We lazen 5.811 antwoorden op vragen die het merk noemen
Zodra een koper van je gehoord heeft, bevat de volgende vraag meestal je naam: “What is X?”, “Is X legit?”, “X vs Y”. De engine moet eerst uitzoeken welke X er bedoeld wordt voordat hij iets nuttigs kan zeggen.
Proofsource volgt deze vragen naast de categorievragen en legt bij elk antwoord vast of het over het merk gaat, over een ander bedrijf met een vergelijkbare naam, of dat onduidelijk is welk bedrijf er bedoeld wordt.
De steekproef bestaat uit elk antwoord van ChatGPT, Perplexity, Claude en Google AI Overviews dat we van 4 oktober tot en met 1 november 2026 verzamelden voor een Engelse vraag die het merk noemt: 5.811 antwoorden op 835 vragen voor 156 merken in 114 accounts. Herhaalde identieke antwoorden hebben we weggelaten.
6,4% beschreef iemand anders, en AI Overviews deden dat het vaakst
372 van de 5.811 antwoorden (6,4%) beschreven een ander bedrijf. We lazen er 30 willekeurig gekozen met de hand: 23 gingen duidelijk over een ander bedrijf, 4 gingen toch over het merk, en over 3 kwamen we niet uit. Het echte aandeel ligt dus waarschijnlijk tussen 5% en 6%, ongeveer een op de 20 antwoorden.
- Google AI Overviews: 137 van 1.376 (10,0%, 95%-interval 8,5% tot 11,7%).
- Claude: 103 van 1.478 (7,0%, 5,8% tot 8,4%).
- Perplexity: 69 van 1.464 (4,7%, 3,7% tot 5,9%).
- ChatGPT: 63 van 1.493 (4,2%, 3,3% tot 5,4%).
Nog eens 13,3% wist niet welk bedrijf er bedoeld werd
771 antwoorden (13,3%) beschreven het merk niet en ook niet duidelijk een ander bedrijf. Ze vroegen welk bedrijf de koper bedoelde, noemden meerdere bedrijven met die naam of zeiden dat ze niets hadden gevonden. Claude deed dat in 397 van de 1.478 antwoorden (26,9%), tegenover 7,2% bij ChatGPT en 7,7% bij Perplexity.
Van de 20 die we lazen, herkenden er 16 het merk echt niet en beschreven er 4 het toch. Dat is eerlijker dan het verkeerde bedrijf beschrijven, maar de koper komt nog steeds niets over je te weten.
Tien merken hadden 46% van de verwarde antwoorden
86 van de 156 merken hadden helemaal geen verwarde antwoorden. Bij 15 ging minstens een op de vijf antwoorden op vragen met hun naam over iemand anders, en tien merken waren goed voor 171 van de 372. De namen die we lazen, vielen in vier patronen uiteen.
- Een alledaags woord. Een merk dat naar een gewoon zelfstandig naamwoord heet, kreeg een antwoord over het ding zelf, niet over het bedrijf.
- De naam van een groter bedrijf in die van jou. De engine liet het extra woord weg en beschreef het bekendere bedrijf.
- Een bijna gelijke spelling. Op de vraag “Proofsource vs Profound” beschreef Claude ProveSource, een tool voor social proof, en schreef “not 'Proofsource'”. Dat voorbeeld is van ons.
- Zelfde naam, oudere site. Een nieuwer merk op het ene domein verloor het antwoord aan een gevestigd bedrijf op een ander domein.
Eén keer vragen kan het missen
2.157 combinaties van vraag en engine kregen in deze periode minstens twee verschillende antwoorden. 220 daarvan beschreven minstens één keer een ander bedrijf, maar slechts 71 deden dat elke keer en 147 maar één keer. Eén controle kan het probleem missen, of juist een eenmalig geval oppikken waar je dan achteraan gaat.
Wat wij zouden doen
- Stel elke engine de vragen die een koper typt zodra hij je naam kent: wat is het, is het betrouwbaar, is het de moeite waard, en hoe verhoudt het zich tot je dichtste concurrent. Lees wie het antwoord beschrijft, niet of de naam erin staat.
- Kiest een engine een ander bedrijf, zeg dan op je homepage en je over-ons-pagina duidelijk wat je maakt, voor wie en waar, naast je naam en domein.
- Gebruik dezelfde naam en hetzelfde domein op elk profiel dat je zelf beheert, van LinkedIn tot app stores en reviewsites.
- Voeg Organization-markup toe met je naam, url en sameAs-links. Google zegt dat het helpt om “je organisatie in zoekresultaten te onderscheiden”. Over AI-antwoorden zegt Google niets, dus zie het als goedkoop, niet als bewezen.
- Controleer het opnieuw over meerdere dagen. Eén goed antwoord is nog geen verbetering.
Hoe Proofsource hiermee omgaat
Proofsource controleert elk antwoord op een vraag die je merk noemt en markeert de antwoorden die over een ander bedrijf met een vergelijkbare naam gaan. Die tellen niet als vermeldingen van jou en worden niet aan je feiten getoetst, en je kunt ze allemaal lezen met hun bronnen erbij.
Waar dit fout kan zitten
De oordelen komen uit regels plus een classifier, en 4 van de 30 die we lazen waren fout. Dertig is een kleine controle, dus ook de schatting van 5% tot 6% is ruw.
Dit zijn merken die onze gebruikers wilden volgen, veel ervan jong en klein. Een bekend merk wordt veel minder vaak verward, en een engine kan een beroemde naam heel anders behandelen.
Elk antwoord is één reactie op één moment. Engines veranderen, en een antwoord dat deze week twee bedrijven verwarde, doet dat volgende week misschien niet meer. We lazen alleen Engelse vragen.
