Een klant vroeg ChatGPT naar de beste in jouw categorie. Jouw merk stond er niet bij.

De prompt draaien kost vier seconden. Uitzoeken waarom jouw naam er niet bij stond kost ongeveer een week, en die week levert veel meer op dan die vier seconden. Ontbreken in een AI-antwoord heeft bijna nooit één oorzaak. Het is de opgetelde staat van een catalogus, een crawlgeschiedenis en alles wat anderen over jouw categorie hebben geschreven. Die staat lag er al maanden voordat iemand de vraag intypte. Het prettige eraan: je kunt dat alles nu gewoon nakijken.

Wat volgt is een reconstructie: een samengesteld beeld van hoe zo'n week meestal verloopt, opgebouwd uit het patroon en niet uit één specifiek merk. De details zijn ter illustratie. De volgorde niet.

De vier seconden, en de week erna

Marije is verantwoordelijk voor eCommerce bij een outdoormerk in het middensegment. Op een dinsdagmiddag typt ze haar eigen categorievraag in een chatinterface, vooral uit nieuwsgierigheid, omdat iemand het in het MT had genoemd. Er komen drie producten terug, met korte uitleg waarom elk past bij het beschreven gebruik. Geen van de drie is van haar.

De reflex is een contentbriefing. Iemand oppert een koopgids, iemand anders een stuk over materialen, en binnen twintig minuten ligt er een plan voor acht artikelen voor het einde van het kwartaal. Dat plan is niet verkeerd. Het is wel het traagste antwoord op een vraag die nog niemand heeft onderzocht, en het legt een kwartaal budget vast op een aanname.

Marije doet iets wat minder bevredigt. Ze gebruikt de week om uit te zoeken wat er werkelijk is gebeurd.

Alles klopt, en dat is het probleem

Dag één draait ze de prompt nog negen keer. De antwoorden verschillen: over tien runs komen vijf namen langs, de volgorde wisselt, en haar merk duikt twee keer onderaan op. Het gaat dus niet om wel of niet genoemd worden. Het gaat om lage, wisselende aanwezigheid, en dat is een ander probleem met andere oorzaken dan onbekend zijn.

Dag twee, de technische controle. De site is geïndexeerd, de posities zijn gezond, de laadtijd is netjes, de sitemap is schoon. Niets hiervan verklaart iets, en de verleiding om de techniek af te vinken is groot. Ze vraagt de developer een productpagina op te halen met de user agent van een AI-crawler in plaats van die van een browser. Er komt maar een deel van de pagina terug. Niet geblokkeerd, niet stuk, alleen dunner dan wat een browser krijgt, omdat een deel van de pagina pas na het laden wordt opgebouwd.

Dag drie, de productpagina's. Als ze er één als platte tekst leest, zonder opmaak, vindt ze de prijs en de wervende tekst. Ze vindt niet de materiaalsamenstelling, het gewicht, het temperatuurbereik of het pasadvies, want die zitten in een dichtgeklapte tab en in een specificatieafbeelding. De informatie bestaat. De pagina zegt het alleen niet in woorden.

Dag vier, de blik van buiten. Ze leest de bronnen waaruit haar concurrenten zijn geplukt: twee overzichtsartikelen van uitgevers, een draadje op een vakforum en een reviewplatform. Op het reviewplatform staat haar merk, met goede scores. Op de andere drie ontbreekt het, en een van de overzichten is vier jaar oud.

Elke losse controle kwam terug ergens tussen prima en licht gebrekkig. Zo voelt deze diagnose nu eenmaal, en daarom zijn die gepubliceerde lijstjes met vijf of zeven oorzaken in de praktijk lastig te gebruiken. In een echte webshop is elke oorzaak op zo'n lijstje tegelijk een beetje waar. De vraag is niet welke van de zeven geldt. De vraag is welke er nu de doorslag geeft.

Drie tweesprongen

Op vrijdag heeft de week drie echte beslissingen opgeleverd, geen takenlijst.

Tweesprong één: rendering repareren, of content schrijven 

Het renderingprobleem kost een paar dagen developertijd en raakt elke pagina in de catalogus. Het contentplan kost een kwartaal en raakt alleen de pagina's die het behandelt. Allebei verdedigbaar; maar één ervan verandert wat elk AI-systeem kan lezen over elk product dat ze verkoopt. De volgorde is de hele beslissing, en het antwoord is opvallend duidelijk zodra je de twee naast elkaar legt.

Tweesprong twee: producten beschrijven, of ze aanprijzen 

De specificaties die in tabs en afbeeldingen zitten zijn geen nieuwe content. Ze bestaan al en moeten alleen verhuizen. Dat is een merchandising- en templateklus, geen schrijfklus, en het vraagt de tijd van andere mensen dan het contentplan. Daarom kan het er parallel aan lopen in plaats van erna.

Tweesprong drie: publiciteit najagen, of wachten 

Overzichtsartikelen bij uitgevers gaan traag, hangen aan relaties en liggen buiten haar macht. Tegelijk wegen ze zwaar mee in precies het soort vergelijkingsvraag waarmee de week begon. Eerlijk gezegd kost dit kwartalen. Daarmee is het niet wat je als eerste doet, maar wel wat je nu begint.

Geen van deze tweesprongen is een tactiek uit een lijstje. Het zijn drie keer mensen en geld verdelen, met een eigenaar en een volgorde. Dat is wat een diagnose oplevert en een indeling in categorieën niet.

Wat ze vond

De oorzaak die de doorslag gaf was de tweede, en die was saai.

Haar catalogus beschreef producten prachtig in lopende tekst en legde ze vrijwel nergens vast in machineleesbare tekst. Systemen die een vraag beantwoorden als “warm genoeg voor het vroege voorjaar, klein op te vouwen, onder de tweehonderd euro” toetsen aan voorwaarden die haar pagina's nooit in woorden noemden. Het merk werd niet gewantrouwd en niet geblokkeerd. Het paste alleen nergens op.

Die bevinding kostte een week en geen budget. De oplossing was een aanpassing in het template en een merchandisingsprint op de tweehonderd bestverkopende producten, kleiner dan acht artikelen en eerder klaar. Het contentplan bleef bestaan, kleiner en later in de rij, gericht op de vergelijkingsvragen die de reconstructie had opgeleverd in plaats van op de onderwerpen die de vergaderkamer in de eerste twintig minuten had bedacht.

Zes weken later leverden dezelfde tien prompts haar merk in zes antwoorden op in plaats van in twee. Dat is geen triomf en zo heeft ze het ook niet gebracht, want tien prompts is een kleine steekproef en gegenereerde antwoorden bewegen uit zichzelf. Het is genoeg om door te gaan, en meer kan een steekproef van die omvang niet dragen.

Wat wel algemeen geldt

Drie dingen, en over het eerste valt te twisten.

Ontbreken is een symptoom van een staat zonder eigenaar, niet van een vergeten tactiek 

Productdata ligt bij merchandising, het renderen van pagina's bij development, vermeldingen bij derden bij marketing, en toegang voor crawlers bij degene die als laatste de firewall heeft ingesteld. Vier eigenaren, één uitkomst, en niemand die alle vier kan overzien. Merken komen niet in antwoorden doordat iemand een techniek vergat. Ze blijven eruit doordat de staat die die antwoorden bepaalt zich ophoopt op vier plekken die niemand samen leest.

De gepubliceerde oorzakenlijstjes kloppen en zijn bijna onbruikbaar 

Duidelijke entiteiten, gestructureerde data, autoriteit, contentstructuur, vermeldingen bij derden, actualiteit: allemaal echt, allemaal een beetje waar in elke webshop. Een lijst van alles wat mis kan zijn is geen diagnose. Die oorzaken rangschikken op wat jouw eigen bewijs laat zien, dat is het wel.

Kijken is goedkoop en komt eerst 

Een week kijken kost een fractie van een kwartaal publiceren, en levert stelselmatig iets gewoons op dat snel te repareren is. In AI-consultancy komt de eerste echte bevinding meestal binnen drie dagen, en het is vrijwel nooit wat de vergaderkamer voorspelde op het moment dat de vraag werd gesteld.

De vier seconden voelden als een oordeel. Het was eerder een symptoom, en een symptoom onderzoek je eerst en behandel je daarna.

Veelgestelde vragen

Waarom staat mijn merk in sommige AI-antwoorden wel en in andere niet? 

Gegenereerde antwoorden verschillen per formulering, per platform, per personalisatie en per bron die op dat moment beschikbaar is. Eén prompt één keer draaien zegt bijna niets. Dezelfde set prompts meerdere keren draaien op twee platforms laat zien of je stabiel aanwezig bent, wisselend aanwezig, of echt afwezig. Die drie situaties hebben verschillende oorzaken.

Wordt mijn merk geblokkeerd door AI-systemen? 

Soms, en check het vroeg, want het is goedkoop te testen en het maakt al het andere onderzoek zinloos. Haal je eigen pagina's op met de user agents van AI-crawlers en vergelijk de respons met wat een browser krijgt. Een halve pagina komt vaker voor dan een harde weigering, en het pakt hetzelfde uit, alleen stiller.

Moet ik meer content publiceren om dit op te lossen? 

Misschien, maar niet als eerste. Content is het traagste en duurste antwoord dat er is, en het richt zich vaak op onderwerpen die zijn geraden in plaats van onderzocht. Neem een week om rendering, de volledigheid van je productdata en de daadwerkelijk gebruikte externe bronnen na te lopen. Beslis daarna wat je publiceert, met dat bewijs op tafel.

Belangrijkste punten

• Ontbreken in AI-antwoorden is opgetelde staat, geen vergeten techniek. Catalogusdata, het renderen van pagina's, toegang voor crawlers en vermeldingen bij derden droegen allemaal bij, en het lag allemaal al vast voordat de vraag werd gesteld.

• Onderscheid afwezigheid van wisselende aanwezigheid. Tien keer dezelfde prompt op twee platforms scheidt een merk dat niemand kent van een merk dat er soms wel en soms niet bij staat, en die twee vragen ander werk.

• De gepubliceerde oorzakenlijstjes kloppen en zijn lastig om naar te handelen, want in een echte webshop is elke oorzaak een beetje waar. Rangschik ze op je eigen bewijs in plaats van het lijstje van boven naar beneden af te werken.

• Eerst kijken, dan publiceren. Een week onderzoek is een fractie van een kwartaal contentproductie, en levert meestal iets gewoons op in het template dat snel te repareren is.

Het ongemakkelijke aan deze diagnose is ook het bemoedigende. Het antwoord waarin jij ontbrak was geen oordeel over je merk. Het was een weergave van wat jouw systemen over jouw producten zeiden, samengesteld door iets dat alleen kon werken met wat het aantrof.