Zo onderzoek ik jouw positie in AI-antwoorden.

Een onderzoek begint bij jouw bedrijf en je klanten.

Samen bepalen we welke diensten, doelgroepen en koopvragen belangrijk zijn. Ook leggen we vast met welke concurrenten je wordt vergeleken.

Een relevante vraag is bijvoorbeeld: Welk accountantskantoor in Groningen heeft ervaring met groeiende productiebedrijven?

Deze vraag bevat een dienst, een regio en een klantbehoefte. Daardoor kunnen we beoordelen of AI jouw bedrijf bij een passende situatie betrekt.

Daarnaast leg ik de feiten over jouw bedrijf vast: je diensten, specialisaties, werkgebied en het bewijs voor je expertise. Dit vormt het referentiedossier, ook wel het Ground Truth Dossier genoemd.

Wat jij eraan hebt: we onderzoeken situaties die voor jouw bedrijf commercieel relevant zijn. En we hebben een vaste basis om te beoordelen of een AI-antwoord klopt.

Bij iedere meting leg ik vast:

• 01 De exacte vraag.
• 02 Het gebruikte AI-model, de datum en de instellingen.
• 03 Het volledige antwoord en de zichtbare bronverwijzingen.
• 04 Welke bedrijven worden genoemd en hoe ze worden beschreven.
• 05 Welke bedrijven worden aanbevolen en met welke argumenten.

Vragen met jouw bedrijfsnaam houd ik apart van vragen zonder jouw bedrijfsnaam. Dat onderscheid is belangrijk.

Een model kan je bedrijf herkennen wanneer je de naam noemt, terwijl het je overslaat wanneer iemand om een geschikte aanbieder vraagt. De omvang hangt af van het onderzoek dat je kiest.

Een Snapshot onderzoekt één koopvraag in twee AI-modellen, met maximaal drie concurrenten. Een volledige Blueprint onderzoekt zes koopvragen in vijf AI-modellen op drie afzonderlijke meetmomenten. Dat zijn negentig metingen.

Herhaling laat zien welke bevindingen terugkomen en welke wisselen. De uitkomst geldt voor de onderzochte vragen, modellen en meetmomenten.

Wat jij eraan hebt: je kunt iedere belangrijke bevinding terugvinden in een daadwerkelijk antwoord. Je ziet ook of jouw positie per vraag, model of moment verschilt.

Per antwoord beoordeel ik vijf dingen: vermelding, prominentie, aanbeveling, juistheid en zichtbare bronverwijzingen.

Daarna vergelijk ik jouw bedrijf met de gekozen concurrenten.

Een fictief voorbeeld: Jouw bedrijf en een concurrent worden allebei zes keer genoemd. Jouw bedrijf verschijnt meestal onderaan als mogelijke optie. De concurrent wordt vaker expliciet aanbevolen, met een verwijzing naar een passende klantcase.

Het aantal vermeldingen is gelijk. De positie in het antwoord verschilt. Daarom onderzoek ik ook de argumenten. Welke specialisatie noemt AI? Welke ervaring wordt aangehaald? Past die onderbouwing bij de vraag van de klant?

Wat jij eraan hebt: je ziet waar een concurrent sterker wordt gepresenteerd en welke informatie daarbij zichtbaar wordt gebruikt.

Terugkerende bevindingen onderzoek ik binnen vijf lagen:

Identiteit

Kloppen de naam, diensten en bedrijfsgegevens? Wordt jouw bedrijf duidelijk onderscheiden van andere organisaties?

Relaties

Wordt jouw bedrijf verbonden met de juiste specialisaties, doelgroepen en regio’s?

Context

Wordt duidelijk voor welke klantvragen en situaties jouw bedrijf geschikt is?

Autoriteit

Welk controleerbaar bewijs ondersteunt je expertise, zoals klantcases, reviews en relevante externe vermeldingen?

Actualiteit

Is de beschikbare informatie actueel? Zijn oude diensten, functies of bedrijfsgegevens nog zichtbaar?

Een gevonden bedrijf kan toch een onjuist verhaal krijgen.

Wanneer ik de naam van Carbonauta (handelsnaam van Jonkman Strategie) noemde, werd het in 14 van de 15 antwoorden gevonden.

Daarmee was de controle niet klaar. Ik vergeleek de uitspraken ook met vooraf vastgelegde feiten van het bedrijf.

In 8 antwoorden werden de vijf lagen van AI Findability Research ten onrechte verbonden aan de Sea Trial van Carbonauta. Dat zijn twee verschillende onderzoeksmethoden.

De naam werd dus meestal herkend, terwijl een belangrijk onderdeel van de uitleg verkeerd werd weergegeven.

Daaruit volgde een concrete prioriteit: één duidelijke bron die uitlegt welke methode bij welke dienst hoort.

Bij een volgende meting moet blijken of die verwarring afneemt. Op deze manier ontdek je fouten die een telling van vermeldingen niet laat zien. Zo kun je gericht informatie corrigeren die mogelijke klanten een verkeerd beeld geeft.

Eigen pilotcase. Nulmeting op 24, 25 en 28 september 2026.

Het onderzoek brengt de belangrijkste bevindingen samen:

• Bij welke onderzochte koopvragen je wordt meegenomen.
• Hoe jouw positie verschilt van die van concurrenten.
• Welke beschrijvingen kloppen en welke fouten bevatten.
• Welke verklaringen door bewijs worden ondersteund.
• Wat als eerste aandacht verdient en waarom.

Een advies kan zijn om een onjuiste bedrijfsomschrijving te corrigeren, een specialisatie concreter uit te leggen of een relevante klantcase beter toegankelijk te maken.

Soms is extra onderzoek nodig voordat een ingreep verstandig is. Bij een hermeting controleer ik opnieuw de afgesproken vragen. Zo wordt zichtbaar of de antwoorden na een verandering verschillen. Dat verschil beoordeel ik naast de normale wisselingen tussen antwoorden.

Wat jij eraan hebt: je kunt je tijd en budget richten op verbeteringen waarvoor een duidelijke aanleiding bestaat. Je weet wat je aanpakt, waarom dat prioriteit heeft en wat je daarna controleert.