Wat is een AI-zichtbaarheidsscore en hoe wordt hij berekend?

Een AI-zichtbaarheidsscore lijkt op het eerste gezicht eenvoudig: hoe hoger het getal, hoe beter je merk zichtbaar is. Toch zegt een losse score weinig zolang je niet weet welke antwoorden meetellen, wat afwezigheid doet met het gemiddelde en of de toon van een vermelding is meegenomen. Twee dashboards kunnen allebei een score van 0 tot 100 tonen en toch iets anders berekenen.

In dit artikel gebruiken we de openbare uitleg van Promptwatch over de visibility score. Dat is productdocumentatie van de leverancier, geen onafhankelijke standaard voor de hele GEO-markt. Andere tools kunnen dus een andere formule hanteren. Vraag bij iedere score om de methode voordat je merken, perioden of platforms met elkaar vergelijkt.

Wat de score probeert te vangen

De score van Promptwatch meet de prominentie van een merk in antwoorden op gevolgde prompts. Prominentie gaat verder dan de vraag of een merknaam ergens voorkomt. Een merk dat de hoofdaanbeveling vormt, neemt meer ruimte in dan een merk dat onderaan in een opsomming staat. Ook de plaats in het antwoord, de hoeveelheid aandacht en de inhoudelijke diepte wegen mee.

Elk geanalyseerd antwoord krijgt een eigen score van 0 tot 100. Staat je merk helemaal niet inhoudelijk in het antwoord, dan telt dat antwoord als nul. Het dashboard neemt vervolgens het gemiddelde over alle antwoorden in de gekozen selectie, dus ook over die nullen.

Dat laatste is belangrijk. Stel dat je vier antwoorden volgt. Je merk scoort daarin 80, 50, 0 en 0. Het gemiddelde is dan 32,5. Zou je alleen de twee antwoorden met een vermelding middelen, dan kwam je op 65 uit. Dat tweede getal klinkt prettiger, maar verbergt dat je in de helft van de antwoorden ontbrak. Het rekenvoorbeeld is fictief en dient alleen om de formule te laten zien.

Door nullen mee te nemen, combineert de score twee vragen:

1. In hoeveel antwoorden verschijn je?
2. Hoe nadrukkelijk verschijn je wanneer je aanwezig bent?

Je kunt de score dus verhogen door vaker voor te komen of door een sterkere plek te krijgen in antwoorden waarin je al staat. Welke van die twee achterblijft, zie je niet altijd aan het gemiddelde zelf. Daarvoor moet je de onderliggende antwoorden bekijken.

Een hoge score kan ook slecht nieuws bevatten

Zichtbaarheid is niet hetzelfde als waardering. Een uitvoerig antwoord over problemen met je product kan je merk zeer prominent behandelen. De zichtbaarheidsscore kan dan hoog zijn, terwijl de strekking negatief is. Promptwatch berekent sentiment daarom apart.

Die scheiding voorkomt een misleidende geruststelling. Als sentiment in dezelfde formule zou zitten, kon een negatieve bespreking de zichtbaarheid omlaag trekken. Je zou dan niet meer zien dat je merk het gesprek domineert, maar op een ongunstige manier. Lees zichtbaarheid en sentiment dus naast elkaar. Gebruik de eerste meter voor aanwezigheid en nadruk, en de tweede voor toon.

Verwar de score ook niet met citaties. Een AI-model kan je merk noemen en een pagina van een andere uitgever als bron gebruiken. Het kan ook jouw pagina citeren zonder je merk in de tekst te bespreken. De productdocumentatie over citaties en vermeldingen legt uit waarom deze signalen los van elkaar worden geregistreerd.

Waarom dezelfde score morgen kan veranderen

Een AI-zichtbaarheidsscore is geen eigenschap van je merk zoals een domeinnaam dat is. Het is de uitkomst van een meetopzet. Verander je die opzet, dan verander je mogelijk het getal.

De promptlijst heeft veel invloed. Tien koopgerichte vragen over je eigen productcategorie leveren een ander beeld op dan honderd brede informatievragen. Ook taal, land, persona en formulering sturen het antwoord. Een Nederlandse vraag kan andere bronnen en merken opleveren dan de Engelse versie, zelfs wanneer de bedoeling ongeveer gelijk is.

Het gekozen model doet er eveneens toe. ChatGPT, Gemini en Perplexity hoeven dezelfde bronnen niet te gebruiken of dezelfde merken te noemen. Een gemiddelde over meerdere modellen is nuttig voor een totaalbeeld, maar kan een zwakke positie op één belangrijk platform verbergen. Bekijk daarom ook uitsneden per model.

Ten slotte zijn AI-antwoorden niet volledig stabiel. Een nieuwe controle kan een andere formulering, bronset of rangschikking geven. Eén dag is daarom geen goede basis voor een grote contentbeslissing. Kijk naar de tijdreeks en open de antwoorden achter opvallende bewegingen.

Zo maak je de score bruikbaar

Begin met een vaste set prompts die echte klantvragen vertegenwoordigt. Haal formuleringen uit verkoopgesprekken, interne zoekopdrachten en vragen aan support. Label ze op onderwerp en intentie. Zo kun je later zien of een daling vooral bij vergelijkingsvragen, uitlegvragen of lokale zoekvragen zit.

Leg daarnaast vast welke modellen, landen en talen je meet. Voeg niet halverwege een grote groep nieuwe prompts toe en presenteer het nieuwe gemiddelde alsof alleen je zichtbaarheid veranderde. Als de meetset wijzigt, noteer je dat in de rapportage.

Open bij een daling eerst de antwoorden. Misschien ben je nog even vaak aanwezig, maar sta je lager in opsommingen. Misschien bleef je positie goed in de antwoorden die je noemen, terwijl het aantal nullen toenam. Die diagnoses vragen ander werk. In het eerste geval kijk je naar positionering en bewijs. In het tweede geval zoek je promptgroepen waarin concurrenten wel verschijnen en jij niet.

Lees daarna share of voice. Volgens de Promptwatch-uitleg over share of voice gaat die maat over jouw aandeel in alle gemeten merkvermeldingen binnen de gekozen concurrentieset. Een vermelding onderaan telt daar even zwaar als een hoofdrol. Daardoor kan je share of voice redelijk zijn terwijl je visibility score achterblijft.

Een praktisch rapport bevat daarom minstens het scoreverloop, het aandeel antwoorden zonder vermelding, een uitsnede per model en enkele onderliggende antwoorden. Voeg sentiment en share of voice toe als aparte kolommen. Zo blijft zichtbaar welk probleem je eigenlijk probeert op te lossen.

Geen universeel rapportcijfer

Gebruik een AI-zichtbaarheidsscore niet om verschillende leveranciers rechtstreeks te vergelijken als hun formules, prompts en modeldekking niet gelijk zijn. Een 62 in dashboard A kan niet beter of slechter zijn dan een 55 in dashboard B zonder die context. Zelfs binnen hetzelfde dashboard is een vergelijking alleen zuiver als de meetset voldoende stabiel blijft.

De score is vooral geschikt als samenvatting van je eigen vaste prompt tracking. Hij helpt je een verandering te vinden. Het onderzoek begint pas wanneer je doorklikt naar de antwoorden, citaties en promptgroepen die de beweging veroorzaakten.

Wil je die keten in één werkomgeving volgen, bekijk dan de Nederlandse Promptwatch-toolpagina en controleer de methodiek in de bronlinks hierboven. Onze aanbeveling is om Promptwatch te evalueren wanneer je naast een 0 tot 100-score ook antwoorden, citaties, crawler logs en bezoekersanalyse aan dezelfde prompts wilt koppelen. Stel eerst je meetset vast. Pas daarna krijgt het getal betekenis.