Wie een prompt deelt die tot een verrassend goed AI-resultaat leidde, wordt bijna altijd gevraagd om die prompt letterlijk door te sturen. Een recent experiment van Search Engine Land laat zien dat dat de verkeerde vraag is: niet de prompt, maar de bedrijfscontext eromheen bepaalt grotendeels hoe bruikbaar het advies van ChatGPT, Claude en Gemini is.
Onderzoeker Chris Long gaf de drie chatbots dezelfde strategische opdracht en veranderde vervolgens alleen de informatie die vooraf werd meegegeven. Het resultaat: identieke prompts leidden tot compleet verschillende adviezen, terwijl extra bedrijfscontext de uitkomsten juist dichter bij elkaar bracht.
Zelfde opdracht, drie verschillende interpretaties
De eerste testronde draaide om een fictief bedrijf dat al jaren in SEO investeert en een gevestigde website heeft. De directie merkte dat zoekgedrag verandert door AI-gegenereerde antwoorden, maar wist niet welke aanpassingen in de marketingstrategie nodig waren.
Met die opdracht, zonder verdere toelichting, gingen de drie modellen ieder hun eigen richting op. Claude behandelde de opdracht als het begin van een verkennend onderzoek, Gemini interpreteerde het vooral als een optimalisatievraagstuk voor AI-zoekresultaten, en ChatGPT bouwde er een uitgebreid consultingkader omheen met governance, meetplannen en gefaseerde uitvoering.
- Claude: verkennende aanpak gericht op ontbrekende informatie
- Gemini: technische focus op zichtbaarheid in AI-zoekresultaten
- ChatGPT: formeel strategisch kader met meetbare fases
Geen van de drie interpretaties was onlogisch. Het probleem zat in de opdracht zelf: die liet in het midden of het ging om dalend verkeer, merkzichtbaarheid, AI-citaties, leadgeneratie of concurrentiedruk. Elk van die problemen vraagt om een andere strategie, en bij gebrek aan duidelijkheid vulden de modellen niet alleen ontbrekende feiten aan, maar ook de ontbrekende bedoeling achter de vraag.
Meer context, scherpere aanbevelingen
Voor de tweede ronde voegde Long precies de informatie toe die een marketeer normaal gesproken in een kennismakingsgesprek zou ophalen. Het bedrijf werd neergezet als een regionaal hvac-bedrijf met een volwassen website, een beperkt budget en een voorkeur om bestaande content te verbeteren in plaats van veel nieuwe content te maken.
Ook het doel werd concreet: meer gekwalificeerde serviceaanvragen tijdens het komende seizoen, met onderhoudscontracten als meest waardevolle langetermijnresultaat. Er kwam geen ingewikkelde promptformule bij, alleen de context die een strateeg normaal al voor de opdracht zou verzamelen.
Het verschil was direct zichtbaar. Alle drie de modellen behielden hun eigen stijl, maar hun adviezen sloten nu aan bij dezelfde concrete bedrijfssituatie. Claude bleef verkennend maar richtte zich op seizoensvraag en budgetprioriteiten, Gemini koppelde zijn advies aan lokale zoekvragen en commerciële beperkingen, en ChatGPT werkte reparatie-versus-vervanging-beslissingen en onderhoudsplannen uit binnen zijn vertrouwde kader.
Waar menselijk oordeel onmisbaar blijft
Een betere brief bracht de modellen dichter bij elkaar, maar loste niet alles op. Ook met de uitgebreide context genereerden alle drie meer kansen dan een regionaal bedrijf met een beperkt budget realistisch vóór het komende seizoen kon oppakken.
De modellen brachten die kansen wel overzichtelijk in kaart en lichtten ze toe, maar het prioriteren en schrappen bleef mensenwerk. Dat is precies de les voor wie AI inzet voor marketingstrategie: de kwaliteit van het antwoord hangt minder af van een slimme prompt en veel meer van de bedrijfsinformatie die je vooraf meegeeft.
Bron: Search Engine Land