Als je AI-aanbevelingen wilt meten, is een API (een directe programmatische verbinding met een AI-dienst) betrouwbaarder dan een consumentenapp, omdat een API geen personalisatie of interface-ruis toevoegt. Apps zoals ChatGPT of Copilot passen antwoorden aan op basis van je zoekgeschiedenis en locatie-instellingen, waardoor twee identieke vragen verschillende resultaten kunnen opleveren. Voor structurele meting heb je herhaalbaarheid nodig, en die krijg je het meest consistent via een API of een gespecialiseerde meettool.

Waarom AI meten zonder context kan leiden tot schijnveranderingen

Stel: je vraagt ChatGPT vandaag "Welk restaurant in Utrecht is goed voor een zakelijk diner?" en morgen dezelfde vraag. De antwoorden kunnen verschillen, niet omdat jouw positie is veranderd, maar omdat:

  • De app je eerdere gesprekken meeneemt als context
  • De AI-provider een modelupdate heeft doorgevoerd
  • Je locatie-instellingen of taalvoorkeur zijn gewijzigd
  • De interface een andere promptformattering gebruikt

Dit noemen we schijnveranderingen: meetverschillen die niets zeggen over jouw werkelijke zichtbaarheid bij AI-assistenten, maar alles over de meetomstandigheden. Voor een lokaal bedrijf — een kapper in Gent, een fysiotherapeut in Amsterdam, een restaurant op Tripadvisor of TheFork — is dit problematisch. Je trekt conclusies op basis van ruis, niet op basis van signaal.

De oplossing is niet stoppen met meten, maar meten met vaste parameters. Zie het als een weegschaal: als je elke keer op een andere weegschaal staat, weet je niet of je bent afgevallen of dat de schalen gewoon anders zijn gekalibreerd.

Wat je idealiter logt: vraag, regio, assistent, datum

Elke meting die je doet — of dat nu via een API, een tool of handmatig is — moet minimaal vier datapunten bevatten:

Datapunt Voorbeeld Waarom het telt
Vraag "Beste tandarts in Rotterdam centrum" Kleine woordvariaties geven andere resultaten
Regio Rotterdam, postcode 3011 AI-assistenten gebruiken locatiecontext
Assistent ChatGPT 4o, Gemini, Perplexity Elke assistent heeft andere bronnen en weging
Datum 2025-06-15 Modelupdates en indexwijzigingen zijn tijdgebonden

Zonder deze vier datapunten kun je metingen niet vergelijken. Als je in mei meet met ChatGPT en in juni met Perplexity, vergelijk je appels met peren. Perplexity (een AI-zoekmachine die actief het web indexeert) gedraagt zich anders dan ChatGPT (een conversatie-AI die primair op trainingsdata werkt, aangevuld met zoekfunctionaliteit).

Voor platforms als Google Business Profile (het gratis bedrijfsprofiel dat Google toont in Maps en zoekresultaten), Booksy of Doctolib geldt bovendien dat de informatie die AI-assistenten ophalen, afhankelijk is van hoe actueel en volledig die profielen zijn. Log dus ook welke bronnen je hebt bijgewerkt vóór een meting, zodat je later verbanden kunt leggen. Meer hierover lees je in Bronwijzigingen koppelen aan AI-aanbevelingen: zo maak je je verbeter-cyclus rond.

Gebruik van APIs: voordelen voor herhaalbaarheid

Een API (Application Programming Interface) is een directe verbinding met de AI-dienst, zonder de consumenteninterface eromheen. Voordelen voor meting:

Geen personalisatie-ruis. API-aanroepen hebben geen gebruikersgeschiedenis. Elke aanroep begint blanco, wat vergelijkbaarheid garandeert.

Vaste promptformattering. Je stuurt exact dezelfde tekst elke keer. Bij een app typ je misschien net iets anders, of de interface voegt automatisch context toe.

Automatisering mogelijk. Je kunt wekelijks of maandelijks automatisch dezelfde set vragen stellen en de resultaten opslaan. Dit is de basis voor trendanalyse.

Modelversie vastleggen. Via de API kun je (afhankelijk van de provider) een specifieke modelversie opgeven, zodat je weet of een verandering in resultaten door jouw acties komt of door een modelupdate.

Praktisch nadeel: API-gebruik vereist technische kennis of een ontwikkelaar. De OpenAI API, Google Gemini API en Anthropic Claude API zijn beschikbaar, maar je moet zelf de infrastructuur bouwen om resultaten op te slaan en te analyseren. Voor de meeste lokale ondernemers — een schoonheidssalon op Treatwell, een huisarts met een Doctolib-profiel — is dat geen realistische optie zonder hulp.

Daarom zijn gespecialiseerde meettools een praktisch alternatief: zij gebruiken API-achtige methoden onder de motorkap, maar bieden een interface die geen technische kennis vereist. Zie ook Reading a score: hoe interpreteer je een AI-visibility score in suggestedby.ai voor uitleg over hoe zo'n score tot stand komt.

Fallback met apps/handmatige checks: wanneer dat kan

Handmatige checks via consumentenapps zijn niet waardeloos, maar je moet weten wanneer ze zinvol zijn:

Wel zinvol: - Als snelle steekproef om te zien of je naam überhaupt voorkomt - Om de toon en context van een aanbeveling te beoordelen (wordt je positief, neutraal of negatief beschreven?) - Als aanvulling op geautomatiseerde metingen, niet als vervanging - Voor incidentele checks na een grote wijziging, zoals een nieuw adres of een rebranding

Niet zinvol: - Als basis voor trendanalyse over meerdere weken of maanden - Als je wilt vergelijken met concurrenten (te veel variabelen) - Als je wilt weten of een specifieke aanpassing effect heeft gehad

Als je toch handmatig checkt: gebruik een incognitovenster of een browser zonder ingelogde accounts, noteer de exacte vraag die je stelt, en doe de check op hetzelfde apparaat en dezelfde verbinding als vorige keren. Dat minimaliseert — maar elimineert niet — de variabelen.

Voor het opstellen van de juiste testvragen, zie Meetbaar verbeteren: welke vragen stel je om AI-visibility te testen (zonder te gokken).

Procesadvies: combineer meetbaarheid met praktische website-rondes

De meest werkbare aanpak voor een lokale ondernemer combineert drie lagen:

Laag 1: Geautomatiseerde basismeting (maandelijks) Gebruik een tool of API-gebaseerde dienst die vaste vragen stelt aan meerdere AI-assistenten en de resultaten opslaat. Dit is je trendlijn.

Laag 2: Handmatige steekproef (per kwartaal) Doe zelf een handmatige check met een incognitovenster. Niet om te meten, maar om de kwaliteit van de aanbeveling te beoordelen: klopt de informatie, is het adres correct, wordt je specialisatie goed beschreven?

Laag 3: Website- en profielronde (na elke wijziging) Elke keer dat je iets aanpast — openingstijden op je Google Business Profile, een nieuwe dienst op je website, een reactie op een recensie op Tripadvisor of Michelin — noteer je de datum. Zo kun je later zien of die wijziging samenvalt met een verandering in je AI-zichtbaarheid. Dit is ook relevant voor uitzonderlijke situaties zoals spoedafspraken; lees meer in Spoedafspraken en openingstijd uitzonderingen: hoe schrijf je het zo dat AI het onthoudt.

Een belangrijk inzicht: twee bedrijven met dezelfde meetuitkomst kunnen toch anders worden aanbevolen door AI, afhankelijk van de context van de vraag. Meer hierover in AI-visibility score begrijpen: waarom twee bedrijven met dezelfde score toch anders worden aanbevolen.

Als je nog niet weet waar je staat, is de free check van suggestedby.ai een logisch startpunt: het meet of AI-assistenten je bedrijf bij naam noemen voor relevante zoekvragen in jouw regio. Dat geeft je een nulmeting waarmee je de drie lagen hierboven kunt invullen met echte data in plaats van aannames.