Stel dat een potentiële klant aan een AI-assistent vraagt:

Welke AI Brand Monitoring-tool zou u aanbevelen voor een Nederlands B2B SaaS-bedrijf?

Het antwoord noemt uw merk.

Dat is positief.

Maar bij een andere vraag:

Welke AI Visibility-tool is geschikt voor een enterprise-organisatie die vooral competitor monitoring en reporting nodig heeft?

wordt Concurrent A aanbevolen.

Uw merk wordt misschien genoemd, maar niet aanbevolen.

Of uw merk ontbreekt volledig.

Daar ontstaat een belangrijk verschil in competitive recommendation visibility:

een AI Recommendation Gap.

Een AI Recommendation Gap ontstaat wanneer uw merk binnen een relevante recommendation opportunity niet wordt aanbevolen, terwijl één of meerdere concurrenten wel een recommendation krijgen.

De centrale vraag is:

Bij welke commerciële AI-vragen adviseert AI onze concurrenten, maar niet ons merk?

Dat maakt Recommendation Gap Analysis een van de meest actiegerichte vormen van AI Brand Monitoring.

Wat is een AI Recommendation Gap?

Een eenvoudige definitie:

AI Recommendation Gap = een relevante recommendation opportunity waarin competitor(s) worden aanbevolen terwijl uw merk niet wordt aanbevolen.

Bijvoorbeeld:

Prompt:

Welke software zou u aanbevelen om AI Share of Voice te meten?

Response:

Concurrent A — recommended.

Concurrent B — recommended.

Uw merk — mentioned only.

Resultaat:

Recommendation Gap.

Uw merk hoeft niet volledig afwezig te zijn

Dit is een belangrijk onderscheid met Discovery Gaps.

Uw merk kan namelijk:

wel worden genoemd

maar:

niet worden aanbevolen.

Voorbeeld

Product A, Product B en uw merk zijn platforms binnen deze markt. Voor de meeste Nederlandse marketingteams zou ik Product A of Product B als eerste bekijken.

Uw merk heeft:

Mention — Yes.

Consideration — mogelijk.

Recommendation — No.

A — Recommended.

B — Recommended.

Daarom bestaat voor uw merk:

een Recommendation Gap.

Recommendation Gap versus Discovery Gap

Artikel 40 behandelde:

AI Discovery Gap.

Discovery Gap:

Competitor wordt spontaan ontdekt terwijl uw merk ontbreekt.

Recommendation Gap:

Competitor wordt aanbevolen terwijl uw merk niet wordt aanbevolen.

Dat kan ook gebeuren wanneer uw merk wél zichtbaar is.

De funnel maakt het verschil duidelijk

Discovery

↓

Consideration

↓

Shortlist

↓

Recommendation

↓

Preference

↓

Win

Een merk kan iedere eerdere stage bereiken en toch bij Recommendation uitvallen.

Voorbeeld

Uw merk:

Discovered — Yes.

Considered — Yes.

Shortlisted — Yes.

Recommended — No.

Concurrent A:

Discovered — Yes.

Considered — Yes.

Shortlisted — Yes.

Recommended — Yes.

Dit is een:

Shortlist-to-Recommendation Gap.

Recommendation Gap versus Recommendation Rate

Artikel 6 behandelde:

Recommendation Rate.

Recommendation Rate vraagt:

Hoe vaak worden we aanbevolen?

Recommendation Gap vraagt:

Bij welke concrete opportunities worden competitors aanbevolen terwijl wij geen recommendation krijgen?

De eerste is een KPI.

De tweede is een diagnostic opportunity.

Recommendation Gap versus Recommendation Share of Voice

Artikel 42 behandelde:

Recommendation Share of Voice.

Recommendation SOV vraagt:

Welk aandeel van competitive recommendations krijgen we?

Recommendation Gap vraagt:

Waar verliezen we individuele recommendation opportunities aan competitors?

Samen geven ze:

performance + diagnosis.

Recommendation Gap Rate

Een eenvoudige metric:

Recommendation Gap Rate = eligible recommendation opportunities waarin competitor(s) worden aanbevolen en uw merk niet ÷ totaal eligible recommendation opportunities × 100

Voorbeeld

500 eligible recommendation prompts.

Bij:

145

wordt minimaal één competitor aanbevolen terwijl uw merk niet wordt aanbevolen.

Recommendation Gap Rate:

29%

Wat betekent 29%?

Binnen de gekozen dataset bestond bij 29% van de eligible recommendation opportunities een competitive recommendation gap.

Het betekent niet:

Uw merk verliest 29% van alle potentiële klanten.

Dat kunnen we niet concluderen.

Recommendation Gap Count

Ook nuttig:

Recommendation Gap Count.

Bijvoorbeeld:

145 gaps.

Maar count moet altijd samen met:

• total opportunities;
• rate;
• timeframe;

worden getoond.

Waarom de denominator belangrijk is

50 gaps uit:

100 prompts

is ernstig.

50 gaps uit:

2.000 prompts

is iets heel anders.

Daarom moet de denominator altijd zichtbaar zijn.

Competitor-Specific Recommendation Gap

Bij hoeveel opportunities wordt specifiek:

Concurrent A

aanbevolen terwijl uw merk niet wordt aanbevolen?

Dit geeft:

Recommendation Gap vs A.

Formule

Competitor-Specific Recommendation Gap Rate = opportunities waarin competitor X wordt aanbevolen en uw merk niet ÷ eligible recommendation opportunities × 100

Voorbeeld

Gap vs A:

24%.

Gap vs B:

13%.

Dan is A duidelijk de grootste recommendation competitor.

Multi-Competitor Recommendation Gap

Nog sterker:

A recommended.

B recommended.

Uw merk not recommended.

Dit is:

Multi-Competitor Recommendation Gap.

Waarom dit een sterk signaal is

AI kent blijkbaar meerdere geschikte brands voor de vraag.

Maar uw merk behoort niet tot de recommended set.

Dat is vaak interessanter dan een response waarin slechts één niche competitor verschijnt.

Mention-to-Recommendation Gap

Een zeer belangrijke variant:

uw merk wordt genoemd maar niet aanbevolen.

Dit noemen we:

Mention-to-Recommendation Gap.

Voorbeeld

Uw Mention Rate:

72%.

Recommendation Rate:

29%.

Verschil:

43 procentpunt.

Dit betekent niet dat iedere mention een recommendation opportunity was.

Daarom moet een echte conversion gap alleen over eligible observations worden berekend.

Eligible Mention-to-Recommendation Conversion

Bijvoorbeeld:

Uw merk wordt binnen:

300 eligible recommendation responses

genoemd.

Daarvan krijgt het:

135 recommendations.

Mention-to-Recommendation Conversion:

45%

Concurrent A

Mentioned:

Recommended:

Conversion:

70%.

Dan bestaat een duidelijke competitive conversion gap.

Mention-to-Recommendation Conversion Gap

Uw merk:

45%.

A:

70%.

Gap:

−25 pp.

Dat vertelt:

Wanneer beide brands in relevante selection contexts voorkomen, converteert A veel vaker van mention naar recommendation.

Dat is een zeer waardevol inzicht.

Consideration-to-Recommendation Gap

Uw merk wordt:

considered,

maar onvoldoende vaak recommended.

Voorbeeld

Consideration appearances:

Recommendations:

Conversion:

50%.

A:

Consideration:

Recommendations:

Conversion:

75%.

Competitive gap:

−25 pp.

Shortlist-to-Recommendation Gap

Nog sterker.

Uw merk bereikt de shortlist.

Maar A krijgt vaker de daadwerkelijke recommendation.

Voorbeeld

Uw merk:

Shortlist — 180.

Recommendation — 90.

Conversion — 50%.

A:

Shortlist — 220.

Recommendation — 176.

Conversion — 80%.

Gap:

−30 pp.

Hier ligt waarschijnlijk een belangrijke selection bottleneck.

Recommendation Bottleneck

Wanneer discovery, consideration en shortlist redelijk sterk zijn maar Recommendation Rate duidelijk terugvalt:

Recommendation Bottleneck.

Voorbeeld funnel

Tot shortlist is het verschil beperkt.

Daarna:

grote divergence.

Dat wijst op een:

Recommendation-Stage Gap.

Waarom dit belangrijk is

Als het probleem bij recommendation zit, heeft “meer discovery” mogelijk niet de hoogste prioriteit.

Uw merk komt al in beeld.

Het probleem is:

AI selecteert uw merk onvoldoende vaak als aanbevolen oplossing.

Dat vraagt een andere analyse.

High-Intent Recommendation Gap

Een van de belangrijkste varianten:

High-Intent Recommendation Gap.

Voorbeeld

Welke AI Brand Monitoring-tool zou u kiezen voor een Nederlands bedrijf met 200 medewerkers?

A:

Recommended.

Uw merk:

Not Recommended.

Dat is commercieel relevanter dan een algemene informational gap.

High-Intent Recommendation Gap Rate

Formule:

high-intent opportunities waarin competitor(s) recommended zijn en uw merk niet ÷ totaal high-intent recommendation opportunities × 100

Voorbeeld

Overall Recommendation Gap Rate:

24%.

High-Intent Recommendation Gap Rate:

41%.

Dit is een belangrijk signaal.

Uw recommendation weakness neemt toe wanneer selection intent sterker wordt.

Andersom

Overall:

36%.

High Intent:

17%.

Dan is uw brede recommendation visibility zwakker, maar presteert uw merk relatief goed bij commerciële selection prompts.

Commercial Recommendation Gap

Een managementvriendelijke naam:

Commercial Recommendation Gap.

Unbranded Recommendation Gap

De gebruiker noemt geen merken.

AI bepaalt zelfstandig welke oplossingen worden aanbevolen.

Competitor A:

recommended.

Uw merk:

not recommended.

Dit is:

Unbranded Recommendation Gap.

Waarom dit bijzonder belangrijk is

Hier heeft de gebruiker uw merk niet vooraf in consideration gebracht.

AI bepaalt de recommended set.

Als competitors daarin verschijnen en uw merk niet:

verliest u AI-driven acquisition visibility.

Branded Recommendation Gap

Prompt:

Vergelijk A, B en C. Welke zou u aanbevelen?

Uw merk zit expliciet in de comparison.

Maar competitor A wordt recommended.

Dat is:

Branded Competitive Recommendation Gap.

Unbranded versus Branded Gap

Voorbeeld:

Branded Recommendation Gap:

18%.

Unbranded Recommendation Gap:

43%.

Dan is uw merk veel sterker wanneer gebruikers het al kennen.

Het probleem ligt vooral bij:

AI-driven unbranded selection.

Discovery-to-Recommendation Gap

Uw merk wordt spontaan ontdekt.

Maar competitors worden uiteindelijk vaker recommended.

Dit geeft:

Discovery-to-Recommendation Gap.

Voorbeeld

Discovery Rate:

Uw merk — 51%.

A — 57%.

Recommendation Rate:

Uw merk — 24%.

A — 48%.

De discovery gap is klein.

De recommendation gap is groot.

Dat vertelt:

Het probleem zit niet primair in discovery.

Discovery-rich, Recommendation-poor

Dit kan worden gezien als een patroon:

High Discovery / Low Recommendation.

AI kent uw merk en introduceert het.

Maar ziet competitors vaker als de betere oplossing.

Dat is strategisch belangrijk.

Recommendation-rich Challenger

Andersom:

Discovery Rate:

Uw merk — 24%.

A — 52%.

Recommendation Rate:

Uw merk — 22%.

A — 31%.

Uw merk heeft veel minder discovery maar relatief sterke recommendation conversion.

Dan is discovery waarschijnlijk het grotere probleem.

Recommendation Gap per platform

Bijvoorbeeld:

Gemini heeft de grootste observed recommendation gap.

Platform-Specific Recommendation Gap

Dat betekent niet automatisch dat het platform uw merk “slechter vindt”.

Het betekent:

binnen de gemeten prompts en observations komt de gap daar vaker voor.

Cross-Platform Recommendation Gap

Dezelfde conceptuele recommendation gap verschijnt op meerdere platforms.

Bijvoorbeeld:

Enterprise AI Monitoring.

ChatGPT — Gap.

Gemini — Gap.

Claude — Gap.

Perplexity — Gap.

Dat is:

Cross-Platform Recommendation Gap.

Waarom Cross-Platform Gaps belangrijk zijn

Een eenmalige gap kan stochastic zijn.

Een recurring cross-platform gap is een sterker signaal.

Recommendation Gap Consistency

Meet hoe vaak dezelfde gap terugkomt.

Bijvoorbeeld:

10 repeated observations.

Competitor A recommended / uw merk not recommended:

8 keer.

Gap Consistency:

80%

Incidental Recommendation Gap

1 van 10.

Zwak signaal.

Recurring Recommendation Gap

6 van 10.

Sterker.

Structural Recommendation Gap

Bijvoorbeeld:

9 van 10 repeated runs.

Meerdere platforms.

Meerdere semantisch vergelijkbare prompts.

Dat kan worden geclassificeerd als:

Structural Recommendation Gap.

Recommendation Gap Severity

Een begrijpelijk model:

Low

Incidental / lage commerciële waarde.

Medium

Recurring of competitor-specific.

High

Recurring + high-intent.

Critical

High-intent + strategic + cross-platform + multiple competitors.

Dit is transparanter dan één obscure black-box score.

Recommendation Gap per topic

Bijvoorbeeld:

Nu wordt duidelijk waar de grootste recommendation weakness zit.

Maar grootste gap is niet automatisch hoogste prioriteit

Enterprise Analytics:

57%.

Maar misschien verkoopt u dat nauwelijks.

Competitor Monitoring:

24%.

Maar dat is uw belangrijkste product.

Dan kan Competitor Monitoring commercieel belangrijker zijn.

Strategic Recommendation Gap

Daarom:

Strategic Recommendation Gap

= recommendation gap binnen een commercieel belangrijke category, use case, persona of Decision Criterion.

Recommendation Gap Priority Matrix

Een eenvoudige aanpak:

Dit is praktisch.

Category Recommendation Gap

Bijvoorbeeld:

uw primaire category:

AI Brand Monitoring.

A wordt recommended:

62%.

Uw merk:

31%.

Dat geeft een grote:

Category Recommendation Gap.

Primary Category Recommendation Gap

Deze verdient vaak prioriteit omdat de category onderdeel is van uw kernpositionering.

Secondary Category Recommendation Gap

Bijvoorbeeld:

AI Reputation Monitoring.

GEO Tools.

Citation Tracking.

Ook relevant, maar mogelijk lagere prioriteit.

Use-Case Recommendation Gap

Bijvoorbeeld:

Competitor Comparison — 8%.

Share of Voice — 14%.

Citation Monitoring — 29%.

Agency Reporting — 37%.

Enterprise Governance — 55%.

Dit geeft een duidelijk use-case profile.

Persona Recommendation Gap

Marketingmanager — 17%.

SEO-specialist — 13%.

Brand Manager — 22%.

CMO — 39%.

Enterprise Procurement — 51%.

Nu ziet u bij welke buyer persona’s competitors vaker worden aanbevolen.

Company-Size Recommendation Gap

SMB:

11%.

Mid-market:

23%.

Enterprise:

49%.

Dit kan wijzen op een belangrijke enterprise recommendation weakness.

Industry Recommendation Gap

Technology:

16%.

Professional Services:

21%.

Retail:

32%.

Financial Services:

47%.

Healthcare:

51%.

Dit geeft:

Industry Recommendation Gap Analysis.

Geographic Recommendation Gap

Nederland:

17%.

België:

29%.

Duitsland:

41%.

International English:

46%.

Dit kan international expansion issues zichtbaar maken.

Dutch Recommendation Gap

Voor AI Monitor Brand is vooral interessant:

Bij welke Nederlandse recommendation prompts worden competitors aanbevolen terwijl uw merk niet wordt geadviseerd?

Dit is:

Dutch Recommendation Gap.

Language Recommendation Gap

Nederlandse prompts:

19%.

Engelstalige prompts:

38%.

Dat is een:

Language Recommendation Gap.

Recommendation Gap per Decision Criterion

Artikel 33 behandelde Decision Criteria.

Hier wordt het bijzonder interessant.

Voorbeeld

Nu ziet u precies bij welke criteria A recommendation advantage heeft.

Criterion Recommendation Gap

Dit kan worden genoemd:

Decision-Criterion Recommendation Gap.

Waarom dit commercieel sterk is

Een algemene score zegt:

A wordt vaker aanbevolen.

Criterion analysis zegt:

A wordt vooral aanbevolen wanneer Security, Enterprise Readiness en Integrations belangrijk zijn.

Dat is veel bruikbaarder.

Recommendation Gap en Recommendation Reasons

Artikel 30 behandelde Recommendation Reasons.

Bij een gap kunt u onderzoeken:

Welke redenen gebruikt AI om de competitor wél aan te bevelen?

Voorbeeld

Prompt:

Welke oplossing is geschikt voor een enterprise-organisatie?

A recommended because:

• security;
• integrations;
• governance.

Uw merk:

mentioned but not recommended.

Nu heeft u concrete:

Observed Competitor Recommendation Reasons.

Gap Reason

Een mogelijke term:

Recommendation Gap Reason.

Maar voorzichtig:

de reden waarom A wordt aanbevolen is niet automatisch de bewezen reden waarom uw merk niet wordt aanbevolen.

Beter onderscheid

Competitor Recommendation Reason

Waarom AI A positief aanbeveelt.

Own Brand Limitation

Expliciete beperking die AI bij uw merk noemt.

Associated Gap Signal

Andere data die met de gap samenhangt.

Dit voorkomt causale overclaims.

Explicit Recommendation Barrier

Bijvoorbeeld:

Product A is eenvoudiger, maar voor enterprise governance zou ik Product B kiezen omdat A beperkte governancefuncties heeft.

Als de claim expliciet is, kunt u:

Recommendation Barrier

opslaan.

Recommendation Barrier Tracking

Veelvoorkomende barriers kunnen zijn:

• prijs;
• ontbrekende integraties;
• complexiteit;
• beperkte enterprise capabilities;
• geografische fit;
• support;
• security;
• scalability;
• feature limitations.

Alleen wanneer de AI-response dit daadwerkelijk ondersteunt.

Recommendation Barrier Rate

Hoe vaak komt Barrier X voor bij lost recommendation opportunities?

Dit geeft:

Recommendation Barrier Rate.

Competitor Recommendation Advantage

Waarom krijgt A de recommendation?

Bijvoorbeeld:

Enterprise Readiness.

Security.

Integrations.

Dat kan worden opgeslagen als:

Competitor Recommendation Advantage.

Recommendation Gap en Attributes

Artikel 22 behandelde Attribute Tracking.

Stel:

Enterprise Ready

wordt:

A — 68%.

Uw merk — 19%.

Tegelijk heeft uw merk een grote enterprise Recommendation Gap.

Dit is een relevant associated signal.

Attribute-to-Recommendation Gap

Een gewenste attribute is onvoldoende verbonden met uw merk en competitor wint recommendations wanneer die attribute belangrijk is.

Dit kan worden onderzocht als:

Attribute-Related Recommendation Gap.

Recommendation Gap en Attribute Ownership

Als A:

Security Attribute Ownership

heeft,

en ook:

Security Recommendation Advantage,

dan ontstaat een sterk competitive pattern.

Recommendation Gap en Differentiators

Uw merk kan een differentiator hebben:

“vergelijk uw merk met twee competitors.”

Maar als AI deze differentiator nauwelijks herkent, kan deze ook weinig bijdragen aan recommendations.

Differentiator Recommendation Gap

Een gewenste differentiator wordt onvoldoende gebruikt in recommendation contexts.

Dit kan worden gemeten als:

Differentiator-to-Recommendation Gap.

Recommendation Gap en Key Messages

Uw key message kan goed zichtbaar zijn in branded prompts.

Maar niet bijdragen aan selection.

Dat is:

Key Message-to-Recommendation Gap.

Recommendation Gap en Trade-Offs

Artikel 32 behandelde Recommendation Trade-Offs.

Dit is vaak waar recommendation gaps begrijpelijk worden.

Voorbeeld

AI zegt:

Uw merk is eenvoudiger en goedkoper, maar A heeft sterkere enterprise governance. Voor deze organisatie zou ik daarom A aanbevelen.

Nu is de trade-off expliciet:

Ease + Price

versus:

Enterprise Governance.

A wint.

Dat is zeer waardevolle decision intelligence.

Trade-Off Recommendation Gap

Het verschil ontstaat niet doordat uw merk “slecht” is.

AI weegt bepaalde eigenschappen anders voor deze context.

Dit is:

context-dependent recommendation.

Recommendation Gap en Preference

Een recommendation gap is niet hetzelfde als een preference gap.

AI kan:

A én uw merk aanbevelen,

maar:

A prefereren.

Dan is er:

geen Recommendation Gap.

Wel:

Preference Gap.

Waarom dit onderscheid essentieel is

Stel:

A — Recommended.

Uw merk — Recommended.

A — Preferred.

Dan heeft uw merk recommendation visibility bereikt.

Het verlies gebeurt later.

Dat vraagt een andere strategie.

Recommendation Gap versus Win/Loss

Nog verder downstream:

A en uw merk kunnen beide recommended worden.

Daarna kan A de decisive comparison winnen.

Dat is:

Win/Loss.

Geen Recommendation Gap.

Diagnose per funnelstage

Niet ontdekt?

Discovery Gap.

Wel ontdekt, niet serieus overwogen?

Consideration Gap.

Wel considered, niet shortlisted?

Shortlist Gap.

Wel shortlisted, niet recommended?

Recommendation Gap.

Wel recommended, niet preferred?

Preference Gap.

Wel preferred maar decisive comparison verloren?

Win/Loss analysis.

Dit is een zeer belangrijke productlogica.

Funnel Bottleneck Detection

AI Monitor Brand kan uiteindelijk automatisch bepalen:

Uw grootste competitive bottleneck ligt bij Recommendation.

Dat is veel waardevoller dan tientallen losse metrics.

Recommendation Gap en Brand Accuracy

Een recommendation gap kan samenhangen met verkeerde informatie.

Bijvoorbeeld:

AI zegt:

Uw product heeft geen API.

Terwijl dat wel zo is.

Daarna:

Daarom zou ik A aanbevelen.

Nu bestaat sterke evidence voor:

Potential Accuracy-Driven Recommendation Gap.

Waarom dit urgent kan zijn

Een visibility gap betekent:

u ontbreekt.

Een accuracy-driven recommendation gap kan betekenen:

u wordt actief benadeeld door incorrecte informatie.

Dat verdient mogelijk hogere prioriteit.

Recommendation Gap en Misrepresentation

AI kan uw merk bijvoorbeeld zien als:

“vooral geschikt voor kleine bedrijven.”

Bij enterprise prompts wordt A recommended.

Als deze framing structureel terugkomt:

Positioning-Related Recommendation Gap.

Recommendation Gap en Reputation

Negatieve reputatiesignalen kunnen soms expliciet worden gebruikt bij recommendations.

Bijvoorbeeld:

Vanwege terugkerende klachten over support zou ik B kiezen.

Als dat in responses staat, is dit relevant.

Maar niet infereren zonder evidence.

Recommendation Gap en citations

Wanneer visible citations aanwezig zijn:

welke sources verschijnen bij competitor recommendations?

Dit is:

Recommendation Gap Source Analysis.

Voorbeeld

A wordt vaak recommended bij enterprise prompts.

De responses tonen regelmatig:

• documentation;
• review pages;
• comparison articles;
• industry publications.

Uw merk heeft veel minder source presence.

Dat is een relevant observation.

Niet automatisch een bewezen oorzaak.

Recommendation Source Gap

Wanneer competitor recommendations structureel samengaan met een sterker visible source ecosystem:

Recommendation Source Gap

kan als onderzoeksconcept worden gebruikt.

Source-to-Recommendation Association

Correct:

Source X appears frequently in responses where A is recommended.

Niet:

Source X causes A to be recommended.

Dat onderscheid moet in het product blijven.

Recommendation Gap Trend

Historische monitoring:

Januari — 42%.

Maart — 38%.

Mei — 32%.

Juli — 27%.

September — 21%.

Uw Recommendation Gap Rate daalt.

Recommendation Gap Reduction

42% → 21%.

Verbetering:

−21 procentpunt.

Dat is een sterke KPI.

Recommendation Gap Expansion

Andersom:

18% → 24% → 31% → 39%.

De gap wordt groter.

Dit is:

Recommendation Gap Expansion.

New Recommendation Gap

Een promptcluster waarin uw merk vroeger regelmatig recommended werd, maar nu niet meer terwijl competitors dat wel worden:

New Recommendation Gap.

Resolved Recommendation Gap

Een recurring gap waarin uw merk later consistent ook wordt recommended:

Resolved Recommendation Gap.

Reopened Recommendation Gap

Een resolved gap keert terug:

Reopened Recommendation Gap.

Recommendation Gap Lifecycle

Een bruikbare workflow:

Detected

↓

Reviewed

↓

Prioritized

↓

Investigating

↓

Optimization Planned

↓

Implemented

↓

Monitoring

↓

Improving

↓

Resolved

Waarom dit productmatig interessant is

Hier verandert AI Monitor Brand van:

analytics dashboard

naar:

operational AI visibility platform.

Teams kunnen gaps daadwerkelijk beheren.

Recommendation Gap Work Queue

Later kan een dashboard tonen:

Priority Recommendation Gaps

1. Enterprise AI Monitoring.
2. Security-focused selection.
3. Agency Reporting.
4. International SaaS.
5. API Integration.

Per gap:

• competitor;
• Gap Rate;
• intent;
• platform;
• reason;
• trend;
• evidence;
• status.

Dit is een sterke toekomstige feature.

Recommendation Gap Priority

Ik zou prioriteit later baseren op transparante factoren:

Commercial Intent

Strategic Relevance

Gap Frequency

Competitor Strength

Cross-Platform Consistency

Trend

Confidence

Niet meteen één ondoorzichtige AI-score.

Critical Recommendation Gap

Bijvoorbeeld:

High intent.

Primary category.

A + B both recommended.

Uw merk not recommended.

4/4 platforms.

9/10 repeated runs.

Dat is duidelijk:

Critical.

Daar is geen ingewikkelde formule voor nodig.

Recommendation Gap Confidence

Confidence kan worden gebaseerd op:

• observation count;
• repeated runs;
• explicit recommendation evidence;
• platform coverage;
• prompt relevance;
• classification confidence.

Evidence-first dashboard

Klik op:

Enterprise Recommendation Gap — Critical

en toon:

Prompt 1.

Prompt 2.

Prompt 3.

Platform.

Competitors.

Recommendation status.

Evidence spans.

Reasons.

Dates.

Dat maakt de insight controleerbaar.

Geen black-box diagnosis

AI Monitor Brand moet niet simpelweg zeggen:

Improve your authority.

Dat is te generiek.

Beter:

Uw merk werd bij 18 van 22 enterprise recommendation observations niet aanbevolen terwijl Concurrent A in 19 responses wel werd aanbevolen.

Daaronder:

Observed associated signals

zoals:

Enterprise Attribute Association:

laag.

Security SOV:

laag.

A Recommendation Reason:

Enterprise Governance.

Nu kan de gebruiker zelf begrijpen wat er gebeurt.

Recommendation Gap voor Nederlandse SaaS-bedrijven

Voorbeeld:

Welke contractmanagementsoftware zou u aanbevelen voor een Nederlands bedrijf met 250 medewerkers?

Uw product:

mentioned.

A:

recommended.

B:

recommended.

Dat is een concrete recommendation gap.

Voor Nederlandse IT-dienstverleners

Prompt:

Welke Microsoft Intune-partner zou u aanbevelen voor een organisatie met 500 Windows-devices?

Uw bedrijf:

not recommended.

A:

recommended.

Dit is commercieel veel relevanter dan alleen Google ranking.

Voor agencies

Prompt:

Welk GEO-bureau zou u aanbevelen voor een Nederlands B2B SaaS-bedrijf?

Uw agency:

mentioned.

Competitor:

recommended.

Dat is een directe Recommendation Gap.

Voor consultants

Prompt:

Welke AI Visibility-consultant in Nederland zou u aanraden?

Recommendation Gap Analysis kan personal-brand selection visibility meten.

Voor ecommerce

Prompt:

Welke laptop zou u aanbevelen voor professionele videobewerking?

Product A:

recommended.

Uw product:

mentioned but not recommended.

Dit is product-level Recommendation Gap Analysis.

Voor productmarketing

De kernvraag:

Bij welke buyers, use cases en Decision Criteria bereiken we wel visibility, maar verliezen we de daadwerkelijke recommendation?

Dat is zeer waardevolle positioning intelligence.

Voor sales

Recommendation Gaps kunnen worden vertaald naar battlecards.

Bijvoorbeeld:

We verliezen AI recommendations aan A bij

Enterprise.

Security.

Integrations.

We winnen recommendations bij

Ease.

Dutch Fit.

Price.

Fast Deployment.

Dat kan commerciële teams helpen.

Voor management

Een compact dashboard:

Recommendation Gaps

Gap Rate
27%

High-Intent Gap
39%

Unbranded Gap
34%

Gap vs A
22%

Gap vs B
14%

Critical Gaps
8

Cross-Platform Gaps
11

New Gaps
4

Resolved Gaps
7

Largest Gap
Enterprise

Strongest Advantage
Dutch Mid-Market

Dit is direct begrijpelijk.

Core Recommendation Gap tabel

Dit is waarschijnlijk een zeer waardevolle toekomstige dashboardview.

Recommendation Gap Heatmap

Later:

rows:

topics/use cases/criteria.

Columns:

Your Brand / A / B / Platforms.

Daarmee worden competitive weaknesses onmiddellijk zichtbaar.

Waarom Recommendation Gaps sterker zijn dan alleen scores

Een score zegt:

Recommendation Rate = 29%.

Een gap zegt:

Bij enterprise security-prompts wordt Concurrent A in 68% van observations aanbevolen terwijl uw merk slechts 17% bereikt.

Dat is veel concreter.

Van reporting naar diagnosis

Hiermee ontwikkelt AI Monitor Brand zich van:

What happened?

naar:

Where did we lose?

en later:

Why did we lose?

Dat is een logische productontwikkeling.

Recommendation Gap en GEO

De praktische workflow:

Define Recommendation Prompt Set

↓

Run AI Monitoring

↓

Detect Recommendations

↓

Compare Own Brand + Two Competitors

↓

Identify Recommendation Gaps

↓

Prioritize High-Intent Strategic Gaps

↓

Inspect Evidence

↓

Analyze Reasons / Criteria / Attributes / Sources

↓

Improve Relevant Market Signals

↓

Rerun Benchmark Prompts

↓

Measure Gap Reduction

Dit maakt Recommendation Gap Analysis een belangrijke GEO-meetlaag.

Benchmark Recommendation Prompts

Gebruik vaste prompts voor historical comparison.

Bijvoorbeeld:

100 prompts.

Iedere maand opnieuw.

Dan kunt u betrouwbaar zien of gaps veranderen.

Exploration Recommendation Prompts

Daarnaast nieuwe prompts gebruiken om:

• nieuwe competitors;
• nieuwe use cases;
• nieuwe gaps;

te ontdekken.

Benchmark en exploration moeten apart blijven.

Competitive Set Versioning

Als u competitors wijzigt:

A + B

naar:

A + C,

verandert ook uw gap analysis.

Daarom moet:

competitive_set_version

worden opgeslagen.

Prompt Set Versioning

Ook:

prompt_set_version

moet worden opgeslagen.

Anders weet u niet of een trend door gewijzigde performance of gewijzigde prompts komt.

Recommendation Classification Versioning

Bewaar:

recommendation_classification_version

om te weten welke detection logic werd gebruikt.

Dit is belangrijk voor reproduceerbaarheid.

Technische opslag

Per recommendation observation:

• response_id;
• prompt_id;
• brand_id;
• competitor_ids;
• recommendation_eligible;
• recommended;
• recommendation_strength;
• recommendation_position;
• explicit_or_implied;
• evidence_span;
• confidence;
• high_intent;
• branded/unbranded;
• platform;
• timestamp.

Gap fields:

• recommendation_gap;
• competitor_specific_gap;
• multi_competitor_gap;
• gap_severity;
• gap_status;
• first_detected_at;
• last_detected_at;
• resolved_at.

Context:

• topic;
• category;
• use_case;
• persona;
• company_size;
• industry;
• geography;
• language.

Recommendation Gap in de MVP

Een eenvoudige versie is technisch goed haalbaar.

Logica:

if recommendation_eligible
and own_brand_recommended == false
and (
    competitor_a_recommended == true
    or competitor_b_recommended == true
):
    recommendation_gap = true

Dat is voldoende voor de core metric.

MVP Recommendation Gap Metrics

Ik zou beperken tot:

1. Recommendation Gap Count.
2. Recommendation Gap Rate.
3. Gap vs Competitor A.
4. Gap vs Competitor B.
5. Top Recommendation Gap Prompts.
6. Change versus previous period.

Meer is voor de MVP niet noodzakelijk.

Post-MVP

Daarna:

• High-Intent Gap;
• Unbranded Gap;
• platform;
• topic;
• recurring gaps;
• severity;
• confidence.

Later

Daarna:

• Decision Criteria;
• Recommendation Reasons;
• barriers;
• attributes;
• differentiators;
• sources;
• accuracy;
• positioning;
• automated prioritization.

Zo blijft development beheersbaar.

Een zeer belangrijke MVP-view

Where competitors are recommended and you are not

Dit hoeft in de eerste versie niet ingewikkelder te zijn.

De waarde is onmiddellijk duidelijk.

Sterke homepageboodschap

Ontdek waar AI uw concurrenten aanbeveelt — maar uw merk niet.

Of:

Zie bij welke commerciële AI-vragen uw concurrenten de recommendation krijgen en uw merk buiten de selectie valt.

Of:

Vergelijk uw merk met twee concurrenten en ontdek uw belangrijkste AI Recommendation Gaps.

De eerste is het krachtigst.

Recommendation Intelligence stack

Na Artikelen 41–43 ontstaat een zeer duidelijke module:

Recommendation Tracking

Wanneer worden we aanbevolen?

↓

Recommendation Share of Voice

Hoeveel van de recommendations krijgen we?

↓

Recommendation Gaps

Waar worden competitors aanbevolen terwijl wij niet worden geadviseerd?

Daarna kunnen de eerder geschreven advanced analyses verklaren:

Recommendation Reasons

Waarom?

Trade-Offs

Welke voordelen worden afgewogen?

Decision Criteria

Welke selectiecriteria bepalen de context?

Win/Loss

Wie wint uiteindelijk?

Dit is een sterke productstructuur.

De volledige AI Monitor Brand funnel

Discovery

Worden we gevonden?

↓

Consideration

Worden we serieus meegenomen?

↓

Shortlist

Behoren we tot de belangrijkste kandidaten?

↓

Recommendation

Worden we geadviseerd?

↓

Preference

Krijgen we de voorkeur?

↓

Win

Winnen we de directe vergelijking?

Elke stage kan zijn eigen:

Rate

SOV

Gap

hebben.

Dat geeft een zeer consistente productarchitectuur.

Maar voorkom metric overload

Hoewel dit theoretisch tientallen metrics oplevert, moet de interface eenvoudig blijven.

Voor Recommendation zou ik standaard tonen:

Recommendation Rate

Recommendation SOV

Recommendation Gap

Daaronder pas drill-downs.

Dat zijn drie duidelijke vragen:

Hoe vaak?

Hoe sterk versus competitors?

Waar verliezen we?

Dit patroon kan productbreed worden gebruikt

Discovery

Rate → SOV → Gap.

Recommendation

Rate → SOV → Gap.

Later eventueel Preference

Rate → SOV → Gap.

Dat maakt het product veel eenvoudiger te begrijpen.

Een mogelijk kernframework voor AI Monitor Brand

RATE

Hoe vaak gebeurt het?

SHARE

Hoe sterk zijn we versus competitors?

GAP

Waar verliezen we?

Dit kan een zeer sterk productdesign-principe worden.

Voorbeeld

AI Discovery

Rate: 38%.

Share: 27%.

Gaps: 21.

AI Recommendations

Rate: 29%.

Share: 23%.

Gaps: 34.

In enkele seconden begrijpt een gebruiker zijn situatie.

De belangrijkste strategische vraag

Recommendation Rate vertelt:

Hoe vaak beveelt AI ons aan?

Recommendation SOV vertelt:

Welk aandeel van recommendations krijgen we?

Recommendation Gap vertelt:

Bij welke concrete commerciële vragen krijgt onze concurrent de recommendation terwijl wij die missen?

Daar begint de data echt actiegericht te worden.

Een AI Recommendation Gap ontstaat niet simpelweg wanneer uw merk ontbreekt. De belangrijkste gap ontstaat wanneer AI een relevante concurrent daadwerkelijk aanbeveelt, terwijl uw merk die recommendation niet krijgt.

Veelgestelde vragen over AI Recommendation Gaps

Wat is een AI Recommendation Gap?

Een AI Recommendation Gap ontstaat wanneer één of meerdere competitors binnen een relevante recommendation opportunity worden aanbevolen terwijl uw merk geen recommendation krijgt.

Moet mijn merk volledig ontbreken voor een Recommendation Gap?

Nee. Uw merk kan worden genoemd, considered of zelfs shortlisted en toch geen recommendation krijgen.

Wat is het verschil tussen een Discovery Gap en Recommendation Gap?

Een Discovery Gap betekent dat competitors spontaan worden ontdekt terwijl uw merk ontbreekt. Een Recommendation Gap betekent dat competitors worden aanbevolen terwijl uw merk niet wordt aanbevolen.

Wat is Recommendation Gap Rate?

Dit is het percentage eligible recommendation opportunities waarin competitor(s) worden aanbevolen terwijl uw merk geen recommendation krijgt.

Wat is een Competitor-Specific Recommendation Gap?

Dit meet hoe vaak een specifieke competitor wordt aanbevolen terwijl uw merk niet wordt aanbevolen.

Wat is een Multi-Competitor Recommendation Gap?

Dit ontstaat wanneer meerdere competitors worden aanbevolen terwijl uw merk geen recommendation krijgt.

Wat is een Mention-to-Recommendation Gap?

Dit ontstaat wanneer uw merk wel wordt genoemd maar onvoldoende vaak doorstroomt naar een daadwerkelijke recommendation.

Wat is een Shortlist-to-Recommendation Gap?

Dit ontstaat wanneer uw merk de shortlist bereikt maar competitors vaker de daadwerkelijke recommendation krijgen.

Wat is een High-Intent Recommendation Gap?

Dit is een Recommendation Gap binnen prompts met sterke commerciële selection intent.

Wat is een Unbranded Recommendation Gap?

Dit ontstaat wanneer AI binnen een prompt zonder vooraf genoemde merken competitors zelfstandig aanbeveelt maar uw merk niet.

Wat is een Cross-Platform Recommendation Gap?

Dit is een vergelijkbare recommendation weakness die op meerdere AI-platforms terugkomt.

Wat is een Structural Recommendation Gap?

Dit is een consistente gap die bij meerdere prompts, repeated runs of platforms wordt waargenomen.

Wat is Recommendation Gap Consistency?

Dit meet hoe vaak dezelfde gap bij herhaalde observations terugkomt.

Wat is een Strategic Recommendation Gap?

Dit is een Recommendation Gap binnen een commercieel belangrijke category, use case, persona of Decision Criterion.

Wat is Recommendation Gap Reduction?

Dit meet hoeveel een observed Recommendation Gap Rate over tijd afneemt.

Wat is een Resolved Recommendation Gap?

Dit is een eerdere recurring gap waarin uw merk in latere observations consistent ook wordt aanbevolen.

Kan een Recommendation Gap worden veroorzaakt door verkeerde AI-informatie?

Dat is mogelijk. Wanneer de response expliciet incorrecte informatie gebruikt bij de recommendation kan dit als potentiële Accuracy-Related Recommendation Gap worden onderzocht.

Kan ik zien waarom een competitor wel wordt aanbevolen?

Wanneer de response expliciete Recommendation Reasons bevat, kunnen die worden opgeslagen en geanalyseerd. Ze bewijzen niet automatisch waarom uw merk niet werd aanbevolen.

Is iedere Recommendation Gap even belangrijk?

Nee. Commercial intent, strategic relevance, consistency, competitor strength, platform coverage en confidence bepalen de prioriteit.

Is een Recommendation Gap hetzelfde als een verloren klant?

Nee. Het is een observed AI-selection event binnen een monitoringdataset en zegt niet of een gebruiker daadwerkelijk een leverancier kiest of koopt.

Kan Recommendation Gap Analysis helpen bij GEO?

Ja. Het kan laten zien waar competitive recommendation weaknesses bestaan en of deze over tijd veranderen. Causaliteit met specifieke optimalisaties moet afzonderlijk worden beoordeeld.

Moet Recommendation Gap Analysis onderdeel zijn van de MVP?

Een eenvoudige versie wel. Zodra recommendations voor het eigen merk en twee competitors worden gedetecteerd, kan Recommendation Gap Rate relatief eenvoudig worden berekend.

WordPress SEO-metadata

SEO-titel:
Wat is een AI Recommendation Gap? Ontdek waar concurrenten worden aanbevolen

Meta description:
Ontdek bij welke commerciële AI-vragen concurrenten worden aanbevolen terwijl uw merk niet wordt geadviseerd en meet uw Recommendation Gap.

URL-slug:
/wat-is-ai-recommendation-gap/

Focus keyphrase:
AI Recommendation Gap

Secundaire zoekwoorden:
AI Recommendation Gap, AI recommendation gap analysis, AI brand recommendation gap, ChatGPT Recommendation Gap, AI competitor recommendation gap, Recommendation Gap Rate, Competitive Recommendation Gap, High-Intent Recommendation Gap, Unbranded Recommendation Gap, Strategic Recommendation Gap, Cross-Platform Recommendation Gap, Recommendation Gap Analysis, Recommendation Gap Monitoring, Recommendation Gap Reduction, Recommendation Bottleneck, Mention-to-Recommendation Gap, Consideration-to-Recommendation Gap, Shortlist-to-Recommendation Gap, Recommendation Barrier, Recommendation Advantage, AI recommendation opportunities, AI Recommendation Rate, AI Recommendation Share of Voice, AI Recommendation Tracking, AI competitor recommendations, AI recommendation intelligence, AI Decision Criteria, AI Recommendation Reasons, AI Recommendation Win Loss, AI Competitor Monitoring, AI Brand Monitoring, Generative Engine Optimization

WordPress-tags:
AI Recommendation Gap,
AI Recommendation Tracking,
AI Recommendation Rate,
AI Recommendation Share of Voice,
AI Recommendations,
AI Recommendation Intelligence,
AI Recommendation Reasons,
AI Recommendation Win Loss,
AI Recommendation Trade-Off Tracking,
AI Decision Criteria,
AI Selection Funnel,
High-Intent AI Visibility,
Unbranded AI Visibility,
AI Competitor Monitoring,
AI Visibility Gap,
AI Brand Monitoring,
Generative Engine Optimization,

Categorie:
AI Brand Monitoring

Zoekintentie:
Informatief / commercieel / problem recognition / competitive intelligence / recommendation analysis / GEO opportunity detection

Funnel:
Middle of Funnel → Bottom of Funnel

Contenttype:
AI recommendation intelligence / competitive gap analysis / selection diagnostics

Aanbevolen schema:
Article + FAQPage

Canonical topic:
AI Recommendation Gap

Doelgroep:
Nederlandse marketingmanagers, productmarketeers, brand managers, SaaS-bedrijven, B2B-organisaties, IT-dienstverleners, agencies, consultants, sales- en productteams, SEO- en GEO-specialisten en ondernemers.

WordPress excerpt:
Een AI Recommendation Gap ontstaat wanneer ChatGPT, Gemini, Claude of Perplexity een relevante concurrent aanbeveelt terwijl uw merk geen recommendation krijgt. Vergelijk uw merk met twee belangrijke concurrenten en ontdek bij welke commerciële AI-vragen u recommendation visibility verliest.

Interne links:
Wat is AI Brand Monitoring?
Wat zijn AI Brand Mentions?
Wat is AI Mention Rate?
Wat is AI Recommendation Rate?
Wat is AI Share of Voice?
Wat is AI Competitor Monitoring?
Wat is een AI Visibility Gap?
Wat is High-Intent AI Visibility?
Wat is Unbranded AI Visibility?
Wat is AI Position Tracking?
Wat is AI Brand Accuracy Monitoring?
Wat is AI Brand Positioning?
Wat is AI Attribute Tracking?
Wat is AI Differentiator Tracking?
Wat is AI Recommendation Reason Tracking?
Wat is AI Recommendation Win/Loss Analysis?
Wat is AI Recommendation Trade-Off Tracking?
Wat zijn AI Decision Criteria?
Wat is AI Shortlist Tracking?
Wat is AI Consideration Rate?
Wat is AI Selection Funnel Tracking?
Wat is AI Preference Tracking?
Wat is AI Brand Discovery Rate?
Wat is AI Discovery Share of Voice?
Wat is een AI Discovery Gap?
Wat is AI Recommendation Tracking?
Wat is AI Recommendation Share of Voice?
Wat is Generative Engine Optimization?

Primaire CTA:
Ontdek waar AI uw concurrenten aanbeveelt maar uw merk niet

Secundaire CTA:
Vergelijk uw Recommendation Gaps met twee concurrenten

CTA-microcopy:
Ontdek bij welke commerciële AI-vragen uw twee belangrijkste concurrenten worden aanbevolen terwijl uw merk geen recommendation krijgt. Vergelijk Recommendation Gaps per topic, platform en high-intent prompt en volg of uw competitive recommendationpositie over tijd verbetert.

Aanbevolen Artikel 44:
Wat is AI Recommendation Position Tracking? Zo meet u op welke positie ChatGPT, Gemini, Claude en Perplexity uw merk plaatsen wanneer zij meerdere merken of oplossingen aanbevelen.