AI Search op de juiste manier meten
Waarom rankings, klikken en GA4-verkeer niet langer voldoende zijn
Een nieuw raamwerk voor het meten van AI-invloed: van machine-toegang tot kwalitatief onderzoek.
Jarenlang volgde zoekmachine marketing metingen een vertrouwde keten: rankings, klikken, sessies en conversies.
Die keten beschrijft niet langer wat er daadwerkelijk gebeurt.
Bij AI Search vindt invloed vaak plaats vóór de klik, zonder een klik, of lang voordat analytics kan herkennen waar de klantreis werkelijk begon. Een koper kan jouw merk eerst tegenkomen in ChatGPT, vervolgens een shortlist verfijnen in Gemini, en pas later je website bezoeken via branded search, direct verkeer of een ander kanaal. Tegen die tijd is de oorspronkelijke bron van invloed vaak al verborgen.
Dit is de meetkloof waar veel marketingteams tegenwoordig tegenaan lopen.
En de markt begint dat te erkennen. Op 13 mei 2026 introduceerde Google Analytics een speciale meetmethode voor verkeer afkomstig van AI-assistenten. GA4 kent nu een nieuw medium toe: ai-assistant, groepeert deze sessies binnen een nieuw standaardkanaal voor AI-assistenten en labelt campagnes als (ai-assistant). Google positioneert dit expliciet als een manier om verkeer van chatbots zoals ChatGPT, Gemini en Claude te meten.
Dat is een belangrijke stap vooruit.
Maar het meet nog steeds alleen de zichtbare klik.
Het meet niet de volledige invloed van AI-systemen op ontdekking, shortlistvorming, merkperceptie of voorkeur. Het herstelt geen bezoeken waarvan de verwijzende bron verloren is gegaan - bijvoorbeeld omdat iOS UTM parameters stript van app-referral verkeer. Het verklaart niet wat er binnen het model gebeurde vóór de klik. En het registreert geen crawleractiviteit, die volledig buiten browseranalytics plaatsvindt. Het nieuwe kanaal is nuttig, maar vormt slechts één laag van het totaalbeeld.
Daarom hebben wij de PromptMarketing AI Impact Funnel ontwikkeld: een raamwerk om AI Search te meten van machineleesbaarheid tot marktinvloed.
Het model bestaat uit vijf lagen:
- Machine Access (Machine-toegang)
- Model Visibility (Modelzichtbaarheid)
- AI Search traffic (Analytics verkeer uit AI Chatbot bronnen)
- Declared Discovery (klantonderzoek na conversie)
- Qualitative Journey Intelligence (Kwalitatieve klantreis-inzichten)
Samen bieden deze lagen een eerlijker beeld van AI Search dan verkeersdata ooit alleen zou kunnen geven.
Het probleem met traditionele meetmethoden
Traditionele analytics begint wanneer iemand je website bezoekt.
Maar binnen generatieve AI-ervaringen is dat vaak pas het midden van het verhaal.
Modellen doen tegenwoordig veel meer dan links ophalen. Ze vatten samen, vergelijken, bevelen aan, rangschikken impliciet, definiëren categorieën en beïnvloeden percepties voordat iemand ooit een website bezoekt. Jouw merk kan al geselecteerd, afgewezen, herpositioneerd of vergeleken zijn met concurrenten voordat er überhaupt een sessie verschijnt in GA4.
Daarom is het een fout om op zoek te gaan naar één nieuwe KPI die rankings moet vervangen.
Er bestaat geen enkele vervangende metric.
- Logbestanden tonen toegang, niet overtuigingskracht.
- Promptmetingen tonen zichtbaarheid, niet omzet.
- GA4 toont meetbaar verkeer, niet totale AI-invloed.
- Enquêtes onthullen verborgen attributie, maar onvolmaakt.
- Kwalitatief onderzoek verklaart gedrag, maar is geen KPI.
De juiste aanpak is niet één getal.
Het is een opeenvolging van bewijslagen.
De PromptMarketing AI Impact Funnel
1. Machine Access
De eerste vraag is eenvoudig maar essentieel:
Kunnen AI-systemen jouw content daadwerkelijk lezen en verwerken?
Deze laag kijkt naar:
- crawlerlogs;
- botactiviteit per pagina;
- toegangspatronen;
- grounding-signalen.
In de nieuwste versie van het model hoort daar ook het Copilot Grounding Queries Report van Bing Webmaster Tools bij, een van de duidelijkste signalen die momenteel beschikbaar zijn over welke content daadwerkelijk wordt gebruikt voor antwoordgeneratie.
Geen enkel model kan content citeren, vermelden of selecteren die het niet betrouwbaar kan bereiken.
Tegelijkertijd wordt deze laag vaak verkeerd begrepen. Een crawlerbezoek bewijst geen invloed. Het betekent niet dat een pagina een antwoord heeft beïnvloed of dat een merk werd aanbevolen.
Het bewijst slechts dat de content onderdeel werd van de machineleesbare mogelijkhedenruimte.
Een belangrijk onderscheid hierbij is:
- AI-crawlers die infrastructuur bezoeken;
- AI-referrals die verkeer sturen;
- AI-beïnvloed verkeer zonder duidelijke attributie.
Dat zijn drie verschillende signalen.
Een interessante toevoeging aan het model is correlatieanalyse.
Wanneer waardevolle pagina's plotseling veel AI-botverkeer ontvangen en dit enkele dagen later wordt gevolgd door een stijging in branded search, direct verkeer of ondersteunde conversies, kan dat wijzen op AI-invloed vóór de klik.
Dat is geen harde attributie, maar wel commercieel relevante vroege indicatie.
2. Model Visibility
Zodra een model toegang heeft tot je content, ontstaat de echte strategische vraag:
Gebruikt het model jouw content daadwerkelijk in zijn antwoorden?
Dit is het hart van AI Search-metingen.
Bij PromptMarketing meten we of een merk:
- genoemd wordt;
- geciteerd wordt;
- geselecteerd wordt;
- correct wordt weergegeven.
Dit gebeurt over gestructureerde promptsets en verschillende categorieën prompts zoals:
- merkgerelateerde vragen;
- vergelijkingen;
- informatieve zoekopdrachten;
- commerciële zoekopdrachten.
Hier ontdekken veel merken een ongemakkelijke waarheid:
AI ziet hen niet noodzakelijk zoals zij zichzelf zien.
Een merk kan denken dat het een categorie domineert, terwijl modellen het beschouwen als:
- generiek;
- te duur;
- onvoldoende betrouwbaar;
- bekend maar niet aanbevolen;
- of volledig afwezig op cruciale koopmomenten.
Dat verschil tussen gewenste positionering en daadwerkelijke AI-representatie is geen theoretisch probleem, maar een commercieel probleem.
3. Human Referral
Dit is de laag die de meeste marketeers als eerste herkennen:
Leidt AI-zichtbaarheid tot meetbaar verkeer en conversies?
Hier analyseren we:
- GA4-verkeer vanuit AI-platformen;
- landingspagina's;
- engagementpatronen;
- belangrijke gebeurtenissen;
- ondersteunde conversiepaden;
- conversieresultaten.
Hier wordt Google's nieuwe AI Assistant-kanaal echt nuttig.
AI-verwijzingen hoeven hierdoor niet langer verstopt te zitten tussen algemeen referralverkeer.
Maar er is een cruciaal punt:
GA4 meet AI-verkeer, niet totale AI-invloed.
Daarnaast zijn er twee belangrijke beperkingen:
- Google heeft nog niet openbaar gemaakt welke AI-assistenten precies worden herkend.
- Verkeer zonder referrer-header kan nog steeds als Direct verkeer worden geregistreerd.
Zelfs met een speciaal AI-kanaal blijft een deel van het AI-verkeer onzichtbaar.
AI-verkeermetingen worden pas waardevol wanneer je verder kijkt dan sessieaantallen en onderzoekt:
- welke platformen verkeer sturen;
- welke pagina's worden bezocht;
- hoe betrokken bezoekers zijn;
- welke acties worden uitgevoerd;
- welke commerciële waarde ontstaat.
AI-verkeer kan qua volume kleiner zijn dan organisch verkeer, maar vaak veel sterker qua intentie.
De relevante vraag is niet hoeveel klikken AI oplevert.
De relevante vraag is of bezoekers beter gekwalificeerd zijn omdat een deel van het onderzoeks- en vertrouwensproces al door AI is uitgevoerd.
4. Declared Discovery
Omdat analytics niet alles kan zien, moeten we kopers rechtstreeks vragen stellen.
Deze laag verzamelt informatie over wat klanten zelf aangeven als invloed op hun:
- onderzoek;
- shortlist;
- uiteindelijke beslissing.
Dit kan via:
- post-conversie-enquêtes;
- CRM-velden;
- onboardingvragen;
- leadformulieren;
- verkoopprocessen.
Deze laag is belangrijk omdat steeds meer AI-invloed plaatsvindt binnen wat je Dark AI zou kunnen noemen:
Klantreizen die beginnen binnen een LLM, maar later terugkeren als direct verkeer, branded search of een ander kanaal dat de oorspronkelijke bron verhult.
Een koper kan een merk ontdekken via ChatGPT, opties vergelijken via Gemini en uiteindelijk converteren via een direct bezoek.
Analytics toont vaak alleen het laatste deel van die reis.
Een goede enquête onthult vaak het volledige verhaal.
5. Qualitative Journey Intelligence
De laatste laag beantwoordt de vraag die de andere vier slechts gedeeltelijk kunnen beantwoorden:
Waarom gebeurt dit?
Via interviews, win-loss-analyses, verkoopnotities, onboardinggesprekken en open feedback ontdekken we:
- waar AI in de klantreis verschijnt;
- welke prompts belangrijk zijn;
- welke bewijsstukken vertrouwen creëren;
- welke boodschappen modellen herhalen;
- waar AI-representatie afwijkt van de gewenste positionering.
Hier verandert meten in strategie.
Je hoort uitspraken zoals:
- "ChatGPT noemde jullie integratie als eerste."
- "Gemini positioneerde jullie als de veiligere enterprise-oplossing."
- "We kenden jullie merk niet voordat AI het aanbeval."
- "Het model gaf ons de indruk dat jullie premium waren ten opzichte van concurrenten."
Dit zijn geen losse anekdotes.
Het zijn signalen over welke associaties, entiteiten en commerciële verhalen modellen versterken.
De echte waarde: de correlatie analyses
De AI Impact Funnel is niet alleen een rapportagemodel.
Het is een leersysteem.
Wat je leert uit de latere lagen moet de eerdere lagen voortdurend verbeteren:
- crawlerinzichten sturen contentprioriteiten;
- zichtbaarheidshiaten beïnvloeden content- en entiteitsstrategieën;
- AI-referral patronen verfijnen commerciële hypotheses;
- klantonderzoek verbetert bronregistratie;
- kwalitatieve inzichten verbeteren prompts, bewijsvoering en positionering.
Nee, GA4 lost AI Search-metingen niet zelfstandig op
Het nieuwe AI Assistant-kanaal van Google is een belangrijke ontwikkeling.
Het erkent AI-assistenten als een legitieme verkeersbron en maakt rapportage eenvoudiger.
Maar het lost het fundamentele meetprobleem niet op.
Het meet alleen sessies die via herkenbare referrers kunnen worden geïdentificeerd.
Het meet niet:
- crawlertoegang;
- modelzichtbaarheid;
- Dark AI-klantreizen;
- merkrepresentatie binnen modellen;
- AI-invloed op shortlistvorming.
Gebruik het nieuwe AI Assistant-kanaal dus zeker.
Maar beschouw het niet als een volledig attributiemodel.
Een betere manier om AI Search te meten
De PromptMarketing AI Impact Funnel is ons antwoord op de meetkloof in het generatieve tijdperk.
Het meet:
- of machines toegang hebben tot je content;
- of modellen deze gebruiken;
- of dat leidt tot menselijk verkeer;
- of kopers aangeven dat AI hun ontdekking heeft beïnvloed;
- en hoe klantreizen daadwerkelijk veranderen.
Dat is een veel eerlijker raamwerk dan simpelweg vragen hoeveel verkeer ChatGPT vorige maand heeft gestuurd.
Want AI Search is niet slechts een verkeersbron.
Het is een nieuwe laag van invloed die vóór, rondom en soms zelfs in plaats van de klik opereert.
En serieuze metingen moeten die realiteit weerspiegelen.
Van machine-toegang naar markt-impact.