GEO & AI-zichtbaarheid
LLM-mentions meten: hoe volg je merkzichtbaarheid in AI-antwoorden?
Meet merkvermeldingen, citaties, concurrenten en verandering met een vaste vraagset in plaats van losse screenshots.
Een LLM-mention is een vermelding van je merk, product of expertise in een gegenereerd antwoord. Omdat antwoorden wisselen per moment, model en formulering, heb je een herhaalbare meetmethode nodig.
Maak een vaste set echte vragen
Verzamel vragen uit verkoopgesprekken, klantenservice en zoekwoordonderzoek. Verdeel ze over ontdekken, vergelijken en beslissen. Noteer per vraag doelgroep, markt, taal en gewenste uitkomst.
Meet meer dan je merknaam
Een bruikbaar dashboard bevat meerdere signalen.
- aandeel vragen waarin je merk wordt genoemd
- antwoorden met een link of bronverwijzing
- welke eigen pagina’s worden geciteerd
- welke concurrenten vaker voorkomen
- sentiment en feitelijke juistheid
Vergelijk periodes
Voer vragen volgens een vast ritme uit en bewaar platform, model, datum en formulering. Gebruik een steekproef die groot genoeg is om verschuivingen te zien. Eén losse score kan vooral toeval zijn.
Koppel de meting aan acties
Ontbreekt je merk, onderzoek dan welke bronnen wel terugkomen en kijk naar uitleg, bewijs, externe autoriteit en technische bereikbaarheid. Bing Webmaster Tools biedt inmiddels AI Performance-inzichten voor Microsoft-ervaringen.
Over de auteur
Maarten Vink - Online marketing specialist
Maarten vertaalt ervaring met SEO, GEO en online campagnes naar praktische stappen voor marketeers en ondernemers.
Bekijk het auteursprofiel →Veelgestelde vragen
Wat is een goede LLM-mention score?
Er bestaat geen universele norm. Vergelijk met je nulmeting en directe concurrenten binnen dezelfde vraagset.
Hoe vaak moet ik meten?
Maandelijks is voor veel mkb-organisaties een bruikbaar begin; in snelle markten kan wekelijks zinvol zijn.
Zijn citaties belangrijker dan mentions?
Ze meten iets anders: een mention toont merkzichtbaarheid, een citatie dat een eigen pagina als bron wordt gebruikt.