Een vermelding is bijna een vaste eigenschap van het merk, de Prompt en de engine
De meeste dashboards voor AI-zichtbaarheid openen met één getal, het aandeel antwoorden dat je noemt. Het komt als screenshot in presentaties voor de raad van bestuur en mensen zetten er meldingen op. Het is ook het deel van het antwoord dat het minst beweegt.
Een paper die in juni 2026 werd gepubliceerd door Pratyush Kumar van Ranqo geeft daar een grootte aan. Ranqo verkoopt GEO-tools en rapporteert eigen productiedata, wat ertoe doet voor hoeveel gewicht je eraan geeft. De groep bestaat uit 102 merken over vijf engines, maart tot en met mei 2026, meer dan 100.000 antwoorden op Prompts.
Voor elke cel van merk, Prompt en platform die minstens drie runs werd gevolgd bij categorie-Prompts zonder merknaam, verdeelde het patroon van vermeldingen zich zo: nooit genoemd 63,2%, altijd genoemd 14,3%, genoemd in minstens 70% van de runs 7,0%, genoemd in minder dan 30% 8,7%. Maar 6,8% zat in het volatiele midden van 30% tot 70%, waardoor 77,5% van de cellen strikt altijd of nooit is.
Of een engine je bij een categorievraag noemt, ligt dichter bij een feit over jou dan bij een muntworp. Voor de meeste merken in die groep was het feit nee.
45,5% van de genoemde cellen sloeg om tussen positief en negatief
Houd nu de cellen vast en verander de vraag. Vraag in plaats van of het antwoord je noemde, wat het zei. Kumar filterde op cellen met minstens drie vermeldingen en classificeerde het sentiment van elke run.
- Altijd positief: 29,9%
- Een mix van positief en neutraal: 21,8%
- Altijd neutraal: 2,3%
- Een mix van negatief en neutraal: 0,5%
- Altijd negatief: 0,0%
- Wisselend tussen positief en negatief: 45,5%
Het stabiele signaal is het signaal dat iedereen rapporteert
45,5% tegenover 6,8% is waar de 6,7 keer vandaan komt. Dezelfde cellen, dezelfde runs. Het getal op het dashboard is het stabiele, en het getal dat niemand rapporteert, schommelt bij bijna de helft van de cellen waarover iets te melden valt.
In die tabel zit een stillere bevinding die we mooier vinden dan de kop. Geen enkele cel was consequent negatief. Nul. De engines kwamen hier nooit tot een negatieve lezing van een gevolgd merk, en negativiteit ging, waar die opdook, voorbij. Verkoopt iemand je reputatiebeheer voor AI met de theorie dat de modellen zich tegen je hebben gekeerd, dan is die rij het bewaren waard.
Genoemd en niet aanbevolen is nu een benoemde faalwijze
Een andere groep benaderde hetzelfde gat van de andere kant. Will Jack, Noah Lehman, Keller Maloney en Sarah Xu van Unusual controleerden ongeveer 37.000 productieruns over 215 commercieel geformuleerde Prompts in 19 sectoren, tegen een catalogus van 533 merken ingedeeld in vijf niveaus van bekendheid. Ook Unusual verkoopt in deze markt.
Ze splitsten het probleem in drie stappen. Het model moet een pagina ophalen die naar je verwijst, je uit de opgehaalde pool in de antwoordtekst brengen, en je dan steunen in de set aanbevelingen in plaats van je te noemen als de optie die het oversloeg.
Categorieleiders doken op in bijna elke relevante ophaalactie en wonnen 25% tot 41% van de plekken die ze bereikten. In de kamer zijn was voor hen opgelost. Gekozen worden niet. Verder naar beneden op de ladder keert het om, en 48% tot 52% van de kleinste merken dook in geen van de 37.000 runs op.
In een begeleidende paper nam hetzelfde team 7.763 gevallen waarin ChatGPT noch Claude een merk aanbeval en deelde elk in bij een van die drie fouten: bereikte het model nooit, bereikte het en werd niet genoemd, werd genoemd en niet aanbevolen. De twee aanbieders gaven in 95,1% van de gevallen dezelfde diagnose, met een geclusterd 95%-interval van 94,3% tot 95,7%. De overeenstemming nam toe naarmate merken kleiner werden, van 81% bij categorieleiders tot 99,6% bij regionale nichemerken. De keuzes verschillen per aanbieder. De reden waarom je verloor meestal niet.
Een sentimentcijfer heeft een veel grotere noemer nodig dan een vermeldingscijfer
Het praktische gevolg is rekenkunde. De eigen werkregel van Kumar is dat vermeldingspercentages minstens drie runs nodig hebben, en scores gewogen naar sentiment minstens tien Prompts per platform per merk voordat ze stilstaan. Sentiment dat op een handvol controles wordt gerapporteerd, rapporteert het geluk van de sampler.
Daarom heeft elk zichtbaarheidspercentage dat we publiceren een Wilson-interval, en daarom gaan onze meldingen af op het interval in plaats van op de puntschatting. Draai een sentimentreeks op dezelfde diepte als een vermeldingsreeks en hij laat ongeveer zeven keer zo vaak een melding afgaan, en bijna al die meldingen zijn ruis.
- Houd vermelding en framing als aparte reeksen met aparte steekproefgroottes. Eén kopgetal middelt iets stabiels met iets volatiels.
- Vraag als je verliest welke van de drie fouten het was. De oplossing voor nooit opgehaald worden heeft niets gemeen met de oplossing voor op de tweede plaats eindigen.
- Per engine. Keuzes tussen aanbieders verschilden in de data van Unusual ongeveer twee derde van de keren.
- Stel de meldingsdrempel in op basis van het interval, zodat een schommeling bij negen steekproeven niemand wakker maakt.
Wat we eraan doen
Proofsource volgt sentiment en positionering naast het volgen van Prompts en share of voice tegenover concurrenten, scoort elk zichtbaarheidscijfer met een Wilson-interval en laat meldingen afhangen van dat interval. Als je wordt genoemd en overgeslagen, is het de taak van het rapport te zeggen waarom zij wonnen, met het bewijs erbij.
Onze eigen bemonstering is kleiner en wijst iets andere kant op. In de ene categorie die we testten, maten we per engine 9% tot 27% wisseling van dag tot dag in welke namen verschijnen, meer beweging dan een omslagpercentage van 6,8% suggereert. Andere groep, andere definitie van een run, en we gaan niet doen alsof die netjes op elkaar aansluiten.
Wat we hoe dan ook zouden verdedigen, is de instructie die volgt. Lees een telling van vermeldingen niet langer als resultaat. Het is de toegangsvoorwaarde.
Waar dit mis kan zitten
Beide groepen verkopen tools in deze markt en publiceren allebei hun eigen productiedata. Dat diskwalificeert ze niet, en wij zitten in dezelfde positie als we de onze publiceren. Geen van beide is een onafhankelijke audit, dus lees ze ook niet zo.
Kumar noemt de grootste beperking zelf. Sentiment wordt door een model geclassificeerd over de passages die het merk noemen, dus de 45,5% mengt echte variatie in de antwoorden met ruis van de classifier, en de paper scheidt die niet. Zie 6,7 keer als een plafond voor hoe instabiel framing is, niet als meting ervan.
Die groep is een gemakssteekproef en neigt naar SaaS, retailuitvoering, fintech en direct-to-consumer-merken. De groep van Tier 1 telt 11 merken, en de paper wijst zelf op de kleine cellen.
De labels voor faalwijzen van Unusual worden ook door een model toegekend, en hun ladder van bekendheid is met de hand gecodeerd uit openbare signalen. Hij benadert hoe bekend een merk is, niet hoe groot.
De vensters zijn maart tot en met mei 2026 en mei 2026. Engines brengen constant iets uit, dus neem de vorm over en houd de decimalen losjes vast.
Nul consequent negatieve cellen is een uitspraak over gevolgde merken bij categorie-Prompts in één groep. Het is geen bewering dat modellen nooit iets slechts over iemand zeggen.
