Cluster 4 · Meting

4.2 Share of Voice in AI

Share of Voice in AI meet hoe vaak jouw merk voorkomt in AI-antwoorden ten opzichte van concurrenten. Het is één van de meest bruikbare GEO-metrics — en één van de vaakst verkeerd berekende. De waarde staat of valt met zuivere definities.

Twee metrics die je uit elkaar houdt

Mention rate is het aandeel geldige antwoorden waarin jouw merk voorkomt: antwoorden met jouw merk, gedeeld door alle geldige antwoorden. Dat is een dekkingscijfer — het zegt hoe vaak je erbij staat, niet hoe je je verhoudt tot anderen.

Share of mentions is pas een echte share: jouw vermeldingen, gedeeld door de som van de vermeldingen van álle gemeten merken. Daarvoor moet je vooraf vastleggen welke merken je meet en hoe je telt wanneer één antwoord meerdere merken bevat.

Rapporteer beide, en zeg erbij welke je rapporteert. Wie “Share of Voice” zegt zonder formule, weet niet wat hij leest. En houd er een derde onderscheid naast dat geen van beide metrics vangt: vermeld worden is niet aanbevolen worden. Aanbeveling meet je apart.

Branded vs niet-branded prompts

Het cruciale onderscheid in de promptset: stel je branded vragen (waarin je merknaam voorkomt) of niet-branded vragen (algemene consumentenvragen)?

Branded prompts — ‘Wat biedt KBC als hypotheek?’, ‘Is Coolblue een betrouwbare webshop?’ — meten vooral of de informatie klopt en hoe je wordt voorgesteld: de vraag gaat al over jou.

Niet-branded prompts — ‘Welke Belgische bank raad je aan voor een starter?’, ‘Beste projectmanagement-tool voor kleine teams’ — daar wordt je merk niet aangereikt. Dit is de categorie waar de echte GEO-prestatie zichtbaar wordt.

De kloof tussen branded en niet-branded aanwezigheid is vaak groot. Merken die dominant scoren op branded prompts kunnen bijna volledig verdwijnen op niet-branded vragen. Dat verschil is waar GEO-werk echt impact heeft.

Vergelijkende prompts vormen een derde categorie — ‘KBC vs Belfius voor starters’ — en strategisch vaak de belangrijkste: het zijn beslissingsmomenten. Maar let op de meetfout die hier voor de hand ligt: dat beide merken in de prómpt staan, garandeert niet dat beide in het antwoord behandeld worden. Een model kan er één negeren, corrigeren of de vergelijking anders kaderen — en juist dát is meetwaardig. Behandel vergelijkende prompts als aparte meetcluster, waarin je naast aanwezigheid vooral positionering meet: wie krijgt de aanbeveling, wie de voorbehouden?

Ruwe telling eerst, diepte apart

Een verleidelijke fout: nevenvermeldingen wegfilteren omdat ze “geen echte aanwezigheid” zijn. Doe het niet — een vermelding is een vermelding, en wie ruwe cijfers filtert op een oordeel, maakt zijn meting niet reproduceerbaar. De juiste vorm: tel álles in de ruwe mention rate, en classificeer de diepte van elke vermelding afzonderlijk — van nevenitem in een opsomming tot uitgewerkte aanbeveling. Wil je daarnaast een strengere metric, definieer dan vooraf een qualified mention rate en rapporteer beide. Zo blijft zichtbaar wat het verschil tussen ruw en gekwalificeerd bij jou werkelijk is, in plaats van dat een filter het verschil onzichtbaar maakt.

Hoeveel prompts heb je nodig?

Er bestaat geen universeel minimum, en wantrouw wie er een noemt. Kleine steekproeven geven brede onzekerheid: twintig prompts bij een gemeten aanwezigheid van vijftig procent laten een onzekerheidsmarge van grofweg twintig procentpunten in beide richtingen. Wat je nodig hebt hangt af van hoe precies je wil kunnen concluderen — bepaal dat vooraf, en rapporteer de onzekerheid naast het cijfer. Hoe Groundbase steekproefgrootte, herhaling en weging per sector vastlegt, is onderdeel van de eigen meetmethodiek.

Niet alles op één hoop

Antwoorden van verschillende AI-kanalen samentellen tot één cijfer geeft elk kanaal, elke taal en elk prompttype een toevallig gewicht. Rapporteer eerst gescheiden — per kanaal, per promptcategorie, per taal — en maak alleen daarna een samengestelde score, met vooraf vastgelegde gewichten. De inzichten zitten vrijwel altijd in de segmentatie, niet in het totaal.

SoV over tijd

Eén meting is een momentopname. Herhaal met dezelfde promptset, maandelijks of kwartaalsgewijs. Patronen zeggen meer dan absolute cijfers — en lees een verschuiving nooit los van de vraag of het antwoordgedrag van het kanaal zelf veranderde: een dalende lijn kan ook weergavebeleid zijn in plaats van verlies van positie.

verantwoording
gedocumenteerd
De definities zijn standaardstatistiek; geen enkel kanaal publiceert eigen zichtbaarheidscijfers per merk.
eigen meting
De kloof tussen branded en niet-branded aanwezigheid is een terugkerend patroon in onze metingen.
niet vaststelbaar
Waaróm een specifiek merk in een specifiek antwoord belandt — de meting telt uitkomsten, geen oorzaken.

Gerelateerd in deze hub