Concurrenten benchmarken in AI-zoekresultaten

Een AI concurrentieanalyse meet hoe vaak AI-systemen zoals ChatGPT, Perplexity en Google AI Overviews jouw merk noemen in vergelijking met je concurrenten, uitgedrukt als share of voice. Je telt over een vaste set koopvragen hoe vaak elk merk genoemd wordt, en je deelt jouw vermeldingen door het totaal in je categorie. Dit artikel legt uit hoe je die meting systematisch opzet, wat een gezonde benchmark is, en hoe je het resultaat omzet in een plan dat leads oplevert in plaats van een mooi cijfer.

Wat is een AI concurrentieanalyse?

Een AI concurrentieanalyse is een gestructureerde meting van hoe vaak en hoe prominent AI-modellen jouw merk noemen versus je concurrenten, binnen een afgebakende set vragen die jouw kopers echt stellen. De centrale maatstaf is share of voice: het percentage van alle relevante merkvermeldingen in jouw categorie dat naar jou gaat. Noemt een model jouw merk in 25 van de 100 antwoorden waarin een merk uit jouw categorie valt, dan is jouw share of voice 25 procent.

Dat verschilt van je losse mention rate, het percentage antwoorden waarin jij sowieso opduikt. De mention rate vertelt je of je zichtbaar bent. De share of voice vertelt je of je wint. Het is de AI-tegenhanger van een toppositie in Google: het draait niet om aanwezigheid alleen, maar om je aandeel op het moment dat een koper een aanbeveling vraagt. Hoe deze logica past in het bredere plaatje lees je in onze gids over Generative Engine Optimization.

Waarom is je eigen mention rate zonder concurrenten betekenisloos?

Een mention rate in isolatie geeft je geen enkel beslissingskader, omdat je geen referentiepunt hebt om hem tegen af te zetten. Stel dat ChatGPT jouw merk in 20 procent van de relevante antwoorden noemt. Is dat goed? Dat hangt volledig af van de rest van je categorie. Word je in 20 procent genoemd terwijl je drie grootste concurrenten samen op 70 procent zitten, dan verlies je het gevecht om de aanbeveling. Noem het model jou in 20 procent terwijl niemand anders boven de 10 procent komt, dan ben je de facto de standaardkeuze.

Daarom is de concurrent het echte ijkpunt, niet een abstract streefgetal. Een benchmark zonder concurrenten meet beweging zonder richting. Je ziet wel of je cijfer stijgt, maar niet of je sneller stijgt dan de markt. En in AI-zoekresultaten is dat onderscheid scherp, want modellen werken vaak met een korte lijst van enkele aanbevelingen. Wie buiten die lijst valt, is voor de koper onzichtbaar, hoe hoog je absolute mention rate ook lijkt.

Hoe meet je hoe vaak concurrenten genoemd worden versus jij?

Je meet share of voice door een vaste promptset herhaaldelijk door meerdere AI-modellen te halen en per merk de vermeldingen te tellen. De methode bestaat uit vier stappen die je elke meetronde identiek herhaalt, zodat je cijfers vergelijkbaar blijven.

1. Bouw een promptset rond koopvragen. Verzamel de vragen die jouw kopers echt stellen in de overwegingsfase, niet abstracte zoekwoorden. Denk aan formuleringen als “beste fleet management software voor transportbedrijven in Belgie” of “alternatief voor leverancier X”. Dit zijn de momenten waarop een aanbeveling telt.
2. Stel je concurrentieset vast. Bepaal vooraf welke merken je meetelt. Meestal zijn dat je directe concurrenten plus de generieke spelers die het model vaak noemt, ook al zie je die zelf niet als rivaal. Juist die onverwachte namen onthullen waar AI jouw categorie anders indeelt dan jij.
3. Draai de prompts over meerdere modellen. Voer dezelfde vragen uit in ChatGPT, Perplexity, Gemini en Google AI Overviews. Hetzelfde merk kan per model sterk verschillen in zichtbaarheid, dus een gemiddelde over alle engines verbergt waar je wint en verliest. Herhaal bovendien per model, want antwoorden variabelen van keer tot keer.
4. Tel, normaliseer en bereken share of voice. Tel per merk de vermeldingen, eventueel gewogen naar positie (eerst genoemd weegt zwaarder dan terloops genoemd). Deel jouw totaal door het totaal van alle merken samen. Dat percentage is je share of voice per model en over de hele set.

Voor het uitvoeren hoef je dit niet handmatig te doen. Er bestaat een groeiend aanbod gespecialiseerde meettools, die we bespreken in ons overzicht van AI-zichtbaarheidstools. Welke je ook kiest, de waarde zit in een consistente promptset en een vaste meetcadans, niet in de tool zelf.

Wat is een gezonde benchmark voor AI share of voice?

Er bestaat geen universeel gezond percentage, want een realistische benchmark hangt af van je categorie, het AI-model en je positie in de markt. Wel zijn er drie ankers die je helpen een eigen norm te zetten.

Het eerste anker is de marktleider. In veel categorieen trekt de bekendste speler een onevenredig groot deel van de vermeldingen naar zich toe, omdat modellen leunen op herhaalde, breed bevestigde associaties. Als nieuwe of kleinere speler is jouw realistische doel daarom zelden de eerste plaats op korte termijn, maar een stevige tweede of derde positie binnen je echte concurrentieset.

Het tweede anker is het model. Share of voice verschilt sterk per engine: hetzelfde merk kan in de ene AI-omgeving veel zichtbaarder zijn dan in de andere, en de bronnen die elk model aanhaalt overlappen vaak maar beperkt. Zet daarom een doel per model in plaats van een gemiddelde, en kies eerst de engine waar jouw kopers het vaakst zitten.

Het derde anker is de tijd. AI-antwoorden zijn volatiel en kunnen binnen weken verschuiven. Een gezonde benchmark is dus geen momentopname maar een trend: meet met een vaste cadans, bijvoorbeeld maandelijks voor de volledige set en wekelijks voor je belangrijkste koopvragen. De vraag is niet alleen “wat is mijn cijfer”, maar “beweeg ik sneller omhoog dan mijn concurrenten”. Of je vermeldingen ook door onafhankelijke bronnen gedragen worden, bepaalt of die positie stabiel blijft, zoals we toelichten in merkvermeldingen boven backlinks.

Welke fouten maken bedrijven bij een AI concurrentieanalyse?

De grootste fout is meten op vanity: een hoge mention rate vieren terwijl de vermeldingen niets met een koopbeslissing te maken hebben. Word je vaak genoemd in informatieve vragen maar nooit in de vergelijkende vragen waar een keuze valt, dan oogt je cijfer goed terwijl je de leads misloopt. Begin daarom altijd bij de prompts die dicht bij de aankoop liggen.

Een tweede fout is de promptset of de concurrentieset tussen meetrondes veranderen. Als je vragen of merken aanpast, meet je ruis in plaats van vooruitgang. Leg je set vast en wijzig hem bewust en gedocumenteerd, niet ad hoc. Een derde veelgemaakte fout is alles op een gemiddelde over modellen gooien, waardoor je niet ziet in welke engine je achterloopt. En tot slot: een eenmalige meting trekken als conclusie. Door de volatiliteit van AI-antwoorden zegt een enkele meetronde weinig; pas een trend over meerdere rondes is betrouwbaar.

Hoe vertaal je een benchmark naar actie?

Een benchmark is pas waardevol als hij wijst waar je het meeste rendement haalt uit verbetering, niet als scorebord om mee te pronken. De praktische vertaalslag begint bij de prompts waar je achterloopt op je concurrenten en die tegelijk dicht bij een koopbeslissing staan. Dat is je prioriteitenlijst.

Per zo’n prompt zoek je uit waarom de concurrent wel wordt genoemd en jij niet. Vaak ligt het aan de onderliggende indicatoren van AI-zichtbaarheid: word je correct begrepen in je categorie, en bevestigen genoeg onafhankelijke bronnen jouw verhaal? Die mechaniek beschrijven we in de 5 kernindicatoren van AI-zichtbaarheid. Vervolgens werk je gericht aan content, positionering en externe vermeldingen rond die specifieke koopvragen. Hoe je dat als doorlopend proces inricht, lees je in onze complete GEO-audit.

Bij Customer Impact sturen we daarbij bewust op leads en omzet, niet op een hoog percentage op zich. Een share of voice die stijgt op vragen zonder koopintentie is mooi voor een rapport, maar verandert niets aan je pijplijn. We zijn ook eerlijk over de grenzen: je kunt een ingebakken marktleider zelden op korte termijn voorbij, en niemand kan een vaste positie in AI-antwoorden garanderen. Wat wel kan, is structureel terrein winnen op de vragen die jouw kopers stellen. Dat is precies het werk dat we leveren binnen onze GEO-optimalisatie.

De korte samenvatting

Een AI concurrentieanalyse meet je share of voice: hoe vaak AI-modellen jou noemen versus je concurrenten op de vragen die jouw kopers stellen. Je eigen mention rate krijgt pas betekenis naast die van je concurrenten. Een gezonde benchmark bestaat niet als vast getal, maar volgt uit je categorie, het specifieke model en je trend over de tijd. En de meting is alleen iets waard als je hem vertaalt naar gerichte actie op koopvragen waar je achterloopt.

Wil je weten hoe vaak AI jouw merk noemt versus je concurrenten, en waar je terrein kunt winnen? Plan je gratis intake en we brengen je AI share of voice samen in kaart.