Consumenten stellen steeds vaker rechtstreeks vragen aan ChatGPT, Claude, Perplexity of Gemini, nog voordat Google überhaupt in beeld komt. Dit is geen toekomstscenario. Het gebeurt nu al en verandert stilletjes de manier waarop aankoopbeslissingen tot stand komen.
De oriëntatiefase wordt korter
Merken die zich voornamelijk richten op zoekintentie, met als doel verkeer naar hun eigen website te trekken, merken dat deze aanpak minder oplevert dan voorheen. Niet omdat de vraag van consumenten verdwijnt, maar omdat die vraag ergens anders terechtkomt. Dat is de kern van deze verschuiving. De vraag zelf verdwijnt niet; alleen de plek waar deze wordt gesteld, verandert. Wie deze verschuiving wil volgen, heeft daarom een meetmethode nodig die naar de markt als geheel kijkt. Niet alleen naar het verkeer op de eigen website.
Een ladder van specificiteit
Waarom verdwijnt het ene merk makkelijker uit AI-antwoorden dan het andere? Het antwoord ligt in de mate van specificiteit van de vraag.
Vraag naar een merk bij naam en het antwoord komt meestal van het merk zelf. Vraag naar de beste opties binnen een bepaalde categorie en er verschijnt een vergelijking. Maak de vraag specifieker en een kleinere, gespecialiseerde publisher kan ineens de meest relevante bron worden. Een grote retailer kan zeer zichtbaar zijn bij brede categorievraagstukken, maar die zichtbaarheid verliezen aan een nichepublisher zodra een vraag specifieker wordt.
Hierdoor ontstaat een duidelijke blinde vlek. Een merk kan wekenlang terrein verliezen op deze specifiekere vragen met een hoge koopintentie, voordat dat verlies zichtbaar wordt in de eigen websiteanalytics.
Wat meet ‘Share of Answer’?
Het dichten van die blinde vlek begint met het meten van het juiste. Niet met zelfgekozen testprompts, maar met daadwerkelijk gemeten oriëntatievolume. Dat betekent dat u bijhoudt welke publishers door AI-antwoorden als bronnen naar voren worden gebracht binnen een categorie, en voor welk aandeel van dat volume een bepaald merk zichtbaar is. Dat percentage noemen we de Share of Answer. Het is een concrete benchmark die zowel vóór als na een activatie kan worden gevolgd.
Hier stopt de eerlijkheid en zou de hype normaal gesproken beginnen. Een metric als deze nodigt uit tot te stellige conclusies. Daarom is het belangrijk om precies te zijn over wat de metric níét is:
- Het is geen claim dat de organische vindbaarheid van een merk in AI-antwoorden zal verbeteren; dat effect is nog niet getest en zou afzonderlijk moeten worden gemeten voordat daar uitspraken over worden gedaan.
- Het is geen manier om AI-gedreven verkeer één-op-één toe te schrijven aan een specifieke plaatsing; de meettechnologie om dit betrouwbaar te doen bestaat op dit moment nog niet.
- Het is geen bewijs voor een causaal verband tussen bereik en merkbekendheid.
Wat overblijft na het uitsluiten van deze claims, is nog steeds waardevol. U krijgt een gemeten startpunt en een manier om er bewust en doelgericht op te handelen, in plaats van op gevoel.
De oplossing: AI Publisher Discovery
Dit is de kloof die Daisycon en Trendata met AI Publisher Discovery willen dichten. Het Demand Intelligence-platform van Trendata volgt continu hoe consumenten zich oriënteren. Daarbij worden de vragen die zij stellen via search, social en AI gevolgd,waaronder ChatGPT, Gemini, Claude en Perplexity, naast Google en Bing. De data wordt maandelijks vernieuwd, met zichtbaarheid tot 48 maanden terug en prognoses tot 12 maanden vooruit.
Daisycon vertaalt deze inzichten naar directe commerciële actie. Dat betekent niet alleen kijken naar de publishers die al actief zijn binnen een categorie. Het betekent ook het identificeren van relevante websites die regelmatig in AI-antwoorden verschijnen, maar nog geen onderdeel zijn van het netwerk. Deze websites kunnen vervolgens worden benaderd en binnen een campagne worden geactiveerd.
Waar werkt dit het beste?
De grootste kansen liggen in categorieën waarin consumenten actief hun opties vergelijken en op zoek zijn naar advies, doorgaans bij fysieke, vergelijkbare producten. Vragen als ‘wat is de beste X voor Y’, ‘welke X past bij mij’ of ‘X versus Y’ leiden vaak rechtstreeks naar een shortlist van merken en producten.
Die shortlist is de nieuwe AI-schapruimte: de vraag is niet langer alleen of een merk zichtbaar is wanneer iemand er specifiek naar zoekt, maar ook of het merk wordt meegenomen wanneer iemand AI vraagt welke opties het overwegen waard zijn.
Waar staan we vandaag?
De combinatie zelf is nieuw, maar geen van beide partijen begint vanaf nul. De voorspellingsmethodologie van Trendata is evidence-based en gebaseerd op onderzoek naar de relatie tussen online oriëntatiegedrag en markt- en omzetontwikkeling. Volgens de aangeleverde bron bereikt deze methode meer dan 85 procent nauwkeurigheid ten opzichte van historische data.
Daarbovenop komt de ruim 25 jaar ervaring van Daisycon op het gebied van affiliate marketing en de meer dan 8 jaar ervaring van Trendata met AI-gedreven marktinformatie.
In plaats van dit direct voor iedere adverteerder beschikbaar te maken, wordt het eerst met een beperkte groep gelanceerd. We starten met een pilot om de huidige zichtbaarheid te meten en vast te stellen waar de daadwerkelijke kansen liggen. Tegelijkertijd laat de pilot zien wat activatie in de praktijk oplevert. Zo kan de bredere uitrol worden gebaseerd op resultaten in plaats van aannames.
Wil je als een van de eerste adverteerders ontdekken welke rol uw merk speelt in de AI-oriëntatie binnen uw categorie? Laat hier je gegevens achter en hoor als eerste wanneer we live gaan.
