AI en merkstrategie: wat betekent dit voor B2B?

Leestijd: 6 minuten

Recentelijk schreef ik twee artikelen met dezelfde insteek: hoe beïnvloedt AI je merkstrategie? De ene ging over AI en merkzichtbaarheid, de andere over waarom AI je merk over het hoofd ziet.

Daarin gebruikte ik voorbeelden van koptelefoons, Gen Z en online winkels. Dat leidde tot een logische vraag: “Wij zijn een B2B-bedrijf met een complexer oriëntatieproces. Gelden deze inzichten ook voor ons?”

Het korte antwoord: JA. De meeste inzichten gelden ook voor B2B. Maar de dynamiek is soms net even anders. Sterker, voor B2B heeft de opkomst van AI in bepaalde gevallen nog meer impact. Daarom duik ik deze keer specifiek in B2B: wat betekent AI voor de strategie van zakelijke merken? Moeten daar de alarmbellen afgaan?

De shortlist staat al vast voordat je wordt gebeld.

Uit onderzoek van Forrester blijkt dat 92% van de B2B-inkopers hun aankooptraject begint met minstens één leverancier in gedachten. En 6Sense ontdekte dat in 95% van de gevallen de uiteindelijke winnaar al op de shortlist van dag één staat. Deze lijst wordt grotendeels bepaald voordat er met de verkoopafdeling van toeleveranciers contact wordt opgenomen.

OK, dat is op zich niets nieuws. Maar wat interessant is, is hoe die namen op die shortlist komen. Dit gebeurt vaker met AI. Als voorbeeld: 6Sense zegt dat 94% van de B2B-kopers AI inzet tijdens hun aankooptraject. AI speelt vaker een rol in onderzoek, vergelijking en het opstellen van de shortlist.

Ook interessant: B2B-inkopers besteden volgens Gartner slechts 17% van hun aankooptraject aan gesprekken met mogelijke leveranciers (dit rapport is de oorspronkelijke bron). En bij het vergelijken van verschillende opties besteden ze slechts 5 tot 6% van hun tijd aan contact met een bedrijf. De rest van hun tijd doen ze aan zelfstandig onderzoek. En dat doen ze dus steeds meer met de hulp van AI.

Als je dit alles optelt, kom je tot dezelfde conclusie als de voorgaande artikelen: als jouw merk niet opduikt in de antwoorden van AI, dan kan dit een significant nadeel zijn. Bijvoorbeeld omdat de kans kleiner wordt dat je op de shortlist komt. Dus ja, een klein alarmbelletje is op z’n plaats.

Veel B2B-merken zijn slecht zichtbaar voor AI.

Hoe hard moet dat belletje afgaan? Wel, MarTech publiceerde onlangs een eigen studie die daar iets over zegt. Daarin werden meer dan 1.000 prompts geanalyseerd, met daarin 29 B2B-merken, verdeeld over vier AI’s (ChatGPT, Perplexity, Grok en Google). De resultaten waren ontnuchterend: slechts 21% van deze merken verscheen in meer dan een kwart van de AI-antwoorden. Een derde verscheen in minder dan 5%.

Let op: dit kwam niet omdat deze bedrijven grijze muizen waren. In twee derde van de gevallen had het topmerk in een B2B-categorie een zichtbaarheid van minder dan 25%. Bijna een op de vijf (17%) van de bekendste merken kwam in minder dan 10% van de AI-reacties terug. Dit sluit aan op een conclusie uit mijn vorige artikel: de merken die AI aanbeveelt blijken bijzonder willekeurig te zijn.

Kortom: de kans dat jouw B2B-merk de AI-aandacht krijgt die het verdient, gezien het marktaandeel of de staat van dienst, lijkt niet zo groot. Alleen gaat het nu niet om een klant die een koptelefoon van 50 euro koopt, maar om aankoopbeslissingen van miljoenen euro’s.

AI gaat ook de bemiddeling bij inkopen doen.

In mijn vorige artikel schreef ik dat AI verschuift van adviseur naar inkoper. Deze ontwikkeling is ook zichtbaar bij B2B. Gartner voorspelt dat er tegen 2028 tijdens 90%(!) van de B2B-inkooptrajecten door AI-agents wordt bemiddeld. Dat betekent dat AI een actieve vinger in de pap heeft bij meer dan 15 biljoen dollar aan B2B-bestedingen. Interessant: dat is een stuk meer dan de 3 tot 5 biljoen dollar die AI aan consumenteninkopen lijkt te gaan doen.

En deze ontwikkeling is al zichtbaar, zo stelde Forrester eind vorig jaar. Toen gaf 61% van de mensen, die betrokken waren bij inkoopbeslissingen, aan dat hun organisatie AI gaat gebruiken om de inkoopafdeling te ondersteunen. Het gaat dan om zaken als leveranciersvergelijking, contractanalyse en het beoordelen van specificaties. De onderzoekers verwachtten dat dit jaar minstens één op de vijf B2B-verkopers te maken krijgt met AI-gestuurde inkopersagenten die tegenaanbiedingen doen.

B2B-kopers vertrouwen AI niet blindelings.

Maar, ook deze munt heeft een keerzijde. B2B-kopers zijn kritischer dan consumenten. Uit Forrester’s State of Business Buying 2026 blijkt dat AI vaak wordt gebruikt voor de voorbereiding van een aankoop. Toch zegt slechts 36% van de kopers meer vertrouwen te hebben in hun beslissing als deze ondersteund wordt door AI. Haaks daartegenover staat een groep van 20%. Die zegt juist minder vertrouwen te hebben, omdat ze de feedback van AI onnauwkeurig vinden.

Wat gebeurt er vervolgens? Inkopers gaan de beweringen van hun robots checken. Bij experts, analisten, collega’s of leveranciers. Ofwel, AI reikt hen weliswaar de eerste indruk aan, maar menselijke feedback geeft vaak de doorslag.

Experts worden vaak waardevoller, niet minder.

Interessant is dat Forrester hierbij een schijnbaar tegengestelde beweging voorspelt. In 2025 zag 30% van de B2B-inkopers AI als een zinvolle hulp tijdens de beslissingsfase. Slechts 17% zei hetzelfde over contact met productexperts. Maar de verwachting is dat die verhouding gaat kantelen: naarmate AI meer informatie levert, gaan kopers juist meer die experts opzoeken om die analyses tegen het licht te houden.

Ook dit sluit aan op wat ik in mijn vorige artikel schreef: hoe hard AI ook gaat, de mens blijft een belangrijke sleutel. Gartner voorspelt zelfs dat tegen 2030 75% van de B2B-kopers de voorkeur geeft aan een verkooptraject met menselijk contact in plaats van AI.

Kortom: AI kan menselijke expertise vervangen, maar die tegelijkertijd ook belangrijker maken.

LinkedIn is een belangrijke bron voor AI.

In mijn vorige artikel schreef ik dat AI veel gebruik maakt van bronnen als Wikipedia en Reddit. In een commentaar werd ik erop gewezen dat LinkedIn ook een populaire bron is voor AI. En dat wordt bevestigd door een analyse van 325.000 prompts door SEMrush.

Daaruit blijkt dat LinkedIn de op een na meest geciteerde bron is in AI-antwoorden (Reddit staat op nummer 1). Ofwel, thought-leadership op LinkedIn blijft belangrijk voor jouw B2B-merk. Enerzijds omdat je zo menselijke experts bereikt. Anderzijds omdat je de kans vergroot dat AI je suggereert als kandidaat voor op de shortlist. Dus zorg ervoor dat je experts zichtbaar zijn met hun vakkennis.

Dus wat verschilt er voor B2B? En wat niet?

Als laatste, als fijn overzicht, nog even puntsgewijs de verschillen tussen de invloed die AI heeft op de merkstrategie van B2C en B2B-merken. Hierbij neem ik de constateringen uit de vorige artikelen als basis.

De oriëntatie is bij B2B inderdaad complexer, maar het principe is hetzelfde. B2B-kopers kopen geen koptelefoons op basis van een AI-lijstje. Maar ze gebruiken AI wel om hun longlist samen te stellen, leveranciers te vergelijken en specificaties te beoordelen. Dus ook hier geldt: als je niet op deze lijst opduikt, fiets je steeds meer tegen de wind in.

Smallere categorieën zijn stabieler. Eerder schreef ik dat hoe smaller de categorie is waarin je opereert, hoe consistenter de merken zijn die AI oplepelt. Dat is goed nieuws voor B2B-niches: als er maar vijf aanbieders zijn van innovatieve biotechnologie voor de farmaceutische industrie, is de kans groter dat AI jou noemt. Mits je vindbaar bent.

Vertrouwen weegt nog zwaarder. B2B-kopers valideren AI-antwoorden vaak bij experts en gelijkgestemden. Dat betekent dat je merk niet alleen moet opduiken in AI-antwoorden. Het moet ook bij een publiek van vlees en bloed op het netvlies blijven.

Thought-leadership is een belangrijk wapen. In B2C kijkt AI vooral naar productrecensies en externe media om een indruk te krijgen van jouw merk. In B2B komt daar een laag bij: de kennis en zichtbaarheid van je experts. Publiceer eigen onderzoek, laat je specialisten schrijven op LinkedIn en zorg voor aandacht in de vakpers. Zo kun je meer grip krijgen op de wijze waarop AI jou positioneert.

Het een-pot-nat-gevaar geldt ook voor B2B. B2B-bedrijven hebben in de regel een minder uitgesproken merkbeleid dan consumentenmerken. Daardoor lijken ze vaak best op elkaar. Zo moest ik recentelijk voor een innovatieve SaaS-speler naar de concurrentie kijken. Vrijwel alle merken zagen hetzelfde eruit. Ze hadden een cleane WordPress-site met een schreefloos font, flat design, vergelijkbare claims en dezelfde gedragstriggers.

Nu komt daarbij dat veel B2B-bedrijven AI gebruiken om whitepapers, blogposts en cases te schrijven. Als ieder B2B-merk dat doet, met dezelfde AI, klinkt iedereen hetzelfde. En dat is een probleem, want AI beloont juist onderscheidende, betrouwbare bronnen, ook in de B2B-markt.

De conclusie van het verhaal.

Ofwel, de moraal van dit verhaal is niet heel anders dan bij B2C. Als jouw merk niet terugkomt in de lijst die een inkoper met AI samenstelt, begin je de race met een achterstand.

Investeer dus in een heldere positionering, die zowel robots als mensen begrijpen. Vergroot de zichtbaarheid van je experts en publiceer eigen onderzoek. Zorg voor consistente en gestructureerde informatie die op allerlei online plekken terugkomt. En blijf ervoor zorgen dat je merk met een eigen stem boven het maaiveld uitsteekt.

Wil je weten hoe je jouw B2B-merk sterker kunt maken? Laat het me weten. Ik help je graag.

Waarom AI jouw merk over het hoofd ziet

Leestijd: 7 minuten

Stel je voor: je hebt jarenlang gewerkt aan de positionering van je merk. Dan blijkt dat AI je merk aan miljoenen mensen omschrijft als, oei, iets totaal anders.

Dat is precies wat drankenconcern Pernod Ricard overkwam. Het bedrijf ontdekte via onderzoek met bureau Jellyfish dat AI-modellen zijn merken regelmatig verkeerd classificeerden. Ballantine’s, een betaalbare Schotse whisky voor de brede markt, werd door een populair AI-model neergezet als een prestigeproduct. Andere merkinformatie was onvolledig of simpelweg onjuist.

Gen Z vraagt AI om merkaanbevelingen.

Ondertussen gebruikt een groeiend deel van de klanten AI bij aankoopbeslissingen. Uit YouGov-onderzoek blijkt dat twee derde van de 18- tot 24-jarigen AI-modellen inzet voor aanbevelingen rond merken, producten en diensten. Bij 25- tot 34-jarigen is dat ruim de helft. En ongeveer de helft van Gen Z verwacht dat AI hen naar het beste merk leidt.

Dus deze mensen skippen een zoektocht met Google en vragen ChatGPT simpelweg: “Welke whisky past bij mijn smaakprofiel?” Of: “Wat is een goede koptelefoon voor op reis?” En het antwoord dat ze krijgen, wordt bepaald door hoe AI jouw merk begrijpt. Niet door wat jij als marketeer graag wil vertellen.

Je merkverhaal wordt geschreven door derden.

AI-modellen baseren hun kennis over jouw merk op twee dingen: hun trainingsdata, alles wat ze eerder hebben gelezen, en de actuele bronnen die ze raadplegen. In beide gevallen zijn dat vooral bronnen van anderen, niet die van jou: reviews, nieuwsartikelen, vakpublicaties, Wikipedia, Reddit, webwinkels, enzovoort.

In aanvullend onderzoek werden AI-agents ingezet om producten te vergelijken en aan te bevelen. De conclusie was ontnuchterend: merkwebsites werden vooral gezien als plekken om te kopen, niet als gezaghebbende bron van informatie. De autoriteitssignalen kwamen van derden: recensiesites, specialistische media en fora.

Ofwel, je merkverhaal, je positionering, je concurrentievoordeel, het wordt geschreven door mensen die niet voor je werken. En vervolgens op schaal herhaald door AI-modellen.

Het probleem van ‘AI sameness’.

Het wordt nog interessanter. Terwijl merken grip proberen te krijgen op hoe AI hen omschrijft, laten veel daarvan tegelijkertijd hun eigen content ook door AI produceren. Dat leidt tot een ander probleem: alles gaat op elkaar lijken.

Want als allerlei aanbieders dezelfde AI-tools gebruiken om teksten, beelden en campagnes te maken, wordt hun inhoud inwisselbaar. Merken die daar op leunen besparen misschien geld, maar verdwijnen in een ‘Sea Of Sameness’.

Dat is een gevaarlijke combinatie. Aan de ene kant verliezen merken de controle over hoe AI hen beschrijft. Aan de andere kant produceren ze zelf steeds minder onderscheidende content. Het resultaat: ze worden inwisselbaar, zowel in de ogen van AI als van de klant.

Het lijkt op de dynamiek van performancemarketing, waar ik vaak aandacht aan besteed: als iedereen dezelfde data en dezelfde gereedschappen gebruikt om dezelfde doelgroepen te bereiken met dezelfde triggers, verdwijnt het concurrentievoordeel. Dan blijft alleen nog concurrentie op prijs over: nog meer korting, nog harder duwen. En dat is precies de valkuil waar Nike intrapte.

AI gaat ook de aankoop doen.

Maar, sorry, ik ben nog niet klaar. Want AI-modellen verschuiven stap voor stap van adviseur naar inkoper.

PwC beschrijft in Harvard Business Review hoe klanten steeds vaker een AI-agent niet alleen vragen om producten te zoeken en te vergelijken, maar ook om deze direct te kopen. Ze hebben geen zin om te scrollen op websites en geven liever een simpele opdracht: “Vind voor mij een handgemaakt cadeau onder de €50 dat morgen geleverd wordt.” Vaak is wel een voorwaarde dat ze hun geld terugkrijgen als de keuze van AI hen niet bevalt.

Dat betekent dat een AI-agent straks een deel van de beslissing neemt. En die agent kiest niet op basis van je mooiste campagne. Die kiest op basis van gestructureerde productdata, recensies, beschikbaarheid en prijs. Dus als je productinformatie niet goed leesbaar is voor machines, besta je simpelweg niet in het AI-aankoopproces.

McKinsey voorspelt zelfs dat AI-agents tegen 2030 wereldwijd voor 3 tot 5 biljoen dollar aan consumenteninkopen kunnen regelen. De populaire platforms bouwen dan ook hard aan dergelijke initiatieven. Google lanceerde begin 2026 het Universal Commerce Protocol, een oplossing die AI-assistenten en winkelsystemen makkelijker op elkaar laat aansluiten. Google beschrijft dit als een open standaard voor agentic commerce.

En OpenAI zette eind 2025 een volgende stap met Instant Checkout. In de eerste uitrol ging het om aankopen bij onder meer Etsy-verkopers in de VS, waarna “meer dan een miljoen” Shopify-verkopers naar verluidt gingen volgen.

Hoe kun je hierop inspelen?

De eerste stap is om te weten hoe AI jouw merk omschrijft. Vraag het aan ChatGPT, Claude, Gemini. Stel dezelfde vragen die je klanten stellen. De antwoorden kunnen verrassend zijn. En soms verontrustend. Plus, zoals ik vorige week schreef: de antwoorden zijn telkens weer anders.

De tweede stap is ervoor te zorgen dat je merk goed vertegenwoordigd is in bronnen die AI-modellen vertrouwen. Dat zijn dus niet je eigen advertenties. Dat zijn onafhankelijke media, recensiesites, vakpublicaties, Wikipedia en platforms als Reddit. Als marketeer weet je inmiddels dat mentale en fysieke beschikbaarheid de sleutel zijn voor groei. In het AI-tijdperk geldt iets soortgelijks: hoe vaker er betrouwbaar over je wordt geschreven, hoe groter de kans dat je terugkomt in AI-antwoorden. Ik noem het maar even geschreven beschikbaarheid.

Waarom mensen juist belangrijk blijven.

De derde stap, misschien wel de belangrijkste, is investeren in wat je merk onderscheidend maakt. Juist nu AI dreigt alles gelijk te trekken, worden eigenheid, originaliteit en merkkarakter waardevoller. Eigenheid is schaars in een wereld vol, bleh, AI-gegenereerde eenheidsworst. Want ook in het AI-tijdperk geldt: je merk moet opvallen om opgepikt te worden. Dat werkt via twee routes.

Route A: opvallende merken krijgen meer verdiende media. Er wordt meer over spraakmakers geschreven en gesproken en ze worden vaker opgezocht. En dat is precies het materiaal waar AI-modellen op leunen: hoe meer onafhankelijke bronnen je merk aandacht geven, hoe groter je zichtbaarheid in AI-antwoorden.

Route B: AI wordt weliswaar belangrijker, maar de mens blijft een sleutelrol spelen. Stel dat een AI een kort lijstje presenteert met drie opties voor een koptelefoon. Twee daarvan zijn onbekende merken, waar je niets mee hebt. Maar de derde is een merk dat vertrouwd aanvoelt, omdat je er al van hebt gehoord. Die derde maakt daarmee een grote kans om te winnen. Niet omdat de AI dat merk beter rangschikt, maar omdat het menselijk brein gevoelig is voor herkenning.

Dat oeroude mechanisme blijft aanwezig in ons brein en verandert niet door AI. Sterker, het kan juist zwaarder gaan meewegen als de drie opties slechts in een kort antwoord door een chatbot worden samengevat. Juist in een omgeving waar context ontbreekt, is het belang van herkenbare handvatten groter.

Verder leren AI-agents van de voorkeuren van hun gebruiker. Het geheugen van ChatGPT of Claude wordt immers steeds beter, waardoor ze jou steeds beter leren kennen. Stel, jij stelt regelmatig vragen over Apple, Adidas of Rituals: “Hoe los ik dit probleem met m’n Mac op?”, “Zijn deze Adidas-schoenen ook geschikt om op hard te lopen?”, “Hoe lang is dit product van Rituals houdbaar?” Dan ontstaat er een patroon dat AI oppikt. Dat kan invloed hebben op toekomstige aanbevelingen, omdat de agent zo goed mogelijk op jouw wensen probeert in te spelen.

Bovendien kun jij die voorkeur ook expliciet meegeven: “Zoek goede hardloopschoenen en check in ieder geval Hoka en ASICS.” Op dat moment krijgt AI een kader. En dat kader wordt gevormd door bekendheid en voorkeur, precies de dingen waar merkbouwen al decennia om draait.

Ofwel, de winnende strategie in het AI-tijdperk draait nu niet ineens alleen nog maar om het optimaliseren voor algoritmes. Investeren in de mens blijft belangrijk. Zodat jij het bekende gezicht bent in een lijst vol onbekende opties die met korte tekstjes worden geïntroduceerd.

Hoe AI bepaalt welke merken het aanbeveelt.

Maar hoe selecteren AI-modellen hun bronnen? En hoe zorg je dat je daar goed in naar voren komt?

Traditionele SEO draait om een plek in een lijst van tien blauwe links. Bij GEO (Generative Engine Optimization) draait het erom of je wordt geciteerd in het antwoord dat AI geeft. En dat antwoord verwijst vaak maar naar een handvol opties (tussen twee en zeven per antwoord, afhankelijk van de vraag en het systeem).

Het selectiemechanisme is ook anders. Google beloont onder meer verwijzingen en technische SEO. Bij generatieve systemen gaat het veel meer om iets dat je citeerwaardigheid kunt noemen: hoe makkelijk is jouw tekst te gebruiken als betrouwbare bouwsteen in een antwoord?

In de paper GEO: Generative Engine Optimization laten onderzoekers zien dat het toevoegen van citaten, relevante citaten en statistieken je zichtbaarheid in generatieve antwoorden flink kan verhogen. In hun metingen zagen ze effecten tot ongeveer 40%.

Andere interessante lessen rond geschreven beschikbaarheid:

Publiceer eigen onderzoek en data. Origineel onderzoek is een sterk signaal voor AI. Denk aan een eigen benchmark, een rapport met unieke data of een jaarlijks overzicht. Deze geven AI-systemen een reden om jou te citeren in plaats van een concurrent.

Zorg voor consistentie over alle platforms. AI-modellen vergelijken informatie uit meerdere bronnen. Als je merk op je website iets anders claimt dan op Trustpilot, in je persberichten of op Wikipedia, dan daalt het vertrouwen. Consistentie zorgt voor geloofwaardigheid.

Maak je content extracteerbaar. Generatieve systemen zoeken naar passages die ze direct als antwoord kunnen gebruiken. Dus: geef het antwoord vroeg in je content en wees concreet. Noem cijfers waarmee je claims kunt onderbouwen. Vermijd verkooptaal en schrijf alsof je een collega iets uitlegt.

Investeer in digitale PR. Verse vermeldingen in gezaghebbende bronnen helpen AI om je te vinden. Niet als een eenmalige actie, maar als een proces waarin je doorlopend investeert.

Zorg daarnaast dat je productdata gestructureerd, compleet en consistent is: informatie over productspecificaties, prijzen, voorraad, bezorging en retourbeleid. Want agents kunnen alleen dingen aanbevelen die ze kunnen begrijpen. Het gebeurt nu al dat producten door AI worden overgeslagen als informatie ontbreekt of niet eenduidig is (!).

Kortom: veel verandert, veel toch ook niet.

Lang verhaal kort: je merkpositionering wordt niet alleen bepaald door wat jij communiceert, maar door het totaalbeeld van alles wat er over je te vinden is. Als er te weinig onafhankelijke, consistente informatie over je merk wordt gevonden, kom je minder terug in de wereld van AI.

Tegelijkertijd geldt: als je een eigen geluid laat horen, is de kans groter dat anderen je oppikken. Een merk als Tony’s Chocolonely, met een duidelijke stem, wordt waarschijnlijk eerder aangehaald in media dan een merk als Verkade, dat een stuk minder uitgesproken profiel heeft. Daarmee is de kans dat Tony’s wordt opgepikt door AI weer groter dan bij Verkade.

En hoewel dit alles kan overweldigen, is veel ervan uiteindelijk ook weer niet zo nieuw. Merken draaien al decennia om onderbouwing, consistentie en relevantie. En wat anderen over je zeggen was altijd al belangrijker dan wat jij over jezelf beweerde. Zie de bekende quote: “Je merk is wat mensen over je zeggen als jij er niet bent.” Het grote verschil is dat je klant nu niet meer de enige doelgroep is. Er luistert ook een model mee.

Zoals ik eerder schreef: AI kan alleen excelleren als jij een goede regisseur bent. Die les geldt nu dubbel. Want je moet niet alleen regisseren wat AI voor je doet, je moet ook regisseren hoe AI over je praat.

De merken die hier het best op inspelen zijn niet alleen de merken met de slimste AI-gereedschappen. Het zijn ook de merken met de helderste strategie, de sterkste positionering en het meest consistente verhaal. Precies datgene waar merkbouwen al decennia om draait.

Wil je weten hoe AI jouw merk omschrijft en wat je eraan kunt doen? Laat het me weten. Ik help je graag.

“Odido moet zelf de bom laten ontploffen”

Leestijd: < 1 minuut


Cor Hospes interviewde me voor BusinessWise over de spagaat waarin Odido op dit moment zit.

‘Odido moet zelf de bom laten ontploffen’, vindt merkstrateeg Ingmar de Lange

Een hack, niet betaald losgeld en miljoenen gelekte klantgegevens. Voor Odido is het een nachtmerrie. Maar volgens merkstrateeg Ingmar de Lange is het ook een kans om te laten zien waar je als merk echt voor staat. Over denken als een judoka, de kracht van een pivot en het schoolvoorbeeld van crisiscommunicatie. ‘Rising to the occasion’.

Lees het artikel

 

Onderzoek: AI beveelt merken willekeurig aan

Leestijd: 4 minuten

Stel je voor: je vraagt ChatGPT om de beste koptelefoons aan te bevelen voor op reis. Je krijgt een keurig lijstje met vijf merken. Dan vraag je het opnieuw. En je krijgt een ander lijstje. Met andere merken. In een andere volgorde.

Dat is precies wat nieuw onderzoek suggereert. De onderzoekers lieten 600 vrijwilligers dezelfde vragen stellen aan drie AI-modellen: ChatGPT, Claude en Google AI. De vrijwilligers voerden in totaal bijna 3.000 prompts in, over uiteenlopende categorieën als keukenartikelen, sciencefiction, gezondheidszorg en mode.

De uitkomst? Willekeur.

Als je een AI-model 100 keer dezelfde vraag stelt, is bijna elk antwoord uniek. De lijst is anders. De volgorde is anders. En zelfs het aantal aanbevelingen varieert van twee tot meer dan tien. De kans dat de onderzoekers twee keer hetzelfde lijstje kregen bleek minder dan 1 op 100. En de kans dat twee lijstjes in dezelfde volgorde staan? Eerder 1 op 1.000.

Dat is geen fout, maar een eigenschap. AI-modellen zijn in essentie kansmachines. Ze zijn ontworpen om variatie te produceren, niet om een stabiele, geordende ranglijst te geven. AI-modellen als zoekmachines behandelen is dan ook een vergissing.

Wat ik bedoel: het nauwkeurig bijhouden van je ranking in AI-antwoorden heeft weinig zin. De onderzoekers noemen het een “fool’s errand”. En toch claimen allerlei AI-trackingtools dat ze dit kunnen. Er wordt naar schatting al meer dan $100 miljoen per jaar besteed aan dit soort diensten. De onderzoekers zijn dan ook duidelijk: stop met geld uitgeven aan partijen die pretenderen je precieze AI-ranking te meten.

Maar er is ook goed nieuws.

Hoewel de volgorde willekeurig is, is er wél consistentie in welke merken überhaupt verschijnen. Dit noemen de onderzoekers merkzichtbaarheid.

Neem het voorbeeld van koptelefoons. Na bijna 1.000 antwoorden bleken Bose, Sony, Sennheiser en Apple in 55 tot 77% van de gevallen op te duiken. De exacte positie verschilde weliswaar steeds, maar de zichtbaarheid was stabiel.

Gemiddeld genomen hadden de top drie merken een zichtbaarheid van 64% (ChatGPT), 73% (Claude) en 68% (Google AI). Dat is een betrouwbaar patroon.

Interessant daarbij: hoe smaller de categorie, hoe stabieler de resultaten. Bij een niche als “Volvo-dealers in Los Angeles” of SaaS-cloudaanbieders clusteren de antwoorden rond een paar bekende namen. Bij bredere categorieën als sciencefiction of designbureaus zijn de resultaten veel meer verspreid. Dus: hoe meer opties, hoe meer variatie.

Waarom is dit nu relevant?

AI-tools worden in rap tempo een serieus aankoopkanaal. Data van Adobe Analytics laten zien dat het verkeer naar Amerikaanse retailsites vanuit AI-tools tijdens de feestdagen van 2025 met bijna 700% steeg ten opzichte van het jaar daarvoor. En dit verkeer converteerde 31% beter dan verkeer uit traditionele kanalen, zoals e-mail en betaalde zoekadvertenties. Bezoekers die via AI binnenkwamen bleven langer op de site, bekeken meer pagina’s en hadden een lager bouncepercentage.

Hoe bepaalt AI welke merken verschijnen?

Hier wordt het extra interessant voor marketeers. AI-modellen baseren hun antwoorden op twee bronnen. Ten eerste op hun trainingsdata: alles wat het model heeft gelezen voordat het gelanceerd werd. Merken die vaak voorkomen in betrouwbare bronnen zoals nieuwssites, vakpublicaties en reviewplatforms hebben een sterkere positie in het geheugen van het model.

Ten tweede gebruiken veel modellen tegenwoordig ook actuele informatie (via zogenaamde RAG, Retrieval-Augmented Generation). Daarbij speelt de kwaliteit en vindbaarheid van je online content een belangrijke rol.

Wikipedia verdient hier speciale aandacht. Het is een veelgebruikte, gezaghebbende bron in de trainingsdata van vrijwel elk groot AI-model. Zo is het een van de meest geciteerde bronnen in ChatGPT. Dus als jouw merk goed aanwezig is op Wikipedia, vergroot dat de kans om door AI te worden aanbevolen.

De parallel met zoekaandeel.

Grappig genoeg sluit dit weer aan op wat ik eerder schreef over het zoekaandeel. Waar mensen naar zoeken en wat AI aanbeveelt, wordt beïnvloed door dezelfde onderliggende factor: de kracht van je merk. Hoe sterker je merk en hoe groter de aanwezigheid, hoe groter de kans dat het opduikt. In Google, in gesprekken en nu ook in AI-antwoorden.

En net als bij het zoekaandeel geldt: AI-zichtbaarheid is niet alleen een kwestie van slimme technische trucjes. De merken die het meeste opduiken zijn niet per se de merken met de beste prompt-strategie of de duurste AI-optimalisatietool. Het zijn vaak de merken waar consistent over geschreven, gesproken en gezocht wordt. In betrouwbare bronnen. Over langere tijd. Precies datgene waar merkbouwen voor zorgt.

Wees ook voorzichtig.

Een kanttekening is op z’n plaats. Het onderzoek van Fishkin is niet peer-reviewed en de onderzoekers geven zelf aan geen datawetenschappers te zijn. Bovendien is de steekproef (2.961 prompts) beperkt en bestrijkt het onderzoek slechts twee maanden. Of zichtbaarheidspercentages over langere periodes stabiel blijven, is nog onduidelijk. Maar de richting is helder en de conclusies sluiten aan bij wat we over merkstrategie weten.

Wat kun je ermee?

Kortom: meet je merkzichtbaarheid in AI-antwoorden (het zichtbaarheidspercentage), niet je positie. Investeer in merkbouwen. Zorg dat je merk opduikt in de bronnen die AI-modellen vertrouwen: onafhankelijke media, reviewsites, vakpublicaties en Wikipedia. En investeer in content die gestructureerd, betrouwbaar en consistent is.

Maar bovenal: laat je niet gek maken door AI-trackingtools die beloven je exacte rangpositie te meten. Dat is, zoals dit onderzoek laat zien, onzin. Wat wél zin heeft is investeren in de fundamenten van je merk. Want ook in het tijdperk van AI geldt: je merk is je belangrijkste marketinginstrument.

Benieuwd hoe jouw merkstrategie wordt beïnvloed door AI? Laat het me weten. Ik help je graag.