AI kent haar naam. Maar denkt nog niet aan haar.

Klant: Podcast QueenAgentability Blueprint

Als je de naam Podcast Queen noemt tegen ChatGPT, Gemini, Claude, Perplexity of Grok, dan weten ze precies wie dat is. Maar vraag je een AI-model om zelf iemand voor te stellen voor een zakelijke podcast, zonder die naam te noemen, dan komt Podcast Queen er niet één keer uit. Dat verschil is precies waar deze case over gaat.

AI kent haar naam. Maar denkt nog niet aan haar.

AI-zichtbaarheid score

78 --> 83

De uitdaging

Podcast Queen had al een herkenbare basis, maar het was onduidelijk hoe stevig die positie werkelijk was in AI. De directe externe autoriteit rond het merk was dun en de relatie tussen Podcast Queen, oprichter Mounya Dahma en Moonvoice moest voor AI-systemen duidelijker en consistenter worden.

De aanpak

Twee bedrijven, één persoon

Mounya Dahma heeft 2 bedrijven. Met Podcast Queen helpt ze bedrijven met zakelijke podcasts. Met Moonvoice doet ze voice-overwerk. Voor mensen is dat verschil makkelijk te begrijpen. Voor een AI-model kan het verwarrend zijn, zeker als namen en rollen niet overal op dezelfde manier worden uitgelegd.

De vraag was dus niet: hoe komen we hoger in Google? De vraag was: wat denken AI-modellen eigenlijk over haar, waar gaat het mis, en wat kunnen we daaraan doen?

Want dat een AI-model weet wie iemand is, betekent nog niet dat het die persoon ook uit zichzelf aanraadt. Dat zijn twee verschillende dingen.

Hoe we te werk zijn gegaan

Mei 2026: eerste meting We onderzochten vijf dingen: wie ze is, hoe haar activiteiten met elkaar samenhangen, in welke context ze voorkomt, hoe gezaghebbend ze overkomt, en of de informatie actueel is. De uitkomst was een score van 78 op de 100. Twee dingen sprongen eruit als zwak: hoe duidelijk haar bedrijven aan elkaar gekoppeld waren, en hoe weinig andere bronnen over haar praten.

Mei en juni: verbeteringen We maakten de relatie tussen Mounya, Podcast Queen en Moonvoice duidelijker. We zorgden dat de technische informatie achter beide websites klopte en op elkaar aansloot. En we zorgden dat de teksten over haar op verschillende plekken hetzelfde verhaal vertelden.

15 augustus: tweede meting We stelden vijf AI-modellen ieder zes vragen. Vijf vragen zonder haar naam te noemen, en één vraag waarin we haar naam wel gaven. In totaal dus 30 antwoorden om te bekijken.

Wat we zagen: de basis is goed, maar dat is pas de helft

• Alle 5 modellen vertelden het juiste verhaal zodra we haar naam noemden

• Bijna alle informatie over wie ze is en wat ze doet klopte volledig

• Geen enkele keer haalden de modellen Podcast Queen en Moonvoice door elkaar

Maar: 0 van de 25 keer noemden de modellen haar uit zichzelf.

De tweede meting bevestigt dat het verbeterwerk uit mei heeft geholpen: alle vijf de modellen weten nu goed wie Mounya is en wat ze doet, zodra je haar naam noemt.

Maar zodra we haar naam weglieten uit de vraag, verdween ze ook uit het antwoord. Dat gebeurde steeds: bij een algemene vraag over podcastadvies, bij een concrete zakelijke vraag, bij een vraag over specialistische kennis, bij een ingewikkelder vraag, en bij een vraag over wie goed staat aangeschreven.

25 keer gevraagd, 25 keer niet genoemd. Dat betekent niet dat niemand haar kent. De AI-modellen herkennen haar juist heel goed zodra haar naam valt. Het betekent dat ze nog niet vanzelf aan haar denken wanneer ze zelf iemand moeten kiezen.

Waarom deze meting zo waardevol is

Zonder deze meting zou de logische volgende stap zijn geweest: nog meer pagina's bouwen, nog meer techniek verbeteren, nog meer uitleg op de eigen website zetten. Maar daar zit niet meer het grootste probleem.

Dat zit in iets anders: er zijn nog te weinig andere, onafhankelijke bronnen die over Mounya, Podcast Queen en Moonvoice praten. Bijna alle punten die op dat vlak te halen waren, ontbraken nog.

Dat is precies de waarde van zo'n meting. Je weet niet alleen wat je moet doen, maar ook waar je voorlopig geen tijd en geld meer in hoeft te steken.