Vroeger vroeg een klant aan Google: “beste boekhouder in Utrecht” of “installateur warmtepomp Amersfoort”. Nu vraagt diezelfde klant steeds vaker aan ChatGPT, Perplexity of Gemini: “Welke partij past bij mijn situatie?” Het antwoord is geen lijst met tien blauwe links, maar een selectie, uitleg en soms één concrete aanbeveling. Als jouw bedrijf daar niet in voorkomt, ben je niet alleen een ranking kwijt. Je bent mogelijk uit het gesprek verdwenen.
Dit artikel is voor Nederlandse ondernemers en marketeers die hun AI-vindbaarheid praktisch willen meten zonder dure tooling. In 30 minuten kun je een nulmeting doen: welke vragen stellen klanten, noemen AI-systemen je bedrijf, welke concurrenten worden aanbevolen en welke bewijzen missen op je site? Het is geen perfecte wetenschap, maar wel een veel betere start dan gokken.
TL;DR: de nulmeting in 7 stappen - Kies 10 echte klantvragen met koop- of afspraakintentie. - Test elke vraag in ChatGPT, Perplexity en Gemini. - Noteer of je bedrijf wordt genoemd, genegeerd of verkeerd beschreven. - Schrijf op welke concurrenten wel verschijnen. - Controleer welke bronnen de AI gebruikt of citeert. - Vertaal gaten naar content: cases, FAQ, vergelijkingen en lokale pagina’s. - Herhaal de test elke maand met dezelfde vragen.
Waarom AI-vindbaarheid anders voelt dan SEO Traditionele SEO draait om posities, klikken en pagina’s. AI-vindbaarheid draait om vertrouwen, context en citeerbaarheid. Een AI-assistent probeert niet altijd de beste website bovenaan te zetten. Hij probeert een antwoord te formuleren dat logisch klinkt voor de vraagsteller. Daarvoor gebruikt hij signalen zoals duidelijke content, externe vermeldingen, reviews, gestructureerde gegevens, actuele bronnen en consistente bedrijfsinformatie.
Dat betekent niet dat SEO dood is. Integendeel: een technisch gezonde website, goede content en autoriteit blijven belangrijk. Maar het meetpunt verschuift. De vraag is niet alleen “staan we op plek 3?”, maar ook “begrijpt een AI-assistent waarvoor wij de juiste keuze zijn?” Die vraag kun je vandaag al testen.
Stap 1: verzamel 10 vragen die omzet kunnen worden Begin niet met je eigen merknaam. Natuurlijk wil je weten of AI je kent, maar nieuwe klanten zoeken vaak probleemgericht. Kies vragen die iemand stelt vlak voor contact. Bijvoorbeeld: “Welke boekhouder helpt zzp’ers met e-commerce in Rotterdam?”, “Welke installateur kan binnen 2 weken een laadpaal plaatsen in Breda?” of “Wat is een goed bureau voor B2B leadgeneratie met LinkedIn?”
Maak de vragen specifiek. AI-systemen zijn gevoelig voor context. Een vage vraag als “beste marketingbureau” levert algemene antwoorden op. Een goede testvraag bevat doelgroep, locatie, probleem, budget of gewenste uitkomst. Gebruik 10 vragen: 4 commerciële vragen, 3 vergelijkingsvragen, 2 lokale vragen en 1 vraag waarin je eigen merknaam voorkomt.
Stap 2: test in drie AI-systemen Gebruik ChatGPT, Perplexity en Gemini omdat ze verschillend antwoorden. Stel dezelfde vraag in elk systeem, liefst in een nieuw gesprek zonder eerdere context. Vraag niet leidend: “Noem bedrijf X.” Vraag zoals een klant het zou doen. Kopieer het antwoord naar een spreadsheet met datum, tool, vraag, genoemde bedrijven, positie in antwoord, argumenten en bronnen.
Bij Perplexity zie je vaak bronvermeldingen. Bij andere systemen kunnen bronnen minder zichtbaar zijn of afhankelijk van de modus. Noteer toch wat je ziet: wordt je website genoemd, Google Business Profile, branchepagina, reviewplatform, nieuwsartikel of helemaal niets? Deze bronlaag is belangrijk, want AI-aanbevelingen ontstaan zelden uit één pagina.
Stap 3: score simpel, niet wetenschappelijk Gebruik een score van 0 tot 3 per vraag per tool. 0 betekent: niet genoemd. 1 betekent: genoemd, maar onduidelijk of laag in het antwoord. 2 betekent: genoemd met redelijk juiste context. 3 betekent: genoemd als sterke optie met duidelijke reden. Bij 10 vragen en 3 tools is de maximale score 90 punten. Dat is geen officiële marktstandaard, maar wel een bruikbare interne KPI.
Noteer daarnaast fouten. Misschien noemt AI een oude dienst, verkeerde locatie of verouderde prijs. Dat is minstens zo waardevol als niet genoemd worden. Een fout antwoord laat zien welke informatie online sterker, actueler of consistenter moet worden.
Stap 4: kijk naar concurrenten als contentbrief Wanneer een concurrent wel wordt genoemd, vraag dan niet alleen “waarom zij?” maar “welk bewijs ziet AI waarschijnlijk?” Misschien hebben ze duidelijke cases, veel reviews, een specifieke dienstpagina, lokale vermeldingen of een FAQ die exact de klantvraag beantwoordt. Open hun pagina’s niet om te kopiëren, maar om patronen te herkennen.
Maak een lijst met bewijstypen: klantcases met cijfers, servicegebieden, branche-expertise, prijzen of ranges, certificeringen, stappenplannen, veelgestelde vragen, vergelijking met alternatieven, actuele datum, auteur en contactmogelijkheden. Vaak wint niet de grootste partij, maar de partij die het duidelijkst uitlegt voor wie zij geschikt is.
Stap 5: verbeter je site voor mensen én machines AI-vindbaarheid begint bij gewone duidelijkheid. Schrijf op je kernpagina’s in de eerste 150 woorden wie je helpt, met welk probleem, in welke regio of sector en wat het resultaat is. Voeg geen vage marketingtaal toe zoals “wij ontzorgen volledig” zonder bewijs. Zeg liever: “We helpen B2B-dienstverleners met 5 tot 50 medewerkers om binnen 90 dagen een LinkedIn-leadopvolging op te zetten.”
Gebruik daarnaast vraagkoppen. Een H2 als “Voor wie is onze AI-workshop geschikt?” is beter dan “Onze aanpak”. Beantwoord de vraag direct in de eerste zin. Voeg cases toe met aantallen, doorlooptijd en context. AI-systemen hebben baat bij concrete entiteiten en relaties: bedrijfsnaam, plaats, sector, dienst, resultaat, datum en bron.
Schema, llms.txt en technische basis Structured data helpt zoekmachines en mogelijk AI-crawlers om je content te begrijpen. Gebruik minimaal Organization of LocalBusiness, Article voor kennisartikelen, FAQPage voor echte FAQ’s en BreadcrumbList voor navigatie. Controleer ook je robots.txt. Blokkeer niet per ongeluk crawlers die je content mogen lezen, tenzij je bewust kiest voor beperking.
Een llms.txt-bestand kan dienen als wegwijzer naar je belangrijkste content, maar behandel het niet als magische rankingknop. Zie het als inhoudsopgave: welke pagina’s leggen het beste uit wie je bent, wat je doet en welke bewijzen er zijn? Als die pagina’s zwak zijn, maakt een llms.txt ze niet ineens sterk.
Praktijkvoorbeeld: lokale specialist wordt onzichtbaar Een regionaal adviesbureau dacht dat het goed vindbaar was omdat het op Google lokaal redelijk scoorde. In de AI-nulmeting werd het bedrijf bij 8 van de 10 vragen niet genoemd. Concurrenten met minder ervaring verschenen wel, vooral omdat zij duidelijke sectorpagina’s hadden: “advies voor tandartspraktijken”, “advies voor bouwbedrijven” en “advies voor familiebedrijven”. Het adviesbureau had alles op één algemene dienstenpagina staan.
De oplossing was niet meer blogs produceren. De oplossing was scherper bewijs publiceren: drie sectorpagina’s, vier korte cases, een FAQ met echte klantvragen en consistente bedrijfsinformatie op externe profielen. Bij de volgende maandmeting werd het bureau nog niet overal genoemd, maar wel in 5 extra antwoorden met betere context. Dat is vooruitgang waar je op kunt sturen.
Maak van de nulmeting een maandroutine Plan elke maand 30 minuten. Gebruik dezelfde 10 vragen, dezelfde drie tools en hetzelfde scoremodel. Voeg pas nieuwe vragen toe wanneer je oude set stabiel is. Anders vergelijk je appels met peren. Bewaar screenshots of gekopieerde antwoorden, want AI-antwoorden veranderen per dag en per context.
Kijk vooral naar trends. Word je vaker genoemd? Word je met de juiste dienst genoemd? Verdwijnen verkeerde claims? Komen nieuwe concurrenten op? Welke bron wordt steeds gebruikt? Zo verandert AI-vindbaarheid van vaag gevoel naar een marketingritme.
Welke content maak je na de meting? Maak geen content omdat “AI dat leuk vindt”. Maak content die echte keuzevragen beantwoordt. Goede formats zijn: “voor wie is dit geschikt?”, “kosten en doorlooptijd”, “vergelijking tussen optie A en B”, “stappenplan voor eerste 30 dagen”, “case met resultaat” en “veelgemaakte fouten”. Dat zijn precies de stukken die klanten nodig hebben om vertrouwen te krijgen.
Zorg dat elk stuk één duidelijke belofte heeft. Een artikel over kosten moet prijzen, ranges of beslisfactoren noemen. Een lokale pagina moet regio, bereikbaarheid, voorbeelden en contactroute noemen. Een case moet startpunt, aanpak en resultaat bevatten. Hoe concreter de content, hoe makkelijker mens en machine hem kunnen gebruiken.
Valkuilen De grootste valkuil is vragen stellen die niemand stelt. “Waarom is bedrijf X de beste?” geeft een mooi antwoord, maar geen marktinformatie. De tweede valkuil is één AI-antwoord behandelen als waarheid. Test meerdere tools, herhaal op verschillende momenten en kijk naar patronen. De derde valkuil is optimaliseren voor vermeldingen zonder je aanbod scherper te maken. AI kan onduidelijkheid niet duurzaam maskeren.
Een subtielere valkuil is alleen naar je merknaam kijken. Merkbekendheid is fijn, maar groei zit vaak in probleemvragen. Als je bij “wie helpt mij met Peppol-facturatie voor Belgische klanten?” verschijnt, is dat commercieel waardevoller dan bij je eigen naam.
Conclusie Een AI-zoekmachine nulmeting hoeft geen groot onderzoeksproject te zijn. Met 10 klantvragen, 3 AI-systemen en een simpele score zie je binnen 30 minuten waar je zichtbaar bent, waar concurrenten winnen en welke content ontbreekt. Herhaal dit maandelijks en verbeter pagina’s op bewijs, structuur en duidelijkheid. Zo bouw je niet alleen aan SEO, maar aan vindbaarheid in de antwoordmachines waar je klanten steeds vaker beginnen.
Direct toepasbare prompt
"Geef me een praktische aanpak voor [probleem] voor een Nederlands mkb-bedrijf. Houd het kort, met concrete stappen en voorbeeldtekst."