Steeds meer ondernemers en marketeers merken dat klanten niet alleen meer googelen, maar ook vragen stellen aan ChatGPT, Perplexity en Google AI Mode. Dan komt de logische vervolgvraag: welke prompts moet je volgen om te snappen of je merk daar genoemd wordt, correct wordt weergegeven en in de buurt komt van de keuzes die mensen uiteindelijk maken?
Ik ga je een aanpak geven die ik zelf het liefst zie bij teams in het mkb: nuchter, herhaalbaar en gericht op acties. Niet achter elke losse AI uitkomst aanrennen, maar patronen vinden in groepen vragen, zodat je weet waar je moet bijsturen.
Waarom prompt tracking rommelig voelt en waarom je het toch kunt gebruiken
Als je net begint met AI zichtbaarheid meten, voelt het snel alsof je probeert te meten wat niet te meten is. Antwoorden wisselen per minuut, per platform en soms per gebruiker. De ene keer word je wél genoemd, de volgende keer niet. Soms staan er links bij, soms helemaal niet.
Die kritiek is terecht. AI antwoorden zijn volatiel en deels gepersonaliseerd, en de grote platforms geven je geen overzicht van alle echte vragen die gebruikers stellen of hoe vaak ze dat doen. Je kunt dus heel netjes een lijst prompts opbouwen en tóch bezig zijn met vragen die in de praktijk nauwelijks voorkomen.
Tegelijkertijd zie ik in de praktijk dat directionele data wel degelijk helpt, zolang je het gebruikt als een kompas en niet als een exacte ranglijst. Het gaat niet om de vraag of je op plek twee staat in één antwoord, maar om wat AI “denkt” dat waar is over jou, welke bronnen steeds terugkomen en waar je structureel wel of niet genoemd wordt. Dáár kun je iets mee.
Bij Ahrefs pakken ze dit ook zo aan: ze accepteren dat de data niet perfect is, maar gebruiken het om concrete stappen te zetten. Denk aan het updaten van eigen pagina’s, het rechtzetten van verouderde claims, en het opbouwen van relaties met websites die vaak als bron worden gebruikt.
De spelregels die ik je wil meegeven voordat je begint
Als je dit serieus wilt doen, helpt het om een paar misverstanden meteen weg te nemen.
Kijk niet te hard naar één losse prompt. In AI is een individuele uitkomst zelden betrouwbaar genoeg om op te sturen. Wat je wél wilt is een cluster van vergelijkbare prompts, zodat je in de totaliteit ziet hoe vaak je merk genoemd wordt, met welke context, naast welke concurrenten en met welke bronnen.
Zie het ook niet als klassiek ranktracken. De “positie” in een antwoord is geen stabiele rangorde zoals in Google. Je kunt wel trends zien, maar je moet je rapportage daar op inrichten.
Ga er daarnaast niet van uit dat prompt tracking je enige bron is. Combineer het met wat je al kent: organische prestaties, traffic uit AI kanalen in je analytics, server logs en als je die hebt bredere datasets met prompts. Dit voorkomt dat je een marketingbeslissing baseert op één meetmethode.
En nog één die ik vaak moet herhalen: een link als bron is niet hetzelfde als een aanbeveling. Je kunt regelmatig aangeraden worden zonder dat er een URL wordt genoemd. Andersom kan een URL genoemd worden zonder dat je merk echt als beste keuze wordt gepositioneerd. Daarom kijk je idealiter naar beide.
Hoe Ahrefs dit benadert en wat jij daarvan kunt leren
Wat ik sterk vind aan hun werkwijze is dat ze prompt tracking koppelen aan vragen die er intern al toe doen. Niet “zomaar” zichtbaarheid meten, maar monitoren of AI antwoorden overeenkomen met de werkelijkheid.
Een voorbeeld: toen ze een nieuwe functie lanceerden, bleek uit ChatGPT antwoorden dat die functie soms niet genoemd werd, of dat er verwezen werd naar oude bronnen waarin stond dat het niet bestond. Dan weet je meteen wat er op het spel staat. Als AI een achterhaald beeld van je product geeft, beïnvloedt dat echte keuzes.
Door meerdere platformen te monitoren zie je bovendien bronnen opduiken die je in Google misschien minder vaak tegenkomt. Denk aan resultaten die leunen op Bing, Brave Search of een eigen index. Dat is interessant, omdat je dan niet alleen leert hoe je het doet in de Google bubbel, maar ook welke sites in AI antwoorden veel gewicht krijgen.
Hun analyse draait vooral om drie vragen. Worden we correct weergegeven, welke websites worden consequent geciteerd zodat we daar relaties kunnen bouwen, en hoe staan we tegenover concurrenten op onze belangrijkste use cases en features.
Belangrijk detail: dit is bij hen geen los project. Ze combineren dit met AI bot activiteit in server logs, verkeer vanuit AI platformen, klassieke SEO en inzichten uit grote prompt datasets. Voor jou betekent dat: zet dit niet neer als een hobby van één marketeer, maar als onderdeel van je reguliere marketingritme.
Een korte realiteitscheck over prompt volume
Ik wil je behoeden voor het grootste risico: denken dat AI zoekvolume nu al hetzelfde gewicht heeft als Google.
Er zijn signalen, onder andere vanuit onderzoek dat bij Ahrefs intern gedeeld wordt, dat search achtige interacties in ChatGPT ongeveer rond twaalf procent van het volume van Google kunnen liggen als je alle andere use cases wegfiltert. Exacte cijfers blijven lastig, omdat platformen geen query data delen.
Er bestaan partijen die met derde data bronnen hogere volumes schatten, maar daar moet je voorzichtig mee zijn. Het is heel verleidelijk om op basis van zulke cijfers grote budgetten los te trekken.
Wat ik in de praktijk verstandig vind, en wat ook aansluit bij Ahrefs, is het ankeren van je prompt clusters rond onderwerpen waarvan je wél weet dat er vraag naar is. Klassieke zoektermen, pagina’s die converteren, vragen die in sales en support terugkomen. Vervolgens maak je daar conversational varianten van. Dat is niet perfect, maar het beschermt je tegen het meten van ruis.
Het framework: track clusters van prompts, geen losse antwoorden
Stel je vraagt aan ChatGPT welke gym management software het best is. In het ene antwoord staan Wodify en PushPress bovenaan, een paar seconden later komt Mindbody terug met een andere bron erbij. Dat is geen uitzondering, dat is normaal.
Glen Allsopp visualiseerde die schommelingen met een tool op Detailed.com, geïnspireerd door onderzoek van Rand Fishkin van Sparktoro over hoe inconsistent AI’s zijn in merk of product aanbevelingen. De les daarvan is simpel: als je één prompt als waarheid behandelt, ga je verkeerde conclusies trekken.
Met clusters maak je het beter hanteerbaar. Je groepeert vragen die hetzelfde doel hebben en bekijkt de gemene delers in de antwoorden. Je kunt die clusters opbouwen op basis van intentie, fase in de funnel, productlijn, of de thema’s waarmee je omzet maakt.
Een paar manieren waarop ik dit vaak zie werken.
Voor concurrentiepositie kun je varianten volgen van “wat is de beste” in jouw categorie, uitgesplitst naar segmenten. Voor vertrouwen en validatie werken vragen die mensen in communities stellen, bijvoorbeeld over betrouwbaarheid op de lange termijn of over een specifiek probleem. Voor bottom of funnel vragen pak je de twijfelvragen, zoals “is het de prijs waard” of “werkt dit voor een klein team”. En als je weet welke pagina’s op je site het meest bijdragen aan aanvragen of verkoop, bouw je een cluster rond die thema’s.
Splits branded en non branded ook liever. Als je beide door elkaar meet, wordt het lastiger om te begrijpen of je groei komt door merkbekendheid of doordat je inhoudelijk vaker als optie genoemd wordt.
Een praktisch sidenote: sommige prompts, zeker in ChatGPT, triggeren niet altijd een websearch en leunen dan op trainingsdata. Dat is op zich ook waardevol om te volgen, maar als je juist bronnen en URL’s wilt zien, helpt het om varianten te gebruiken zoals “in 2026”, of om te vragen om recente bronnen.
Bron 1: vragen uit Google Search Console die je al wint
Begin met wat je al hebt. In Google Search Console zie je precies op welke zoekvragen je pagina’s al vertoningen en klikken krijgen. Dat zijn onderwerpen waarvoor je bewijs van interesse hebt.
Wat ik dan doe is filteren op vragen. Een eenvoudige regex die vaak gebruikt wordt is:
\b(why|what|when|are|will|does|should|where|who|how|can|do|is)\b
In het Nederlands wil je natuurlijk ook woorden als “wat”, “waarom”, “hoe”, “wanneer”, “welke”, “kan”, “moet” en “is” meenemen. Het principe blijft hetzelfde.
Wil je juist langere, meer contextrijke queries vinden, dan werkt een lengtefilter. Een voorbeeld regex om alle queries met minstens zes woorden te pakken is:
^(\S+\s+){5}\S+
Als je site nog weinig data heeft, kun je hetzelfde idee toepassen in Ahrefs Keywords Explorer door op matching terms te filteren. Zoekvolume is geen AI volume, maar het helpt je wel prioriteren op wat in de markt duidelijk leeft.
Bron 2: natuurlijke vragen uit ‘Discussions and forums’ via udm=18
Als je inspiratie zoekt voor hoe mensen echt schrijven, dan zijn forums goud. Google heeft daar zelfs een eigen SERP feature voor: ‘Discussions and forums’. Forumtitels zijn zelden netjes geformatteerd voor SEO, en juist daarom lijken ze vaak meer op hoe iemand een vraag in AI typt.
Wat veel mensen niet weten: je kunt Google dwingen om primair forumresultaten te tonen met de parameter &udm=18. Je zet die achter je zoekopdracht in de URL en je krijgt een soort forum zoekmodus.
Reddit zie je daar vaak, maar ook Quora, Facebook groepen, Steam communities en kleinere niche fora. Ik kijk dan niet alleen naar de posts met veel reacties, maar vooral naar terugkerende invalshoeken. Als dezelfde twijfel of hetzelfde probleem steeds terugkomt, is dat een goede kandidaat voor een prompt cluster.
Bron 3: maak conversational prompts van keywords en top pagina’s die verkopen
Als ondernemer wil je niet alleen meten waar je genoemd wordt, maar waar het je iets oplevert. Daarom vind ik het slim om te starten bij pagina’s die aantoonbaar bijdragen aan conversie, zoals demo aanvragen, offerte aanvragen, aanmeldingen of directe sales.
Pak de zoektermen die verkeer naar zo’n pagina sturen, of de keywords waarop je die pagina wilt laten scoren, en laat een AI assistent ze herschrijven naar prompts zoals mensen ze in een gesprek zouden stellen. Let op dat je de intentie bewaakt. Hoe langer de oorspronkelijke query, hoe minder je eraan moet sleutelen.
Een bruikbaar format dat ik regelmatig inzet is ongeveer dit, aangepast aan je eigen situatie.
Vraag je assistent om de lijst met echte Google zoekvragen om te zetten naar conversational prompts voor AI platformen, om de pagina te bekijken zodat de formulering past bij wat je aanbiedt, om de intentie niet te veranderen, en als er een jaartal nodig is het huidige jaar te gebruiken. Met een paar goede voor en na voorbeelden krijg je veel betere output.
Metehan Yesilyurt heeft dit principe verder uitgewerkt in een gids en zelfs tooling gebouwd om Search Console data om te zetten naar langere prompts. De kern die ik daarvan meeneem is: hoe specifieker je voorbeelden en randvoorwaarden, hoe beter de kwaliteit van de gegenereerde prompts.
Bron 4 en 5: Perplexity follow ups en Google ‘People also ask’ als snelle vraagmachine
Perplexity is interessant omdat het sterk leunt op bronnen en een eigen index opbouwt. In praktijk zie je daardoor vaak andere type websites terugkomen dan in ChatGPT of Copilot.
Een handig haakje: Perplexity toont aan het einde van een chat vaak gerelateerde vervolgvragen. Dat zijn geen historische queries die eerder door gebruikers zijn gesteld, maar suggesties die door een model worden gegenereerd op basis van je oorspronkelijke vraag en de gevonden resultaten. Dat is jammer als je puur op vraagvolume uit bent, maar nog steeds waardevol als inspiratie. Je ziet namelijk wat het systeem als logische vervolgstappen ziet.
Daarnaast blijft Google ‘People also ask’ een heel praktische bron, vooral als je een niche verkent waar je nog niet diep in zit. Je zoekt een basisterm, bekijkt de vragen, klikt er een paar open en je ziet Google steeds meer varianten geven. Ik gebruik die soms letterlijk als prompts om te monitoren welke merken en bronnen vaak terugkomen, en soms als basis om een cluster verder uit te bouwen.
Wil je dit op schaal verzamelen, dan kun je tools gebruiken zoals de Ahrefs Toolbar of de Detailed SEO Extension om meerdere niveaus van People also ask vragen te exporteren. Het doel is niet om elk zinnetje te tracken, maar om snel patronen in vraagstelling te vinden.
Bron 6, 7 en 8: gebruik AI zichtbaarheid, AI traffic en concurrenten als spiegel
Als je toegang hebt tot een grote prompt dataset, zoals Ahrefs Brand Radar, kun je zien bij welke onderwerpen je merk nu al opduikt in AI antwoorden. Dat vind ik een fijne start omdat je dan niet vanuit het niets hoeft te gokken.
Zo’n onderwerp kun je vervolgens verfijnen. Als je bijvoorbeeld net uitbreidt naar België of Duitsland, kun je dezelfde vragen per land of taal monitoren, of de locatie expliciet in de prompt zetten. Ook kun je de meetfrequentie kiezen die past bij je tempo. Dagelijks kan nuttig zijn bij een launch of PR moment, wekelijks of maandelijks is vaak genoeg voor structurele monitoring.
Vervolgens kijk je naar je eigen data: welke pagina’s krijgen nu al traffic vanuit AI platformen. In Ahrefs Web Analytics of in je eigen analytics kun je referrers herkennen, en in server logs kun je zien welke user agents pagina’s ophalen wanneer een gebruiker een vraag stelt. Bij Detailed.com zagen ze bijvoorbeeld ChatGPT User requests op specifieke pagina’s in korte tijd.
Naast ChatGPT User kom je ook agents tegen zoals Perplexity User, DuckAssistBot en MistralAI User. Dit is geen klassieke crawler die alles blijft ophalen. Het zijn vaak on demand verzoeken omdat een pagina gebruikt kan worden om een antwoord te maken.
Tot slot is de concurrentiespiegel heel waardevol: zoek queries waar concurrenten wél verschijnen en jij niet. Met Brand Radar kun je terug in de tijd om zulke gaten te vinden. Soms is het puur een content gap, je hebt geen pagina die het onderwerp serieus beantwoordt. Soms is het een reputatie of bronprobleem, je wordt niet geciteerd omdat andere sites als autoriteit worden gezien. Beide inzichten leiden naar een andere actie.
Bron 9: de ‘Questions’ tab in Keywords Explorer voor schaal, met gezond verstand
Als je een breed onderwerp wilt uitwaaieren naar concrete vragen, dan is een database zoals Ahrefs Keywords Explorer handig. Je start met een seed phrase, gaat naar matching terms, vervolgens questions, en je krijgt vaak honderden varianten met een indicatie van zoekvolume.
Hier moet je wel selectief blijven. Sommige vragen worden door AI zonder websearch beantwoord, zoals definities of heel basale uitleg. Als je een dienst of opleiding verkoopt, zijn juist vragen als “hoe begin ik” of “wat heb ik nodig om” vaak interessanter, omdat daar een keuzeproces achter zit.
Wat ik dan doe is niet 800 vragen inladen, maar een paar kernvragen kiezen die echt bij mijn aanbod passen, en daar varianten van clusteren. Denk aan één hoofdthema zoals “een timmerbedrijf starten” en daarbinnen varianten rond kosten, vergunningen, gereedschap, planning en klantenwerving.
Bron 10: monitor of AI jouw bedrijf correct weergeeft, ook als dat ongemakkelijk is
Dit is het onderdeel dat veel teams uitstellen, terwijl het juist snel rendement kan geven. AI antwoorden worden gevoed door meer dan alleen Google. Bing, Brave, eigen indexen en trainingsdata spelen mee. Daardoor kan er informatie boven komen drijven die je in Google nauwelijks ziet, zoals oude reviews, verkeerde prijzen, verouderde feature lists of negatieve discussies op plekken waar je nooit kijkt.
Bij Ahrefs zagen ze dat AI antwoorden eerst niet bevestigden dat ze custom prompt tracking hadden. Dan heb je een probleem, want je markt hoort iets anders dan wat jij nu verkoopt.
Voor jouw bedrijf kun je heel gerichte realiteitschecks monitoren. Denk aan vragen over je actuele prijzen, over features die vaak beslissend zijn, over veelgehoorde klachten, of over hoe je je verhoudt tot twee of drie directe concurrenten.
Steve Toth van Notebook Agency beschrijft een aanpak die ik herken uit trajecten met groeiende bedrijven: haal input uit helpdocs, sales calls, interne gesprekken en sales battlecards en vertaal dat naar dealbreaker vragen. Als AI daar structureel onjuist of vaag op antwoordt, weet je waar je content, PR of partnerships werk ligt.
Bron 11: persona’s bouwen met interne data, maar hou het beheersbaar
Personalisatie maakt tracking lastig. Een assistent kan rekening houden met locatie, eerdere gesprekken en context in een lopende chat. Je kunt dat nooit volledig nabootsen, maar je kunt wel scenario’s maken die lijken op echte klanttypes.
Een format dat hierbij helpt is: mijn situatie, mijn beperkingen, mijn prioriteiten, mijn pijnpunten en dan de vraag. Zo dwing je jezelf om niet alleen een keyword te volgen, maar een echte behoefte.
De beste input komt bijna altijd uit eigen bronnen: supporttickets, live chat logs, interne site search, advertentie zoektermen, sales notities. Als je dat combineert, krijg je persona prompts die niet verzonnen aanvoelen.
Vind je dit te zwaar, dan is de lichtere variant die Mark Williams Cook deelde een prima alternatief. Je vraagt dan: als ik een bepaalde persona was en ik zocht naar dit onderwerp, wat zou ik dan vragen. Ook hier geldt: het is niet perfect, maar het helpt je om de taal van je klant terug te zien in de prompts die je monitort.
Een nieuwe hulp: automatisch prompt ideeën genereren, met menselijke controle
Ahrefs heeft ondertussen ook een feature in Brand Radar gelanceerd die op basis van je project en eerder ingevoerde prompts nieuwe suggesties doet. In hun voorbeeld rondom automotive kwamen er thema’s uit rond voertuigbezit.
Dit soort functies kan je tijd besparen, maar ik wil je één ding meegeven: laat tooling nooit de richting bepalen. Gebruik het om gaten te vinden of om een cluster breder te maken, maar toets altijd of het past bij je aanbod, je marge en je groeidoelen. Anders zit je straks netjes te meten op onderwerpen die weinig bijdragen aan je omzet.
Maak vooraf een plan voor wat je doet met wat je ziet
Prompt tracking is pas nuttig als je vooraf bedenkt welke knoppen je kunt draaien. Anders wordt het een dashboard waar iemand af en toe naar kijkt, zonder vervolg.
De acties die ik het meest zie werken zijn heel aards. Zorg dat de pagina’s die vaak als bron worden genoemd kloppen en actueel zijn. Let op terugkerende patronen in antwoorden, zoals certificeringen, features of accreditaties die je blijkbaar moet noemen om serieus genomen te worden. Bouw relaties met sites die vaak geciteerd worden, niet om een linkje te scoren, maar om ervoor te zorgen dat correcte informatie over je merk op plekken staat die AI systemen gebruiken. En koppel AI traffic en conversies aan elkaar, zodat je weet of zichtbaarheid ook bijdraagt aan groei.
Soms is de beste actie gewoon een gat vullen. Een dedicated pagina voor een use case, een heldere FAQ over prijzen, een update van je helpdocs, of het vriendelijk laten corrigeren van foutieve statements op externe sites.
Begin klein. Een paar dozijn prompts rond je belangrijkste onderwerpen is vaak genoeg om patronen te zien. Als je dan een ritme hebt, kun je uitbreiden naar nieuwe segmenten, landen of productlijnen.
Het doel is dat je minder tijd kwijt bent aan gissen en meer tijd besteedt aan gerichte verbeteringen die je merkverhaal consistent houden, ook in AI antwoorden.