AI-zichtbaarheidsbenchmark per branche: wat is normaal?

Een AI-zichtbaarheid benchmark is alleen bruikbaar als je hem per branche bekijkt. Een vermeldingsfrequentie die in de ene sector uitstekend is, kan in de andere sector ondermaats zijn, omdat het aantal beschikbare bronnen, de soort vragen die kopers stellen en de concurrentiedruk per branche enorm verschillen. Dit artikel legt uit waarom “wat is normaal?” geen universeel antwoord heeft, welke factoren je score per sector bepalen, en hoe je voor je eigen branche een eerlijke benchmark opbouwt in plaats van te staren naar een kaal cijfer.

Wat is een AI-zichtbaarheidsbenchmark?

Een AI-zichtbaarheidsbenchmark is een referentiepunt dat aangeeft hoe vaak en hoe correct AI-systemen zoals ChatGPT, Perplexity, Google AI Overviews of Gemini jouw merk noemen, afgezet tegen wat in jouw context realistisch is. De kern is dat “vaak genoeg” geen absoluut getal is. Het is de mate waarin je verschijnt vergeleken met je directe concurrenten op dezelfde koopgerichte vragen.

De meeste tools geven je een percentage: in zoveel procent van de geteste prompts wordt je merk genoemd. Dat percentage voelt objectief, maar het is betekenisloos zonder context. Dezelfde score kan betekenen dat je marktleider bent in een nichesector of een achterblijver in een drukke categorie. Daarom begint elke serieuze meting met de vraag: vergeleken waarmee? Welke vermelding precies meeweegt en waarom een vermelding zwaarder telt dan een backlink, lees je in onze uitleg over merkvermeldingen boven backlinks.

Waarom verschilt AI-zichtbaarheid zo sterk per branche?

AI-zichtbaarheid verschilt per branche omdat taalmodellen putten uit het bronnenlandschap van die sector, en dat landschap is in elke markt anders gevormd. Drie factoren verklaren het grootste deel van de verschillen.

Het bronnenlandschap. AI-modellen bouwen hun beeld van een markt op uit de bronnen die over die markt bestaan: vakmedia, vergelijkingssites, reviewplatformen, fora, naslagwerken en bedrijfsregisters. In een softwarecategorie bestaan vaak tientallen onafhankelijke vergelijkingen en reviewbronnen, waardoor modellen rijk materiaal hebben om merken te noemen en te plaatsen. In een traditionele industriële of lokale dienstensector is dat materiaal veel dunner, waardoor modellen voorzichtiger of vager antwoorden. Hoe AI bepaalt welke bronnen het vertrouwt, leggen we uit in grounding: hoe AI bepaalt wat waar is.

Het type vragen dat kopers stellen. AI-antwoorden verschijnen veel vaker bij informatieve en oriënterende vragen dan bij puur transactionele zoekopdrachten. Een branche waarin kopers vooral uitleg, vergelijkingen en “wat is de beste” vragen stellen, genereert simpelweg meer momenten waarop een merk genoemd kan worden. Een branche waarin mensen vooral een concrete leverancier opzoeken die ze al kennen, biedt minder van die momenten. Je benchmark hangt dus deels af van hoe je doelgroep überhaupt vraagt.

De volwassenheid van de concurrentie. In sommige sectoren zijn merken al jaren bezig hun aanwezigheid buiten de eigen site op te bouwen, waardoor de lat hoog ligt. In andere sectoren heeft bijna niemand structureel aan AI-zichtbaarheid gewerkt, waardoor een bescheiden inspanning je al ver vooruit brengt. Dezelfde score betekent daardoor iets totaal anders, afhankelijk van hoe ver je concurrenten al staan.

Wat is een normale score in mijn branche?

Er bestaat geen universeel “normaal” percentage, en elk getal dat dat suggereert moet je wantrouwen. De enige betrouwbare norm is de score van de merken waarmee jouw kopers je vergelijken, gemeten op hetzelfde moment met dezelfde vragen.

Wij geven bewust geen sectorgemiddelden in cijfers, om twee redenen. Ten eerste verandert het landschap snel: modellen worden geüpdatet, AI-antwoorden worden breder uitgerold en het aandeel vragen met een AI-antwoord schuift voortdurend. Een “branchegemiddelde” van vandaag is volgend kwartaal achterhaald. Ten tweede zijn rondzwervende benchmarkpercentages bijna nooit op jouw exacte vragen, taal en regio gebaseerd. Een cijfer uit een Engelstalig B2C-onderzoek zegt niets over een Nederlandstalige B2B-nichemarkt. Liever een eerlijk “het hangt af van je context” dan een vals precies getal dat je de verkeerde kant op stuurt. Die nadruk op leads en correcte vermeldingen boven vanity-cijfers loopt als rode draad door onze hele aanpak van Generative Engine Optimization.

Hoe bouw ik zelf een benchmark voor mijn sector?

Je bouwt een bruikbare benchmark door je eigen sector op één meetmoment in kaart te brengen en daarna je voortgang over de tijd te volgen. In de praktijk komt dat neer op een paar stappen.

1. Stel een vaste lijst koopgerichte prompts op. Vertrek van de vragen die je kopers echt stellen in hun eigen woorden, inclusief categorie, regio en doelgroep (“beste [categorie] voor [type bedrijf] in België”). Niet abstracte zoekwoorden, maar volledige vragen zoals een mens ze aan AI typt.

2. Bepaal je referentieset. Kies drie tot vijf concurrenten waarmee kopers je realistisch vergelijken. Zij vormen je benchmark, niet een anoniem sectorgemiddelde.

3. Test in meerdere modellen. Stel dezelfde vragen aan de grote systemen, want ze putten uit verschillende bronnen en geven verschillende antwoorden. Hoe je dat per platform aanpakt, lees je in onze gidsen over gevonden worden in ChatGPT en gevonden worden in Google AI Overviews.

4. Noteer niet alleen óf, maar hoe. Word je genoemd, op welke plek in het antwoord, en klopt de omschrijving van wat je doet? Een vermelding in de verkeerde categorie is geen winst.

5. Herhaal op vaste momenten. De waardevolste benchmark is je eigen trendlijn. Meet per kwartaal met dezelfde prompts, zodat je beweging ziet in plaats van een momentopname.

Welke meetinstrumenten hierbij passen en wat ze wel en niet kunnen, bespreken we in ons overzicht van AI-zichtbaarheid tools. En welke meeteenheden je per indicator opvolgt, vind je in de 5 kernindicatoren van AI-zichtbaarheid.

Welke score telt echt voor B2B?

Voor B2B telt niet je gemiddelde over alle vragen, maar of AI je correct noemt op de handvol vragen waar een koper een keuze maakt. Een hoog totaalpercentage dat vooral uit irrelevante of informatieve vragen komt, is misleidend als je juist ontbreekt op de momenten die tot een offerte leiden.

B2B-markten zijn bovendien vaak smal, lokaal en gespecialiseerd. Dat betekent minder bronnen, minder ruis, maar ook minder vragen waarop je kunt verschijnen. In zo’n context is een lager absoluut percentage volstrekt normaal, en is de juiste vraag of je verschijnt bij de specifieke, koopklare prompts van je doelgroep. Waarom B2B een eigen aanpak vraagt, werken we uit in GEO voor B2B. De praktische les: jaag niet op een mooi cijfer, maar op aanwezigheid op de juiste momenten. Dat is ook hoe wij sturen, op leads en correcte vermeldingen, niet op vanity-scores.

De korte samenvatting

Een AI-zichtbaarheid benchmark is alleen zinvol per branche, want vermeldingsfrequentie wordt bepaald door het bronnenlandschap, het type vragen en de volwassenheid van je concurrenten. Er bestaat geen universeel “normaal” getal. De eerlijke aanpak is je eigen sector op één moment meten tegen je echte concurrenten, en vooral je eigen voortgang over de tijd volgen, met focus op de koopklare vragen die tot leads leiden. Wees wantrouwig tegenover rondzwervende sectorpercentages: ze zijn zelden op jouw vragen, taal en regio gebaseerd.

Wil je weten wat normaal is in jouw branche en hoe je merk er vandaag voor staat in AI-antwoorden? Bekijk onze AI-zoekoptimalisatie of plan je gratis intake. Dan zetten we samen een benchmark op die wél past bij jouw markt.