B2B / merken
De klassieke signalen zagen er goed uit: merken werden gevonden, relevante pagina's waren geïndexeerd, er was organisch verkeer. Maar op de vraag wat een potentiële klant ziet wanneer die zijn behoefte aan Google of een AI-systeem voorlegt, gaf dat geen antwoord. Simply Dom bouwde een meetkader dat die verschillende vormen van zichtbaarheid uit elkaar houdt — per merk, taal, markt, intentie en omgeving.
De situatie
De uitgangsvraag klonk eenvoudig: hoe zichtbaar zijn onze merken eigenlijk?
Er waren genoeg klassieke signalen om daar snel een geruststellend antwoord op te geven. De website werd gevonden, merknamen leverden resultaten op, product- en categoriepagina’s zaten in Google, en ook externe verkooppunten brachten de merken naar boven.
Alleen bleek die ene vraag intussen twee vragen te zijn. Hoe zichtbaar zijn we in klassieke zoekresultaten? En: wat gebeurt er wanneer iemand dezelfde commerciële behoefte formuleert als een vraag aan een AI-systeem?
Op die tweede vraag gaf het bestaande SEO-overzicht geen betrouwbaar antwoord.
Het zakelijke vraagstuk
Het probleem was geen gebrek aan data. Er waren juist veel data: Search Console, rankings, websiteverkeer, externe vermeldingen, productpagina’s, dealers en andere bronnen. Daarnaast kwamen nieuwe observaties uit AI Overviews, AI Mode, ChatGPT en andere systemen.
Het eerste risico was al die signalen op één hoop te gooien en er één algemene conclusie uit te trekken — “we zijn goed zichtbaar” — zonder te weten waar, voor welke vraag en tegenover wie.
Het tweede risico zat in de meetmethode zelf. Eén positieve AI-uitkomst bewijst weinig. Maar een zelfbedacht percentage op basis van een arbitrair aantal prompts bewijst evenmin vanzelf iets.
Voor er gemeten kon worden, moest dus eerst vastgelegd worden wat een geldige waarneming was.
De gemaakte keuzes
Klassieke Search en AI-omgevingen werden niet als één gemiddeld kanaal behandeld. Google Search bleef een eigen meetomgeving, Googles AI-features werden afzonderlijk bekeken, en andere AI-systemen kregen elk hun eigen observaties.
De commerciële vraag kwam vóór de tool. Welke zoekintenties doen er werkelijk toe — merkbekendheid, productselectie, vergelijking, aankoopadvies, technische informatie, een leverancier vinden? Voor welk merk, in welke taal, in welke markt?
Pas daarna werden testvragen opgebouwd.
Per run werd niet alleen geregistreerd of het eigen merk verscheen, maar ook welke andere merken genoemd werden, welke bronnen zichtbaar waren en welk soort antwoord het systeem gaf.
Aannames werden ook gewoon als aannames benoemd. Een gekozen aantal runs is een werkafspraak, geen natuurwet. Een taalverdeling is een onderzoekskeuze, geen bewezen gewicht. En een zelfgemaakte visibility score wordt niet officieel omdat er een procentteken achter staat.
Mijn rol
Mijn rol begon niet met “SEO optimaliseren”, maar met uitklaren wat we eigenlijk wilden weten.
Ik bracht merken, markten, talen en commerciële zoekintenties in kaart, en zocht op wat Google en de andere platformen zelf officieel documenteren over hoe hun zoek- en AI-ervaringen met websites en bronnen omgaan.
Claims uit tools en leveranciersdocumentatie werden waar mogelijk teruggebracht tot hun oorspronkelijke bron.
Daarna bouwde ik het meetkader: testvragen gegroepeerd per intentie, omgevingen strikt gescheiden, vermeldingen, concurrenten en gebruikte bronnen geregistreerd.
Waar een observatie niet reproduceerbaar genoeg was om er een conclusie aan te hangen, werd ze ook niet sterker voorgesteld dan ze was.
En de methodologie zelf werd even hard gechallenged als de uitkomst.
Een willekeurige meetlat wordt niet beter doordat je er heel precies mee meet.
De uitvoering
Het resultaat was geen magisch GEO-cijfer, wel een bruikbaar beeld: een matrix per merk, taal, markt, intentie en zoekomgeving.
Daarin werd zichtbaar waar het merk zelf verscheen, welke concurrenten terugkwamen, welke eigen en externe bronnen een rol speelden, en waar klassieke Search sterk stond terwijl andere omgevingen minder duidelijk waren.
Vooral kwamen er concrete hiaten naar boven waar iets aan te doen viel. Soms lag dat bij technische vindbaarheid, soms bij de structuur of inhoud van een pagina. Soms ontbrak gewoon een duidelijke bron rond een vraag waar klanten wél een antwoord op zoeken. En soms bleek externe informatie over het merk minstens zo bepalend als wat op de eigen website stond.
Daaruit volgde geen generieke lijst GEO-optimalisaties, maar een prioriteitenlijst: eerst ingrijpen waar observatie en commerciële relevantie elkaar raken.
Daarna opnieuw meten, met dezelfde meetlat.
Pas dan kun je onderscheiden of iets werkelijk verandert — of dat je gewoon naar een andere momentopname kijkt.
Bewust niet gedaan
Geen verklaring dat SEO dood is.
Geen belofte dat een schema-tag een merk in een AI-antwoord duwt.
Geen honderden pagina’s bouwen rond vermoedelijke fan-out-queries.
Geen éénmalige ChatGPT-prompt presenteren als marktonderzoek.
Geen zelfbedacht minimumaantal runs dat vervolgens “wetenschappelijk” heet.
Geen willekeurige gewichten om Google, ChatGPT en de rest samen te persen in één indrukwekkend percentage.
En geen aanbevelingen omdat “GEO nu belangrijk is”.
Eerst meten, dan zien waar het verschil zit, en pas daarna beslissen of er überhaupt iets moet veranderen.