Hoe deze controle werkt
Dit is de enige controle die een kunstmatige intelligentie raadpleegt. Scanaris geeft een taalmodel je domein (zonder www) en je paginatitel, en vraagt het alleen te antwoorden of het echte, specifieke voorkennis van die site of dat merk heeft, met de uitdrukkelijke instructie om nee te zeggen als het op basis van de naam zou moeten gokken. Het model geeft een ja of een nee. Bij nee opent hij een informatieve bevinding die geen punten kost. Faalt het model of antwoordt het niet in het verwachte formaat, dan wordt niets geopend: bij twijfel wordt geen bevinding verzonnen. Er wordt een klein, snel model gebruikt zodat de test goedkoop en consistent is.
Wat het resultaat betekent
Een "nee" betekent dat je merk in de kennis waarop dat model is getraind niet vaak genoeg voorkomt om herkend te worden. Het is een benadering, geen exacte maat: elke assistent is op andere data getraind en kan bovendien live zoeken. Maar het is een nuttig signaal, omdat modellen op vergelijkbare bronnen trainen, en als de ene je niet kent, kennen de andere je waarschijnlijk ook niet. En het gevolg is concreet: wanneer iemand ChatGPT, Claude of Perplexity vraagt "welke tool gebruik ik voor X", bevelen assistenten aan wat ze kennen. Kennen ze je niet, dan bevelen ze je niet aan, hoe goed je product ook is. Voor een nieuw merk is dit het verwachte resultaat; het interessante is om over een paar maanden opnieuw te scannen en te zien of het verandert.
Hoe je het verbetert
Er is geen technische kortere weg: modellen leren van wat er over je geschreven wordt op sites die ze crawlen. Wat werkt, op volgorde van impact:
- Aanwezig zijn waar modellen lezen. GitHub, Product Hunt, directories in je categorie, G2 en Capterra als je software bent, nuttige antwoorden op Reddit, Stack Overflow en Hacker News, artikelen in de media van je sector. Consistente vermeldingen van je naam naast wat je doet.
- Inhoud die echte vragen beantwoordt. Assistenten citeren pagina's die direct antwoorden op wat mensen vragen: "hoe beveilig ik een met Lovable gebouwde app", niet "innovatieve beveiligingsoplossingen". Elke vraag een pagina of een sectie met eigen kop.
- Gestructureerde data met
OrganizationensameAsnaar je profielen, zodat machines je site koppelen aan wat ze al over je weten uit andere bronnen; gestructureerde data meet het. - Een onderscheidende merknaam, altijd op dezelfde manier gebruikt. Een merk dat een gewoon woord is, is bijna onmogelijk te herkennen.
- Je laten lezen: AI-crawlers niet blokkeren en de inhoud in HTML serveren, niet alleen in JavaScript.
Reken in maanden, niet in weken: modellen worden periodiek opnieuw getraind en live zoekopdrachten hebben bronnen nodig om te citeren.
Controleer of het opgelost is
Hier is geen commando voor. Het dichtstbij komt het zelf vragen aan drie assistenten, in een venster zonder je geschiedenis: "Wat is jouwdomein.nl?" en daarna "Welke tools raad je aan voor [jouw categorie]?". Noteer de antwoorden en herhaal elk kwartaal. De volgende Scanaris-scan voert de automatische test opnieuw uit.
Veelgestelde vragen
Het model zegt dat het me niet kent, maar ChatGPT vindt me wel.
ChatGPT met zoeken ingeschakeld bezoekt het web live, wat iets anders is: het vindt je zoals Google dat zou doen. Deze controle meet voorkennis, het soort dat ervoor zorgt dat je aanbevolen wordt zonder dat iemand naar je heeft gezocht. Hoe je het andere deel controleert, staat in hoe je weet of ChatGPT je site kan zien.
Waarom is het informatief en niet bestraft?
Omdat het geen fout van jou is, maar de stand van je bekendheid. Een net gelanceerde site met alles perfect krijgt toch een "nee". Het is een nulmeting om voortgang aan af te meten.
Kan ik het model "foppen"?
Niet vanaf je site: het model bezoekt hem in deze test niet, het antwoordt met wat het al weet. Het enige dat het resultaat verandert, is dat er meer betrouwbare informatie over je in de wereld bestaat.