winnen — dat bepaalt of je strijdt tegen één stevig verankerde speler of tegen meerdere nichespelers.
5. Combineer het met jouw promptprestatiegegevens door vanaf een punt op de kaart door te klikken — de kaart vertelt je waar het gat zit, en de onderliggende detailpagina van de prompt of het domein vertelt je waarom je het verliest.

Beschouw de kaart als de diagnostische laag die boven jouw individuele promptrapporten staat: hier bepaal je wat je moet oplossen voordat je in hoe duikt. Zodra je een cluster hebt geïdentificeerd waarin je afwezig bent, is de logische volgende stap een gestructureerd gap-analyseproces om dat visuele gat om te zetten in een geprioriteerde lijst met briefings, en om te controleren hoe de pagina’s die je al hebt zijn gestructureerd — een blik op hoe je content structureert zodat AI-modellen die daadwerkelijk kunnen citeren is een nuttige aanvulling zodra je weet welke clusters je wilt aanpakken. Voor bureaus die dit beheren over veel prompts of meerdere klantdomeinen, verandert het combineren van de semantic map met de bureau-workflow van AmICited een eenmalige gap-analyse in een doorlopend overzicht van of jouw contentinvestering daadwerkelijk de afstand verkleint tot de concurrenten die momenteel die clusters bezetten.