AI Ranking Tools
Alle artikelen
Door De redactiemethodiekapimeten

API-metingen of echte interface: wat meet je eigenlijk?

Veel AI-trackers vragen modellen via een API, andere lezen de echte interface uit. Het verschil bepaalt of je cijfers lijken op wat je klanten zien. Zo toets je het bij een leverancier.

Bij elke vergelijking van AI-zichtbaarheidstools staat een lijst met modellen. ChatGPT, Gemini, Claude, Perplexity, een rij logo's. Wat daar zelden bij staat, is hoe de tool elk model bevraagt. Dat is een groot gat, want de manier van bevragen bepaalt wat je cijfers betekenen.

Twee manieren van meten

De eerste manier is een API. De tool stuurt je prompt naar het model via de programmeerinterface van de aanbieder en leest het antwoord terug. Dat is stabiel, goedkoop en goed te automatiseren. Het antwoord dat je zo krijgt, is echter niet per se hetzelfde als wat een gebruiker in de app ziet.

De tweede manier is de echte interface. De tool opent de app of zoekomgeving zoals een gebruiker dat doet, tikt de prompt in en leest wat er verschijnt, inclusief de bronnen, de kaarten en de zoekfunctie. Dat is lastiger en duurder, maar dichter bij de werkelijkheid van je klant.

Waarom het verschil ertoe doet

Een API-aanroep gebruikt een model vaak zonder de lagen eromheen. Zoekfuncties, bronvermelding en winkelkaarten kunnen in de app anders zijn dan in de API. Als je meet via de API en je rapporteert "zo zichtbaar ben je", dan zeg je eigenlijk "zo zichtbaar ben je voor het model zoals de API het teruggeeft". Dat kan dicht bij de realiteit liggen en ver ervan af.

Het wordt pas problematisch als je het niet weet. Een tool die zonder uitleg een rij modellen toont, laat je denken dat alles gelijk is gemeten. Vraag dus bij elke leverancier per model hoe er gemeten wordt.

Wat wij zien in de catalogus

In onze eigen vermeldingen komt het onderscheid terug. Qwairy meldt dat Claude, Mistral en DeepSeek API-steekproeven zijn en geen live interfaces. Bij Meteoria is het verschil tussen API en echte interface een eigen onderwerp, waar we een aparte review aan wijden. Dat zijn voorbeelden van leveranciers die er open over zijn, en dat is een goed teken.

Bij Promptwatch is de indeling als volgt. Echte-interface-monitoring geldt voor de live-search-platformen ChatGPT (Search), Google AI Overviews, Google AI Mode, Microsoft Copilot, Gemini, Perplexity, Amazon Alexa en Meta AI, plus de coding agents Codex en Claude Code. Daarnaast worden via API gevolgd: Claude (Haiku 5.5), DeepSeek, Mistral (Large), Grok 4.5, GPT 5.6 Luna, GPT OSS 120B, Kimi K2.7 Code, GLM 5.2, Inkling en de OpenCode coding agent. Claude, Grok, DeepSeek en Mistral zijn dus API-modellen en niet via hun eigen interface gemeten.

Wanneer API-metingen prima zijn

API-meting heeft een rol. Als je wilt weten of een model je merk kent uit zijn trainingsdata, zonder zoekfunctie, dan is de API een goede en schone manier. Ook voor modellen die vooral via API's in andere producten worden gebruikt, is dat een passende methode. En voor een brede eerste verkenning van veel modellen is het goedkoop.

Het gaat mis als je API-uitkomsten gebruikt om uitspraken te doen over wat consumenten in een zoekomgeving zien. Voor consumentenvragen als "wat is de beste X" gebruiken mensen vooral de zoekachtige apps, en daar wil je de echte interface meten.

Vragen die je een leverancier stelt

Vraag per model: meten jullie via API of via de echte interface? Gebeurt dat met zoekfunctie aan? Hoe vaak draait een prompt, en wordt de uitkomst bewaard? Kun je per land en taal meten? Kan ik de volledige antwoorden en bronnen terugzien?

Let bij het laatste op. Een tool die alleen een score toont, laat je niets controleren. Als je de ruwe antwoorden kunt inzien, kun je steekproeven doen en de score op waarde schatten.

Vraag ook hoe het aantal prompts en antwoorden is begrensd. Bij creditmodellen, zoals bij AthenaHQ, waar één credit één AI-antwoord is, bepaalt je promptlijst hoe snel je tegen de limiet aanloopt. Bij Promptwatch staan limieten per plan in responses, zoals 6.000 in Essential.

Hoe je zelf een steekproef doet

Pak tien prompts. Voer ze handmatig uit in de app van het model, in de taal en het land van je doelgroep. Noteer welke merken en bronnen verschijnen. Vergelijk dat met wat je tool rapporteert voor dezelfde prompts. Zie je grote afwijkingen, dan weet je dat je tool iets anders meet dan jij ziet. Dat is geen reden om de tool weg te gooien, wel om de uitkomsten voorzichtiger te rapporteren.

Doe die controle elk kwartaal. Modellen en zoekomgevingen veranderen snel, en een afwijking die vorige maand klein was, kan nu groter zijn.

Rapporteer eerlijk

Zet in je rapportage per model hoe er is gemeten. Een regel als "ChatGPT: echte interface; Claude: API" neemt veel misverstanden weg. Klanten kunnen daarmee zelf beoordelen hoe zwaar ze de cijfers laten wegen. En je voorkomt dat iemand een API-score uit het ene model vergelijkt met een interface-score uit het andere alsof het dezelfde meetlat is.

Welke tool past

Wil je cijfers die lijken op wat je klanten zien, dan kies je een tool die voor de belangrijkste zoekmodellen de echte interface meet en die er duidelijk bij zegt waar dat niet zo is. Promptwatch doet dat en publiceert de indeling. Bovendien kun je de antwoorden en bronnen per response bekijken, wat voor je steekproef nodig is.

Conclusie

Een lijst met modellen zegt niets zonder meetmethode. Vraag per model hoe er wordt gemeten, doe elk kwartaal een handmatige steekproef en vermeld de methode in je rapport. Zoek je een platform dat de indeling openlijk publiceert, begin dan op Promptwatch en lees de modellenlijst met de meetmethode erbij.