Zo wordt je AI-zichtbaarheidsscore berekend
De scanner stelt echte vragen aan meerdere AI-engines en telt wat er in de antwoorden staat. Hier zie je de meetketen, het verschil tussen de eerste check en het volledige rapport, en de grenzen van de score.
We gebruiken koopgerichte vragen over sector en regio, in het rapport gebouwd op echte zoekopdrachten uit je eigen zoekdata.
Elke gekozen vraag gaat woordelijk gelijk naar ChatGPT, Claude, Perplexity, Gemini en Google AI Overviews.
Per beantwoord resultaat kijken we of het merk genoemd én actief aanbevolen wordt.
De zichtbaarheidsscore volgt uit die getelde signalen.
Het meetprotocol, stap voor stap
Elke scan gebruikt dezelfde volgorde. Daardoor is zichtbaar welke signalen in de score komen en wat buiten de meting blijft.
Een zoekvraag zonder merknaam
We gebruiken koopgerichte vragen over sector en regio, in het rapport gebouwd op echte zoekopdrachten uit je eigen zoekdata. In de ontdekkingsvragen staat de merknaam nooit, zodat de meting laat zien of het bedrijf spontaan verschijnt; het rapport mag daarnaast één controlevraag over het merk zelf bevatten.
Dezelfde vraag naar meerdere engines
Elke gekozen vraag gaat woordelijk gelijk naar ChatGPT, Claude, Perplexity, Gemini en Google AI Overviews. De eerste vier meten we via het model; voor Google AI Overviews lezen we het echte antwoordblok in de zoekresultaten.
Vermelding en aanbeveling apart tellen
Per beantwoord resultaat kijken we of het merk genoemd én actief aanbevolen wordt. Een vraag zonder antwoord telt niet automatisch als nul.
Eén vaste rekenregel
De zichtbaarheidsscore volgt uit die getelde signalen. Het cijfer is berekend en geen los oordeel dat een AI-model zelf geeft.
De eerste check en het volledige rapport meten niet even diep
De eerste check is bewust klein. Het volledige rapport gebruikt meer vragen en engines en voegt context toe die je nodig hebt om verbeteringen te kiezen.
| Eerste check | Volledig rapport | |
|---|---|---|
| Vragen en engines | Twee echte zoekvragen op één AI-engine. | Jij kiest de vragen, opgebouwd uit je eigen zoekdata; per vraag zie je voor en na, over alle beschikbare engines. |
| Wat je ziet | Een beperkte eerste zichtbaarheidsscore. | Vermeldingen, aanbevelingen, concurrenten en bronnen. |
| Technische context | Niet bedoeld als volledige audit. | Een technische controle en verbeterpunten met prioriteit. |
| Toegang | Geen bestaand account nodig. | De actuele prijs staat op de prijspagina. |
Wat de score niet beweert
Een helder cijfer blijft een momentopname. De beperkingen horen daarom naast de methode, niet in kleine letters onderaan.
Dag, modelversie en formulering kunnen een ander antwoord opleveren. De score is geen vast eindcijfer.
Het gekozen vragenpaneel blijft tussen metingen gelijk, zodat voor en na vergelijkbaar blijven. De vragen zelf zijn gebouwd op echte zoekopdrachten uit je eigen zoekdata.
Herhaalmetingen zijn pas zinvol wanneer taal, markt en instellingen hetzelfde blijven.
Als een engine geen antwoord geeft, behandelt de berekening dat niet als een negatieve beoordeling van het bedrijf.
Wat wel en niet in de vraag terechtkomt
De meting heeft context nodig, maar geen gegevens van je eigen klanten of medewerkers.
Lees hoe FlowCore met gegevens omgaatSector, regio en gekozen zoekvragen vormen de context. De merknaam blijft uit de ontdekkingsvragen, zodat een spontane vermelding meetbaar blijft.
Het volledige rapport mag daarnaast één vraag bevatten die het merk rechtstreeks controleert. Die blijft herkenbaar als controlevraag.
Gegevens van je eigen klanten of medewerkers horen niet in de modelvragen.
Gegevens uit Search Console, Analytics of andere Google-koppelingen worden niet in een vraag aan een AI-model gestopt.
Meet eerst waar je vandaag staat
Start met de beperkte check zonder bestaand account, of bekijk op de prijspagina wat een volledig rapport bevat.