De inclusion threshold is een gevolg van hoe AI-modellen leren. Twee mechanismes spelen een cruciale rol: training bias en frequency heuristics.
Training bias
Een AI-model leert van de data waarop het is getraind. Als die data een bepaalde marktstructuur weerspiegelt — waarin grote, gevestigde spelers dominant zijn — zal het model die marktstructuur reproduceren. Dat is geen bewuste keuze van de modelbouwer, maar een eigenschap van hoe machine learning werkt.
Concreet, en als hypothese: een speler die overal in de context van zijn categorie opduikt, heeft vermoedelijk een voorsprong op een speler die amper vermeld wordt — een vaste verhouding of automatisme is het niet, en niemand kan de trainingsdata inkijken om het na te tellen. Wat we wél meten, over sectoren heen: AI-antwoorden weerspiegelen de gevestigde marktstructuur opvallend vaak. Extern onderzoek naar merkvoorkeur in taalmodellen wijst in dezelfde richting.
Frequency heuristics
Naast training bias spelen frequency heuristics een rol: modellen reproduceren patronen uit hun data, en wat vaak samen voorkwam, komt makkelijker terug. Dat maakt de meest vermelde merken aannemelijk ook de meest waarschijnlijke kandidaten voor een antwoord — de precieze werking per model is niet gepubliceerd.
Implicatie: GEO is niet alleen een content-optimalisatieprobleem. Het is ook een aanwezigheidsprobleem. Je moet simpelweg vaker en consistenter vermeld worden in de juiste contexten — over het hele web.
Mental availability in AI-modellen
Het concept ‘mental availability’ uit de merkwetenschap — de mate waarin een merk spontaan in je opkomt bij een categorie — is direct toepasbaar op AI-modellen. Een merk met hoge mental availability in een AI-model wordt vaker vermeld, uitgebreider beschreven en positiever gepositioneerd.
Mental availability in AI bouw je op dezelfde manier als bij mensen: via brede, consistente aanwezigheid in de juiste categoriale contexten, over een langere periode.
Wat kan je doen?
- Investeer in langdurige, brede externe aanwezigheid — niet alleen op je eigen website
- Zorg dat je merk consistent in de juiste categoriale context wordt vermeld (PR, partnerships, directories)
- Bouw aan Wikipedia- en Wikidata-aanwezigheid wáár haalbaar — een sterk entiteitsanker; over het gewicht in trainingsdata bestaan alleen vermoedens
- Monitor je inclusion rate per promptcategorie en gebruik dat als indicator voor je merkpenetratie