Wat is promptdekking in AI-zichtbaarheid?
Promptdekking is welk deel van je gevolgde koopvragen AI-engines beantwoorden met je merk erin genoemd, uitgesplitst per vraag, onderwerp en engine. Eén vermeldingspercentage vertelt je hoe vaak je gemiddeld wordt genoemd. Dekking vertelt je waar: welke vragen, onderwerpen en engines je noemen, en welke je helemaal weglaten. Het is de kaart waarmee je plant, want een vraag waarop geen enkele engine je noemt, is een ander probleem dan een vraag waarop maar één engine dat doet.
Hoe meten tools de dekking van AI-antwoorden en de zichtbaarheid in bronvermeldingen?
Dekking wordt gemeten als raster: vragen of onderwerpen aan de ene kant, engines bovenaan, en in elke cel hoeveel antwoorden je merk noemden van hoeveel er werden gelezen.
Uit het raster volgen de samenvattende cijfers. Vraagdekking is het aandeel gevolgde vragen waarbij minstens één engine je noemde. Enginedekking is het aandeel vragen waarop elke engine je noemde. Onderwerpdekking bundelt vragen in de onderwerpen waartoe ze horen, zodat je ziet met welk deel van je markt de engines je associëren. Hetzelfde raster kun je bouwen voor bronvermeldingen in plaats van vermeldingen, zodat je ziet waar je pagina's als bron worden gebruikt.
Hoe ziet promptdekking eruit in een echt voorbeeld?
In het openbare Tesla-voorbeeld (4 okt 2026) vielen de 25 koopvragen in zes onderwerpen, en de dekking varieerde per onderwerp en engine veel sterker dan het totale vermeldingspercentage van 53% doet vermoeden.
Bij de vier vragen over het Supercharger-netwerk noemden ChatGPT en Google AI Overviews Tesla elke keer. Bij de vijf vragen over de installatie van zonnepanelen noemde Google AI Overviews Tesla in 4 en Claude in geen enkele. Bij de vijf vragen over de Powerwall-thuisbatterij noemden Perplexity en Google AI Overviews Tesla elk één keer. Dat zijn drie verschillende problemen met drie verschillende verbeteringen, en een gemiddelde verbergt ze allemaal.
| Onderwerp | ChatGPT | Perplexity | Claude | Google AI Overviews |
|---|---|---|---|---|
| Full Self-Driving (Supervised) | 4 van 5 | 2 van 5 | 3 van 5 | 3 van 5 |
| Megapack-energieopslag | 3 van 5 | 3 van 5 | 2 van 5 | 3 van 5 |
| Powerwall-thuisbatterij | 3 van 5 | 1 van 5 | 3 van 5 | 1 van 5 |
| Laden van de Semi-truck | 1 van 1 | 0 van 1 | 1 van 1 | 1 van 1 |
| Installatie van zonnepanelen | 1 van 5 | 1 van 5 | 0 van 5 | 4 van 5 |
| Supercharger-netwerk | 4 van 4 | 3 van 4 | 2 van 4 | 4 van 4 |
Hoe stel ik een representatieve set koopvragen samen om te testen?
Begin bij de beslissingen die kopers nemen voordat ze je naam kennen, schrijf elke beslissing uit als volledige vraag en groepeer de vragen in de handvol onderwerpen waarmee je bekend wilt staan.
- Kies vijf of zes onderwerpen, elk een deel van je markt waarop een koper los zou zoeken.
- Schrijf per onderwerp maximaal drie vragen in de vormen die kopers gebruiken: "wat is de beste X voor Y", "alternatieven voor X", "X vs Y", "welke X heeft een gratis proefperiode".
- Voeg de randvoorwaarden toe die kopers belangrijk vinden, zoals prijs, teamgrootte of integraties, want engines beantwoorden vragen met randvoorwaarden anders.
- Houd vragen die je merk noemen in een aparte set. Die controleren nauwkeurigheid, geen zichtbaarheid.
- Stel elke vraag op elke engine in dezelfde woorden, zodat een verschil tussen engines een echt verschil is en geen gevolg van de formulering.
Welke tool ondersteunt het volgen van verschillende zoekintenties beter?
Zoek een tool waarmee je elke vraag een onderwerp en een intentie kunt geven, die dekking per label en per engine rapporteert en die de zoekopdrachten toont die elke engine uitvoerde voordat hij antwoordde. Intentie blijkt uit de formulering: een vergelijkingsvraag, een "beste voor"-vraag en een prijsvraag halen andere pagina's op en vaak ook andere merken.
Ook de formulering telt. Twee vragen met dezelfde intentie kunnen verschillende merken noemen, dus een dekkingsraster is maar zo goed als de vragen erin. Lees de vragen die je verliest opnieuw, en als een herformulering die een koper aannemelijk zou gebruiken jou wel noemt, volg ze dan allebei. Query fan-out legt uit waarom: engines splitsen een vraag op in deelzoekopdrachten, en de formulering bepaalt welke ze uitvoeren.
Waar zie je promptdekking in Proofsource?
In Proofsource toont Prompts elke gevolgde koopvraag per onderwerp met het vermeldingspercentage en de positie, en elke vraag opent de antwoorden van ChatGPT, Perplexity, Claude en Google AI Overviews, de merken die in jouw plaats werden genoemd en de geciteerde pagina's. Zoekopdrachten van engines toont de vervolgzoekopdrachten die de engines voor elke vraag uitvoerden. De functiepagina Prompts laat de schermen zien.
Veelgestelde vragen over Promptdekking
Hoeveel koopvragen moet ik volgen?
Begin klein: vijf of zes onderwerpen met elk maximaal drie vragen is genoeg om het patroon te zien. Voeg vragen toe zodra je met de eerste set aan de slag bent gegaan, in plaats van honderden vragen te volgen die je toch niet leest.
Welke tool ondersteunt het testen van honderden varianten van koopprompts het best?
Volume helpt alleen als de varianten zijn wat kopers echt zouden typen en iemand de resultaten leest. Kies liever een tool die varianten groepeert op onderwerp en intentie, dekking per groep en per engine rapporteert en elk antwoord bewaart, dan een tool die alleen één gemiddelde over een lange lijst geeft.
Wat is het verschil tussen promptdekking en vermeldingspercentage?
Het vermeldingspercentage is één getal: het aandeel antwoorden dat je noemt. Dekking is de uitsplitsing van dat getal per vraag, onderwerp en engine. Twee merken met hetzelfde vermeldingspercentage kunnen een heel andere dekking hebben: het ene overal sterk, het andere dominant op één onderwerp en afwezig bij de rest.
Moeten merkvragen meetellen voor de dekking?
Nee. Een vraag die je merk noemt, vermeldt het in bijna elk antwoord. In het Tesla-voorbeeld noemden 19 van de 20 antwoorden op merkvragen Tesla. Volg ze apart om te controleren of de antwoorden je juist beschrijven.
Gerelateerde termen
- AI-zichtbaarheid
AI-zichtbaarheid is hoe vaak AI-assistenten zoals ChatGPT, Perplexity, Claude en Google AI Overviews je merk noemen wanneer mensen naar je categorie vragen.
- Query fan-out
Query fan-out is wanneer een AI-engine één vraag opsplitst in meerdere verwante zoekopdrachten en zijn antwoord opbouwt uit alle resultaten.
- Share of voice in AI
Share of voice in AI is het aandeel van je merk in alle merkvermeldingen in AI-antwoorden op een set vragen.
- Aandeel bronvermeldingen
Het aandeel bronvermeldingen is het deel van alle bronvermeldingen in AI-antwoorden dat naar een bepaalde website verwijst.
Uitgewerkt voorbeeld: Tesla, openbare AI-antwoorden, 4 okt. 2026: de eerste scan van Tesla door Proofsource, met 25 koopvragen en 5 merkvragen, één antwoord per vraag op elk van vier engines. Een kleine steekproef van één merk, getoond als voorbeeld, niet als benchmark.
Zie waar AI je overslaat, en wat je moet verbeteren.
Zie welke koopvragen je merk noemen, wie in jouw plaats wordt genoemd en wat je moet verbeteren. 200 antwoorden. 25 Prompts/vraag. Top-AI-engines. 2 dagen. Gratis. Geen creditcard nodig.
Google AI OverviewsGoogle AI Mode
