Als ChatGPT of Perplexity consistent jouw concurrent noemt en niet jou, is dat geen toeval. Meestal draait het om zeven meetbare signalen waarin de concurrent beter scoort: brand-mention volume, reviewvolume, Schema.org-dekking, citatie-consistentie, topical authority, verse externe dekking en E-E-A-T-signalen. Deze gids laat zien hoe je diagnosticeert waar het mis gaat en welke acties in 90 dagen de verhouding kantelen.
Kernpunten uit dit artikel
- AI-zoekmachines kiezen bedrijven op zeven signalen, geen willekeur en geen simpele winnaar-ranking.
- Het grootste verschil tussen jou en je best-zichtbare concurrent zit meestal niet in de website, maar in externe signalen die jij niet direct controleert.
- Mention share onder 10 procent in je kernprompts betekent dat je structureel achterloopt; boven 30 procent zit je in de aanbevelingsband.
- Perplexity reageert sneller op verbeteringen dan ChatGPT omdat het live web-retrieval gebruikt.
- Niche-autoriteit verslaat brand-grootte; Nederlandse mkb kan concurreren met grote ketens door diepte in één onderwerp.
- Een 90-dagen-aanpak verhoogt mention share in de meeste projecten van onder 10 procent naar tussen 25 en 45 procent.
Het is een scenario dat elke maand vaker op tafel komt: een ondernemer typt zijn eigen dienst in ChatGPT of Perplexity, en er rolt een lijstje van drie of vier concurrenten uit. De eigen naam staat er niet tussen. Frustrerend, maar meestal goed te verklaren. En te herstellen. Dit artikel doet beide.
Waarom dit moment er toe doet
Volgens onze eigen dataset (1.200 scans van Nederlandse mkb-sites in Q1 2026) bevindt 63 procent van de ondernemers zich in een situatie waarin minstens één direct concurrent aantoonbaar vaker in AI-antwoorden wordt genoemd. Van deze 63 procent heeft 71 procent een reëel goede dienstverlening; het probleem zit niet in de kwaliteit van het bedrijf maar in de signalen die de AI kan zien.
Dat onderscheid is belangrijk. AI-zoekmachines beoordelen niet wie de beste dienst levert. Ze beoordelen welke bronnen het meest consistent en betrouwbaar in hun retrieval-systeem terugkomen. Goede dienstverlening zonder duidelijke externe signalen is voor een AI ruis.
De 7 signalen waar AI's concurrentiepositie op baseren
Hieronder een diagnostische checklist. Loop elke factor langs en schat in waar jij versus je best-zichtbare concurrent staat. Meestal zitten de grootste gaten in 2 tot 3 factoren, niet in alle zeven.
1 Brand Mention Volume
Het totale aantal keren dat je merknaam in een kwaliteitscontext op het web voorkomt. Vakblogs, nieuwsartikelen, comparison sites, podcasts, communities, jaarlijstjes. AI-modellen gebruiken dit als proxy voor relevantie binnen een niche.
2 Review Volume & Velocity
Niet alleen hoe veel reviews en welke score, maar ook de instroom: hoeveel nieuwe reviews per maand, gespreid over Google, Trustpilot, branchespecifieke platforms. Bursts van reviews in korte periodes scoren slechter dan gestaag tempo.
3 Schema.org-dekking
Hoe veel van je pagina's hebben valide, specifiek Schema.org-markup? Organization en LocalBusiness zijn minimum; echt sterk zijn sites met Service-, Product-, FAQPage-, Article- en BreadcrumbList-schema op bijna elke URL.
4 Citation Consistency
NAP (naam, adres, telefoon) plus openingstijden, diensten en bedrijfsgegevens identiek op minstens 20 directories. Inconsistenties signaleren aan AI's dat de bron onbetrouwbaar is.
5 Topical Authority
AI's belonen sites met veel diepe, onderling gelinkte content over één onderwerp. Breed-dun verliest van smal-diep. Dit is waar veel mkb-websites onderschatten wat een content-hub doet.
6 Fresh Third-Party Coverage
Interviews, gastartikelen, persberichten, vermelding in jaaroverzichten, deelname aan branche-onderzoek. AI-modellen geven extra gewicht aan recente externe dekking omdat het actualiteit impliceert.
7 E-E-A-T-signalen
Herleidbare auteurs met LinkedIn-profiel, certificeringen en erkende licenties vermeld, uitgebreide over-ons-pagina, teaminformatie, duidelijke contactgegevens. AI-modellen gebruiken deze signalen bij de autoriteitsweging.
Doe deze 5-minuten-scan op je eigen bedrijf
Open ChatGPT of Perplexity en stel deze vijf prompts, met jouw plaats en branche ingevuld. Noteer bij elke prompt welke drie bedrijven worden genoemd.
- "Welke [branche] in [plaats] kun je aanbevelen?"
- "Wie is de beste [specialisatie] in [provincie]?"
- "Ik zoek een [dienst] in [plaats] voor [specifieke situatie]. Wie past bij mij?"
- "Wat kost gemiddeld [dienst] bij een [branche] in [regio]?" (kijk welke bronnen genoemd worden)
- "Top 5 [branche] in [plaats] 2026."
Als je na deze vijf prompts in minder dan twee van de vijf antwoorden genoemd wordt, is er structureel werk te doen. Als je in nul van de vijf antwoorden genoemd wordt, is er urgente actie nodig.
Waar Nederlandse mkb typisch strandt
Onder honderden Nederlandse mkb-sites zien we drie veel voorkomende patronen.
Patroon 1: goede dienstverlening, geen externe dekking. Hechte klantenkring, goede reviews, maar bijna geen online vermelding buiten het eigen domein. Oplossing: PR-aanpak en strategische gastbijdragen.
Patroon 2: technisch mooie site, geen diepte. Een snel, modern design maar zes ondiepe service-pagina's en een paar dunne blogposts. Oplossing: content-hub bouwen rond twee tot drie pijleronderwerpen.
Patroon 3: groot volume, lage signaalkwaliteit. Veel reviews en vermeldingen, maar inconsistent en versnipperd. Oplossing: consolidatie en NAP-uniformiteit over alle directories.
90-dagen-plan om de verhouding te kantelen
Dit is de volgorde die we in de meeste projecten volgen.
Week 1-2. Baseline-scan van mention share en citation rank in ChatGPT, Perplexity en Google AI Overview. Concurrentie-audit op dezelfde zeven factoren. Identificatie van de twee grootste gaten.
Week 3-6. Quick wins. Schema.org compleet maken, NAP-consistentie over 25 directories, minstens één vakmedia-interview geregeld. Start reviewmotor met gespreid tempo.
Week 7-10. Content-pijlers publiceren. Drie diepgaande artikelen (2.000-2.500 woorden) met herleidbare auteur en externe bronnen.
Week 11-14. PR-sprint. Tweede vakmedia-publicatie, deelname aan minstens één branche-onderzoek of jaarlijstje. Eerste satellieten rond pijleronderwerpen.
Week 15-16. Nieuwe prompt-scan, vergelijken met baseline, rapporteren op mention share en citation rank, plannen voor kwartaal 2.
Wat niet werkt en waarom
Botnetwerk-reviews. Google en AI-modellen herkennen patroon-reviews. Resultaat is negatief in plaats van positief.
Backlink-spam. Massaal low-quality links inkopen werkte in 2015 en werkt in 2026 absoluut niet voor GEO.
Concurrent-sabotage. Negatieve reviews laten plaatsen is ethisch verwerpelijk, juridisch riskant en heeft geen meetbaar effect op AI-aanbevelingen.
Keyword stuffing voor AI. Herhaaldelijk "beste [dienst] in [plaats]" in je content plakken werkt niet. AI's wegen context en diepte, niet keyword-dichtheid.
Wanneer een bureau zinvol is
De zeven factoren zijn op papier allemaal DIY-achtig haalbaar. In de praktijk komt de combinatie van technische schema-kennis, citatie-management, contentkwaliteit, PR-relaties en monitoring zelden in één ondernemer samen. Een gespecialiseerd GEO-bureau levert versnelling op alle zeven sporen parallel, wat in 90 dagen meer effect geeft dan 12 maanden DIY-werk.
Conclusie: de concurrent is niet beter, beter zichtbaar
De belangrijkste les: als AI's jouw concurrent vaker noemen, betekent dat niet dat die concurrent een beter bedrijf is. Het betekent dat de signalen die AI's wegen beter op orde zijn. Dat is goed nieuws: signalen kun je verbeteren, kwaliteit van dienstverlening is veel moeilijker te evenaren.
De bedrijven die in 2026 starten met gestructureerde GEO-aanpak, claimen een aanbevelingspositie die over twee jaar moeilijk te verdringen is. Wie wacht, verliest maandelijks mention share aan concurrenten die nu wel actie nemen.
Veelgestelde vragen
Hoe weet ik of ChatGPT mijn concurrent vaker noemt dan mij?
Stel 20 aanbevelingsprompts op die jouw ideale klant zou stellen (bijvoorbeeld "beste [dienst] in [plaats]", "welke [specialisatie] kan ik aanbevelen"). Voer deze uit in ChatGPT, Perplexity en Google AI Overview. Noteer in een spreadsheet bij elke prompt welke drie tot vijf bedrijven worden genoemd en in welke volgorde. Na 20 prompts zie je duidelijk je mention share en je belangrijkste concurrenten.
Kan ik ChatGPT direct vertellen dat hij mij ook moet noemen?
Nee. ChatGPT, Perplexity en andere LLM's reageren niet op directe verzoeken van bedrijven over welke bronnen ze citeren. De enige manier om consistent genoemd te worden is via sterke externe signalen: meer en consistente citaties, hogere reviewvolume, betere Schema.org-dekking en verse dekking door derde partijen.
Hoeveel tijd duurt het voor mijn concurrentiepositie in AI verbetert?
De eerste meetbare verschuivingen in mention share zien we meestal binnen 6 tot 10 weken na implementatie. Volledige consolidatie duurt 3 tot 6 maanden omdat LLM's hun indexen en trainingsdata op eigen tempo verversen. Perplexity reageert sneller (2 tot 6 weken) dan ChatGPT (6 tot 16 weken) omdat Perplexity live web-retrieval gebruikt.
Moet ik mijn concurrent proberen uit AI-aanbevelingen te krijgen?
Nee. Zwart-hat pogingen om een concurrent uit AI-resultaten te krijgen werken niet en zijn juridisch riskant. AI-modellen kiezen op eigen criteria; jouw eigen autoriteit opbouwen is effectiever en duurzamer. Focus op signalen die je zelf controleert.
Wat als mijn concurrent veel groter is dan ik?
Grote concurrenten hebben vaak brede aanwezigheid, maar niet altijd diepe niche-autoriteit. Nederlandse mkb-bedrijven die zich specialiseren op één niche en daar diepte opbouwen, worden in prompt-specifieke aanbevelingen regelmatig genoemd naast of zelfs voor grote ketens. Niche-autoriteit is vaak belangrijker dan brand-grootte.
Krijg de diagnose op jouw bedrijf
Een gratis AI-zichtbaarheidsscan vergelijkt jouw mention share met je drie grootste concurrenten. Binnen 48 uur een rapportage met de twee grootste gaten en welke acties in 90 dagen het meeste opleveren.
Strategiegesprek boeken