Uw merk wordt genoemd in ChatGPT.
Dat is positief.
Maar waar?
Stel dat een potentiële klant vraagt:
Welke CRM-software zou u aanbevelen voor een Nederlands bedrijf met 100 medewerkers?
Het AI-antwoord geeft vijf mogelijkheden:
- Concurrent A
- Concurrent B
- Uw merk
- Concurrent C
- Concurrent D
Uw merk is zichtbaar.
Uw Mention Rate krijgt een positieve observatie.
Misschien wordt uw merk zelfs daadwerkelijk aanbevolen.
Maar Concurrent A staat bovenaan.
Wanneer dit patroon zich structureel herhaalt, heeft Concurrent A mogelijk een sterkere positie binnen de gemeten AI-recommendations.
Daarom is alleen meten of een merk voorkomt niet voldoende.
U wilt ook weten:
Waar verschijnt het merk in het antwoord?
Dat is het doel van AI Position Tracking.
AI Position Tracking meet de relatieve positie en prominence van uw merk en concurrenten binnen gestructureerde of interpreteerbare AI-antwoorden.
Daarmee krijgt AI Brand Monitoring een extra dimensie:
Mention → Recommendation → Position → Competitive Position
Voor AI Monitor Brand is dit bijzonder relevant omdat een bedrijf niet alleen zijn eigen positie kan volgen, maar deze rechtstreeks kan vergelijken met zijn twee belangrijkste concurrenten.
Wat is AI Position Tracking?
AI Position Tracking is het systematisch meten van de plaats waarop een merk, product of bedrijf voorkomt binnen relevante AI-antwoorden.
Bijvoorbeeld:
Welke HR-software is geschikt voor Nederlandse mkb-bedrijven?
Een AI-platform geeft:
- Product A
- Product B
- Product C
- Product D
Wanneer Product C uw merk is, krijgt deze observatie bijvoorbeeld:
Position = 3
Wanneer u honderden relevante prompts monitort, kunt u vervolgens berekenen:
- gemiddelde positie;
- mediane positie;
- Top-1 Rate;
- Top-3 Inclusion Rate;
- Top-5 Inclusion Rate;
- position distribution;
- competitor position;
- position gap;
- position trend.
Daarmee ziet u niet alleen hoe vaak u zichtbaar bent, maar ook hoe prominent.
AI Position Tracking is geen traditionele Google Rank Tracking
Dit onderscheid is essentieel.
Bij Google Rank Tracking kunt u relatief duidelijk zeggen:
Deze URL staat op positie 4 voor zoekwoord X.
Generatieve AI-antwoorden werken anders.
AI kan:
- een lijst geven;
- merken in lopende tekst noemen;
- verschillende categorieën maken;
- geen duidelijke rangorde gebruiken;
- één recommendation benadrukken;
- meerdere gelijkwaardige opties presenteren;
- een merk eerst noemen maar later een ander merk aanbevelen.
Daarom bestaat er niet altijd een universele:
“AI ranking position.”
AI Position Tracking moet dus voorzichtig worden gedefinieerd.
Wat meten we dan precies?
In plaats van te doen alsof ieder AI-antwoord een traditionele ranking bevat, kan AI Monitor Brand verschillende soorten positionele signalen vastleggen.
Bijvoorbeeld:
Explicit List Position
Het merk staat op positie 1, 2, 3 enzovoort in een genummerde lijst.
Recommendation Order
Het merk is de eerste, tweede of derde duidelijk aanbevolen oplossing.
Mention Order
Het merk is het eerste, tweede of derde merk dat in het antwoord wordt genoemd.
Primary Recommendation
Het AI-systeem presenteert één merk duidelijk als primaire keuze.
Top Group Inclusion
Het merk staat in een expliciete shortlist, bijvoorbeeld “de drie beste opties”.
Deze signalen moeten niet zonder context op één hoop worden gegooid.
Waarom positie belangrijk is
Vergelijk twee merken.
Merk A
Mention Rate:
62%
Average Position:
1,8
Merk B
Mention Rate:
67%
Average Position:
4,2
Merk B wordt iets vaker genoemd.
Maar Merk A verschijnt veel prominenter.
Wanneer alleen Mention Rate wordt bekeken, lijkt Merk B sterker.
Position Tracking laat zien dat de werkelijkheid genuanceerder is.
Mention Rate versus Position
Mention Rate beantwoordt:
Hoe vaak verschijnt mijn merk?
Position Tracking beantwoordt:
Waar verschijnt mijn merk wanneer het zichtbaar is?
Beide metrics zijn nodig.
Een merk kan:
lage Mention Rate + hoge positie
of:
hoge Mention Rate + lage positie
hebben.
Dat zijn verschillende situaties.
Recommendation Rate versus Position
Hetzelfde geldt voor recommendations.
Bijvoorbeeld:
| Merk | Recommendation Rate | Avg. Position |
|---|---|---|
| Uw merk | 41% | 3,4 |
| Concurrent A | 39% | 1,7 |
| Concurrent B | 27% | 2,9 |
Uw merk wordt het vaakst aanbevolen.
Maar Concurrent A staat gemiddeld veel hoger.
Wie heeft de sterkste commerciële visibility?
Dat hangt af van de context.
Daarom moeten beide metrics beschikbaar zijn.
Wat is Average AI Position?
De eenvoudigste position metric is:
Average AI Position
Stel dat uw merk in vijf relevante recommendation lists verschijnt op:
2, 4, 1, 3, 5
Dan:
2 + 4 + 1 + 3 + 5 = 15
15 ÷ 5 = 3
Average Position:
3,0
Uw merk verschijnt gemiddeld op de derde positie.
Een groter voorbeeld
Uw merk verschijnt in 100 recommendation answers.
Verdeling:
Position 1: 18 keer
Position 2: 24 keer
Position 3: 27 keer
Position 4: 19 keer
Position 5: 12 keer
Gemiddelde positie kan vervolgens worden berekend over deze observations.
Maar alleen het gemiddelde vertelt niet alles.
Daarom is ook de position distribution belangrijk.
Position Distribution
Een dashboard kan bijvoorbeeld tonen:
#1 — 18%
#2 — 24%
#3 — 27%
#4 — 19%
#5+ — 12%
Hiermee ziet u onmiddellijk hoe de visibility verdeeld is.
Waarom een gemiddelde misleidend kan zijn
Stel:
Merk A:
50% positie 1
50% positie 5
Gemiddeld:
3,0
Merk B:
100% positie 3
Gemiddeld:
3,0
Beide hebben dezelfde Average Position.
Maar hun gedrag is totaal verschillend.
Daarom moeten dashboards naast gemiddelde positie ook de verdeling tonen.
Median AI Position
Een aanvullende metric is:
Median Position
Dit is de middelste positie wanneer alle observations worden gerangschikt.
De mediaan is minder gevoelig voor extreme uitschieters dan het gemiddelde.
Voor grotere datasets kan het nuttig zijn beide te tonen.
Top-1 Recommendation Rate
Een bijzonder begrijpelijke metric is:
Top-1 Recommendation Rate
Deze meet hoe vaak uw merk als eerste recommendation verschijnt.
Formule:
Aantal relevante answers waarin uw merk als eerste recommendation verschijnt ÷ totaal aantal relevante answers × 100
Voorbeeld:
200 high-intent answers.
Uw merk staat 34 keer als eerste recommendation.
34 ÷ 200 × 100 = 17%
Top-1 Recommendation Rate:
17%
Top-3 Inclusion Rate
Veel AI-antwoorden geven meerdere aanbevelingen.
Daarom is:
Top-3 Inclusion Rate
vaak bijzonder bruikbaar.
Formule:
Aantal relevante answers waarin uw merk binnen de eerste drie recommendations verschijnt ÷ totaal aantal relevante answers × 100
Voorbeeld:
200 answers.
Uw merk verschijnt 82 keer in de Top 3.
82 ÷ 200 × 100 = 41%
Top-3 Inclusion Rate:
41%
Top-5 Inclusion Rate
Voor categorieën met langere shortlists kan ook:
Top-5 Inclusion Rate
worden gebruikt.
Dit kan vooral interessant zijn in markten waar AI regelmatig langere productlijsten genereert.
Waarom Top-3 vaak beter uitlegbaar is
Een marketingmanager begrijpt onmiddellijk:
“Ons merk staat bij 43% van de relevante AI-antwoorden in de eerste drie recommendations.”
Dat is concreter dan:
“Onze Position Score is 72.”
Daarom zou ik Top-3 Inclusion Rate prominent gebruiken in AI Monitor Brand.
Primary Recommendation Rate
Soms geeft AI geen genummerde lijst maar wel één duidelijke voorkeurskeuze.
Bijvoorbeeld:
Voor een Nederlands bedrijf met ongeveer 100 medewerkers zou Product A waarschijnlijk de beste keuze zijn vanwege…
Product A is hier de:
Primary Recommendation
Ook zonder genummerde positie.
Daarom kan AI Monitor Brand een aparte:
Primary Recommendation Rate
meten.
Mention Order
Niet ieder antwoord bevat recommendations.
Daarom kan ook de volgorde van merkmentions worden gemeten.
Bijvoorbeeld:
Populaire opties zijn HubSpot, Salesforce, Pipedrive en Zoho CRM.
Mention order:
HubSpot = 1
Salesforce = 2
Pipedrive = 3
Zoho = 4
Dit is een objectieve observatie.
Maar:
eerder genoemd betekent niet automatisch beter aanbevolen.
Daarom moet Mention Order niet gelijk worden gesteld aan Recommendation Position.
Recommendation Position versus Mention Position
Dat verschil is essentieel.
Een antwoord kan beginnen met:
Salesforce is één van de bekendste CRM-systemen, maar voor een Nederlands mkb-bedrijf zou ik eerder HubSpot of Pipedrive adviseren.
Mention order:
- Salesforce
- HubSpot
- Pipedrive
Recommendation preference:
- HubSpot / Pipedrive
- Salesforce lager of niet aanbevolen
Wanneer alleen mention order wordt gebruikt, zou u de verkeerde conclusie trekken.
AI Position Classification
Een goed systeem moet daarom eerst bepalen welk type antwoord aanwezig is.
Bijvoorbeeld:
Ranked List
Duidelijke 1, 2, 3-rangorde.
Ordered Recommendations
Recommendations verschijnen in volgorde, maar zonder expliciete ranking.
Unordered Shortlist
Meerdere opties zonder duidelijke voorkeur.
Primary Recommendation
Eén merk wordt duidelijk geprefereerd.
Narrative Mention
Merken verschijnen alleen in lopende tekst.
Pas daarna bepaalt u welke position metrics zinvol zijn.
Position Confidence
Omdat niet ieder antwoord even duidelijk is, kan later een:
Position Confidence Score
worden toegevoegd.
Bijvoorbeeld:
Explicit numbered list:
High Confidence
Clear ordered recommendations:
Medium/High
Narrative comparison:
Medium
Ambiguous mention:
Low
Zo voorkomt u dat onduidelijke tekst wordt behandeld alsof het een exacte ranking is.
AI Position Score
Om verschillende posities te normaliseren kan een:
AI Position Score
worden gebruikt.
Bijvoorbeeld:
Position 1 = 100 punten
Position 2 = 80
Position 3 = 60
Position 4 = 40
Position 5 = 20
Niet zichtbaar = 0
Dit is slechts een voorbeeld.
De exacte gewichten zijn een productkeuze.
Belangrijker is dat de formule transparant is.
Waarom Position Score handig kan zijn
Average Position werkt alleen wanneer het merk daadwerkelijk voorkomt.
Position Score kan ook afwezigheid meenemen.
Stel:
Merk A verschijnt slechts 10 keer, maar altijd op positie 1.
Merk B verschijnt 80 keer, meestal op positie 3.
Wanneer alleen Average Position wordt gebruikt:
Merk A lijkt veel beter.
Maar Merk A is bijna nooit zichtbaar.
Een normalized score kan frequency en prominence beter combineren.
Frequency en Position moeten niet worden verward
Een andere oplossing is juist om metrics gescheiden te houden.
Bijvoorbeeld:
Mention Rate: 54%
Recommendation Rate: 37%
Average Recommendation Position: 2,4
Top-3 Inclusion Rate: 31%
Dat is zeer transparant.
Voor de MVP van AI Monitor Brand zou ik deze aanpak prefereren boven één complexe position score.
Competitor Position Tracking
Position Tracking wordt pas echt interessant wanneer u concurrenten vergelijkt.
Bijvoorbeeld:
| Merk | Mention Rate | Recommendation Rate | Avg. Position |
|---|---|---|---|
| Concurrent A | 62% | 48% | 1,7 |
| Uw merk | 58% | 41% | 2,8 |
| Concurrent B | 49% | 33% | 3,4 |
Nu ziet u niet alleen wie vaak voorkomt.
U ziet ook wie meestal het meest prominent verschijnt.
Vergelijk uw merk met twee concurrenten
Dit sluit direct aan op de kernfunctionaliteit van AI Monitor Brand.
De gebruiker kiest:
Uw merk
Concurrent 1
Concurrent 2
Vervolgens kan het dashboard tonen:
| Metric | Uw merk | Concurrent 1 | Concurrent 2 |
|---|---|---|---|
| Mention Rate | 58% | 62% | 49% |
| Recommendation Rate | 41% | 48% | 33% |
| Average Position | 2,8 | 1,7 | 3,4 |
| Top-1 Rate | 18% | 31% | 12% |
| Top-3 Inclusion | 39% | 52% | 29% |
Dit geeft een veel completer competitive picture.
Wat is een Position Gap?
Een Position Gap is het verschil tussen uw gemiddelde positionele performance en die van een concurrent.
Bijvoorbeeld:
Uw Average Position:
3,4
Concurrent A:
1,9
Gap:
1,5 positie
Dit kan worden weergegeven als:
Position Gap vs Competitor A: −1,5
Omdat lager numeriek beter is.
Om verwarring te voorkomen kan het dashboard ook zeggen:
Concurrent A appears gemiddeld 1,5 positie hoger.
Dat is begrijpelijker.
Top-1 Gap
Ook Top-1 Rates kunnen worden vergeleken.
Uw Top-1 Rate:
14%
Concurrent A:
36%
Top-1 Gap:
22 procentpunt
Dit kan commercieel veel relevanter zijn dan een klein verschil in gemiddelde positie.
Top-3 Gap
Bijvoorbeeld:
Uw Top-3 Inclusion:
42%
Concurrent A:
67%
Gap:
25 procentpunt
Dit is een duidelijke competitive prominence gap.
Position Tracking per AI-platform
Uw positie kan per platform sterk verschillen.
Bijvoorbeeld:
| Platform | Avg. Position |
|---|---|
| ChatGPT | 2,1 |
| Gemini | 3,4 |
| Claude | 2,8 |
| Perplexity | 4,2 |
Perplexity vormt hier een duidelijke position weakness.
Platform Position Comparison
Vergelijk vervolgens met Concurrent A:
| Platform | Uw merk | Concurrent A |
|---|---|---|
| ChatGPT | 2,1 | 2,3 |
| Gemini | 3,4 | 1,8 |
| Claude | 2,8 | 2,4 |
| Perplexity | 4,2 | 1,9 |
Nu wordt duidelijk waar de grootste competitive gaps liggen.
Position Tracking per onderwerp
Een algemene gemiddelde positie kan belangrijke verschillen verbergen.
Bijvoorbeeld:
| Topic | Uw Avg. Position |
|---|---|
| CRM voor mkb | 1,9 |
| CRM voor accountants | 3,8 |
| CRM-integraties | 2,4 |
| Salesforce alternatief | 4,1 |
| CRM voor consultancy | 2,2 |
Hier zijn:
CRM voor accountants
en:
Salesforce alternatief
duidelijke position opportunities.
Topic Position Gap
Vergelijk bijvoorbeeld:
CRM voor accountants
Uw positie: 3,8
Concurrent A: 1,5
Gap:
2,3 posities
Dat is veel concreter dan alleen zeggen dat Concurrent A “zichtbaarder” is.
Position Tracking per intentie
Prominence bij een informatieve vraag is niet hetzelfde als prominence bij een commerciële recommendation.
Daarom kan Position Tracking worden uitgesplitst naar:
- informational;
- problem awareness;
- solution discovery;
- comparison;
- purchase/recommendation.
Vooral de laatste twee zijn commercieel interessant.
High-Intent Position Tracking
Combineer Artikel 12 met Position Tracking.
Bijvoorbeeld:
Overall Average Position
2,7
High-Intent Average Position
4,1
Uw merk presteert dus redelijk in algemene antwoorden maar zwakker wanneer gebruikers daadwerkelijk leveranciers selecteren.
Dat is een belangrijk signaal.
High-Intent Top-3 Inclusion
Een zeer sterke commerciële KPI kan zijn:
High-Intent Top-3 Inclusion Rate
Deze beantwoordt:
Hoe vaak staat ons merk bij de eerste drie recommendations wanneer een gebruiker een commerciële keuze probeert te maken?
Bijvoorbeeld:
Uw merk: 28%
Concurrent A: 61%
Concurrent B: 37%
Dat verschil is onmiddellijk begrijpelijk.
Unbranded Position Tracking
Combineer dit vervolgens met Artikel 13.
Bij branded prompts is position vaak minder interessant omdat de gebruiker het merk al noemt.
Unbranded prompts zijn competitiever.
Daarom kan een:
Unbranded Average Position
worden berekend.
Nog interessanter:
Unbranded High-Intent Position
Dit meet waar uw merk verschijnt wanneer:
- de gebruiker uw merk niet noemt;
- de prompt commerciële intentie heeft.
Dat is een zeer sterke AI discovery metric.
Voorbeeld
Prompt:
Welke drie CRM-systemen zou u aanbevelen voor Nederlandse accountantskantoren?
Geen merknaam.
Sterke commerciële intentie.
Antwoord:
- Concurrent A
- Concurrent B
- Uw merk
Dit levert op:
Unbranded: ja
High Intent: ja
Recommended: ja
Position: 3
Top-3: ja
Top-1: nee
Dat is precies het soort observation dat AI Monitor Brand moet opslaan.
Position Tracking per persona
Bijvoorbeeld:
| Persona | Avg. Position |
|---|---|
| Marketingmanager | 2,1 |
| Salesmanager | 2,8 |
| CFO | 4,3 |
| Procurement | 3,9 |
Wanneer CFO en Procurement belangrijke doelgroepen zijn, bestaat daar een duidelijke prominence weakness.
Position Tracking per branche
Bijvoorbeeld:
Zakelijke dienstverlening: 1,9
IT: 2,3
Financiële dienstverlening: 3,1
Zorg: 4,2
Ook dit kan positioneringsproblemen blootleggen.
Position Tracking per bedrijfsgrootte
Bijvoorbeeld:
Small Business: 1,8
Mid-Market: 2,4
Enterprise: 4,5
AI lijkt uw merk vooral voor kleinere organisaties prominent te vinden.
Wanneer uw commerciële strategie enterprise is, verdient dit nader onderzoek.
Position Tracking en AI Category Association
Positie kan ook iets zeggen over de categorieën waarin AI uw merk sterk positioneert.
Bijvoorbeeld:
Contract Renewal Software: Avg. Position 1,6
Contract Management: 3,2
Procurement Software: 4,8
Uw merk lijkt veel sterker geassocieerd met Contract Renewal dan met Procurement.
Dat kan aansluiten bij uw strategie — of juist een gap blootleggen.
Historical Position Tracking
De echte waarde ontstaat wanneer positie over tijd wordt gevolgd.
Bijvoorbeeld:
| Maand | Avg. Position |
|---|---|
| Januari | 3,8 |
| Februari | 3,5 |
| Maart | 3,1 |
| April | 2,7 |
| Mei | 2,4 |
Uw gemiddelde positie verbetert structureel.
Position Improvement
AI Monitor kan een event markeren wanneer een merk significant stijgt.
Bijvoorbeeld:
Vorige periode:
Avg. Position 3,8
Nieuwe periode:
2,6
Resultaat:
Position Improvement: +1,2
Let op: omdat positie 1 beter is dan 4, moet de UI duidelijk aangeven wat “verbetering” betekent.
Position Loss
Andersom:
2,1 → 3,7
kan worden gemarkeerd als:
Position Loss: 1,6 posities
Dit is duidelijker dan een verwarrend positief/negatief getal.
Top-3 Wins en Losses
Nog concreter:
Vorige maand:
uw merk stond niet in Top 3.
Deze maand:
positie 2.
Top-3 Win
Of:
Vorige maand:
positie 1.
Deze maand:
positie 5.
Top-3 Loss
Deze events kunnen interessant zijn voor alerts.
Position Volatility
AI-antwoorden kunnen variëren.
Uw merk kan bijvoorbeeld achtereenvolgens verschijnen op:
1, 5, 2, 4, 1, 5, 3
De gemiddelde positie kan redelijk zijn, maar de variability is groot.
Daarom kan later een:
Position Volatility Score
worden toegevoegd.
Position Stability
Het tegenovergestelde:
2, 2, 3, 2, 2, 2, 3
Dit is veel stabieler.
Een:
Position Stability Score
kan daarom aanvullende context geven.
Waarom meerdere runs belangrijk zijn
Eén AI-antwoord is geen betrouwbare marktbenchmark.
Generatieve systemen kunnen verschillende antwoorden produceren.
Daarom is het verstandig belangrijke prompts meerdere keren of periodiek uit te voeren.
Dan kunt u onderscheid maken tussen:
een incidentele positie
en:
een structureel positioneel patroon.
Position Confidence op basis van observations
Een dashboard kan bijvoorbeeld tonen:
Average Position: 2,3
Observations: 184
Position Stability: High
Dat is veel informatiever dan alleen:
Position 2.
Position Tracking en citations
Een hoge positie kan worden gecombineerd met citation analysis.
Bijvoorbeeld:
Concurrent A:
Avg. Position: 1,6
Citation Rate: 42%
Uw merk:
Avg. Position: 3,2
Citation Rate: 11%
Dit kan aanleiding zijn om de source ecosystemen verder te onderzoeken.
Maar het bewijst niet dat de hogere Citation Rate de betere position veroorzaakt.
Position Tracking en sentiment
Het eerste genoemde merk hoeft niet positief te worden besproken.
Bijvoorbeeld:
Product A is bekend, maar relatief complex. Voor kleinere bedrijven zijn Product B en Product C vaak praktischer.
Product A is het eerste merk.
Maar de recommendation context is minder positief.
Daarom moet position nooit zonder context worden geïnterpreteerd.
Position Tracking en Recommendation Context
Een volwassen systeem combineert:
Position
Recommendation status
Sentiment
Reason
Citation
Daarmee ontstaat een veel rijker beeld.
Position Tracking voor Nederlandse SaaS-bedrijven
Een SaaS-bedrijf kan bijvoorbeeld monitoren:
Beste CRM voor Nederlandse bedrijven.
Beste HR-software voor het mkb.
Alternatieven voor Salesforce.
Beste contractmanagementsoftware.
Welke software zou u aanbevelen voor procurement?
Vervolgens meet het bedrijf niet alleen of het verschijnt, maar op welke plaats.
Position Tracking voor IT-dienstverleners
Een Nederlandse Intune-specialist kan bijvoorbeeld vragen:
Welke Microsoft Intune-specialisten zijn actief in Nederland?
AI antwoord:
- Concurrent A
- Uw bedrijf
- Concurrent B
Daarna:
Wie kan Windows Autopilot implementeren?
- Uw bedrijf
- Concurrent A
- Concurrent B
Over tientallen prompts ontstaat een echte competitive position dataset.
Position Tracking voor agencies
Marketing-, SEO- en GEO-bureaus kunnen deze metric gebruiken voor klantreporting.
Bijvoorbeeld:
High-Intent Top-3 Inclusion
Vorige maand: 24%
Deze maand: 37%
Average Recommendation Position
Vorige maand: 3,4
Deze maand: 2,7
Gap to Competitor
Vorige maand: 1,6 positie
Deze maand: 0,8
Dat maakt vooruitgang tastbaar.
AI Position Tracking versus AI Share of Voice
Deze metrics beantwoorden verschillende vragen.
AI Share of Voice
Welk aandeel van de totale gemeten merkzichtbaarheid heeft u?
AI Position Tracking
Hoe prominent verschijnt u wanneer u zichtbaar bent?
Een merk kan hoge SOV maar zwakke average position hebben.
Of lage SOV maar zeer sterke positions binnen een niche.
Beide zijn strategisch interessant.
AI Position Tracking versus AI Visibility Score
Een Visibility Score combineert meerdere signalen.
Position Tracking is één onderliggende component.
Bijvoorbeeld:
Visibility Score: 72
opgebouwd uit:
Mention Rate
Recommendation Rate
Share of Voice
Position
Citations
De gebruiker moet altijd kunnen doorklikken van de score naar de positionele data.
AI Position Tracking versus Google Rank Tracking
Een belangrijke waarschuwing voor de marketingpositionering van AI Monitor Brand:
Noem AI Position Tracking niet simpelweg:
“Google Rank Tracking voor ChatGPT.”
Dat suggereert te veel stabiliteit en een universele rankingstructuur die generatieve antwoorden niet noodzakelijk hebben.
Beter is:
AI Recommendation Position Tracking
of:
AI Brand Position Tracking
waarbij duidelijk wordt uitgelegd dat posities worden afgeleid uit geobserveerde antwoordstructuren.
Geen universele AI-ranglijst
Er bestaat geen enkele universele lijst waarop een merk bijvoorbeeld:
#3 in ChatGPT
staat.
Positie is afhankelijk van:
- prompt;
- context;
- platform;
- model;
- taal;
- meetmoment;
- antwoordstructuur;
- mogelijk andere variabelen.
Daarom moet AI Monitor Brand altijd positionele metrics koppelen aan de gemeten dataset.
Goede formulering
Niet:
Uw bedrijf staat #2 in ChatGPT.
Maar:
Binnen de gemonitorde ChatGPT-antwoorden waarin uw merk werd aanbevolen, was de gemiddelde recommendation position 2,1.
Dat is methodologisch veel sterker.
Position Tracking Dashboard
Een praktisch dashboard kan bovenaan tonen:
Average Recommendation Position
2,6
Top-1 Recommendation Rate
21%
Top-3 Inclusion Rate
46%
High-Intent Top-3 Rate
34%
Unbranded Avg. Position
3,1
Position Gap to Leader
0,9 positie
Daaronder:
- position trend;
- position distribution;
- competitor comparison;
- platform comparison;
- topic comparison;
- high-intent positions;
- position wins/losses.
Vergelijking met twee concurrenten
De kernweergave van AI Monitor Brand kan bijvoorbeeld zijn:
AI Position Comparison
| Metric | Uw merk | Concurrent A | Concurrent B |
|---|---|---|---|
| Avg. Recommendation Position | 2,8 | 1,9 | 3,3 |
| Top-1 Rate | 19% | 34% | 14% |
| Top-3 Inclusion | 43% | 61% | 37% |
| High-Intent Avg. Position | 3,2 | 1,8 | 3,7 |
| Unbranded Avg. Position | 3,0 | 2,1 | 3,5 |
Hiermee ziet een gebruiker direct:
wie vaker bovenaan verschijnt wanneer AI merken aanbeveelt.
Wat moet de MVP meten?
Voor de MVP zou ik Position Tracking bewust eenvoudig houden.
Per AI-answer:
- prompt;
- platform;
- merk;
- mentioned: ja/nee;
- recommended: ja/nee;
- explicit list position indien aanwezig;
- recommendation order indien betrouwbaar;
- mention order;
- top-1: ja/nee;
- top-3: ja/nee;
- branded/unbranded;
- high-intent: ja/nee;
- meetdatum.
Dat is voldoende om al zeer bruikbare position metrics te produceren.
Kernmetrics voor de MVP
Ik zou in de eerste versie tonen:
Average Recommendation Position
Top-1 Recommendation Rate
Top-3 Inclusion Rate
Position Distribution
Position per Platform
Position per Topic
Comparison with Two Competitors
Historical Position Trend
Meer complexe position scoring kan later.
Wat kan later worden toegevoegd?
Latere versies kunnen uitbreiden met:
- Median Position;
- Position Score;
- Position Confidence;
- Position Stability;
- Position Volatility;
- High-Intent Position Score;
- Unbranded Position Score;
- persona position;
- industry position;
- geographic position;
- automatic position alerts;
- Position Opportunity Score.
Maar deze functionaliteit hoeft de MVP niet te vertragen.
AI Position Tracking en GEO
Position Tracking kan uiteindelijk een belangrijke GEO-metric worden.
Bijvoorbeeld:
Baseline:
Unbranded High-Intent Avg. Position: 3,8
Na optimalisatie:
3,1
Later:
2,5
Tegelijkertijd:
Top-3 Inclusion:
24% → 37% → 49%
Dat levert een veel concretere optimalisatiecyclus op dan alleen:
“We denken dat onze AI visibility beter wordt.”
Van visibility naar prominence
AI Brand Monitoring ontwikkelt zich daarmee in verschillende stappen.
Eerst vraagt u:
Wordt mijn merk genoemd?
Daarna:
Wordt mijn merk aanbevolen?
Vervolgens:
Hoe vaak?
Daarna:
Hoe groot is mijn Share of Voice?
En vervolgens:
Hoe prominent verschijnt mijn merk ten opzichte van concurrenten?
Dat laatste is het domein van AI Position Tracking.
De commerciële kernvraag
Voor een potentiële klant van AI Monitor Brand kan de vraag zeer eenvoudig worden geformuleerd:
Wanneer AI uw markt vergelijkt, verschijnt uw bedrijf dan vóór of ná uw belangrijkste concurrenten?
Daarmee wordt Position Tracking direct begrijpelijk.
Meet niet alleen of u zichtbaar bent. Meet hoe prominent u zichtbaar bent.
Een merk op positie vijf en een merk dat structureel als eerste recommendation verschijnt, hebben niet dezelfde AI visibility.
Daarom moet een volwassen AI Brand Monitor verder kijken dan mentions.
Met AI Monitor Brand kunt u uw merk vergelijken met twee belangrijke concurrenten en onderzoeken:
- hoe vaak u wordt genoemd;
- hoe vaak u wordt aanbevolen;
- op welke positie u verschijnt;
- hoe vaak u de eerste recommendation bent;
- hoe vaak u in de Top 3 staat;
- waar concurrenten hoger verschijnen;
- welke topics de grootste Position Gaps hebben;
- hoe uw positie over tijd verandert.
Zichtbaarheid vertelt of u aanwezig bent. Positie vertelt hoe prominent die aanwezigheid is.
Veelgestelde vragen over AI Position Tracking
Wat is AI Position Tracking?
AI Position Tracking meet waar een merk of product voorkomt binnen relevante AI-antwoorden en recommendations, bijvoorbeeld als eerste, tweede of derde aanbevolen oplossing.
Is AI Position Tracking hetzelfde als Google Rank Tracking?
Nee. Generatieve AI-antwoorden hebben niet altijd een vaste of expliciete rangorde. Position Tracking moet daarom rekening houden met de structuur en context van het antwoord.
Wat is Average AI Position?
Dit is de gemiddelde geobserveerde positie van een merk binnen antwoorden waarin een interpreteerbare positionele structuur aanwezig is.
Wat is Top-1 Recommendation Rate?
Dit meet hoe vaak een merk als eerste of primaire recommendation verschijnt binnen de relevante gemeten antwoorden.
Wat is Top-3 Inclusion Rate?
Dit meet hoe vaak uw merk bij de eerste drie recommendations voorkomt.
Wat is het verschil tussen Mention Order en Recommendation Position?
Mention Order meet de volgorde waarin merken worden genoemd. Recommendation Position probeert te meten welke positie een merk binnen daadwerkelijke recommendations heeft. Deze twee kunnen verschillen.
Wat is een Position Gap?
Een Position Gap is het verschil tussen de positionele performance van uw merk en die van een concurrent.
Waarom is positie belangrijk als mijn merk al vaak wordt genoemd?
Omdat twee merken dezelfde Mention Rate kunnen hebben terwijl één merk structureel als eerste recommendation verschijnt en het andere veel lager.
Kan ik mijn AI Position vergelijken met concurrenten?
Ja. U kunt bijvoorbeeld Average Position, Top-1 Rate en Top-3 Inclusion Rate vergelijken met dezelfde metrics van concurrenten.
Kan AI Monitor Brand mijn positie vergelijken met twee concurrenten?
Ja, dit past rechtstreeks bij de kernfunctionaliteit: dezelfde prompts kunnen worden gebruikt om uw merk en twee geselecteerde concurrenten op mentions, recommendations en positions te vergelijken.
Wat is High-Intent AI Position Tracking?
Dit meet de positie van uw merk uitsluitend bij prompts met sterke commerciële of aankoopintentie.
Wat is Unbranded AI Position Tracking?
Dit meet uw positie bij prompts waarin de gebruiker uw merknaam niet vooraf noemt.
Waarom zijn meerdere metingen nodig?
AI-antwoorden kunnen variëren. Meerdere observations en historische metingen geven daarom een betrouwbaarder beeld dan één losse prompt.
Kan een eerste mention toch een slechte recommendation zijn?
Ja. Een merk kan als eerste worden genoemd maar vervolgens negatief of minder geschikt worden beoordeeld. Daarom moet position altijd samen met recommendation context worden geïnterpreteerd.
Bestaat er een universele ChatGPT-ranking voor merken?
Nee. Een gemeten positie geldt binnen een specifieke promptset, platformcontext en meetperiode en moet niet worden gepresenteerd als een universele ranking.