Naar de inhoud

Blog

Hoe AI's een merk interpreteren: wat 43.287 antwoorden van 7 AI's tonen

Door Johnny Lagneau · Gepubliceerd op 16 november 2026

Vertaald uit het Frans. Lees het origineel

Op 14 november vroeg ik zeven AI's (ChatGPT, Claude, Gemini, Grok, Mistral, Perplexity en Muse Spark) om Cebi voor te stellen, een toeleverancier voor de auto-industrie uit Steinsel, in Luxemburg.

Drie van hen maakten er een Italiaans bedrijf van: Claude, Grok en Muse Spark.

Zonder websearch plaatst 31% van de antwoorden in het Engels de hoofdzetel in Italië (13 op 42). Mistral beschrijft het bedrijf als Frans en verwart het daarna met een Turkse fabrikant van aluminium onderdelen.

Cebi werd in 1976 in Luxemburg opgericht (het bedrijf viert dit jaar trouwens zijn 50e verjaardag).

Stel u een koper voor die een Luxemburgse leverancier zoekt en dat antwoord leest. Hij gaat naar de volgende, zonder u te bellen.

Ik wilde weten of Cebi een alleenstaand geval was. Ik heb al mijn metingen van september tot november 2026 opnieuw bekeken: 911 audits en 43.287 antwoorden.

In het kort

  • Zonder websearch bevat 26% van de antwoorden die een bedrijf voorstellen minstens één feitelijke fout. Met websearch 12%.
  • Een AI beschrijft een bedrijf, ook als ze het niet kent. Over Cebi zeggen maar 7 antwoorden op 96 dat ze het bedrijf niet kennen.
  • Bij 47 merken gaat het verschil tussen Frans en Nederlands van 5,9 punten zonder websearch naar 10,6 punten met websearch.
  • Twee steden met dezelfde taal hebben maar 2% van de voorgestelde bedrijven gemeen. De namen die van de ene stad naar de andere gaan, zijn vooral de grote groepen.
  • De ondervraagde AI weegt even zwaar als het merk: elk 27% van de verschillen. De formulering van de vraag 10%.
  • Op dezelfde dag verandert 17,5% van de antwoorden wanneer ik dezelfde vraag opnieuw stel. Zeven AI's in twee rondes brengen de standaardafwijking van een meting terug tot 2,8 punten.

Drie woorden, om misverstanden te vermijden

Bij VectorGap meet ik drie verschillende dingen.

  • Aanwezigheid: wanneer een koper een leverancier zoekt zonder het merk te noemen, stelt de AI het merk dan voor?
  • Perceptie: wanneer de koper het merk noemt, wat zegt de AI er dan over? Wat het doet, waar het vandaan komt, wat het waard is, met de fouten erbij. Dat is de interpretatie van het merk door de AI.
  • Voorkeur: wanneer de koper meerdere merken vergelijkt, welk merk kiest de AI dan? Om welke redenen?

Een merk kan afwezig zijn, verkeerd beschreven zijn of op het moment van de keuze opzijgeschoven worden. Dat zijn drie verschillende problemen. Ze vragen drie verschillende acties.

Hoe ik gemeten heb

Een meting gaat over één merk, in één taal en op één plaats, voor één type koper. Voor elke meting stel ik elke AI 8 kopersvragen.

Ik ondervraag zeven AI's: ChatGPT, Claude, Gemini, Grok, Mistral, Perplexity en Muse Spark (tot 7 oktober nam DeepSeek de plaats van Muse Spark in).

Ik meet in twee modi. Zonder websearch antwoordt de AI met wat ze tijdens haar training geleerd heeft. Met websearch ingeschakeld zoekt ze eerst op het web. Perplexity ondervraag ik alleen met websearch.

Ik werk via de API van elk model. Ik schrijf elke vraag zoals een koper ze zou stellen, in zijn taal, met zijn behoefte en zijn markt. Bijvoorbeeld: Quels sont les meilleurs courtiers en assurance à Bruxelles ? (Wat zijn de beste verzekeringsmakelaars in Brussel?). Het gemeten merk staat nooit in de vragen van Aanwezigheid, om de antwoorden niet te sturen.

De cijfers komen uit twee bronnen.

Al mijn metingenTest bij zes industriële bedrijven
Data1 september tot 12 november 202614 november 2026
Audits91148
Antwoorden43.2871.083 gecontroleerde antwoorden van Perceptie
Merken130, plus 21 beroepspanels (één beroep in één stad, zonder doelmerk)6 bedrijven uit België en Luxemburg
TalenFrans (379 audits), Engels (315), Nederlands (177), Duits (36)twee talen per bedrijf

Voor de test bij de zes industriële bedrijven heb ik elk antwoord van Perceptie vergeleken met de website van het bedrijf. Als de website me niet toelaat een bewering te controleren, tel ik ze niet als fout.

Ik geef de belangrijkste percentages met hun betrouwbaarheidsinterval van 95%.

Deze cijfers zijn een steekproef uit mijn metingen. De lokale studies die ik publiceer over Brussel, Luxemburg, Parijs en Montréal wijzen in dezelfde richting.

Zegt de AI de waarheid over een bedrijf?

De AI's vergissen zich twee keer zo vaak zonder websearch als met websearch.

Bij de zes industriële bedrijven bevat 26% van de antwoorden zonder websearch minstens één feitelijke fout (132 op 502; interval van 23 tot 30%). Met websearch 12% (72 op 581; van 10 tot 15%). Het verschil is duidelijk (z-toets, p < 0,001).

Bij gelijke AI's, zonder Perplexity, dat alleen in de tweede modus antwoordt, is het percentage met websearch 14%.

Zes industriële bedrijven: de antwoorden met een fout

6 bedrijven, elk 2 talen, 6 tot 7 AI's, 7 vragen die het bedrijf noemen. Meting van 14 november 2026.

  • Cebi57,1% → 21,6%
  • Bedrijf A31,7% → 10,2%
  • Bedrijf B23,8% → 5,2%
  • Bedrijf C20,2% → 6,2%
  • Bedrijf D14,3% → 10,2%
  • Bedrijf E10,7% → 21,1%

Antwoorden met minstens één feitelijke fout (%)

  • Zonder websearch
  • Met websearch

Figuur 1. Aandeel antwoorden met minstens één feitelijke fout, voor elk van de zes industriële bedrijven, zonder en met websearch. Meting van 14 november 2026.

Bekijk de cijfers
Zonder websearchMet websearch
Cebi57,1% (48 op 84)21,6% (21 op 97)
Bedrijf A31,7% (26 op 82)10,2% (10 op 98)
Bedrijf B23,8% (20 op 84)5,2% (5 op 97)
Bedrijf C20,2% (17 op 84)6,2% (6 op 96)
Bedrijf D14,3% (12 op 84)10,2% (10 op 98)
Bedrijf E10,7% (9 op 84)21,1% (20 op 95)
Zes industriële bedrijven: de antwoorden met een fout26,3% (132 op 502)12,4% (72 op 581)

Cebi is het duidelijkste geval. Zonder het web bevat 57% van de antwoorden een fout (48 op 84; van 47 tot 67%). Met het web 22% (21 op 97; van 15 tot 31%).

Die fouten gaan over het land van de hoofdzetel, de fabrieken, het aantal werknemers en de geschiedenis van de groep.

Websearch vermindert de fouten. Het neemt ze niet weg. Bij Bedrijf E nemen ze zelfs toe: 11% zonder het web (9 op 84), 21% met het web (20 op 95; p = 0,06). Met het web nemen Claude, Gemini en Grok de vroegere naam van een van de aandeelhouders over (11 antwoorden).

Beschrijft een AI een merk, ook als ze het niet kent?

Bij Cebi bijna altijd.

Zonder websearch kreeg ik 96 antwoorden over Cebi. Maar 7 zeggen dat ze het bedrijf niet kennen (van 4 tot 14%).

Die 7 antwoorden komen allemaal van Claude. In 4 ervan beschrijft Claude Cebi toch: Cebi est, à ma connaissance, le nom d'un groupe italien (Cebi is, voor zover ik weet, de naam van een Italiaanse groep).

ChatGPT reageert anders. In 5 antwoorden vraagt het over welke Cebi ik het heb. Het maakt geen enkele fout (0 op 14).

Mistral stelt geen vraag. 12 van zijn 14 antwoorden bevatten een fout.

Een fout over een merk komt dus vaak voort uit een gebrek aan informatie. De AI vult aan met wat ze met de naam verbindt.

Verandert de taal wat de AI antwoordt?

De taal van de vraag verandert het antwoord, vooral wanneer de AI op het web zoekt.

Cebi wordt voorgesteld in 16% van de antwoorden in het Engels met het web (18 op 111, twee rondes; van 11 tot 24%), tegenover 4% in het Frans (4 op 109; van 1 tot 9%). Het verschil is duidelijk (p = 0,002).

Ik heb 47 merken gemeten in het Frans en in het Nederlands.

Zonder het web is het aandeel antwoorden dat het merk noemt bijna hetzelfde in beide talen: 20,4% en 19,9%. De correlatie tussen de twee talen is 0,94 (van 0,89 tot 0,97).

Met het web blijft het aandeel 20,4% in het Frans en zakt het naar 14,0% in het Nederlands. De correlatie daalt naar 0,77 (van 0,62 tot 0,87).

Merk per merk wordt het verschil tussen de twee talen groter met het web. Het gemiddelde verschil gaat van 5,9 naar 10,6 punten. 23 merken op 47 hebben minstens 10 punten verschil met het web, tegenover 12 zonder.

Elk merk, in het Frans en in het Nederlands

47 merken gemeten in beide talen, van 1 september tot 12 november 2026. Zelfde volgorde in beide tabellen.

Zonder websearch

gemiddeld verschil tussen de talen: 5,9 punten

  • Merk 162,5% → 54,8%
  • Merk 212,5% → 20,8%
  • Merk 318,8% → 18,8%
  • Merk 437,5% → 25,0%
  • Merk 58,3% → 10,0%
  • Merk 60,0% → 0,0%
  • Merk 760,9% → 72,5%
  • Merk 88,7% → 8,5%
  • Merk 90,0% → 0,0%
  • Merk 1037,6% → 44,6%
  • Merk 110,0% → 0,0%
  • Merk 1223,9% → 39,5%
  • Merk 130,0% → 0,0%
  • Merk 140,0% → 0,0%
  • Merk 152,1% → 0,0%
  • Merk 160,0% → 0,0%
  • Merk 170,0% → 0,0%
  • Merk 180,0% → 0,0%
  • Merk 194,5% → 0,0%
  • Merk 202,2% → 2,1%
  • Merk 2183,3% → 100,0%
  • Merk 2238,6% → 17,8%
  • Merk 230,0% → 4,0%
  • Merk 2427,1% → 19,0%
  • Merk 258,5% → 6,8%
  • Merk 2611,6% → 17,4%
  • Merk 2733,3% → 46,5%
  • Merk 2814,6% → 12,5%
  • Merk 2920,8% → 38,1%
  • Merk 3016,3% → 0,0%
  • Merk 314,3% → 0,0%
  • Merk 320,0% → 11,9%
  • Merk 3318,8% → 4,2%
  • Merk 3438,1% → 35,4%
  • Merk 3527,4% → 29,4%
  • Merk 364,4% → 2,1%
  • Merk 374,3% → 0,0%
  • Merk 3866,7% → 63,8%
  • Merk 3910,4% → 14,6%
  • Merk 403,2% → 1,4%
  • Merk 4125,0% → 0,0%
  • Merk 4267,4% → 70,1%
  • Merk 4314,6% → 12,5%
  • Merk 4459,1% → 61,7%
  • Merk 4576,7% → 64,9%
  • Merk 463,3% → 5,3%
  • Merk 472,1% → 0,0%

Antwoorden die het merk noemen (%)

Met websearch

gemiddeld verschil tussen de talen: 10,6 punten

  • Merk 19,3% → 30,8%
  • Merk 27,1% → 25,0%
  • Merk 328,8% → 45,1%
  • Merk 439,3% → 51,8%
  • Merk 53,9% → 14,3%
  • Merk 60,0% → 7,1%
  • Merk 771,4% → 75,0%
  • Merk 83,8% → 7,3%
  • Merk 95,8% → 8,2%
  • Merk 103,7% → 6,0%
  • Merk 114,1% → 5,7%
  • Merk 1222,5% → 23,2%
  • Merk 130,0% → 0,0%
  • Merk 140,0% → 0,0%
  • Merk 150,0% → 0,0%
  • Merk 160,0% → 0,0%
  • Merk 170,0% → 0,0%
  • Merk 180,0% → 0,0%
  • Merk 190,0% → 0,0%
  • Merk 200,0% → 0,0%
  • Merk 2182,1% → 82,0%
  • Merk 221,9% → 0,0%
  • Merk 234,3% → 2,0%
  • Merk 243,6% → 0,0%
  • Merk 253,9% → 0,0%
  • Merk 2618,5% → 14,3%
  • Merk 2731,5% → 25,0%
  • Merk 289,4% → 0,0%
  • Merk 2932,7% → 23,1%
  • Merk 3010,7% → 0,0%
  • Merk 3111,8% → 0,0%
  • Merk 3221,2% → 9,1%
  • Merk 3314,0% → 1,8%
  • Merk 3422,2% → 9,1%
  • Merk 3523,2% → 9,3%
  • Merk 3632,1% → 17,0%
  • Merk 3716,1% → 0,0%
  • Merk 3838,0% → 21,4%
  • Merk 3937,5% → 20,0%
  • Merk 4032,7% → 14,3%
  • Merk 4126,8% → 7,4%
  • Merk 4235,7% → 16,0%
  • Merk 4334,0% → 11,3%
  • Merk 4446,0% → 19,2%
  • Merk 4560,2% → 29,6%
  • Merk 4652,4% → 12,5%
  • Merk 4757,1% → 16,4%

Antwoorden die het merk noemen (%)

  • In het Frans
  • In het Nederlands

Figuur 2. Aandeel antwoorden dat elk merk noemt, in het Frans en in het Nederlands, zonder websearch en daarna met websearch. 47 merken, in dezelfde volgorde in beide tabellen.

Bekijk de cijfers

Zonder websearch

In het FransIn het Nederlands
Merk 162,5%54,8%
Merk 212,5%20,8%
Merk 318,8%18,8%
Merk 437,5%25,0%
Merk 58,3%10,0%
Merk 60,0%0,0%
Merk 760,9%72,5%
Merk 88,7%8,5%
Merk 90,0%0,0%
Merk 1037,6%44,6%
Merk 110,0%0,0%
Merk 1223,9%39,5%
Merk 130,0%0,0%
Merk 140,0%0,0%
Merk 152,1%0,0%
Merk 160,0%0,0%
Merk 170,0%0,0%
Merk 180,0%0,0%
Merk 194,5%0,0%
Merk 202,2%2,1%
Merk 2183,3%100,0%
Merk 2238,6%17,8%
Merk 230,0%4,0%
Merk 2427,1%19,0%
Merk 258,5%6,8%
Merk 2611,6%17,4%
Merk 2733,3%46,5%
Merk 2814,6%12,5%
Merk 2920,8%38,1%
Merk 3016,3%0,0%
Merk 314,3%0,0%
Merk 320,0%11,9%
Merk 3318,8%4,2%
Merk 3438,1%35,4%
Merk 3527,4%29,4%
Merk 364,4%2,1%
Merk 374,3%0,0%
Merk 3866,7%63,8%
Merk 3910,4%14,6%
Merk 403,2%1,4%
Merk 4125,0%0,0%
Merk 4267,4%70,1%
Merk 4314,6%12,5%
Merk 4459,1%61,7%
Merk 4576,7%64,9%
Merk 463,3%5,3%
Merk 472,1%0,0%

Met websearch

In het FransIn het Nederlands
Merk 19,3%30,8%
Merk 27,1%25,0%
Merk 328,8%45,1%
Merk 439,3%51,8%
Merk 53,9%14,3%
Merk 60,0%7,1%
Merk 771,4%75,0%
Merk 83,8%7,3%
Merk 95,8%8,2%
Merk 103,7%6,0%
Merk 114,1%5,7%
Merk 1222,5%23,2%
Merk 130,0%0,0%
Merk 140,0%0,0%
Merk 150,0%0,0%
Merk 160,0%0,0%
Merk 170,0%0,0%
Merk 180,0%0,0%
Merk 190,0%0,0%
Merk 200,0%0,0%
Merk 2182,1%82,0%
Merk 221,9%0,0%
Merk 234,3%2,0%
Merk 243,6%0,0%
Merk 253,9%0,0%
Merk 2618,5%14,3%
Merk 2731,5%25,0%
Merk 289,4%0,0%
Merk 2932,7%23,1%
Merk 3010,7%0,0%
Merk 3111,8%0,0%
Merk 3221,2%9,1%
Merk 3314,0%1,8%
Merk 3422,2%9,1%
Merk 3523,2%9,3%
Merk 3632,1%17,0%
Merk 3716,1%0,0%
Merk 3838,0%21,4%
Merk 3937,5%20,0%
Merk 4032,7%14,3%
Merk 4126,8%7,4%
Merk 4235,7%16,0%
Merk 4334,0%11,3%
Merk 4446,0%19,2%
Merk 4560,2%29,6%
Merk 4652,4%12,5%
Merk 4757,1%16,4%

De verdeling van de verschillen toont het ook. De standaardafwijking gaat van 8,8 punten zonder het web naar 13,4 punten met het web. Het gemiddelde schuift van -0,5 naar -6,4 punten, in het nadeel van het Nederlands (gepaarde t-toets, p < 0,01).

Met het web wordt het verschil tussen de talen groter

47 merken. Staven: de gemeten verschillen. Curven: normale verdeling met hetzelfde gemiddelde en dezelfde standaardafwijking.

Aantal merken

Verschil Nederlands min Frans (procentpunten)

  • Zonder websearch: standaardafwijking 8,8 punten
  • Met websearch: standaardafwijking 13,4 punten

Figuur 3. Verdeling van het verschil tussen Nederlands en Frans voor de 47 merken, zonder en met websearch. De curven zijn normale verdelingen met hetzelfde gemiddelde en dezelfde standaardafwijking.

Bekijk de cijfers
Verschil Nederlands min Frans (procentpunten)Zonder websearchMet websearch
-60 – -5500
-55 – -5000
-50 – -4500
-45 – -4001
-40 – -3501
-35 – -3001
-30 – -2501
-25 – -2021
-20 – -1517
-15 – -1036
-10 – -523
-5 – 0146
0 – 51614
5 – 1031
10 – 1532
15 – 2032
20 – 2501
25 – 3000
30 – 3500
35 – 4000
40 – 4500
45 – 5000
50 – 5500
55 – 6000
Zonder websearchμ = -0,5; σ = 8,8
Met websearchμ = -6,4; σ = 13,4

Ik verklaar het zo: wat de AI over een merk geleerd heeft, geldt voor alle talen, terwijl de pagina's die ze op het web vindt afhangen van de taal van de zoekopdracht. Een merk zonder Nederlandstalige inhoud verliest vermeldingen bij zoekopdrachten in het Nederlands.

Verandert de plaats van de koper het antwoord?

De plaats verandert de lijst nog meer dan de taal.

Ik heb de bedrijven vergeleken die de AI's voor eenzelfde beroep voorstellen (advocaat, boekhouder, verzekeringsmakelaar, tandarts, vastgoedmakelaar, marketing- of SEO-bureau) in Brussel, Luxemburg, Parijs, Montréal en Québec, met websearch.

In dezelfde stad hebben twee talen gemiddeld 21% van de bedrijven gemeen (45 vergelijkingen). In dezelfde taal hebben twee steden er maar 2% gemeen (67 vergelijkingen).

Een andere stad verandert bijna de hele lijst

Bedrijven die de AI's voorstellen, met websearch, voor eenzelfde beroep. Brussel, Luxemburg, Parijs, Montréal, Québec.

  • Zelfde stad, andere taal20,8% van de bedrijven gemeen (45 vergelijkingen)
  • Zelfde taal, andere stad2,4% van de bedrijven gemeen (67 vergelijkingen)
  • Zelfde stad, andere taal
  • Zelfde taal, andere stad

Figuur 4. Aandeel voorgestelde bedrijven dat twee lijsten voor eenzelfde beroep gemeen hebben: zelfde stad en andere taal, daarna zelfde taal en andere stad. Met websearch.

Bekijk de cijfers
Zelfde stad, andere taal20,8% van de bedrijven gemeen (45 vergelijkingen)
Zelfde taal, andere stad2,4% van de bedrijven gemeen (67 vergelijkingen)

De namen die van de ene stad naar de andere gaan, zijn vooral die van de grote groepen: Aon, AXA en Marsh bij de makelaars, Dentons, Linklaters en Norton Rose Fulbright bij de advocaten.

Voor lokale bedrijven is het een ander verhaal: de AI's stellen hen voor in hun eigen stad, zelden elders.

Ik meet een merk dus in elke stad van zijn kopers, en daarna in elke taal van die stad.

Lezen alle AI's een merk op dezelfde manier?

De ondervraagde AI weegt even zwaar als het merk zelf.

Op 5.820 antwoorden van Aanwezigheid met websearch (51 merken, van 29 september tot 12 november) heb ik de variantie van het aandeel vermeldingen ontleed. De meting (het merk, zijn taal, zijn plaats, zijn type koper) verklaart er 26,7% van. De ondervraagde AI verklaart ook 26,7%. De formulering van de vraag verklaart 9,8%. De overige 36,8% is een mengeling van toeval en van combinaties tussen die factoren.

Voor merken die tussen 20% en 80% van de keren genoemd worden, stijgt het aandeel van de AI naar 37%, tegenover 12% voor de vraag.

Waar de verschillen in vermeldingen vandaan komen

Aandeel van de variantie, met websearch. 51 merken, 5.820 antwoorden, van 29 september tot 12 november 2026.

  • De meting (merk, taal, plaats, type koper)26,7%
  • De ondervraagde AI26,7%
  • De formulering van de vraag9,8%
  • De rest (toeval en interacties)36,8%
  • De meting (merk, taal, plaats, type koper)
  • De ondervraagde AI
  • De formulering van de vraag
  • De rest (toeval en interacties)

Figuur 5. Ontleding van de variantie van het aandeel vermeldingen, met websearch: de meting, de ondervraagde AI, de formulering van de vraag, de rest. 51 merken, 5.820 antwoorden.

Bekijk de cijfers
De meting (merk, taal, plaats, type koper)26,7%
De ondervraagde AI26,7%
De formulering van de vraag9,8%
De rest (toeval en interacties)36,8%

Bij de zes industriële bedrijven stelt Gemini het bedrijf voor in 58% van zijn antwoorden (55 op 95; van 48 tot 67%). Mistral stelt het voor in 16% (15 op 96; van 10 tot 24%).

Claude stelt geen enkele van de vier minst bekende bedrijven voor (0 op 64). Hun naam komt zelfs niet voor in zijn antwoorden. Gemini stelt een van hen voor in al zijn antwoorden (16 op 16).

Zes industriële bedrijven, gezien door elke AI

6 industriële bedrijven, elk 2 talen, met websearch, 12 audits. Meting van 14 november 2026.

  • Gemini57,9% (55 op 95)
  • Grok49,0% (47 op 96)
  • Perplexity45,3% (43 op 95)
  • ChatGPT44,1% (41 op 93)
  • Muse Spark34,1% (31 op 91)
  • Claude21,1% (20 op 95)
  • Mistral15,6% (15 op 96)

Antwoorden die het bedrijf aan de koper voorstellen (%)

  • Met websearch

Figuur 6. Aandeel antwoorden van elke AI dat een van de zes industriële bedrijven aan de koper voorstelt, met websearch. Meting van 14 november 2026.

Bekijk de cijfers
Antwoorden die het bedrijf aan de koper voorstellen (%)
Gemini57,9% (55 op 95)
Grok49,0% (47 op 96)
Perplexity45,3% (43 op 95)
ChatGPT44,1% (41 op 93)
Muse Spark34,1% (31 op 91)
Claude21,1% (20 op 95)
Mistral15,6% (15 op 96)

De AI's stellen ook niet dezelfde bedrijven voor. Bij dezelfde vraag hebben twee verschillende AI's gemiddeld 9% van de bedrijven gemeen (20.629 vergelijkingen). Dezelfde AI herhaalt er op dezelfde dag 41% van (112 vergelijkingen).

Geeft een AI altijd hetzelfde antwoord?

Dezelfde vraag krijgt niet altijd hetzelfde antwoord.

Op 14 november heb ik dezelfde vragen twee keer op één dag gesteld, voor 7 bedrijven. 17,5% van de antwoorden veranderde (84 op 480; van 14 tot 21%), bij merken die tussen 20% en 80% van de keren genoemd worden. Het uur speelt weinig mee: 16% veranderingen met 4 minuten tussentijd, 18% met 11 uur.

Ongeveer een derde van die veranderingen komt van mijn lezing van de antwoorden, niet van de AI's. Dat geldt voor elke tool die namen in antwoorden telt.

De precisie van een meting hangt dus af van het aantal antwoorden. Van de ene ronde naar de andere is de standaardafwijking de wortel van p ÷ 2n: p is het aandeel antwoorden dat tussen twee rondes verandert, n het aantal antwoorden van de meting.

Voor de zeven AI's samen is p 17,5%. Voor ChatGPT alleen is p 37% (20 antwoorden op 54). Dat geeft:

  • ChatGPT alleen, 8 vragen: standaardafwijking van 15,2 punten, of ±30 punten bij 95%;
  • 7 AI's in één ronde (56 antwoorden): standaardafwijking van 4,0 punten, of ±7,7 punten;
  • 7 AI's in twee rondes (112 antwoorden): standaardafwijking van 2,8 punten, of ±5,5 punten.

Wat één meting kan opleveren

Merk genoemd in 40% van de antwoorden. Standaardafwijkingen uit de twee rondes van 14 november 2026; tussen haakjes het interval van 95%.

werkelijke waarde: 40%

Gemeten aandeel vermeldingen (%)

  • ChatGPT alleen, 8 vragen: standaardafwijking 15,2 punten (±29,8)
  • 7 AI's, 1 ronde (56 antwoorden): standaardafwijking 4,0 punten (±7,7)
  • 7 AI's, 2 rondes (112 antwoorden): standaardafwijking 2,8 punten (±5,5)

Figuur 7. Mogelijke resultaten van één meting voor een merk dat in 40% van de antwoorden genoemd wordt, volgens het aantal AI's en rondes. Normale verdelingen op basis van de standaardafwijkingen van 14 november 2026.

Bekijk de cijfers
werkelijke waarde: 40%
ChatGPT alleen, 8 vragen: standaardafwijking 15,21 punten (±29,82)
7 AI's, 1 ronde (56 antwoorden): standaardafwijking 3,95 punten (±7,75)
7 AI's, 2 rondes (112 antwoorden): standaardafwijking 2,80 punten (±5,48)

Een paper van GetMint Research komt voor ChatGPT op dezelfde grootteorde uit: ±28 punten voor één vraag die op één dag gemeten wordt, op meer dan een miljoen antwoorden (Amine Aziz Alaoui, "A Measurement Model for Brand Visibility in ChatGPT Answers", 5 oktober 2026).

Schrijft een AI uw naam zoals u?

De AI neemt niet altijd de exacte naam van het merk over.

Ze plakt soms een product, een land of een rechtsvorm aan de naam: "Naam S.A.", "Naam France", de naam gevolgd door een productreeks. Bij Bedrijf C stijgt de Aanwezigheid in het Engels van 59% naar 75% wanneer ik die vormen herken (van 66 naar 83 antwoorden op 111).

De naam kan ook verouderd zijn. Dit bedrijf heeft zijn naam veranderd. 42% van de antwoorden op "wat is het?" geeft nog de oude naam (11 op 26).

Wat ik hieruit meeneem voor een merk

  1. Beginnen met Perceptie. Voor ik probeer genoemd te worden, controleer ik wat de AI's over een merk zeggen wanneer het genoemd wordt.
  2. De basisfeiten publiceren in elke taal van de kopers. Hoofdzetel, oprichtingsdatum, aantal werknemers, producten, markten. De fouten over Cebi gaan precies over die feiten.
  3. Opruimen wat verouderd is. Vroegere naam, vroegere aandeelhouders: de AI's nemen ze over, ook met websearch.
  4. Meten in elke stad en elke taal van de kopers. Twee steden met dezelfde taal hebben maar 2% van de voorgestelde bedrijven gemeen.
  5. Meerdere AI's meten, in beide modi, in twee rondes. Met 7 AI's en twee rondes zakt de standaardafwijking van een meting naar 2,8 punten, tegenover 15,2 punten voor ChatGPT alleen.
  6. Dezelfde meting later opnieuw doen. Anders is het onmogelijk te weten of een actie iets veranderd heeft.

De plaatsen die vrij zijn

De AI's antwoorden met wat ze vinden, stad per stad en taal per taal. Ze vergissen zich twee keer zo vaak zonder websearch.

De grote groepen houden stand in elke stad. Voor middelgrote en lokale bedrijven, die de AI's nog slecht kennen, zijn er plaatsen vrij.

Weet u wat de AI's over uw merk zeggen in de taal en in de stad van uw kopers?