AI-zichtbaarheid meten: één ChatGPT-check schiet tekort

Kerncijfers

AI-zichtbaarheid is geen positie die je één keer controleert, maar een uitkomst die je herhaald moet meten.

Waarom dit onderzoek nodig is

Generative Engine Optimization, meestal afgekort tot GEO, gaat over zichtbaarheid in antwoorden van generatieve zoek- en antwoordsystemen. De term werd in academisch onderzoek geformaliseerd als een manier om zichtbaarheid in generatieve antwoorden systematisch te definiëren en te optimaliseren.¹

Voor webshops bestaat “zichtbaarheid” echter uit meerdere beslissingen. Een systeem kan:

1. een product of productfamilie noemen;
2. de juiste uitvoering herkennen;
3. een webshop in de lijst met genoemde webshops opnemen;
4. één aanbieder als beste keuze aanwijzen;
5. informatie van de webshop als bron gebruiken.

Die stappen worden in veel GEO-metingen op één hoop gegooid. Een merk kan bijvoorbeeld vaak worden genoemd, terwijl de aankoop steeds naar een andere webshop wordt gestuurd. Andersom kan een webshop voor één exact product worden aanbevolen zonder breed zichtbaar te zijn binnen de categorie.

ChatGPT kan actuele webbronnen raadplegen en antwoorden van bronverwijzingen voorzien. OpenAI waarschuwt zelf dat zoekresultaten en citaties onvolledig, verouderd of onjuist kunnen zijn en dat plaatsing niet is gegarandeerd.² In de officiële uitleg over native shoppingresultaten noemt OpenAI onder andere intentie, productmetadata, beschikbaarheid, prijs, kwaliteit en de rol van de verkoper.³ Dit onderzoek mat die native shopping-interface niet, maar de documentatie maakt wel duidelijk waarom product- en webshopdata afzonderlijk moeten worden bekeken.

Onderzoeksvraag

Hoe herhaalbaar zijn product- en webshopkeuzes in ChatGPT-antwoorden met webtoegang voor Nederlandse koopvragen, en welke observeerbare webshop- en productpagina-eigenschappen komen in deze benchmark met die keuzes samen voor?

Deelvragen

• Hoe vaak leveren drie uitvoeringen van dezelfde oriënterende productvraag dezelfde aanbevolen webshop op?
• Hoeveel stabieler of instabieler is de webshopkeuze wanneer het exacte product vooraf vaststaat?
• Hoe vaak is de aanbevolen webshop de goedkoopste van de in het antwoord genoemde aanbiedingen?
• Welke soorten websites worden als bron gebruikt in de afsluitende webshopkeuze?
• Hoe compleet zijn toegang, structured data en zichtbare commerciële informatie bij vijftig op Nederland gerichte webshops?
• Verschillen aanbevolen productpagina’s observeerbaar van vergelijkbare, niet-genoemde pagina’s?

Onderzoeksopzet

Het onderzoek bestond uit vier modules. Productkeuze, webshopkeuze, domeinkwaliteit en paginaverschillen zijn bewust niet als één meting behandeld.

De dataset omvat 342 modelantwoorden: 270 stappen binnen 90 oriënterende vraagtrajecten en 72 antwoorden over vooraf vastgelegde producten. Voor de herhaalbaarheidsanalyse zijn 30 vragen en 24 producten als onderzoekseenheden gebruikt, elk driemaal uitgevoerd.

Selectie van vragen, producten, webshops en pagina's

De onderzoekseenheden zijn volgens het interne protocol doelgericht samengesteld, niet aselect getrokken.

• 30 oriënterende vragen: vooraf geformuleerde scenario's, verdeeld over tien productcategorieën, met een gebruikssituatie, criteria, een budget en Nederland als markt, en zonder merknaam in de vraag.
• 24 vooraf vastgelegde producten: merkproducten uit acht categorieën, waarvan model, uitvoering, MPN waar beschikbaar en EAN/GTIN vóór het veldwerk zijn bevroren en die bij de selectie aantoonbaar bij minimaal vier op Nederland gerichte webshops verkrijgbaar waren.
• 50 webshops: tien winkelcategorieën met vijf op Nederland gerichte webshops per categorie, die Nederlandstalige informatie en europrijzen boden, aan Nederlandse adressen leverden en een openbaar retourbeleid hadden.
• Onderzochte productpagina's: per webshop één toegankelijke productpagina; voor de gematchte vergelijking is per vooraf vastgelegd product een aanbevolen verkooppagina gekoppeld aan een niet-genoemde pagina voor exact dezelfde uitvoering, met maximaal tien procent prijsverschil bij selectie.

Protocolstatus en registratie

Het interne onderzoeksprotocol, de vaste promptsets, het shop-panel en de analysevelden zijn vóór het hoofdveldwerk vastgelegd en als versie 1.0 bewaard. De studie is niet vooraf geregistreerd in een extern openbaar onderzoeksregister; methode, data en analyses zijn wel volledig openbaar. Drie pilotvragen zijn vóór de hoofdmeting uitgevoerd en later in de primaire A1-analyse behouden; daarom rapporteren we aanvullend een sensitiviteitsanalyse waarin deze vragen volledig zijn weggelaten. Waar deze publicatie spreekt over een vooraf gekozen methode of drempel, bedoelen we het intern bevroren protocol.

De uitvoering van de prompts en de primaire codering liepen via ChatGPT Work Mode-agents met webtoegang. De beschrijvende statistieken, Jaccard-overlap, betrouwbaarheidsberekeningen, sensitiviteitsanalyses en toetsen zijn uitgevoerd met eigen JavaScript/Node-analysescripts. Prompts, protocolbestanden, geaggregeerde uitkomsten en gebruikte scripts zijn opgenomen in de downloadbare onderzoeksbestanden.

Resultaat 1: bij 26 van de 30 oriënterende vragen wisselde de aanbeveling

In vier van de dertig oriënterende productvragen werd bij alle drie de uitvoeringen dezelfde webshop aanbevolen. In 26 vragen veranderde de aanbeveling minimaal één keer. De gemiddelde overlap van de genoemde top drie webshops was 0,296 op een schaal van 0 tot 1.

Resultaat 2: ook bij een exact product wisselde de webshop in de helft van de gevallen

Wanneer merk, model, uitvoering en EAN/GTIN vooraf vaststonden, was de webshopkeuze vaker volledig stabiel. Bij twaalf van de 24 producten werd in alle drie de herhalingen dezelfde webshop aanbevolen. Bij de overige twaalf wisselde de aanbeveling minimaal één keer.

De gemiddelde top-3-overlap was beschrijvend 0,296 bij de oriënterende vragen en 0,440 bij de vooraf vastgelegde producten. In de 72 antwoorden werden in totaal 196 webshopvermeldingen gecodeerd, verdeeld over 74 genormaliseerde webshopnamen.

Resultaat 3: de aanbeveling was vaak de goedkoopste genoemde aanbieder, maar niet altijd

Van de 72 antwoorden over vooraf vastgelegde producten konden er 71 numeriek op prijs worden vergeleken. In 42 antwoorden werd de strikt goedkoopste genoemde aanbieder aanbevolen. Negentien keer was de aanbeveling gedeeld goedkoopste. In tien antwoorden kwam een duurdere webshop uit de eigen genoemde lijst als aanbeveling naar voren.

Door afronding op één decimaal tellen de deelpercentages op tot 100,1 procent.

Bij de tien duurdere aanbevelingen bedroeg de mediane meerprijs ten opzichte van de goedkoopste genoemde optie €5,87, oftewel 2,3 procent. De grootste gecodeerde meerprijs was €21,74, oftewel 29,3 procent.

Resultaat 4: genoemd worden en aanbevolen worden zijn twee verschillende dingen

Bij de oriënterende productvragen kwamen 104 verschillende genormaliseerde webshopnamen voor. Van deze webshops werden er 45 in minimaal één herhaling aanbevolen. Bij de vooraf vastgelegde producten werden 74 webshops genoemd; 24 daarvan werden minimaal één keer aanbevolen.

Deze aantallen maken zichtbaar waarom het percentage vermeldingen en het percentage aanbevelingen niet mogen worden samengevoegd. We publiceren in het hoofdrapport bewust geen ranglijst per webshop: assortiment, categorie, prijs, beschikbaarheid en het aantal relevante verkoopkansen verschilden sterk. Er bestaat geen gelijke vergelijkingsbasis waarmee webshops eerlijk kunnen worden gerangschikt. De volledige webshoptabel staat in het werkboek en de onderzoeksbijlage.

Resultaat 5: de aanbevolen webshop was steeds onderdeel van het bronnenbeeld

In de webshopgerichte derde stap telden we 439 URL-vermeldingen. Daarvan verwezen er 183 naar het domein van de aanbevolen webshop en 194 naar een andere genoemde webshop. Samen waren webshopdomeinen goed voor 377 van de 439 URL’s, oftewel 85,9 procent.

Door afronding op één decimaal tellen de deelpercentages op tot 100,1 procent.

In alle 90 afsluitende antwoorden stond een URL van de aanbevolen webshop.

Dit toont URL-co-occurrence binnen deze prompts en meetomgeving. Het bewijst niet dat de URL de aanbeveling veroorzaakte of iedere bewering inhoudelijk onderbouwde.

Resultaat 6: in de auditsteekproef werd basisproductdata vaker als aanwezig gecodeerd

Op 42 van de vijftig onderzochte productpagina’s werd Product JSON-LD aangetroffen. Bij twee pagina’s werd het als afwezig gecodeerd; bij zes kon dit niet betrouwbaar worden vastgesteld. Velden voor merk, identifier, prijs en voorraad waren eveneens vaak aanwezig wanneer de pagina beoordeelbaar was.

In de primaire audit werden variant-, verzend- en retourvelden minder vaak als aanwezig gecodeerd. De hercodeerbetrouwbaarheid van juist deze velden bleef onder de vooraf gestelde drempel; de exacte aantallen zijn daarom beschrijvend:

Van de 42 pagina’s met Product JSON-LD hadden er negen zowel machineleesbare verzend- als retourinformatie.

Bij 47 domeinen bevatte robots.txt geen blokkade voor OAI-SearchBot; bij drie domeinen kon dit niet betrouwbaar worden vastgesteld. Alle vijftig webshops waren via de gebruikte ChatGPT-User-readingroute bereikbaar; in de afzonderlijke HTTP-classificatie waren 49 webshops bereikbaar en werd één webshop als geblokkeerd gecodeerd. OpenAI gebruikt OAI-SearchBot voor geschiktheid voor ChatGPT Search; toestaan is één voorwaarde voor die zoekroute.⁴

Resultaat 7: geen auditveld bleef statistisch onderscheidend na Holm-correctie

Voor twintig producten vergeleken we een aanbevolen verkooppagina met een niet-genoemde verkooppagina voor hetzelfde product. De pagina’s waren bij selectie maximaal tien procent in totale prijs van elkaar verwijderd. Geen veld haalde na Holm-correctie de gehanteerde significantiedrempel.

De vergelijking gebruikte per veld een tweezijdige exacte McNemar-toets met α = 0,05.¹¹ Onbekende of niet-toepasselijke waarden werden voor dat veld buiten de bekende paren gehouden. De p-waarden van de volledige familie van zeventien testbare velden zijn met de Holm-methode gecorrigeerd.¹²

In de primaire tabel kwamen shipping- en retourschema bij acht paren alleen op de aanbevolen pagina voor en bij één paar alleen op de controlepagina. Negen aanbevolen pagina’s waren echter afkomstig van bol en deelden grotendeels hetzelfde template. Binnen de bekende paren met een andere aanbevolen webshop was het netto verschil nul. De Holm-gecorrigeerde p-waarde bedroeg 0,664. In de strikte set van veertien paren was de richting vijf tegenover één, maar ook daar was het resultaat niet onderscheidend; de ongecorrigeerde p-waarde was 0,219.

De hercodeerbetrouwbaarheid haalde voor verschillende B2-velden de vooraf vastgelegde veldspecifieke drempel niet. De veldvergelijkingen zijn daarom beschrijvend, ook waar de rekenkundige toets correct is uitgevoerd. De complete vergelijking van alle velden, inclusief de ongecorrigeerde waarden, staat in de onderzoeksbijlage.

Discussie: van één positie naar gemeten variatie

De resultaten wijzen in dezelfde praktische richting. AI-zichtbaarheid bestaat niet uit één uitkomst, maar uit een keten van selecties:

1. Is de site technisch bereikbaar?
2. Wordt het juiste product begrepen?
3. Haalt de webshop de lijst met genoemde aanbieders?
4. Wordt de webshop als beste keuze aanbevolen?
5. Staat er een URL van de webshop zelf bij het antwoord?
6. Gebeurt dit opnieuw bij een herhaling?

Dat is fundamenteel anders dan één klassieke rangpositie rapporteren. Ook traditionele zoekresultaten veranderen, maar bij een gegenereerd antwoord kunnen de selectie, formulering, volgorde en bronmix binnen dezelfde taak tegelijk wisselen.

Voor e-commerce is vooral het onderscheid tussen product- en webshopzichtbaarheid belangrijk. Een fabrikant kan het product winnen terwijl een retailer de transactie verliest. Een webshop kan geregeld worden genoemd, maar zelden de expliciete voorkeur krijgen. En een winkel kan wel worden aanbevolen, maar met onjuiste of verouderde informatie over prijs, voorraad of retouren.

De juiste GEO-vraag is daarom niet:

“Staan we in ChatGPT?”

maar:

“Hoe vaak worden we voor deze concrete koopintentie genoemd en aanbevolen, voor welk product, op basis van welke bronnen en met hoeveel variatie tussen herhalingen en meetmomenten?”

Zes meetlagen voor AI-zichtbaarheid

Op basis van deze benchmark onderscheidt MarketingCollega zes meetlagen. Het is een praktisch analysekader, geen wetenschappelijk gevalideerde schaal of commercieel scoresysteem.

Praktijkadvies op basis van de benchmark en officiële specificaties

Dit onderzoek levert geen rankingformule op. De combinatie van de benchmark, algemene informatiehygiëne en officiële OpenAI- en Schema.org-specificaties geeft wel een logische controlevolgorde.

Prioriteit 1: maak iedere commerciële claim controleerbaar

Toon bij de concrete uitvoering:

• actuele totaalprijs;
• voorraadstatus;
• concrete bezorgbelofte;
• verzendkosten;
• retourtermijn en retourkosten;
• feitelijke verkoper bij marketplaces;
• conditie, bundel en eventuele abonnementsvoorwaarden.

Zorg dat deze informatie niet alleen in een onleesbare interface, afbeelding of na een onnodige interactie verschijnt.

Prioriteit 2: laat productidentiteit overal overeenkomen

Gebruik dezelfde merknaam, modelnaam, GTIN/EAN, MPN, variant en bundel in zichtbare tekst, structured data en feeds. Een AI-systeem dat twee uitvoeringen niet betrouwbaar uit elkaar kan houden, kan ook geen zuivere webshopvergelijking maken.

Prioriteit 3: vul structured data inhoudelijk aan

Controleer Product en Offer eerst op basisvelden. Voeg daarna waar passend variantrelaties, OfferShippingDetails, MerchantReturnPolicy en productbeoordelingen toe. Doe dit omdat volledige, consistente data beter uitleesbaar en controleerbaar is — niet omdat deze benchmark een rankingsprong bewijst.

Prioriteit 4: optimaliseer op de hele beslisketen

Categorieadvies, productdetailpagina, servicevoorwaarden, externe reviews, tests en vergelijkers kunnen verschillende rollen spelen. Een productpagina alleen hoeft niet alle informatiebehoeften op te lossen, maar de bronnen moeten elkaar niet tegenspreken.

Prioriteit 5: meet het antwoord, niet alleen de techniek

Een audit kan laten zien wat technisch ontbreekt. Alleen herhaalde antwoordmetingen laten zien of producten en webshops daadwerkelijk worden genoemd en aanbevolen.

Methodologische kwaliteit en betrouwbaarheid

De primaire codering is uitgevoerd volgens een vooraf vastgelegd codeboek. A1-keuzes en deelsets van de B1- en B2-audits zijn blind opnieuw beoordeeld. De hercodering is uitgevoerd door een afzonderlijke ChatGPT Work Mode-agent zonder inzage in de oorspronkelijke codering. Het gaat dus niet om onafhankelijke menselijke validatie. A2-aanbevelingen, productidentiteit en prijsposities zijn niet in een volledige blinde dubbelcodering gecontroleerd.

Bij de hercodering van 23 A1-uitvoeringen kwamen het gekozen product, de aanbevolen webshop en de variantclassificatie volledig overeen. Dit ondersteunt de betrouwbaarheid van deze A1-velden. Ook zonder de drie pilotvragen bleef de inhoudelijke richting van de A1-uitkomst gelijk. Voor webshopvermeldingen was de ruwe overeenstemming 96,4 procent over 55 kandidaatclassificaties; de bijbehorende kappa is door de gebruikte kandidaatset en sterke prevalentie niet inhoudelijk interpreteerbaar.

De intern vooraf gekozen betrouwbaarheidsdrempel was κ ≥ 0,80 voor binaire velden en κ ≥ 0,70 voor multicategorievelden. Deze drempel werd voor verschillende afzonderlijke technische velden niet gehaald. Daarom behandelen we specifieke B1- en B2-velden als beschrijvend en gebruiken we ze niet om rankingfactoren te claimen.

Reikwijdte van de conclusies

Een gecontroleerde momentopname

Alle metingen en audits vonden plaats op 4 september 2026, in dezelfde ChatGPT-omgeving met webtoegang. Daardoor zijn verschillen in meetmoment zo veel mogelijk beperkt en zijn de uitkomsten binnen hetzelfde meetvenster beter vergelijkbaar. Deze opzet doet daarmee geen uitspraken over veranderingen door de tijd en niet over native ChatGPT Shopping.

Breed samengesteld, niet marktbreed

De vijftig webshops, dertig oriënterende vragen en 24 vooraf vastgelegde producten zijn doelgericht samengesteld over tien productcategorieën. Dat geeft een brede benchmark over uiteenlopende koopsituaties, maar het is geen aselecte steekproef: de percentages zijn geen schatting voor de volledige Nederlandse e-commercemarkt.

Sterkste bewijs bij de antwoordmetingen

De kernuitkomsten over product- en webshopkeuzes bleken bij blinde hercodering volledig overeen te komen. Ook wanneer de drie pilotvragen uit de analyse werden verwijderd, bleef de inhoudelijke conclusie gelijk. Daarmee is de centrale bevinding niet afhankelijk van één codeur of van de pilotvragen.

Sommige secundaire coderingsvelden en technische auditkenmerken haalden de vooraf vastgelegde betrouwbaarheidsdrempel niet en zijn daarom beschrijvend gerapporteerd.

Dit rapport is niet peer-reviewed. Methode, codeboek, data en analysescripts zijn openbaar, zodat derden de analyse kunnen controleren.

Samenhang, geen oorzaak

De gevonden verbanden geven aanwijzingen voor samenhang, maar tonen geen causale rankingfactoren aan. De gematchte pagina-vergelijking bevatte twintig paren met een strikte set van veertien, en negen van de twintig aanbevolen pagina’s kwamen van hetzelfde domein. Pagina’s op één domein delen techniek en zijn geen volledig onafhankelijke observaties.

Conclusie

Deze benchmark maakt zichtbaar waarom één ChatGPT-uitkomst niet als een vaste positie moet worden behandeld.

Bij 26 van de dertig oriënterende productvragen wisselde de aanbevolen webshop minimaal één keer. Zelfs toen het exacte product vooraf vaststond, veranderde bij de helft van de producten de aanbeveling tussen drie herhalingen. De laagste genoemde prijs viel vaak samen met de aanbeveling, webshoppagina’s domineerden de bronmix en veel webshops boden al technische productdata. Toch vond de gematchte analyse geen los paginaveld dat na correctie als onderscheidend overeind bleef.

De praktische consequentie binnen deze benchmark is helder. Voor webshops ligt het voor de hand om product- en commerciële data volledig, consistent en controleerbaar te maken. Wie wil weten of die inspanning samenvalt met andere antwoorduitkomsten, moet vervolgens herhaald meten wat er gebeurt: per intentie, per product, per webshop en over de tijd.

AI-zichtbaarheid is niet “aan” omdat een webshop één keer verschijnt. Zij wordt pas meetbaar wanneer bereikbaarheid, herkenning, vermelding, aanbeveling, eigen bronvermelding en herhaalbaarheid afzonderlijk worden gevolgd.

Data en methode

De volgende onderzoeksbestanden zijn versieerbaar bewaard:

• onderzoeksprotocol en vaste prompts;
• lijst met dertig oriënterende productvragen;
• bevroren lijst met 24 vooraf vastgelegde producten;
• ruwe en gecodeerde antwoorddata;
• auditdata van vijftig webshops;
• de twintig gematchte paginaparen;
• codeboek, betrouwbaarheidscontroles en analysescripts.

Onderzoeksdata AI-zichtbaarheid webshops 2026
Bestandsformaat: XLSX · Versie 1.0 · Onderzoeksdatum 4 september 2026
SHA-256 van het aangeleverde v1.0-werkboek: 18401b9bfdc1d5e8121172708b7a7bd1ae498b0e49003708a4b702fd9a4d5a49
Bestand: Download onderzoeksdata

Volledig onderzoeksrapport
Bestandsformaat: doorzoekbare PDF · Versie 1.1 · Rapport MC-R-2026-01
Bestand: Download het onderzoeksrapport

Protocol, ruwe antwoorden, codering en analysescripts
Bestandsformaat: ZIP · Versie 1.0
SHA-256: 9cbad33c0a475033f053550f7eacc1ff9044eadab7394fdf75f68bb0efd8d6fe
Bestand: Download het reproduceerbaarheidsmateriaal

Onderzoeksbijlagen in HTML
Register van oriënterende productvragen, vooraf vastgelegde producten, webshops, gematchte paren, codeboek en aanvullende analyses: Bekijk de onderzoeksbijlagen

De gepubliceerde bestanden maken de methode, prompts, primaire antwoorden, codering en berekeningen controleerbaar en maken een procedurele herhaling mogelijk. Volledige computationele reproductie is niet mogelijk, omdat modelbuild, zoekbackend, sessiestatus en dynamische paginaversies niet zijn bevroren. Een nieuwe uitvoering hoeft daardoor niet dezelfde uitkomsten op te leveren.

Onderzoeksintegriteit

Onderzoeker en onderzoeksinstrument

MarketingCollega ontwierp het protocol, stelde de onderzoeksvragen en steekproeven samen en is verantwoordelijk voor analyse, interpretatie en publicatie. ChatGPT Work Mode-agents met webtoegang genereerden de antwoorden volgens vaste prompts en voerden de primaire codering uit met een vooraf vastgelegd codeboek. Blinde hercoderingen van deelsets, sensitiviteitsanalyses en versieerbare analysescripts zijn gebruikt om de kernuitkomsten te controleren.

Belangenverklaring

MarketingCollega voert commerciële opdrachten uit rond GEO, SEO en e-commerce en financierde dit onderzoek zelf. Geen onderzochte webshop, platform of leverancier betaalde voor opname of had invloed op de opzet, codering, analyse of publicatie. De onderzoeksbestanden zijn openbaar gemaakt om onafhankelijke controle mogelijk te maken.

Financiering

Dit onderzoek is door MarketingCollega zelf gefinancierd. Er was geen externe onderzoeksfinancier of opdrachtgever.

Correcties en updates

We corrigeren aantoonbare fouten zichtbaar en overschrijven eerdere conclusies niet stilzwijgend. Iedere inhoudelijke wijziging krijgt een datum, versienummer en korte toelichting.