Twee kolommen die je niet naast elkaar mag leggen

Je positie in de SERP en het feit dat een LLM jou citeert zien er in een dashboard hetzelfde uit: twee getallen, twee kolommen, ogenschijnlijk vergelijkbaar. Maar ze zijn door twee totaal verschillende systemen geproduceerd, op twee totaal verschillende manieren. Dat schrijft Duane Forrester, oprichter van UnboundAnswers.com, in een uitgebreide analyse op Search Engine Journal. En hij heeft gelijk.

Een zoekindex matcht een string. Een taalmodel interpreteert er een. Dat zijn fundamenteel andere operaties, en ze belonen fundamenteel andere input. Als jij dezelfde query in Google en in ChatGPT gooit, geef je niet twee metingen van hetzelfde ding. Je meet twee dingen die toevallig dezelfde invoervorm delen.

Wat er technisch echt gebeurt

Hier zit het pijnpunt: als een LLM jouw prompt verwerkt, stuurt het model zelf kortere retrieval queries naar een index. Onderzoek dat Forrester aanhaalt wijst op getypte prompts van gemiddeld 23 woorden, terwijl de zoekopdracht die het model vervolgens afvuurt gemiddeld dichter bij vier of vijf woorden zit. Bovendien worden er meerdere van die kortere queries per prompt gegenereerd.

Dat betekent: de string die de index raakt is niet jouw query, maar de parafrase van het model. Er zitten drie transformaties tussen jouw input en het getal dat in je dashboard belandt, en geen enkele daarvan is zichtbaar.

Dit heeft ook een direct effect op hoe formulering je rapportage vertekent. Een team dat queries bijhoudt als strakke zoekwoorden scoort zwak in beide kolommen, want de head terms zijn te competitief voor de index en te vaag voor het model. Een team dat lange, conversationele vragen bijhoudt scoort sterk in beide kolommen, omdat die queries weinig concurrentie kennen en het model genoeg context geven om te citeren. De werkelijke zichtbaarheid van beide teams kan identiek zijn. Wat verschilt is hoe ze toevallig typen.

Wat je nu moet doen

Ik zie dit soort rapportagefouten regelmatig bij klanten, en de oplossing is minder sexy dan je hoopt. Een paar concrete checks:

Kijk nooit naar een rankingpositie zonder het zoekvolume erbij. Een positie 4 op een query die niemand zoekt is geen prestatie, het is een artefact van lage concurrentie. Hetzelfde geldt voor AI-citaties op hyperspecifieke long-tail vragen.

Vergelijk je query-set kritisch. Zijn je tracked queries geschreven als zoekwoorden of als chatbot-vragen? Dan meet je geen zichtbaarheid, je meet een taalstijl. Meer impressions in GSC maar minder verkeer is al een signaal dat iets in je meting niet klopt.

Behandel rank en AI-citatie als aparte KPI’s. Ze mogen best allebei in je rapport, maar lees ze niet als equivalente maatstaven voor hetzelfde. Onderzoek dat Forrester aanhaalt (Moz, Semrush) laat zien dat de overlap tussen geciteerde URLs en de organische top 10 sterk varieert per platform. De richting is duidelijk: de systemen overlappen, maar zijn niet inwisselbaar.

De echte kwestie is geen technische puzzel, het is een meetprobleem. En meetproblemen die onopgemerkt blijven, worden strategische beslissingen op drijfzand.

Bron: Search Engine Journal