Hoe wij AI-zichtbaarheid meten
Wij registreren hoe een vast panel van AI-modellen kopersvragen over een bedrijf beantwoordt, met en zonder websearch. Het rapport houdt de observaties, de context en de grenzen zichtbaar.
Drie vragen, apart gehouden
Een bedrijf kan genoemd worden, verkeerd beschreven worden en nooit aanbevolen worden, allemaal in dezelfde meting. Elk daarvan is een andere observatie met een andere correctie. Daarom telt het rapport ze nooit op tot één cijfer.
Noemen de AI-modellen het bedrijf?
Aanwezigheid
Voor elke kopersvraag: of het antwoord het bedrijf überhaupt noemt. Het rapport geeft het aantal antwoorden waarin het verschijnt en het aantal gevraagde antwoorden, per modus. Wanneer dat aantal te klein is om iets over te zeggen, is het aantal de bevinding en wordt er geen score van gemaakt.
Hoe beschrijven de AI-modellen het?
Perceptie
Wanneer een model het bedrijf noemt: de zin die het schreef, met diensten, regio, prijsklasse en toon. Elke beschrijving wordt vergeleken met feiten die u kunt nakijken, en een fout feit wordt genoteerd met de bron die het model gaf, als het er een gaf. Dit is een observatie van wat gezegd is, geen aandeel van de antwoorden.
Zouden de AI-modellen het aanbevelen?
Voorkeur
De koper vraagt om een aanbeveling of een vergelijking en het model kiest. Het rapport noteert wie het naar voren schoof, op welke plaats en met welke reden. Genoemd worden is niet hetzelfde als aanbevolen worden, en geen van beide meet leads.
Twee testconfiguraties
Elke vraag wordt gesteld aan zes modellen zonder websearch en aan zeven met websearch. Perplexity wordt alleen met websearch gemeten. De twee configuraties staan naast elkaar en worden nooit samengevoegd.
Wat dit ons niet vertelt: wat een model precies onthouden heeft, of dat een aanbieder echt een bepaalde pagina raadpleegde omdat websearch aan stond. Een bedrijf dat in beide modi ontbreekt, bewijst op zich geen probleem met een pagina, en een verandering tussen twee metingen bewijst op zich niet dat een correctie ze veroorzaakte.
Het protocol: verwacht, verkregen, bruikbaar
8 kopersvragen per invalshoek en per doelgroep × (6 modellen zonder websearch + 7 met websearch) = 104 verwachte antwoorden per invalshoek en per doelgroep. Drie invalshoeken = 312 verwachte antwoorden per doelgroep.
Panel: ChatGPT, Claude, Gemini, Grok, Perplexity, Mistral, Muse Spark from Meta. De versies in een rapport zijn de versies die tijdens die meting geregistreerd werden.
312 per doelgroep is het gevraagde aantal, niet het verkregen aantal. Een oproep kan mislukken of niets bruikbaars teruggeven; het rapport zegt dat, in plaats van het als een antwoord te tellen. De kopersvragen, ook prompts genoemd, zijn acht vragen per invalshoek, herhaald over de modellen die in aanmerking komen, geen 312 verschillende vragen.
Hoeveel bewegen de antwoorden vanzelf?
Voor ik iets een verandering noem, heb ik het toeval gemeten. Op 8 oktober 2026 stelde ik in Montréal dezelfde vragen twee keer op dezelfde dag aan dezelfde modellen. Met websearch bewoog een bedrijf met hoogstens 6 antwoorden op 56. Onder 5 vermeldingen komen en gaan namen van de ene meting naar de andere. In de 30-day proof loop telt een verandering dus alleen boven die marge, en alleen voor een bedrijf dat minstens 5 keer genoemd wordt in een van de twee metingen.
Beperking: één stad (Montréal), één paar metingen per modus. Deze regel wordt opnieuw gemeten in andere steden en zonder websearch, en daarna bijgewerkt met zijn datum.
Controle met websearch, gemeten op 8 oktober 2026 in Montréal. Identificatiecodes van de bronaudits: cmuznhmvf008njmzhazw5p5a7, cmuznjcnm00nbjmzhk8ixzigc, cmuzq2ibj011xjmzh6gxguz24, cmuzq2ryz013vjmzhidg3ybeh
Hoe elke bevinding gelezen wordt
Elke observatie bevat de vraag, het model en de beschikbare versie, de datum, de modus, het antwoord of een getrouw fragment, de bron die het model gaf als het er een gaf, en een aparte interpretatie. De ruwe tekst blijft bewaard, zodat een regel die een klant betwist, nagekeken kan worden tegen wat het model schreef en niet tegen een samenvatting.
Een prioriteit bevat de actie, het bewijs waarop ze steunt, wie ze uitvoert en hoe ze gecontroleerd wordt. Wanneer de formulering van een volgende stap verbeterd werd nadat het rapport gemaakt was, zegt de pagina dat; ze wordt niet voorgesteld als een citaat uit de pdf.
Grenzen, en wat een nieuwe meting betekent
Modellen zijn niet stabiel: dezelfde vraag twee keer gesteld kan de formulering veranderen, en soms de aanbeveling. Een nieuwe meting houdt de vragen, het panel en de context gelijk en noteert welke modelversies ondertussen veranderd zijn. Alleen zo betekent een voor en na iets, en ook dan toont ze een beweging, geen oorzaak.
Wij meten geen leads, geen verkeer en niet hoeveel mensen een antwoord zagen; geen enkel model publiceert dat. Een vermelding, een citaat, een aanwezigheid of een voorkeur is wat de modellen zeiden toen het hen gevraagd werd, en niets daarvan meet rechtstreeks een prospect of een verkoop.
De datum van de meting en de datum waarop het rapport gemaakt werd, worden apart genoteerd.
Gegevens over het bedrijf
- Officiële naam
- VectorGap
- Merk
- VectorGap
- Opgericht
- mei 2026
- Gevestigd in
- Brussel, België
- Contact
- gap@vectorgap.ai
Ook op de pagina Over ons.
