AI-zoekmachines zoals ChatGPT, Gemini en Perplexity beinvloeden aankoopbeslissingen al voordat een koper je website bezoekt, waardoor klassieke trafiek- en attributiecijfers een onvolledig beeld geven. Marketeers hebben daarom een raamwerk met vijf meetlagen nodig: AI-toegang, AI-zichtbaarheid, AI-verwijzingsverkeer, downstream vraag via de zogenoemde dark funnel, en uiteindelijk pipeline en omzet.
Waarom traditionele trafiekcijfers tekortschieten
Een B2B-inkoper vraagt tegenwoordig eerst ChatGPT om leveranciers te vergelijken, gebruikt Gemini om implementatieopties naast elkaar te leggen en checkt bij Perplexity of technische claims kloppen. Pas daarna bezoekt hij de website van de bedrijven die de shortlist halen.
Uit onderzoek van Green Hat naar de B2B-koopreis van 2025 blijkt dat tot 94 procent van de leden van een inkoopcomite tijdens de selectiefase een taalmodel raadpleegt om keuzes te valideren of samen te vatten. Wynter meldt in cijfers voor 2026 dat 84 procent van de CMO's AI-tools inzet bij het zoeken naar leveranciers. Klassieke attributie op basis van websitebezoek mist dus een groot deel van de reis, en dat raakt precies de kern van het probleem voor SEO-teams.
Laag 1 en 2: kunnen AI-systemen je content vinden en gebruiken?
Voordat een merk in een AI-antwoord terechtkomt, moet een taalmodel de content eerst kunnen vinden, crawlen en begrijpen. Zonder toegang verschijnt een product simpelweg niet in het gesprek, hoe goed de content ook is.
Let hierbij niet alleen op het aantal bezoeken van AI-bots, maar ook op crawlfrequentie, crawldiepte en crawldekking. Omdat user-agent strings te vervalsen zijn, is verificatie via reverse DNS-lookups, gepubliceerde IP-reeksen of de bot-service van een CDN betrouwbaarder dan het user-agent-veld alleen.
Pas als toegang is vastgesteld, wordt zichtbaarheid relevant: duiken merk en content daadwerkelijk op in AI-antwoorden? Een stabiele bibliotheek met prompts die aansluit bij vragen uit de koopreis levert bruikbaardere trends op dan losse steekproeven na elke contentpublicatie. Relevante indicatoren zijn onder meer:
- Mention rate: hoe vaak een merk in AI-antwoorden wordt genoemd
- Citation rate: hoe vaak naar een bron wordt gelinkt
- Impressies uit AI Overviews en AI Mode in Google Search Console
- Grounding queries in Bing Webmaster Tools
Laag 3: het verkeer dat wel meetbaar is
Vanaf deze laag komt klassieke attributie weer in beeld. GA4 kan verkeer herkennen dat rechtstreeks vanuit bekende AI-assistenten binnenkomt, vergelijkbaar met organisch of betaald verkeer.
Belangrijk detail: AI Overviews en AI Mode van Google vallen hier doorgaans niet onder. Die klikken worden meestal weggeschreven als organisch zoekverkeer, en soms zelfs als direct verkeer, afhankelijk van hoe de klik wordt doorgegeven. Ze beinvloeden de aankoopbeslissing dus wel, maar zijn niet schoon te herleiden als AI-verkeer in GA4.
Laag 4 en 5: de dark funnel, pipeline en omzet
Een koper ontdekt een merk soms via ChatGPT, maar klikt niet meteen door. Hij zoekt dagen later op merknaam, komt rechtstreeks terug op de site of via een heel ander marketingkanaal. Geen van die momenten wordt in analytics als AI gelabeld, terwijl AI wel degelijk aan de basis van de beslissing stond.
Deze onzichtbare beinvloeding, de dark funnel, verklaart waarom downstream vraag apart in kaart moet worden gebracht, bijvoorbeeld via stijgingen in merkzoekvolume of directe bezoeken na een contentpiek. De vijfde en laatste laag koppelt dit terug aan pipeline en omzet, zodat marketingteams niet een enkele perfecte attributiebron najagen, maar invloed meten over de volledige klantreis.
Voor SEO-rapportages betekent dit een verschuiving: niet langer alleen meten wat er na een websitebezoek gebeurt, maar ook wat eraan voorafgaat. Wie alleen naar sessies en conversies blijft kijken, mist het deel van de reis waarin de beslissing eigenlijk wordt genomen.
Bron: Search Engine Land