Vorige maand vroeg een oprichter me of zijn bedrijf in ChatGPT verscheen als iemand naar hun categorie zocht. Hij had geen idee. Zijn hoofd marketing ook niet. De SEO-bureau evenmin.
Dat gat is nu een echt bedrijfsprobleem.
LLM-powered surfaces zoals ChatGPT, Perplexity, Google's AI Overviews en Bing Copilot zijn geen toekomstscenario. Ze zijn waar ontdekking vandaag plaatsvindt, en het aantal ervan groeit. En de meeste merken vliegen blind rond in deze omgevingen.
Klassieke SEO gaat over ranking. Je targetted een zoekwoord, je publiceert content, je verdient links, je meet je positie. De feedback-loop is strak. Tools zijn mature. De logica is duidelijk.
LLM-search werkt niet zo. Er is geen ranking. Er is geen positie één. Het model put uit trainingsdata en live retrieval, weegt het af tegen de prompt, en synthetiseert een antwoord. Je merk verschijnt in die synthese of niet.
De criteria waarmee je verschijnt zijn niet volledig gepubliceerd door iemand. Maar ze zijn ook niet willekeurig. Modellen zetten merken graag in de schijnwerper die veel worden genoemd op geloofwaardige, uiteenlopende bronnen. Merken met consistente omschrijvingen. Merken wiens categorie-taal aansluit bij wat het model heeft geleerd te associëren met een bepaald probleem.
Als je content dun is, inconsistent, of vooral geschreven voor keyword-densiteit in plaats van echte uitleg, ben je waarschijnlijk onzichtbaar. En je zult het niet te weten komen van een rank tracker.
Je merk verschijnt in de synthese of niet. Er is geen positie twee waar je op terug kunt vallen.
Het goede nieuws. je kunt dit nu zelf checken, zonder gespecialiseerde tool. Het slechte nieuws: de meeste teams hebben geen consistent protocol, dus de resultaten zijn rommelig en moeilijk om mee te werken.
Hier is de basisstructuur die we met klanten gebruiken.
Kies de prompts die echte koopintentie vertonen. Niet je merknaam. Prompts zoals "welk bureau is goed voor X", "hoe kies ik een tool voor Y", "wie zijn de grote spelers in Z". Dit zijn de plekken waar je bestaat of niet.
Draai dezelfde prompts over meerdere modellen. ChatGPT, Perplexity, Gemini, Bing Copilot. Elk model heeft een ander trainingskorpus en een ander retrieval-systeem. Je zichtbaarheid verschilt per model. Ze als één surface behandelen geeft je een vals beeld.
Documenteer de output letterlijk. Niet zomaar een screenshot. Copy de tekst. Je moet er je merknaam in kunnen zoeken, merknamen van competitors, en de categorie-taal die het model gebruikt. Die taal is een bruikbaar signaal.
Varieer je prompt-formulering. Een model noemt je misschien bij een brede prompt, en mist je bij een specifieke. De vorm van je zichtbaarheid laat zien waar het gat zit.
Herhaal regelmatig. Modellen updaten. Retrieval-systemen veranderen. Een snapshot van drie maanden geleden is waarschijnlijk achterhaald.
Na dit soort audit bij klanten in bureaus, SaaS en professionele diensten, een paar patronen die standhouden.
Merken die consistent verschijnen, hebben één ding gemeen. hun content legt uit. Niet oppervlakkig. Ze hebben materiaal gepubliceerd waarvan een model kan leren wat ze doen, wie ze bedienen, en waarom iemand voor hen zou kiezen. Gedetailleerde case studies. Specifieke methodebeschrijvingen. Genoemde frameworks uitgelegd in normaal taal.
Merken die onzichtbaar zijn, publiceren content die goed werkt voor mensen die een pagina scannen, maar geeft een model weinig stof om mee te werken. Bullet-lijsten met voordelen. Vage servicebeschrijvingen. Een blog vol met trending topics zonder eigenstandig standpunt.
Er is ook een signaal-sterkte probleem. Wordt je merk alleen op jouw domein genoemd, dan ziet een model dat als zwak bewijs. Vermeldingen in redactionele derden, in niche-publicaties, in community-discussies, in podcast-transcripties. Dit bouwen het soort verspreid signaal dat modellen zwaarder wegen. Dit is als principe niet nieuw. Het rijmt met link-building logica. Maar het mechanisme is anders, en de content-typen die het genereren ook.
Bullet-lijsten met voordelen geven een model niet veel om mee te werken. Gedetailleerde uitleg wel.
Dit is geen pleidooi om SEO op te geven. Organische zoek draagt nog steeds volume. Maar LLM-surfaces zijn niet langer randgevallen. Voor high-consideration aankopen, voor B2B-onderzoek, voor category-educatie. Ze bepalen steeds vaker wie op de eerste shortlist komt. Zit je daar niet op, krijg je misschien nooit een kans te pitchen.
Een paar dingen die de volgende 90 dagen het doen.
Controleer je zichtbaarheid zoals ik beschreef. Doe het over vier modellen, over tien tot vijftien echte koop-intent prompts. Behandel het als je baseline. Je moet weten waar je staat voordat je beweegt.
Lees wat de modellen over je categorie zeggen. De taal die modellen gebruiken om je ruimte te beschrijven zegt wat de trainingsdata begunstigt. Sluit die taal niet aan bij hoe je jezelf beschrijft, dan heb je een positioning-gat dat je zichtbaarheid kost.
Investeer in content die uitlegt, niet content die presteert. Langere artikelen met standpunt. Case studies die het echte besluitvormingsproces beschrijven. Methodepagina's die verder gaan dan een driestapdiaagram. Deze content helpt zowel LLMs als mensen die diepgang willen voor ze contact opnemen.
Bouw derdenaamgeving opzettelijk. Bijdragen aan artikelen, podcastoptredens, community-deelname, verdient coverate in niche-publicaties. Niet voor de backlink. Voor het verspreid signaal.
Dit is het deel van de job dat optioneel wordt behandeld omdat de effecten traag zijn en moeilijk toe te schrijven. Maar merken die nu signaal vestigen, worden later moeilijker verdreven. Dat is geen voorspelling. Het is gewoon hoe trainingsdata samengroeit.
De meeste marketing-teams zijn niet ingesteld om dit te meten. Hun KPI's zijn clicks, impressions en conversies. LLM-zichtbaarheid produceert geen schoon getal om in een dashboard te zetten. Dus krijgt het geen prioriteit.
Dat is het echte risico. Niet dat de technologie te complex is. Niet dat het speelboek onduidelijk is. Het risico is dat een meetbaarheids-probleem wordt verward met een urgentie-probleem, en het werk gebeurt niet tot het veel lastiger is om in te halen.
Wil je weten of je merk zichtbaar is voor AI-search, doe dit als eerste stap: ga ChatGPT vragen welke bedrijven het aanbeveelt in je categorie. Kijk wat het zegt. Dat antwoord vertelt je meer in dertig seconden dan een maand intern debat over of dit ertoe doet.
