Waarom Heeft Zichtbaarheid in AI-zoekopdrachten Herhaalde Metingen Nodig?

Vraag een AI-zoekmachine vandaag “welk merk maakt de beste hardloopschoenen?” en je krijgt een antwoord. Stel exact dezelfde vraag morgen, of zelfs vijf minuten later, en ongeveer tweederde van de bronnen die het citeert zal anders zijn. Dat is geen storing. Zo werkt AI-zoeken.

Wat je uit deze gids haalt:

• Waarom zichtbaarheid in AI-zoekopdrachten zich gedraagt als een kans, niet als een vaste rangschikking zoals bij Google
• Een heldere uitleg van hoe onderzoekers meten of een AI-antwoord daadwerkelijk is veranderd (Jaccard en RBO)
• Zes datagedreven bevindingen, elk met een eigen grafiek: bronrotatie, merkstabiliteit, citatieconcentratie, modelwillekeur, verschillen tussen engines en gevoeligheid voor prompts
• De exacte cijfers die ertoe doen: hoeveel herhaalde runs per prompt, en hoe lang een observatievenster, je nodig hebt voor betrouwbare data
• Een kant-en-klare checklist om GEO-metingen op te zetten waarop je daadwerkelijk kunt vertrouwen
• Veelgestelde vragen over runs, vensters, engines en statistieken

Een nieuwe academische studie maakt dit ongemakkelijk concreet. In “Don’t Measure Once: Measuring Visibility in AI Search (GEO)” (arXiv, april 2026) volgden onderzoekers Julius Schulte, Malte Bleeker en Philipp Kaufmann van de University of St. Gallen (met Aurora Intelligence) vier AI-zoekmachines in vier sectoren, elke dag gedurende ruim zes weken. Hun bevinding: zichtbaarheid in AI-zoekopdrachten is probabilistisch, niet deterministisch. Een enkele zoekopdracht is een onbetrouwbare momentopname, en het behandelen ervan als een Google-ranking leidt tot verkeerde conclusies. Het maakt deel uit van een snel groeiend geheel aan academisch onderzoek naar GEO dat verandert hoe marketeers denken over AI-zichtbaarheid.

Voor marketeers is dit belangrijker dan het klinkt. Als je één keer controleert of je merk verschijnt in ChatGPT of Perplexity en dat een “meting” noemt, kun je je werkelijke aanwezigheid met een grote marge over- of onderschatten. De oplossing is niet een betere enkele zoekopdracht; het is een ander mentaal model. Je moet zichtbaarheid meten als een verdeling: veel runs, veel prompts, over een langdurig venster.

Hieronder lopen we precies door wat de studie vond, waarom AI-zoeken zich zo gedraagt, en hoeveel metingen je daadwerkelijk nodig hebt voordat je cijfers iets betekenen.

TL;DR (wat de studie vond):

• Geciteerde bronnen roteren sterk. Slechts ongeveer 34-42% van de bronnen die een AI-engine citeert, blijft behouden van de ene op de andere dag, wat betekent dat ruwweg 65% van de bronnen dagelijks verandert.
• Merkvermeldingen zijn stabieler, maar nog steeds volatiel. De dag-tot-dag overlap van merken ligt op 45-59%, betrouwbaarder dan individuele URL’s, maar verre van stabiel.
• Citaten zijn sterk geconcentreerd. Een handvol domeinen neemt het grootste deel van de zichtbaarheid voor zijn rekening. De gemiddelde Gini-coëfficiënt is 0,715, en op een schaal van 0 tot 1 waarbij 1 betekent dat één domein elk citaat naar zich toe trekt, is dat een zeer scheef landschap.
• Het is de eigen willekeur van het model, niet het nieuws. Dezelfde prompt meerdere keren op dezelfde dag afvuren, levert dezelfde mate van rotatie op, dus de meeste instabiliteit komt van het model zelf, niet van veranderingen in de echte wereld.
• Eén run vertelt je bijna niets. Je hebt minstens 7 runs per prompt per dag nodig voor een betrouwbare schatting van merkzichtbaarheid, en 8 als je ook individuele bron-URL’s volgt.
• Korte vensters liegen. Omdat bronnen zo snel roteren, heb je een voortschrijdend venster van 2 tot 4 weken nodig om een stabiel beeld te krijgen van de werkelijke zichtbaarheid van een merk.

Waarom Zichtbaarheid in AI-zoekopdrachten Zich Niet Gedraagt Zoals Google-rankings

Als je uit de SEO-wereld komt, zijn je instincten afgestemd op een wereld die niet meer van toepassing is. In klassiek zoeken zijn resultaten gerangschikt en grotendeels stabiel: je pagina staat vandaag op positie 4 en waarschijnlijk morgen ook op positie 4 of 5. Eén controle geeft je een eerlijke momentopname, en wanneer dingen veranderen, gebeurt dat geleidelijk langs een voorspelbaar spectrum. Je kunt je positie zien verschuiven en erop reageren.

Generative Engine Optimization (GEO) werkt niet zo. GEO is alles-of-niets, wat het paper een binaire insluiting-uitsluitingsdynamiek noemt. In elk gegeven antwoord wordt je merk of bron ofwel prominent verweven, ofwel volledig weggelaten. Er is geen “positie 8” als troostprijs. Je bent ofwel onderdeel van het antwoord of onzichtbaar, en welke van de twee je krijgt, kan van de ene op de andere run omslaan, aangedreven door de probabilistische manier waarop grote taalmodellen tekst genereren en bewijs selecteren.

Die volatiliteit wordt versterkt door een tweede probleem: een AI-zoekmachine is een black box. Je kunt niet zien waarom je merk in het ene antwoord werd opgenomen en in het volgende werd weggelaten. Het model comprimeert informatie uit veel bronnen tot een kort, beperkt antwoord, en het selectieproces is niet transparant of reproduceerbaar. In tegenstelling tot een SEO-ranking, die oscilleert binnen een zichtbare rangschikkingsset, kan AI-zichtbaarheid verdwijnen zonder waarschuwing of uitleg.

Beide problemen worden verergerd door een ontbrekend hulpmiddel. In SEO hebben marketeers Google Search Console, een first-party tool die je vertelt voor welke zoekopdrachten je verschijnt en hoe vaak. De LLM-aanbieders bieden geen equivalent. Basisgegevens zoals hoe vaak mensen daadwerkelijk een bepaalde vraag stellen, zijn in het GEO-ecosysteem simpelweg niet zichtbaar. Die blinde vlek is precies de reden waarom marketeers metingen van buitenaf moeten opbouwen, via herhaalde steekproeven door derden, en waarom een enkel, statisch “zichtbaarheids”-getal zo gemakkelijk verkeerd te interpreteren is. De rest van dit artikel gaat over het correct uitvoeren van die metingen.

Binnen de Studie: Wat de Onderzoekers Daadwerkelijk Deden

De studie is verfrissend concreet, dus het loont om de opzet te begrijpen voordat je de cijfers vertrouwt. Onderzoekers van de University of St. Gallen (in samenwerking met Aurora Intelligence) bouwden een monitoringsysteem dat elke dag vier AI-zoekmachines bevroeg en precies registreerde welke bronnen en merken elke engine teruggaf.

Ze testten vier engines: ChatGPT, Google Gemini, Google AI Mode en Perplexity. Elke engine kreeg dezelfde reeks vragen voorgelegd in vier praktijksectoren (het paper noemt ze “campagnes”) die zijn gekozen omdat ze veel zoekverkeer krijgen in de Zwitserse markt: Consumentenelektronica, Vastgoedverkoop, Sportartikelen en Telecommunicatie.

Voor elke sector schreef het team 8 prompts, en hier zit een slim detail: de prompts waren niet verzonnen. Ze haalden veelgebruikte SEO-zoekwoorden op, typten ze in Google en namen de daadwerkelijke vragen over uit het “Ook gevraagd”-kader van Google. Dat betekent dat de vragen lijken op wat echte mensen vragen: conversationele, top-of-funnel zoekopdrachten zoals “Welk merk maakt goede hardloopschoenen?” in plaats van kale zoekwoorden.

De engines werden dagelijks bevraagd over een venster van 45 tot 46 dagen (24 januari tot 20 maart 2026) vanaf servers in Zwitserland, wat van belang is voor hoe de AI resultaten personaliseert. In totaal omvatte de analyse 4.044 opeenvolgende-dagen-paren, elke “vandaag versus morgen”-vergelijking over alle engines, prompts en sectoren.

Hier is de opzet in een oogopslag:

Dit is een enorme hoeveelheid herhaalde meting, en dat is precies het punt dat het paper probeert te maken.

Ready to Monitor Your AI Visibility?

Track how AI chatbots mention your brand across ChatGPT, Perplexity, and other platforms.

Aan de slag Contact

Twee Eenvoudige Manieren om te Meten “Is het Antwoord Veranderd?”

Om de vraag “hoeveel verschilt het antwoord van vandaag van dat van gisteren?” te beantwoorden, hadden de onderzoekers een manier nodig om twee lijsten tegen elkaar af te zetten. Ze gebruikten twee statistieken, en je hebt geen statistische achtergrond nodig om ze te begrijpen.

Jaccard-gelijkenis vraagt simpelweg: van alle bronnen die op beide dagen verschenen, hoeveel verschenen op beide dagen? Je telt de bronnen die ze delen, en deelt dat door het totale aantal unieke bronnen over de twee dagen.

Hier is een klein voorbeeld. Stel dat het antwoord van vandaag 5 bronnen citeert en dat van morgen ook 5, maar slechts 2 daarvan zijn hetzelfde. De twee antwoorden delen 2 bronnen, en samen noemen ze 8 unieke bronnen (5 + 5, min de 2 die dubbel geteld worden). Dus de Jaccard-score is 2 ÷ 8 = 0,25, wat betekent dat slechts ongeveer een kwart van de bronnen stabiel bleef, en ruwweg driekwart ’s nachts roteerde. Een Jaccard van 1,0 zou identieke lijsten betekenen; 0,0 zou geen enkele overlap betekenen.

Rank-Biased Overlap (RBO) stelt dezelfde vraag, maar voegt iets toe dat Jaccard negeert: volgorde. Als eerste geciteerd worden is meer waard dan als vijfde geciteerd worden, dus RBO geeft extra gewicht aan de bovenkant van de lijst. Omdat het vereist dat gedeelde items op vergelijkbare posities verschijnen (niet alleen dat ze ergens aanwezig zijn), is RBO altijd de strengere van de twee. Daarom komt RBO in deze studie consequent lager uit dan Jaccard.

Hoe je deze cijfers moet lezen:

• Hoger = stabieler. Een score dicht bij 1,0 betekent dat het antwoord nauwelijks veranderde; dicht bij 0 betekent dat het bijna volledig door elkaar werd gehusseld.
• Jaccard beantwoordt “zijn dezelfde items aanwezig?”
• RBO beantwoordt “zijn dezelfde items aanwezig en in dezelfde volgorde?”
• Het verschil ertussen vertelt je hoeveel de rangschikking roteert, zelfs wanneer dezelfde items steeds terugkomen.

Als je wilt zien hoe deze zich verhouden tot andere maatstaven, plaatst onze gids over de 10 belangrijke AI-zichtbaarheidsstatistieken overlapscores in context met de rest van je monitoringdashboard.

Bevinding #1: Tweederde van de Geciteerde Bronnen Verandert Elke Dag

Als AI-zoeken werkte zoals Google, zou het stellen van dezelfde vraag twee dagen achter elkaar ongeveer dezelfde pagina’s naar boven brengen. Dat is niet zo. Toen de onderzoekers van St. Gallen bijhielden welke bronnen vier AI-engines elke dag citeerden gedurende anderhalve maand, ontdekten ze dat de lijst met geciteerde bronnen van de ene op de andere dag bijna volledig door elkaar wordt gehusseld.

Het belangrijkste cijfer is Jaccard, het aandeel geciteerde bronnen dat op beide dagen aanwezig is. Over de vier sectoren varieerde het van slechts 0,336 voor Consumentenelektronica tot 0,423 voor Telecommunicatie, met Sportartikelen op 0,355 en Vastgoedverkoop op 0,378. In gewone taal betekent een Jaccard van 0,35 dat slechts ongeveer 35% van de geciteerde bronnen de volgende dag hetzelfde is, dus ruwweg 65% van de bronnen wordt elke dag vervangen. Telecom was het stabielst van de groep, en Consumentenelektronica het meest volatiel, maar geen enkele kwam in de buurt van stabiliteit.

Het wordt erger als je rekening houdt met rangschikking. RBO, dat de bovenkant van de lijst het zwaarst weegt, kwam uit tussen 0,21 en 0,26, aanzienlijk lager dan Jaccard. Dat verschil is veelzeggend. Het betekent dat niet alleen welke bronnen verschijnen van dag tot dag verandert; de volgorde waarin ze verschijnen verschuift ook. Zelfs het handjevol bronnen dat de volgende dag wel overleeft, verandert vaak van positie, dus het “top”-citaat dat je gisteren zag, kan vandaag begraven liggen.

Dit is precies de rotatie waarover we eerder hebben geschreven in het 7% overlapprobleem : een enkele zoekopdracht is een momentopname van een bewegend doelwit. Controleer je AI-citaten één keer en registreer het resultaat, en je hebt één beeld vastgelegd van een verdeling die morgenochtend alweer is omgeschud.

Stay Updated on AI Visibility Trends

Get the latest insights on AI mentions, brand monitoring, and optimization strategies.

Email address

Subscribe

Bevinding #2: Merkvermeldingen Zijn Stabieler, Maar Nog Steeds Verre van Stabiel

Individuele URL’s roteren wild, maar marketeers geven meestal om iets grofmaziger: wordt mijn merk überhaupt genoemd? Aggregeren van specifieke bronnen naar merknamen effent veel van de ruis, maar zelfs op merkniveau is het dag-tot-dag beeld verre van de stabiele rangschikking die je zou verwachten van traditioneel zoeken.

Jaccard op merkniveau kwam uit tussen 0,45 en 0,59, aanzienlijk hoger dan de 0,34-0,42 die we zagen voor bronnen. Telecommunicatie was het stabielst met 0,589, Consumentenelektronica volgde op de voet met 0,557, en Sportartikelen was het laagst met 0,453. Dus ruwweg de helft van de vandaag genoemde merken keert morgen terug, tegenover slechts een derde van de bronnen. Merkaanwezigheid is het duurzamere signaal, wat de reden is waarom het een betere kern-KPI is dan het volgen van individuele URL’s.

Twee details zijn het uitpluizen waard. Ten eerste werd Vastgoedverkoop volledig uitgesloten van de merkanalyse. De engines noemden slechts in 53,6% van de vastgoedantwoorden een specifiek merk (onder de grens van 70% die de onderzoekers hanteerden om een sector als voldoende merkvermeldingen te beschouwen voor betrouwbare analyse), omdat veel van de prompts generieke belasting- en investeringsvragen waren die LLM’s beantwoorden zonder enig bedrijf te noemen. Het opnemen ervan zou de cijfers hebben vervuild, dus het werd geschrapt.

Ten tweede stond Sportartikelen om een concrete reden het laagst: er is een grote, onderling verwisselbare groep hardloopschoenmerken, dus het model heeft tientallen bijna-gelijkwaardige opties om uit te putten en rouleert daartussen van dag tot dag.

En zelfs hier is de volgorde onstabiel. RBO voor merken kwam uit op slechts 0,19 tot 0,30, dus de rangschikking waarin merken verschijnen, verschuift nog steeds sterk. Stabieler dan bronnen, maar niet iets wat je één keer kunt meten en vertrouwen. Dit pleit voor continue AI-merkmonitoringmeldingen in plaats van eenmalige controles.

Bevinding #3: Een Paar Domeinen Krijgen Bijna Alle Citaten

Niet elk geciteerd domein krijgt een gelijk deel van de taart. In AI-zoeken absorbeert een kleine groep domeinen het overgrote deel van de AI-citaten voor een bepaald onderwerp, terwijl iedereen anders vecht om de kruimels.

Het paper meet dit met de Gini-coëfficiënt, een standaard ongelijkheidsscore. Deze loopt van 0 tot 1: een Gini van 0 zou betekenen dat elk domein gelijk wordt geciteerd, en een Gini van 1 zou betekenen dat een enkel domein elk citaat pakt. Het is dezelfde wiskunde die economen gebruiken om inkomensongelijkheid te beschrijven, hier toegepast op citatietellingen.

Over alle engines en campagnes heen was de gemiddelde Gini 0,715. Dat is hoog. Het betekent dat het citatielandschap sterk scheef is, waarbij een handvol domeinen het grootste deel van de zichtbaarheid op elk onderwerp bezit.

De concentratie varieert per engine. Perplexity spreidde zijn citaten het meest gelijkmatig (Gini 0,671), gevolgd door ChatGPT (0,684) en Gemini (0,723). Google AI Mode was met 0,782 het meest geconcentreerd van allemaal, wat betekent dat het het zwaarst leunt op een smalle groep vertrouwde bronnen.

Het varieert ook per onderwerp. Sportartikelen was het minst geconcentreerd (0,680), dan Consumentenelektronica (0,713) en Vastgoed (0,718), met Telecommunicatie het meest geconcentreerd op 0,750.

De strategische conclusie: voor elk onderwerp bezit een klein aantal domeinen de AI-zichtbaarheid, en de rest is bijna onzichtbaar. Toegang krijgen tot die topgroep is waar de echte winst zit, dus je strategie voor AI share of voice zou zich moeten richten op het doorbreken van die geconcentreerde kern in plaats van het najagen van een lange staart die AI zelden naar boven haalt.

Bevinding #4: Het Is het Model, Niet de Nieuwscyclus

Als bronnen van dag tot dag roteren, is dat misschien gewoon de wereld die verandert, toch? Nieuwe artikelen worden gepubliceerd, domeinautoriteit verschuift, indexen worden vernieuwd. Om dat te testen, voerden de onderzoekers een slim experiment uit.

Ze vuurden dezelfde prompt tot 10 keer op dezelfde kalenderdag af naar alle vier de engines. Dezelfde zoekopdracht, dezelfde omstandigheden, minuten na elkaar. Als de dag-tot-dag rotatie voortkwam uit extern nieuws en index-updates, dan zou het opnieuw uitvoeren van een prompt binnen dezelfde dag bijna identieke bronnen moeten opleveren. Onder de aannames van ouderwets zoeken zou je een bijna-perfecte overlap verwachten.

Dat is niet wat er gebeurde. De overlap van bronnen op dezelfde dag (Jaccard) kwam uit tussen 0,32 en 0,43 over de campagnes, wat betekent dat slechts ongeveer een derde van de geciteerde bronnen overeenkwam tussen twee runs op dezelfde dag. Consumentenelektronica scoorde 0,327, Sportartikelen 0,321, Vastgoed 0,391 en Telecom 0,434.

Hier komt de clou: dat bereik is in wezen identiek aan het dag-tot-dag bereik van 0,34-0,42. Het elimineren van de nieuwscyclus als factor veranderde bijna niets.

De conclusie is onontkoombaar. De rotatie komt niet voort uit externe updates, algoritmewijzigingen of een bewegende nieuwscyclus. Het komt van de eigen willekeur van het model: de probabilistische manier waarop een AI bronnen genereert en selecteert voor elk antwoord. Bevraag dezelfde engine twee keer achter elkaar en je krijgt aanzienlijk andere bronnen, niet omdat de wereld veranderde, maar omdat het model opnieuw dobbelde. Dat is precies waarom één meting niet genoeg is, en waarom monitoring moet middelen over herhaalde runs om iets te betekenen.

Bevinding #5: De Vier Engines Zijn Niet Uitwisselbaar

Het is verleidelijk om “AI-zoeken” als één monolithisch geheel te behandelen. De data zegt anders. De vier engines gedragen zich zo verschillend dat aannemen dat de ene de andere weerspiegelt, je flink op het verkeerde been zal zetten.

Het uitsplitsen van de resultaten van de herhaalde runs op dezelfde dag per engine onthult een grote kloof in consistentie. Op bronnen was Gemini veruit het meest consistent, met een Jaccard op dezelfde dag van 0,505, wat betekent dat ruwweg de helft van de geciteerde bronnen stabiel bleef over herhaalde runs. ChatGPT was het minst consistent met slechts 0,233, nauwelijks een kwart overlap. Perplexity (0,282) en Google AI Mode (0,318) zaten daartussenin.

Het merkbeeld husselt de rangschikking volledig om. Op merkvermeldingen leidde Perplexity (Jaccard 0,492), op de voet gevolgd door ChatGPT (0,437), dan Gemini (0,409) en Google AI Mode (0,375). Dus de engine die het stabielst is op bronnen, is niet de stabielste op merken. Er is geen enkele “meest stabiele” engine.

ChatGPT valt op om een andere reden. Het geeft bij 57,8% van zijn runs nul citaten terug. Meer dan de helft van de tijd slaat het webzoeken over bij definitievragen en antwoordt het in plaats daarvan uit het geheugen. Vraag het “wat is het verschil tussen een notebook en een laptop?” en het citeert vaak helemaal niemand. Dat is een compleet ander gedrag dan Gemini of Perplexity, die veel gretiger naar het web grijpen.

De les is simpel maar cruciaal: je kunt niet aannemen dat het gedrag van de ene engine dat van de andere weerspiegelt. Elke engine heeft zijn eigen willekeur, zijn eigen citatiegewoonten en zijn eigen eigenaardigheden. Elk serieus monitoringprogramma, of AI Visibility Index , moet engine-specifieke baselines instellen in plaats van alles te mengen tot één getal in de hoop dat het generaliseert.

Bevinding #6: De Prompt Die Je Kiest Beïnvloedt het Resultaat Sterk

Hier is een addertje onder het gras dat de meeste mensen verrast: de prompt die je kiest, is net zo belangrijk als hoe vaak je hem uitvoert. De studie mat de consistentie per prompt over elke campagne, en de spreiding is enorm. Sommige prompts geven run na run bijna dezelfde bronnen en merken terug, met een Jaccard boven 0,8, wat betekent dat meer dan 80% van de items terugkomt. Andere zijn bijna pure ruis, met een score onder 0,2, waar minder dan één op de vijf items stabiel blijft.

Het patroon achter de spreiding is intuïtief zodra je het ziet. Specifieke productvragen worden consistenter beantwoord dan brede, generieke vragen. Een gerichte vraag zoals “welke hardloopschoenen zijn het beste” trekt een strakkere, beter herhaalbare set merken en bronnen aan. Een vage, top-of-funnel vraag, van het soort dat op tientallen verdedigbare manieren beantwoord kan worden, stuurt het model elke keer door een veel bredere groep.

De praktische conclusie: één of twee prompts kunnen geen campagne vertegenwoordigen. Als je toevallig twee consistente prompts kiest, overschat je je stabiliteit. Als je twee grillige kiest, overtuig je jezelf ervan dat de hele categorie chaotisch is. In beide gevallen meet je de eigenaardigheden van je promptkeuze, niet je werkelijke zichtbaarheid.

De oplossing is een groot, divers promptportfolio dat weerspiegelt hoe echte gebruikers vragen stellen: specifiek en breed, transactioneel en informatief. Middelen over veel prompts is de enige manier om deze ruis op zoekopdrachtniveau weg te werken en de campagne te zien zoals hij werkelijk is.

Hoe Vaak Moet Je Elke Prompt Uitvoeren?

Zie een enkele zoekopdracht als één muntopgooi. Je zou nooit bepalen of een munt eerlijk is op basis van één worp, maar een eenmalige AI-zoekopdracht vraagt je precies dat te doen. Omdat AI-zoekmachines probabilistisch zijn, is elke run een nieuwe worp met de dobbelstenen, en de enige manier om te weten hoe vaak je merk daadwerkelijk verschijnt, is de prompt vele keren uitvoeren en de resultaten middelen. Hoe meer runs je verzamelt, hoe kleiner je standaardfout (SE), de onzekerheidsmarge rond je schatting.

Het paper kwantificeert precies hoe snel die marge krimpt.

De convergentie is steil in het begin en vlakt daarna af. Een enkele run heeft een SE van 0,370, in wezen nutteloos. Om het simpel te zeggen: een merk waarvan het werkelijke detectiepercentage 50% is, zou in een momentopname van één run overal tussen ruwweg 0% en 100% kunnen uitkomen. Je zou niets leren.

Voeg runs toe en de mist trekt snel op:

De SE daalt onder de betrouwbaarheidsgrens van 0,10 bij 7 runs voor merktracking (bij zes runs is het nog 0,101). Dekking op bronniveau is ruizer en heeft 8 runs nodig om daar te komen.

Dus de aanbeveling is concreet: voer minstens 7 keer per prompt per dag uit wanneer je merkzichtbaarheid monitort, en minstens 8 wanneer dekking op bronniveau ertoe doet. Minder dan dat, en je gooit nog steeds één munt op en noemt het een meting. Dit is het verschil tussen een echte AI Visibility Index en een gelukkige gok.

Hoe Lang Moet Je Kijken? Het Argument voor een Venster van 2 tot 4 Weken

Elke prompt vaak genoeg uitvoeren, verhelpt de ruis binnen één dag. Maar er is een tweede bron van drift: AI-antwoorden veranderen ook van dag tot dag, en met ruwweg 65% van de geciteerde bronnen die elke 24 uur wisselen, is één dag (of zelfs één week) veel te kort om signaal van ruis te scheiden. Je hebt een venster nodig dat breed genoeg is om de dagelijkse rotatie te laten uitmiddelen.

De studie mat hoe de precisie van schattingen verbetert naarmate het observatievenster langer wordt.

Dezelfde convergentielogica geldt, alleen over kalendertijd in plaats van herhaalde runs:

De schatting daalt onder 0,10 bij 10 dagen en zakt onder 0,05 rond de 24-dagengrens (het is 0,053 bij 21 dagen en 0,033 bij 28). In praktische termen: een week aan data is nog steeds wankel voor het volgen van een individueel merk, maar een marge van 0,05 betekent dat een merk dat werkelijk 40% van de tijd wordt geciteerd, zal uitkomen binnen ruwweg 30% tot 50%, strak genoeg om een trend te vertrouwen. Twee tot vier weken is waar cijfers per merk echt stabiel worden.

De aanbeveling is een voortschrijdend venster van 2 tot 4 weken. Een voortschrijdend venster doet dubbel werk: het verzamelt genoeg dagen om de statistische marge te verkleinen, en het middelt stilletjes de kleine modelupdates en index-vernieuwingen uit die AI-engines regelmatig doorvoeren, zodat een eenmalige aanpassing op een dinsdag zich niet voordoet als een echte trend. Dat is de vensterlengte die je wilt inbakken in elk monitoringdashboard of elke methodologie voor A/B-testen van AI-zichtbaarheid voordat je conclusies trekt over of je zichtbaarheid daadwerkelijk is veranderd.

Wat Dit Betekent voor Jouw GEO-strategie

De studie vertaalt zich direct naar een handvol concrete regels voor iedereen die een GEO -programma runt. Beschouw deze als de operationele vereisten voor een meetopzet waarop je daadwerkelijk kunt vertrouwen.

Vuur elke prompt minstens 7 keer per dag af (8 wanneer bronnen ertoe doen). Een enkele zoekopdracht heeft een standaardfout van 0,370 op het detectiepercentage van een merk, in wezen een muntopgooi verkleed als data. De fout daalt onder 0,10 bij 7 runs voor merkaanwezigheid en heeft 8 runs nodig voor dekking op bronniveau. Onder die drempel reageer je op ruis, niet op zichtbaarheid.

Dek elk onderwerp met een breed, divers promptportfolio. De overlap op promptniveau schommelt van onder 0,2 tot boven 0,8 binnen één enkele campagne, dus één of twee prompts leggen de eigenaardigheden van die exacte formuleringen vast, niet je werkelijke positie. Bouw minstens acht gevarieerde zoekopdrachten per onderwerp, een mix van specifieke productvragen en brede “wat is het beste”-formuleringen, zodat je cijfers de campagne weerspiegelen, niet een toevalstreffer in bewoording.

Aggregeer over een voortschrijdend venster van 2 tot 4 weken, niet een dag of een week. Met ruwweg 65% van de geciteerde bronnen die dagelijks wisselen, kunnen korte vensters signaal niet van ruis scheiden. Schattingen per merk stabiliseren pas onder 0,10 SE bij 10 dagen en onder 0,05 bij 24 dagen. Een voortschrijdend venster van twee tot vier weken effent dagelijkse rotatie en kleine modelupdates uit tot een duurzaam beeld.

Stel afzonderlijke baselines in voor elke engine. Citatieconcentratie loopt van 0,671 op Perplexity tot 0,782 op Google AI Mode, en de consistentie van bronnen op dezelfde dag varieert van 0,233 op ChatGPT tot 0,505 op Gemini. Eén enkele drempel voor alle vier de engines zal je op minstens één ervan misleiden. Benchmark elke engine op zijn eigen voorwaarden.

Monitor merkaanwezigheid en bron-URL’s als twee verschillende KPI’s. Stabiliteit op merkniveau (Jaccard 0,45-0,59) verslaat stabiliteit op bronniveau (0,34-0,42), dus geaggregeerde merkaanwezigheid is je betrouwbaardere kernmetriek. Maar blijf ook bronnen op URL-niveau volgen, aangezien dat je vertelt welke pagina’s daadwerkelijk je opname stimuleren.

Eerlijke Beperkingen Die de Moeite Waard Zijn om te Kennen

De auteurs zijn verfrissend open over wat deze dataset wel en niet kan vertellen, en elk voorbehoud is een reden om je eigen continue meting uit te voeren in plaats van te leunen op één studie.

Het is Zwitsers. Alle data kwam van servers in Zwitserland, met Zwitserse IP’s en locale-instellingen, in Duitstalige prompts. Geo-gepersonaliseerde indexselectie en citatiepatronen kunnen er in jouw regio of taal anders uitzien, dus behandel de exacte cijfers als richtinggevend, niet universeel.

Het is één tijdvenster. Alles draait vanuit een enkele periode van 45 tot 46 dagen (jan tot mrt 2026). AI-engines updaten voortdurend, dus een momentopname uit elk vast venster, inclusief dit, kan afdrijven.

ChatGPT gaf vaak niets terug. ChatGPT sloeg bij 57,8% van de runs webzoeken over en produceerde nul citaten; die runs werden uitgesloten van de bronanalyse. Je eigen ChatGPT-dekking zal grilliger zijn dan de hoofdcijfers suggereren.

Merkdetectie was gebaseerd op substrings. Vermeldingen werden vergeleken met een vast lexicon, dus synoniemen, afkortingen en parafrases werden gemist. De werkelijke merkaanwezigheid ligt waarschijnlijk iets hoger dan gemeten.

Google AI Overviews werden uitgesloten als een apart product. Als AIO voor jou van belang is, is dat een heel oppervlak dat deze studie nooit heeft aangeraakt.

Niets hiervan ondermijnt de kernbevinding; het versterkt deze juist. De enige manier om te weten hoe zichtbaarheid zich gedraagt in jouw markt, jouw taal en deze maand, is het zelf continu te meten.

Hoe Je Herhaalde Meting in de Praktijk Brengt

Hier is de praktische checklist die uit de studie voortvloeit, de minimaal levensvatbare opzet voor GEO-metingen waarop je kunt handelen:

• Voer elke prompt 7 tot 10 keer per dag uit. Zeven runs brengt merkdetectie onder de betrouwbaarheidsgrens; acht dekt bronnen; tien geeft je speelruimte.
• Onderhoud een divers portfolio van 8+ prompts per onderwerp. Meng specifieke productvragen met brede “wat is het beste”-formuleringen.
• Volg baselines per engine. ChatGPT, Gemini, Google AI Mode en Perplexity gedragen zich verschillend op zowel consistentie als citatieconcentratie, dus benchmark elk apart.
• Gebruik een voortschrijdend venster van 2 tot 4 weken. Aggregeer detectiepercentages over 14 tot 28 dagen zodat dagelijkse bronrotatie en kleine modelupdates wegvallen.
• Monitor merkaanwezigheid en bron-URL’s afzonderlijk. Merkaanwezigheid is je stabiele hoofd-KPI; bron-tracking vertelt je welke pagina’s de opname verdienen.
• Houd citatieconcentratie in de gaten. Een stijgende Gini betekent dat een krimpende groep domeinen de antwoorden bezit, dus weet of je binnen of buiten die groep staat.

Dit allemaal handmatig doen over vier engines, tientallen prompts en dagelijkse herhaalde runs, is een hoop bewegende onderdelen. Een AI-zichtbaarheidsmonitoringplatform zoals amicited automatiseert precies dit patroon (multi-run, multi-prompt, tracking met voortschrijdend venster over ChatGPT, Gemini, Google AI Mode en Perplexity), zodat de verdeling voor je wordt berekend in plaats van afgeleid uit één enkele zoekopdracht. Voor een breder overzicht van opties, zie de gids voor AI-citatie-trackingtools , en om verschuivingen op te vangen zodra ze gebeuren, stel AI-merkmonitoringmeldingen in.

De Kern van de Zaak: Zichtbaarheid Is een Verdeling, Geen Getal

De belangrijkste conclusie uit deze studie is een verschuiving in mentaal model. Zichtbaarheid in AI-zoekopdrachten is geen vaste rangschikking die je met één zoekopdracht kunt aflezen. Het is een kans om genoemd te worden die zich alleen onthult over vele runs. Herinner je de hardloopschoenvraag waarmee we begonnen? Stel hem één keer en je ziet misschien je merk; vraag het opnieuw een minuut later, onder identieke omstandigheden, en het kan verdwenen zijn. Bronverzamelingen overlappen slechts 34-42% van dag tot dag; zelfs merken, het stabielere signaal, overlappen slechts 45-59%.

Dat betekent dat elk getal dat je uit één enkele controle haalt, in werkelijkheid een willekeurige trekking is uit een onderliggende verdeling, en één keer trekken vertelt je bijna niets over de vorm van die verdeling. Een merk dat in de ene run wordt geciteerd en in de volgende afwezig is, is niet “gedaald”; je hebt gewoon één keer een willekeurig, dobbelend proces bemonsterd en dat ene monster voor de waarheid aangezien.

Stop dus met de vraag “word ik geciteerd?” en begin te vragen “hoe vaak word ik geciteerd, en welke trend zit daarin?” Herhaalde runs, diverse prompts, baselines per engine en voortschrijdende vensters veranderen een ruizige momentopname in een stabiele, beslissingswaardige schatting. Meet de verdeling, niet het moment. Dat is het hele spel in AI-zoeken.