Onderzoek: AI beveelt merken willekeurig aan

In dit artikel:

Onderzoek met 600 vrijwilligers die samen bijna 3.000 prompts stelden aan drie grote AI-modellen (ChatGPT, Claude en Google AI) laat zien dat AI-aanbevelingen sterk variëren in detail maar consistent zijn in welke merken überhaupt verschijnen. Wanneer hetzelfde verzoek herhaald werd, leverde het model vrijwel altijd een ander resultaat: lijsten verschillen in samenstelling, volgorde en lengte (van twee tot meer dan tien opties). De kans om twee keer exact hetzelfde lijstje te krijgen was kleiner dan 1%; identieke volgorde kwam ongeveer één op de duizend keer voor. Dit gedrag komt voort uit het probabilistische karakter van grote taalmodellen: ze genereren variatie, niet een vaste ranglijst.

Tegelijkertijd is er een stabiel patroon in merkzichtbaarheid: sommige merken duiken veel vaker op dan andere. Voor koptelefoons bijvoorbeeld verschenen Bose, Sony, Sennheiser en Apple in 55–77% van de antwoorden. Gemiddelde zichtbaarheid van de top drie lag rond 64% voor ChatGPT, 73% voor Claude en 68% voor Google AI. De mate van stabiliteit hangt af van hoe specifiek de categorie is: bij nichevragen (zoals “Volvo-dealers in Los Angeles” of specifieke SaaS-aanbieders) concentreren de antwoorden zich rond enkele bekende namen, terwijl brede categorieën (sciencefiction, designbureaus) veel meer verspreidheid tonen.

Praktische betekenis: AI wordt snel een serieus aankoopkanaal. Data van Adobe Analytics toonden dat AI-verkeer naar Amerikaanse retailsites tijdens de feestdagen van 2025 met bijna 700% toenam ten opzichte van het jaar ervoor en dat dat verkeer 31% beter converteerde dan traditionele bronnen. Hoe een model merken selecteert, hangt deels af van de oorspronkelijke trainingsdata (waar merken vaak in betrouwbare bronnen genoemd zijn) en deels van actuele bronnen via Retrieval-Augmented Generation (RAG). Wikipedia speelt een belangrijke rol als gezaghebbende bron: aanwezigheid daar vergroot de kans om aanbevolen te worden.

Consequenties voor marketeers: het meten van een vaste “positie” in AI-antwoorden is zinloos; tools die pretenderen exact ranglijsten te registreren bieden misleidende zekerheid en de markt voor dergelijke diensten zou al meer dan $100 miljoen per jaar omvatten. Zinniger is het monitoren van merkzichtbaarheid (hoe vaak je merk überhaupt verschijnt) en het investeren in merkbouw: consistente vermeldingen in onafhankelijke media, reviewsites, vakpublicaties en Wikipedia én betrouwbare, gestructureerde content.

Kanttekeningen: het besproken onderzoek (o.a. van Fishkin) is niet peer-reviewed, heeft een beperkte steekproef (2.961 prompts) en bestrijkt twee maanden; de lange-termijnstabiliteit van zichtbaarheidscijfers is nog onduidelijk. Desondanks is de richting helder: in het AI-tijdperk blijft het fundament van een sterk, goed vindbaar merk cruciaal om door systemen te worden aanbevolen.