LLM-vindbaarheid meten: sta jij in ChatGPT?

Je controleert je llm-vindbaarheid door een vaste lijst vragen te stellen aan ChatGPT, Perplexity, Gemini en Claude, in een schoon gesprek zonder je bedrijfsnaam te noemen. Je kijkt dan of je genoemd wordt, op welke plek in het antwoord, en welke bron het model aanhaalt. Je herhaalt dat elke maand op dezelfde dag, want een los antwoord zegt niets over een patroon. In dit artikel leg ik het hele protocol uit, stap voor stap, zodat je het vandaag zelf kunt starten zonder een tool te kopen.

Waarom dit anders meet dan SEO

Bij SEO ben je gewend aan een dashboard. Je opent Search Console, je ziet posities, vertoningen en clicks, en je hebt een cijfer waar je op kunt sturen. Bij ai zichtbaarheid meten bestaat dat dashboard niet, of in elk geval niet een dashboard dat je gratis en volledig inzicht geeft in wat een taalmodel over jouw bedrijf zegt.

Een taalmodel genereert elke keer een nieuw antwoord. Er is geen vaste ranglijst die je kunt opvragen. De enige manier om te weten of je bedrijf vindbaar is in ChatGPT, is door het antwoord zelf te lezen en te turven wat erin staat. Dat is geen kwestie van een tool aanzetten, het is een kwestie van zelf vragen stellen en de antwoorden bijhouden.

Dat maakt llm optimalisatie in de meetfase ambachtelijk werk. Je kunt het niet automatiseren met een druk op de knop, maar je kunt het wel gestructureerd doen. Met een vast protocol dat je elke maand op dezelfde manier uitvoert, bouw je binnen een paar maanden een beeld op van waar je staat en of dat verandert.

Het goede nieuws is dat je hier geen abonnement voor nodig hebt. Je hebt een spreadsheet nodig, een half uur per maand, en de discipline om het protocol elke keer op dezelfde manier te volgen. Dat laatste is belangrijker dan het lijkt, want een meting die je elke keer anders uitvoert, levert geen vergelijkbare data op. Wil je dit liever automatisch laten bijhouden, dan kan dat via de automatische AI-zichtbaarheidscheck.

Het meetprotocol in vijf stappen

Dit is de kern van dit artikel. Ik loop de vijf stappen één voor één met je door, met uitleg waarom elke stap zo is opgezet.

Stap 1: Stel een vaste lijst prompts op, niet je eigen naam

De meest gemaakte fout is dat mensen hun eigen bedrijfsnaam intypen om te zien of ChatGPT hen kent. Dat vertelt je niets bruikbaars, en waarom leg ik zo bij de valkuilen uit. Wat je wel wilt weten, is of je genoemd wordt op het moment dat iemand een probleem beschrijft waar jouw bedrijf de oplossing voor is.

Denk dus niet vanuit je merk, maar vanuit de vraag die een potentiële klant zou stellen voordat hij jouw naam kent. Stel je voor dat je een verhuisbedrijf runt in Den Haag. Dan ga je niet vragen "ken je [bedrijfsnaam]", je gaat vragen wat iemand zou intypen als hij op zoek is naar een verhuizer, of als hij twijfelt tussen opties, of als hij een specifiek probleem heeft dat bij jouw dienst hoort.

Bouw een lijst van 10 tot 20 van dit soort prompts. Varieer in fase: sommige vragen zijn oriënterend, sommige zijn vergelijkend, sommige zijn heel specifiek. Vijf voorbeeldprompts voor een willekeurig MKB-bedrijf, laten we zeggen een installatiebedrijf voor warmtepompen, zien er dan zo uit:

1. "Wat kost een warmtepomp installeren in een tussenwoning?"
2. "Welke bedrijven installeren warmtepompen in de regio Den Haag?"
3. "Waar moet ik op letten bij het kiezen van een installateur voor een warmtepomp?"
4. "Is een hybride warmtepomp een goede keuze voor een huis uit de jaren zeventig?"
5. "Wat zijn de beste installatiebedrijven voor warmtepompen volgens reviews?"

Zie je wat er gebeurt? Geen van deze vragen bevat een bedrijfsnaam. Ze zijn allemaal geschreven vanuit de klant die nog aan het oriënteren is. Dat is precies het moment waarop je genoemd wilt worden, niet pas nadat iemand je naam al kent.

Stap 2: Draai dezelfde lijst in meerdere systemen

Een tweede fout is dat mensen alleen in ChatGPT testen en daarna concluderen dat ze wel of niet zichtbaar zijn. Elk systeem put uit andere bronnen en werkt met een andere aanpak. ChatGPT combineert eigen trainingsdata met live zoekresultaten wanneer het zoekt. Perplexity is gebouwd rond live bronvermelding en citeert bijna altijd expliciet. Google AI Overviews trekt sterk uit de bestaande zoekindex en hangt dus dicht tegen je gewone SEO aan. Gemini heeft weer een andere voorkeur, en Claude gebruikt weer een andere balans tussen getrainde kennis en actuele bronnen.

Dat betekent dat je dezelfde lijst met prompts los moet draaien in ChatGPT, Perplexity, Google AI Overviews, Gemini en Claude. Je hoeft dit niet allemaal op dezelfde dag te doen als dat niet lukt, maar wel binnen dezelfde meetronde, zodat je een beeld krijgt van het hele speelveld in plaats van één schermpje.

Je zult waarschijnlijk zien dat je in het ene systeem wel voorkomt en in het andere niet. Dat is normaal en juist waardevol, want het laat zien welk systeem voor jouw type bedrijf en jouw type vraag het meest kansrijk is om op in te zetten.

Een technische controle hoort hier meteen bij, want die kan je hele uitkomst verklaren. Staat de zoek-crawler van ChatGPT niet per ongeluk geblokkeerd in je robots.txt? OpenAI gebruikt daar twee verschillende bots voor en beschrijft in zijn documentatie dat je die los kunt instellen: OAI-SearchBot zorgt dat je in ChatGPT-zoekresultaten kunt verschijnen, GPTBot crawlt voor modeltraining. Zet je in een reflex alles dicht omdat je niet in AI-training wil zitten, dan sluit je jezelf ook uit van precies de zoekresultaten waar je in wil staan. Kijk dus eerst wat je zelf hebt dichtgezet voordat je concludeert dat je onvindbaar bent.

Stap 3: Noteer drie dingen per prompt, de bron is de belangrijkste

Voor elke prompt in elk systeem noteer je drie dingen in je spreadsheet.

Eerst: word je genoemd, ja of nee. Simpel vinkje.

Daarna: op welke plek in het antwoord. Sta je als eerste genoemd, ergens halverwege een opsomming, of pas onderaan als bijzaak. Die plek zegt iets over hoe zwaar het model je meeweegt.

Het derde punt is het belangrijkste, en dat is welke bron het model aanhaalt als het je noemt, of als het een concurrent noemt in plaats van jou. Kijk naar de voetnoten, de bronvermeldingen of de links die het systeem toont. Vaak is dat een linkje naar een vergelijkingssite, een branchevereniging, je eigen website, een reviewplatform of een nieuwsartikel.

Die bron vertelt je waar je moet gaan staan. Als een model je concurrent citeert vanaf een vergelijkingssite waar jij niet op staat, dan weet je precies welke pagina je moet benaderen om daar ook op te komen. Als het model steeds je eigen website aanhaalt maar je toch niet noemt bij vergelijkende vragen, dan weet je dat je content op die pagina niet duidelijk genoeg het antwoord geeft op de vergelijkende vraag. De bron is de aanwijzing, niet het toeval.

Stap 4: Herhaal op een vaste dag, want één meting is een momentopname

Plan de meting vast, bijvoorbeeld op de eerste maandag van de maand. Zet het letterlijk in je agenda.

Dit is nodig omdat dezelfde prompt niet elke keer hetzelfde antwoord geeft. Taalmodellen werken met een zekere mate van variatie, en de onderliggende bronnen die ze live raadplegen veranderen ook continu. Als je één keer meet en denkt dat dat de waarheid is, trek je een conclusie op basis van een toevalstreffer.

Wat je eigenlijk wilt zien, is een patroon over meerdere metingen heen. Kom je in drie van de vier metingen voor bij een bepaalde prompt, dan is dat een signaal. Kom je één keer voor en daarna nooit meer, dan was dat waarschijnlijk ruis. Pas na een paar metingen kun je met enig vertrouwen zeggen of je structureel wel of niet in beeld bent.

Stap 5: Doe een nulmeting voordat je iets verandert

Als je nu al bezig bent met je website, je content of je online aanwezigheid aan te passen met het oog op AI-zichtbaarheid, meet dan eerst hoe de situatie is voordat je begint. Zonder die nulmeting kun je achteraf nooit hardmaken of een aanpassing iets heeft opgeleverd, want je hebt niets om mee te vergelijken.

Dit klinkt vanzelfsprekend, maar in de praktijk slaan veel ondernemers deze stap over omdat ze willen doorpakken. Het kost je een uur, en het is de enige manier om over een paar maanden te kunnen zeggen of je vooruit bent gegaan of niet.

Twee valkuilen die je meting waardeloos maken

Je eigen bedrijfsnaam intypen bewijst niets

Als je aan ChatGPT vraagt "wat weet je over [jouw bedrijfsnaam]", dan heeft het model je naam al in de prompt staan. Het antwoord zegt dan niets over of je gevonden wordt door iemand die je naam nog niet kent, het zegt alleen dat het model iets kan verzinnen of terugvinden zodra je het de naam voorzegt. Dat is het omgekeerde van wat je wilt weten. Test dus altijd met de vraag van de klant, niet met je eigen naam.

Een gesprek waarin je al over jezelf begon telt niet mee

De tweede valkuil is subtieler. Als je in hetzelfde gesprek eerst iets over je eigen bedrijf hebt getypt, en daarna een algemene vraag stelt, dan heeft het model die context al meegenomen. Het noemt je dan misschien omdat jij het onderwerp al had geïntroduceerd, niet omdat het je uit zichzelf relevant vindt.

Start daarom voor elke prompt een nieuw, schoon gesprek. Geen voorgeschiedenis, geen eerdere context, geen ingelogde persoonlijke instellingen die het antwoord kunnen kleuren. Alleen dan meet je wat een onbekende bezoeker ook zou krijgen.

Wat je met de uitkomst doet

Als je na een paar metingen ziet dat je nergens genoemd wordt, is dat op zich geen ramp en ook geen reden voor paniek. Het betekent vooral dat er voor de modellen die je test nog geen duidelijke bron bestaat die jou koppelt aan de vraag die je test. Kijk dan terug naar je eigen content: beantwoordt je website de vraag die je aan het model stelde, letterlijk en expliciet, of praat je vooral over jezelf in plaats van over het probleem van de klant.

Interessanter wordt het als je ziet dat de bron die het model aanhaalt steeds dezelfde vergelijkingssite of hetzelfde reviewplatform is, en dat een concurrent daar wel op staat en jij niet. Dat is een concreet actiepunt: zorg dat je op die specifieke bron komt te staan, want dat is aantoonbaar de plek waar het model zijn informatie vandaan haalt voor deze vraag.

Zie je dat een directe concurrent structureel wordt aangehaald vanaf zijn eigen website, terwijl jouw site niet in beeld komt, dan zegt dat iets over hoe duidelijk zijn pagina's zijn gestructureerd rond de vraag die klanten stellen. Dat is precies het verschil tussen SEO, AEO en GEO: bij SEO win je met relevantie en techniek, bij AEO en GEO win je met een antwoord dat een taalmodel letterlijk kan overnemen en aan een bron kan koppelen. Meer uitleg over dat onderscheid vind je in het verschil tussen SEO, AEO en GEO. Hoe wij dat voor klanten aanpakken staat beschreven op de pagina over onze AEO-dienst.

Waarom Search Console en Google Analytics je maar half vertellen

Search Console laat je zien hoe je scoort in de klassieke zoekresultaten, en sinds 2026 zit daar een apart rapport bij voor de generatieve AI-functies van Google. Dat rapport is bewust beperkt. In de uitleg van Google zelf staat dat het alleen vertoningen telt: hoe vaak een link naar jouw site is getoond in een generatieve AI-functie. Geen klikken, geen doorklikratio, geen zoektermen. Je ziet dus wel dat je in beeld kwam, maar niet waarop en niet wat het je opleverde. En het laat je niets zien van wat er in ChatGPT, Perplexity, Gemini of Claude gebeurt, want dat zijn andere platformen met andere data die niet in Search Console terechtkomen. Voor een volledig beeld van llm vindbaarheid heb je dus altijd het handmatige protocol hierboven nodig, naast je gewone SEO-rapportage.

Ook in Google Analytics is het lastig kijken. Wanneer iemand op een link in een ChatGPT-antwoord klikt en naar je site komt, registreert Analytics dat verkeer regelmatig als direct verkeer in plaats van als verwijzing, omdat de manier waarop de klik wordt doorgegeven niet altijd de herkomst meestuurt. Dat betekent dat een deel van je bezoekers die via een AI-antwoord bij je terechtkomen, in je rapportages onzichtbaar tussen het directe verkeer verdwijnt. Zie je een onverklaarbare stijging in direct verkeer nadat je aan je AI-zichtbaarheid hebt gewerkt, dan is dat een signaal om verder te kijken, niet iets om als toeval af te doen.

Wil je dieper begrijpen hoe je technisch zorgt dat modellen je content goed kunnen lezen en aanhalen, dan is dit artikel over llms.txt en hoe je het implementeert een logische vervolgstap. En voor de bredere aanpak achter geciteerd worden door ChatGPT, inclusief hoe je content zo schrijft dat een model het makkelijk kan overnemen, lees je hoe je vindbaar wordt in ChatGPT.

Aan de slag met je eigen meting

Je hoeft niet te wachten tot je een tool hebt aangeschaft om te beginnen. Open vandaag een spreadsheet, schrijf je lijst met prompts, en start je nulmeting deze week nog. Dat kost je een middag en het is de enige manier om over een paar maanden te weten of je iets bereikt hebt.

Wil je liever dat iemand anders die nulmeting voor je doet en meteen meekijkt naar waar de kansen liggen op de bronnen die modellen aanhalen? Bij OpsCode Digital Marketing in Den Haag doe ik dat voor MKB-bedrijven in Nederland en België, als onderdeel van een aanpak die SEO, AEO en GEO combineert. Vraag de gratis audit aan op opscode.nl/audit en je krijgt concreet te zien waar je nu staat.