Waarom je search-dashboard tegen je liegt (en welke AI-metrics wij nu meten)
De verkeersdaling van 58% die ons marketingdashboard brak
De dag dat de clicks stopten
Ik kreeg geen adem meer.
Het was dinsdagochtend 07:00 uur. Ik staarde naar ons GA4-dashboard en het was een bloedbad. Een complete rode zee. Onze sessies op jaarbasis waren gekelderd.
We stonden 58% in de min.
Mijn maag draaide om. Ik opende meteen Stripe in een ander tabblad, voorbereid op de financiële klap van het verlies van meer dan de helft van ons inbound verkeer. In gedachten schreef ik de crisismail naar het bestuur al.
Maar Stripe kleurde groen.
De omzet was volkomen stabiel. Sterker nog, onze gekwalificeerde pipeline was dat kwartaal zelfs gegroeid.
Er klopte niets van.
Hoe verlies je 58% van je top-of-funnel verkeer zonder een euro omzet mis te lopen? Het antwoord werd me snel duidelijk: dat verkeer was niet naar een concurrent gegaan. Het was niet in een zwart gat verdwenen.
Het werd simpelweg opgeslokt door AI Overviews.
De harde realiteit: kopers klikken niet meer door naar je website.
Kopers hoeven niet meer te klikken. Ze krijgen hun antwoord direct in de interface. De buyer journey in 2026 bestaat niet uit het klikken op tien blauwe linkjes, vijf tabbladen openen en een blogpost van 2.000 woorden doorlezen. Het is een complex probleem voorleggen aan een LLM en binnen enkele seconden een concrete shortlist ontvangen.
Ons dashboard was niet stuk. Het mat gewoon een realiteit die niet meer bestond. Oude traffic-statistieken sluiten totaal niet meer aan op modern koopgedrag. We zaten naar spoken te kijken.
Ik wilde dit met eigen ogen zien.
Ik heb gisteravond drie uur lang onze merknaam en belangrijkste productzoekopdrachten getest in ChatGPT, Claude en Gemini. Geen oppervlakkige vanity-zoekwoorden, maar gerichte koopprompts met hoge intentie waarvoor ons product is gebouwd.
Het resultaat was pijnlijk.
We waren nagenoeg onzichtbaar.
De modellen hallucineerden features van concurrenten, haalden verouderde community-threads aan en negeerden onze technisch geoptimaliseerde website volledig. We hebben jarenlang gebouwd aan een SEO-vesting, maar generatieve engines liepen er gewoon omheen.
Die daling van 58% was geen toevalstreffer. Het was een ultimatum: in 2026 zit je in de prompt, of je bestaat niet.
Waarom vasthouden aan last-click attributie funest is
Toen we zagen dat onze pipeline stabiel bleef terwijl de organische sessies instortten, moesten we opnieuw definiëren hoe vindbaarheid werkt in een door AI gestuurde markt.
Wat is AI Search Visibility?
In de kern is AI search visibility het meetbare percentage en de context waarin grote taalmodellen jouw merk noemen als dé oplossing voor prompts van gebruikers. Het gaat niet meer om posities op een traditionele zoekresultatenpagina (SERP), maar om directe opname als entiteit en een positieve synthese in AI-antwoorden.
Als je search door die bril bekijkt, begrijp je waarom traditionele tactieken niet meer werken. Ik ben klaar met het advies van traditionele bureaus om eindeloos artikelen vol te proppen met zoekwoorden voor long-tail zoekvolume.
Het kost bakken met energie en het is achterhaald.
We leerden dit eind vorig jaar op de harde manier. We investeerden drie maanden en duizenden euro's in een enorme contentsprint rond een zoekwoordencluster met hoog volume. We deden alles volgens het traditionele boekje: backlinks, schema markup, technische optimalisatie.
We bereikten positie #1 op Google.
We vierden feest. We wachtten tot de pipeline zou volgen.
Er gebeurde niets.
Toen we weken later naar onze pipelinedata keken, was de waarheid pijnlijk duidelijk: die campagne leverde nul omzet op. Hoewel we op positie #1 stonden in reguliere zoekresultaten, noemden LLM's ons niet. Wanneer potentiële kopers Claude of ChatGPT vroegen om de beste platforms in onze markt aan te bevelen, verschenen onze concurrenten steevast. Wij stonden er niet tussen.
Het echte probleem is dat traditionele statistieken zoals click-through rates en last-click attributie het commerciële signaal dat door AI-engines wordt gegenereerd volledig missen.
Als je strategische gesprek stopt bij traditionele SEO, verwar je de gereedschapskist met de bouwtekening.
Last-click attributie eist alle eer op voor het laatste contactpunt. Het negeert dat de koper drie dagen eerder al een beslissing nam binnen een AI-chat.
Zo verloopt die dynamiek in de praktijk:
- De Zero-Click Research Loop: Kopers voeren diepgaande vergelijkingen uit in LLM-chats zonder ooit een website te bezoeken.
- De Algoritmische Shortlist: Het model beveelt specifieke tools aan op basis van semantische consensus en entiteitsautoriteit.
- De Vertekende Conversie: De koper opent een browser, zoekt direct op je merknaam en converteert. GA4 schrijft de deal toe aan direct of branded zoekverkeer.
Als je alleen optimaliseert voor de klik, optimaliseer je voor de echo in plaats van de stem.
De paradigmaverschuiving: Share of Model (SoM) als nieuwe standaard
De M2M-realiteit
Omschakelen van traditioneel webverkeer naar machine discovery is geen kleine tactische aanpassing; het verandert je complete rapportagestructuur.
Die overstap ging binnen ons bedrijf niet vanzelf. Tijdens onze kwartaalplanning stribbelde Finance flink tegen. Toen ik voorstelde om organische sessiedoelen als primaire KPI te schrappen, reageerde men sceptisch. Voor een CFO voelt het verlagen van sessiedoelen immers als opgeven op groei.
Ik legde de cijfers naast elkaar: organische clicks waren met bijna 60% gedaald, maar de gemiddelde dealgrootte en de snelheid van closed-won deals stegen met 22%. De correlatie tussen websitebezoeken en pipeline was volledig verbroken.
Als je SEO geen rekening houdt met M2M (Machine to Machine), loop je al achter de feiten aan.
AI-agents en taalmodellen zijn nu de primaire lezers van je content. Ze scannen je documentatie, halen de kerngegevens eruit, analyseren de mogelijkheden van aanbieders en geven advies door aan menselijke beslissers. Ze slaan je interactieve widgets over, negeren je nieuwsbrief-pop-ups en strippen je visuele branding weg.
Zodra ons management het gat zag tussen ruwe sessies en daadwerkelijke pipeline, schrapten we het totale aantal sessies als directiedoelstelling.
We vervingen het door de twee statistieken die in 2026 echt sturen op pipeline: Share of Model (SoM) en Citation Authority.
- Share of Model (SoM): Als een LLM 100 antwoorden genereert waarin oplossingen in jouw categorie worden geëvalueerd, welk percentage van die antwoorden beveelt dan specifiek jouw product aan? Die aanwezigheid in het contextvenster is je werkelijke marktaandeel.
- Citation Authority: De frequentie, feitelijke nauwkeurigheid en het sentiment waarmee modellen jouw eigen data, whitepapers of benchmarks als bronmateriaal aanhalen.
We zijn gestopt met het najagen van leeg webverkeer. We richten ons nu op algoritmische consensus.
Het besluitsysteem voor 2026: Signaal versus ruis in AI-rapportages
Het sturen op AI-vindbaarheid vereist een gestructureerd ritme in plaats van ad-hoc testen met prompts. Je hebt een systeem nodig dat ruis wegfiltert en direct input geeft aan marketing en productteams.
Welke AI-searchmetrics moet een CMO wekelijks, maandelijks en per kwartaal bijhouden?
Een betrouwbaar besluitvormingskader voor AI-search meet wekelijks de Citation Authority en concurrerende Share of Voice om verschuivingen tussen grote modellen direct te spotten. Maandelijks analyseert het de toename in branded search en het citatiesentiment om de merkpositionering te bewaken. Ieder kwartaal koppelt het AI-citaties rechtstreeks aan de CRM-pipeline en omzetattributie.
Dit is de exacte cadans die wij gebruiken om het echte signaal te scheiden van schijncijfers:
Wekelijks: De operationele vinger aan de pols
- Citation Authority & Frequentie: Halen ChatGPT, Claude en Gemini informatie uit onze gestructureerde documentatie en datapunten?
- Concurrerende Share of Voice: Als we categorieprompts draaien over de belangrijkste modellen, leidt ons merk dan de shortlist of domineren concurrenten de output?
- Daalt onze aanwezigheid binnen bepaalde promptgroepen? Dan controleert ons technische contentteam direct de entiteitsdefinities en werken we onze Answer Engine Optimization-feeds bij.
Maandelijks: Merkcontext & Sentiment
- Citatiesentiment: Positioneren de modellen ons als toonaangevend platform of slechts als bijzaak of alternatief?
- Correlatie met Branded Search: We monitoren pieken in direct zoekvolume naar ons merk na grote updates van datasets en toenames in citaties.
- Is het citatiesentiment neutraal of onnauwkeurig? Dan publiceren we diepgaande vergelijkingsbenchmarks en sterke opiniestukken om de trainings- en retrievaldata van het model bij te sturen.
Ieder kwartaal: Omzetattributie voor het bestuur
- Zero-Click Pipeline Attributie: We meten self-reported attributie ("Gevonden via aanbevelingen in Claude/ChatGPT") naast AI-verwijzingsheaders en verrijkte intentiedata.
- CRM Workflow Triggers: We meten de hoogwaardige pipeline die ontstaat wanneer prospects via AI onze salesfunnel binnenkomen met een al gevormde koopintentie.
Je kunt niet sturen op omzet als je nog steeds kliks meet.
Door deze koppeling met de pipeline te maken, toonden we aan dat het verhogen van de Citation Authority op categorieprompts direct leidde tot 42 enterprise-deals in de pipeline in één kwartaal—zonder extra advertentiebudget voor top-of-funnel of opgeblazen klikvolumes.
Stop met het repareren van het verleden (bouw aan je AI-infrastructuur)
De parallelle infrastructuur voor vindbaarheid
De scheiding tussen oriëntatie, evaluatie en aankoop is verdwenen. Dankzij native agent-workflows en directe in-chat integraties kan een gebruiker een zakelijk probleem onderzoeken, aanbieders vergelijken en een aankooptraject starten, volledig binnen één chatinterface.
Je kunt geen tien jaar oude SEO-tactieken blijven toepassen op een autonoom discovery-ecosysteem.
Bouwen aan een infrastructuur voor AI-vindbaarheid betekent dat je de basis moet aanpassen:
- Entity-First Informatiearchitectuur: Structureer je waardepropositie, prijsmodellen en integraties in duidelijke entiteitsdata die LLM-crawlers eenvoudig kunnen verwerken en samenvatten.
- Eigen data als ankerpunt: Modellen citeren originele data, unieke benchmarks en grondig marktonderzoek. Generieke lijstjes worden genegeerd.
- Semantische autoriteit boven volume: Stop met het publiceren van opvulcontent die puur is geschreven voor zoekmachines die gebruikers nauwelijks meer bezoeken.
Deze transformatie is geen zijproject voor een junior specialist. Het is de kernmotor van moderne marketing en vindbaarheid. Op het agent-gestuurde web is zichtbaarheid zwart-wit: óf je bouwt de architectuur om geciteerd te worden door de modellen die jouw kopers vertrouwen, óf je pipeline droogt op terwijl je oude dashboard nog nette cijfers laat zien.