Sentiment in ChatGPT-antwoorden: zo monitor je hoe AI over je merk praat
Wat sentiment in een AI-antwoord betekent, hoe tools het scoren, waar die scores misgaan, en hoe je een negatieve framing terugvoert naar de bron die ChatGPT gebruikte.
Dat ChatGPT je merk noemt, is de eerste vraag. De tweede is hoe. "Een betrouwbare keuze voor kleine teams" en "werkt, maar klanten klagen over de support" zijn allebei vermeldingen. In een share-of-voicegrafiek tellen ze even zwaar. Voor iemand die op het punt staat te kopen, verschillen ze enorm.
Sentimentmonitoring in AI-antwoorden lijkt op social listening, maar werkt anders. Op social media lees je meningen van mensen. In een AI-antwoord lees je een samenvatting die een model heeft gemaakt van bronnen die het vond of ooit heeft gezien. Een negatieve toon is dus zelden een mening van het model zelf. Meestal is het een herhaling van iets dat ergens staat. Dat maakt het meetbaar, en ook te verhelpen.
Hoe negatief sentiment er in de praktijk uitziet
Bijna nooit staat er "dit merk is slecht". De toon zit in kleinere dingen.
Een voorbehoud achter een aanbeveling: "goed, maar duurder dan alternatieven". Een beperking die de lezer meteen uitsluit: "vooral geschikt voor grote bedrijven", terwijl je juist mkb bedient. Een verouderd feit, zoals een prijs of een functie die al lang veranderd is. Een vergelijking waarin je de referentie bent waar de concurrent tegen afsteekt. Of je wordt genoemd als voorbeeld van een probleem, in een antwoord over iets anders.
Geen van die voorbeelden is een scheldwoord. Een eenvoudige classificatie op positief, neutraal of negatief kan ze dus ook missen.
Hoe tools sentiment scoren
De meeste trackers labelen elke vermelding met een sentiment en tellen die labels op tot een verdeling of score. Sommige tools stoppen het sentiment in een samengestelde score. AthenaHQ bijvoorbeeld rolt citaties, sentiment, verkeersimpact en querytypes samen in één GEO-score. Handig voor een dashboard, maar je moet dan wel kunnen uitsplitsen, anders zie je niet of een daling door toon of door aanwezigheid komt.
Er gaat geregeld iets mis bij die classificatie. In de listing van Otterly.AI staat dat de sentimentanalyse erop betrapt is neutrale vermeldingen als positief te classificeren. Dat is geen detail. Als neutrale vermeldingen als positief worden geteld, ziet je sentimentlijn er beter uit dan je positie in werkelijkheid is.
Een paar valkuilen gelden voor elke tool.
Het sentiment van het hele antwoord is niet het sentiment over jou. Een antwoord kan positief zijn over de categorie en tegelijk een kritische zin over je merk bevatten.
Taal telt mee. Nederlandse formuleringen als "prima, maar" of "niet verkeerd" zijn lastig voor een classificatie die vooral op Engels getraind is. Controleer steekproefsgewijs zelf een aantal Nederlandse antwoorden voordat je de labels vertrouwt.
Eén antwoord is geen trend. Modellen variëren. Een negatieve formulering die één keer opduikt, kan bij de volgende meting verdwenen zijn. Kijk of hij terugkomt bij meerdere prompts en meerdere metingen.
Van negatieve toon naar de bron
Hier wordt sentimentmonitoring pas bruikbaar. Zodra je een terugkerende negatieve framing vindt, wil je weten waar die vandaan komt. Bij ChatGPT met zoeken en bij Perplexity staan er citaties bij het antwoord. Die bronnen zijn je spoor.
Werk het zo uit. Verzamel de antwoorden met de negatieve framing. Kijk welke URL's daarbij geciteerd worden. Vaak zie je een patroon: een oude reviewpagina, een Reddit-draad met een klacht van twee jaar geleden, een vergelijkingsartikel met een verouderde prijs, of een YouTube-video. Soms is het je eigen pagina, met een formulering die je zelf nooit zo bedoeld had.
Wat je daarna doet, hangt af van de bron. Je eigen pagina pas je aan. Bij een publisher met verouderde gegevens vraag je om een correctie. Een Reddit-draad kun je niet herschrijven, maar je kunt wel zorgen dat er een actuele, duidelijke bron bestaat die dezelfde vraag beantwoordt. Daarna meet je dezelfde prompts opnieuw en kijk je of de framing verdwijnt.
Tools die sentiment in AI-antwoorden meten
Promptwatch
Promptwatch heeft sentimentanalyse naast share of voice en benchmarking tegen concurrenten. Het werkt goed voor dit werk omdat de stap naar de bron in hetzelfde project zit. Citatie-analyse gaat tot pagina en domein, met aparte rapporten voor Reddit- en YouTube-citaties en voor offsite vermeldingen: pagina's van derden die je merk noemen en die het model citeerde. Prompt trends laten zien wat er tussen twee checks veranderde, dus je ziet wanneer een negatieve formulering verscheen. Persona's helpen als de toon per doelgroep verschilt. Essential kost 95 $/maand, Professional 245 $/maand.
AthenaHQ
AthenaHQ verwerkt sentiment in zijn GEO-score en zet inzichten in het Action Center om in taken. Vanaf 295 $/maand, met credits. Volgens de listing is er geen Reddit-monitoring. Als je negatieve framing uit een Reddit-draad komt, zie je die bron hier dus niet.
Brand24
Brand24 combineert een AI Visibility-add-on (sentiment, AI share of voice, belangrijkste geciteerde bronnen, negen engines) met social listening over meer dan 25 miljoen bronnen. Nuttig als je PR-team de AI-toon naast nieuws en social wil zien. De prijs van de add-on is niet gepubliceerd.
Evertune
Evertune benadert het als marktonderzoek: analyse van grote steekproeven antwoorden, met tracking van merkattributen en sentiment. Geschikt voor een strategisch rapport aan de directie, niet voor wekelijks bijsturen. Prijzen zijn op aanvraag, en de listing noemt een implementatie van weken.
Otterly.AI
Otterly.AI heeft sentimentanalyse en is goedkoop te starten (Lite, 29 $/maand, 15 prompts). Gezien het gemelde probleem met neutrale vermeldingen die als positief worden gelabeld, controleer je de labels hier zelf voordat je ze rapporteert.
Een werkbare routine
Kies een vaste set prompts waarin je merk realistisch genoemd kan worden: vergelijkingen, "beste X voor Y", en vragen over je bekende zwakke punten. Laat ze op een vast ritme draaien. Lees elke week de antwoorden met een negatief of twijfelachtig label zelf, niet alleen de score. Houd een lijst bij van terugkerende formuleringen en de bronnen die erbij horen. Werk die lijst af per bron, en meet na elke aanpassing opnieuw.
Het verschil tussen tools zit dus vooral in de stap na de score. Een sentimentgrafiek vertelt dat ChatGPT ergens kritisch over je is. Met citatie-analyse zie je waarom, en daarom beginnen wij bij Promptwatch. De sentimentlabels zijn een signaal, en de geciteerde pagina of Reddit-draad achter een negatieve framing is wat je kunt oplossen.