Stel je voor: je vraagt ChatGPT om de beste koptelefoons aan te bevelen voor op reis. Je krijgt een keurig lijstje met vijf merken. Dan vraag je het opnieuw. En je krijgt een ander lijstje. Met andere merken. In een andere volgorde.
Dat is precies wat nieuw onderzoek suggereert. De onderzoekers lieten 600 vrijwilligers dezelfde vragen stellen aan drie AI-modellen: ChatGPT, Claude en Google AI. De vrijwilligers voerden in totaal bijna 3.000 prompts in, over uiteenlopende categorieën als keukenartikelen, sciencefiction, gezondheidszorg en mode.
De uitkomst? Willekeur.
Als je een AI-model 100 keer dezelfde vraag stelt, is bijna elk antwoord uniek. De lijst is anders. De volgorde is anders. En zelfs het aantal aanbevelingen varieert van twee tot meer dan tien. De kans dat de onderzoekers twee keer hetzelfde lijstje kregen bleek minder dan 1 op 100. En de kans dat twee lijstjes in dezelfde volgorde staan? Eerder 1 op 1.000.
Dat is geen fout, maar een eigenschap. AI-modellen zijn in essentie kansmachines. Ze zijn ontworpen om variatie te produceren, niet om een stabiele, geordende ranglijst te geven. AI-modellen als zoekmachines behandelen is dan ook een vergissing.
Wat ik bedoel: het nauwkeurig bijhouden van je ranking in AI-antwoorden heeft weinig zin. De onderzoekers noemen het een “fool’s errand”. En toch claimen allerlei AI-trackingtools dat ze dit kunnen. Er wordt naar schatting al meer dan $100 miljoen per jaar besteed aan dit soort diensten. De onderzoekers zijn dan ook duidelijk: stop met geld uitgeven aan partijen die pretenderen je precieze AI-ranking te meten.
Maar er is ook goed nieuws.
Hoewel de volgorde willekeurig is, is er wél consistentie in welke merken überhaupt verschijnen. Dit noemen de onderzoekers merkzichtbaarheid.
Neem het voorbeeld van koptelefoons. Na bijna 1.000 antwoorden bleken Bose, Sony, Sennheiser en Apple in 55 tot 77% van de gevallen op te duiken. De exacte positie verschilde weliswaar steeds, maar de zichtbaarheid was stabiel.
Gemiddeld genomen hadden de top drie merken een zichtbaarheid van 64% (ChatGPT), 73% (Claude) en 68% (Google AI). Dat is een betrouwbaar patroon.
Interessant daarbij: hoe smaller de categorie, hoe stabieler de resultaten. Bij een niche als “Volvo-dealers in Los Angeles” of SaaS-cloudaanbieders clusteren de antwoorden rond een paar bekende namen. Bij bredere categorieën als sciencefiction of designbureaus zijn de resultaten veel meer verspreid. Dus: hoe meer opties, hoe meer variatie.
Waarom is dit nu relevant?
AI-tools worden in rap tempo een serieus aankoopkanaal. Data van Adobe Analytics laten zien dat het verkeer naar Amerikaanse retailsites vanuit AI-tools tijdens de feestdagen van 2025 met bijna 700% steeg ten opzichte van het jaar daarvoor. En dit verkeer converteerde 31% beter dan verkeer uit traditionele kanalen, zoals e-mail en betaalde zoekadvertenties. Bezoekers die via AI binnenkwamen bleven langer op de site, bekeken meer pagina’s en hadden een lager bouncepercentage.
Hoe bepaalt AI welke merken verschijnen?
Hier wordt het extra interessant voor marketeers. AI-modellen baseren hun antwoorden op twee bronnen. Ten eerste op hun trainingsdata: alles wat het model heeft gelezen voordat het gelanceerd werd. Merken die vaak voorkomen in betrouwbare bronnen zoals nieuwssites, vakpublicaties en reviewplatforms hebben een sterkere positie in het geheugen van het model.
Ten tweede gebruiken veel modellen tegenwoordig ook actuele informatie (via zogenaamde RAG, Retrieval-Augmented Generation). Daarbij speelt de kwaliteit en vindbaarheid van je online content een belangrijke rol.
Wikipedia verdient hier speciale aandacht. Het is een veelgebruikte, gezaghebbende bron in de trainingsdata van vrijwel elk groot AI-model. Zo is het een van de meest geciteerde bronnen in ChatGPT. Dus als jouw merk goed aanwezig is op Wikipedia, vergroot dat de kans om door AI te worden aanbevolen.
De parallel met zoekaandeel.
Grappig genoeg sluit dit weer aan op wat ik eerder schreef over het zoekaandeel. Waar mensen naar zoeken en wat AI aanbeveelt, wordt beïnvloed door dezelfde onderliggende factor: de kracht van je merk. Hoe sterker je merk en hoe groter de aanwezigheid, hoe groter de kans dat het opduikt. In Google, in gesprekken en nu ook in AI-antwoorden.
En net als bij het zoekaandeel geldt: AI-zichtbaarheid is niet alleen een kwestie van slimme technische trucjes. De merken die het meeste opduiken zijn niet per se de merken met de beste prompt-strategie of de duurste AI-optimalisatietool. Het zijn vaak de merken waar consistent over geschreven, gesproken en gezocht wordt. In betrouwbare bronnen. Over langere tijd. Precies datgene waar merkbouwen voor zorgt.
Wees ook voorzichtig.
Een kanttekening is op z’n plaats. Het onderzoek van Fishkin is niet peer-reviewed en de onderzoekers geven zelf aan geen datawetenschappers te zijn. Bovendien is de steekproef (2.961 prompts) beperkt en bestrijkt het onderzoek slechts twee maanden. Of zichtbaarheidspercentages over langere periodes stabiel blijven, is nog onduidelijk. Maar de richting is helder en de conclusies sluiten aan bij wat we over merkstrategie weten.
Wat kun je ermee?
Kortom: meet je merkzichtbaarheid in AI-antwoorden (het zichtbaarheidspercentage), niet je positie. Investeer in merkbouwen. Zorg dat je merk opduikt in de bronnen die AI-modellen vertrouwen: onafhankelijke media, reviewsites, vakpublicaties en Wikipedia. En investeer in content die gestructureerd, betrouwbaar en consistent is.
Maar bovenal: laat je niet gek maken door AI-trackingtools die beloven je exacte rangpositie te meten. Dat is, zoals dit onderzoek laat zien, onzin. Wat wél zin heeft is investeren in de fundamenten van je merk. Want ook in het tijdperk van AI geldt: je merk is je belangrijkste marketinginstrument.
Benieuwd hoe jouw merkstrategie wordt beïnvloed door AI? Laat het me weten. Ik help je graag.