We verdeelden 153 gevolgde merken op basis van wel of geen Wikipedia-artikel
De steekproef bestaat uit elk antwoord dat Proofsource van 4 tot en met 29 oktober 2026 verzamelde voor een Engelse koopvraag die het merk niet noemt, op ChatGPT, Perplexity, Claude en Google AI Overviews: 23.046 antwoorden voor 153 merken in 110 accounts.
We zochten elk merk op in de Engelse Wikipedia en telden het als merk met een artikel wanneer de officiële website in het artikel overeenkwam met het domein van het merk, of wanneer de exacte titel een pagina over dat bedrijf was. 22 merken hadden er een. 131 niet.
Merken met een artikel werden in 52,5% van de antwoorden genoemd, de rest in 4,6%
De 22 werden genoemd in 1.423 van de 2.712 antwoorden, 52,5% (95%-interval 50,6% tot 54,3%). De 131 werden genoemd in 927 van de 20.334, 4,6% (4,3% tot 4,9%). Het mediane merk met een artikel werd genoemd in 55% van zijn antwoorden. Het mediane merk zonder artikel in 1,2%.
Het verschil bleef op elke engine overeind. ChatGPT noemde de merken met een artikel in 56,9% van de antwoorden en de andere in 6,1%. Claude: 50,7% en 4,4%.
Hun eigen artikel werd geciteerd in 27 van de 1.423 antwoorden die hen noemden
Als het artikel het werk deed, zou je verwachten dat de engines het lazen. Meestal deden ze dat niet. In de antwoorden die een van de 22 noemden, stond de eigen Wikipedia-pagina van dat merk 27 keer tussen de geciteerde bronnen (1,9%):
- Claude: 20 van 332.
- Google AI Overviews: 6 van 353.
- ChatGPT: 1 van 427.
- Perplexity: 0 van 311.
Alleen Claude citeerde Wikipedia vaak, en het noemde deze merken niet vaker
Van alle 247.363 bronvermeldingen gingen er 1.638 naar Wikipedia. Claude was goed voor 1.517 daarvan, 2,0% van zijn bronvermeldingen, en citeerde Wikipedia ergens in 966 van zijn 5.685 antwoorden. ChatGPT citeerde het 45 keer op 46.413 bronvermeldingen, AI Overviews 40 keer en Perplexity 36 keer.
ChatGPT opende Wikipedia nauwelijks en noemde de merken met een artikel het vaakst van de vier. Dit zijn bedrijven die de modellen al kennen. Een artikel is daar een teken van, niet de oorzaak.
Wikipedia laat alleen merken toe die die berichtgeving al hebben
De Wikipedia-richtlijn voor bedrijven zegt dat een organisatie alleen als relevant geldt bij uitgebreide berichtgeving in meerdere betrouwbare secundaire bronnen die onafhankelijk van haar zijn, en dat geen enkel bedrijf vanzelf relevant is. De richtlijn over belangenverstrengeling raadt sterk af om een artikel over je eigen bedrijf te bewerken, en betaald bewerken moet worden gemeld.
Een merk krijgt dus pas een artikel als het eerst de uitgebreide onafhankelijke berichtgeving heeft verdiend waar modellen ook van leren. Wikipedia weegt wel zwaarder mee in training: het GPT-3-paper van OpenAI gaf het 3% van de trainingsmix en liep er 3,4 keer doorheen, tegenover 0,44 keer voor gefilterde Common Crawl. De huidige labs publiceren hun mix niet.
Wat wij met Wikipedia zouden doen
- Heb je geen artikel, steek de moeite dan in de onafhankelijke berichtgeving die Wikipedia zou eisen: reviews, analistennotities, vakpers die uitgebreid over je schrijft. Engines lezen die bronnen rechtstreeks.
- Kom je in aanmerking, stel dan een artikel of wijzigingen voor op de overlegpagina en meld je band met het bedrijf. Schrijf het niet zelf.
- Heb je er al een, lees het dan zoals Claude het zou lezen. Dat is de engine die het het vaakst citeert, dus verouderde feiten erin komen in antwoorden terecht.
Hoe Proofsource dit aanpakt
Proofsource legt per antwoord elke pagina vast die elke engine citeerde, naast de merken die het antwoord noemde. Zo zie je of een engine je Wikipedia-artikel heeft gelezen, of dat van je concurrenten, bij de vragen die je kopers stellen.
Waar dit mis kan zitten
Dit is een vergelijking van merken, geen experiment. De merken met een artikel zijn vooral grote, bekende bedrijven, en dat verklaart waarschijnlijk het grootste deel van het verschil, niet het artikel. 3 van de 22 werden genoemd in minder dan 30% van hun antwoorden, en 5 van de 131 zonder artikel in meer dan 30%.
We koppelden artikelen op naam en website, dus een paar merken met een artikel kunnen in de verkeerde groep zitten. Eén merk wordt in twee accounts gevolgd en dubbel geteld.
Trainingsdata zijn van buitenaf niet te zien. Een artikel kan een model helpen een merk te leren kennen zonder ooit geciteerd te worden, en wij hebben alleen live bronvermeldingen gemeten. Onze Claude-antwoorden komen uit de API met zoeken op het web, en de app kan anders citeren.
De steekproef beslaat 26 dagen, Engelse vragen gesteld vanuit de VS, in categorieën die onze gebruikers kozen om te volgen. We lieten vier Shopify-teststores voor reviews buiten beschouwing.
