Source grader

De source grader is een checklist van de plekken waar een AI-model kan leren wat je merk is. Elke rij noemt een soort bron, de platforms die eronder vallen, de actie die je neemt en verdere leesstof.

De lijst is geïnspireerd op Content Prioritization in an AI Search Era van Aleyda Solis, die soorten content op je eigen website rangschikt. De source grader trekt dat door naar de bronnen buiten je eigen website, waar het grootste deel van de beschrijving van je merk wordt geschreven.

Elke bron valt in een van drie cirkels, afhankelijk van hoeveel je erover te zeggen hebt. De cirkel bepaalt wat voor actie je neemt.

Wie een reviewsite behandelt als de eigen website, verspilt moeite. Wie een handelsregister behandelt als een reviewsite, laat een makkelijke correctie liggen.

Een over-ons-pagina vertelt wie je bent. Ze bewijst niet dat je te vertrouwen bent, dat je je prijs waard bent, of dat je de specialist in je vakgebied bent. AI-systemen zoeken voor elk van die vragen ander bewijs.

Het onderzoek van Steven Wilson-Beales naar 4.003 AI-antwoorden over nieuwsuitgevers laat het patroon zien. In 76% van de gevallen stond er geen enkele over-ons-pagina tussen de geciteerde bronnen. Ging de vraag over identiteit, dan leverden over-ons-pagina's een kwart van het bewijs. Ging de vraag over waarde, dan leverden prijs- en abonnementspagina's een derde. Ging de vraag over vertrouwen, dan kwamen pagina's met standaarden, correcties en artikelen over hoe het werk gedaan wordt naar boven.

Dat patroon hebben we uitgebreid met eigen onderzoek bij 25 Nederlandse merken in acht sectoren: 1.200 antwoorden van ChatGPT en Gemini. Het patroon hield stand. In 73% van de antwoorden met bronnen zat geen over-ons-pagina. Over-ons-pagina's waren een kwart van het bewijs voor wie een merk is, de eigen aanbod- en prijspagina's bijna een derde van het bewijs voor waarde, en reviewsites en de eigen klachten- en klantenservicepagina's het meeste bewijs voor vertrouwen. De bronnen van buiten verschillen per sector: de tabel bij stap 3 zet de vertrekpunten op een rij die we het vaakst zien.

De source grader koppelt daarom elke rij aan de claims die ze ondersteunt:

De True Root blijft het anker voor identiteit, en linkt naar het bewijs voor elke andere claim: samen vormen ze je evidence architecture. De vraag verschuift van welke pagina je optimaliseert naar welk bewijs een AI nodig heeft voor elke claim die je wilt dat hij maakt, waar dat bewijs staat, en of het overal hetzelfde verhaal vertelt. Een deel ervan staat op subdomeinen die door support, HR of marketing worden beheerd; AI ziet die gewoon als onderdeel van het merk.

Het onderzoek laat zien welke pagina's geciteerd worden, niet dat een extra pagina tot meer citaties leidt, en het gaat alleen over uitgevers. Zie de claimkaart daarom als iets om te controleren en te testen.

Elke rij is een van twee soorten, en die twee vragen een ander soort inzet.

Sommige bronnen staan er twee keer in, één keer per soort. Reageren op reviews is hygiëne; een programma dat elke maand nieuwe reviews oplevert is onderscheidend vermogen. Hetzelfde geldt voor forums en de pers: fouten corrigeren is hygiëne, een aanwezigheid opbouwen is onderscheidend vermogen.

Het advies: doe alle hygiëne, kies daarna twee of drie rijen voor onderscheidend vermogen, geef elk een eigenaar en een vast ritme, en doe die heel goed. Twee speerpunten die je een jaar volhoudt doen meer dan tien die na de eerste ronde stoppen.

Kies een speerpunt als twee dingen waar zijn. Het merk heeft er iets unieks voor, zoals eigen data, toegang of expertise. En het merk kan het ritme minstens twaalf maanden volhouden.

De volgorde van het werk doet er meer toe dan welke rij ook. De source grader volgt de waterval van je eigen bron naar de bronnen die haar overnemen.

1. Eerst de root. Je entity home, je canonieke beschrijving en je gestructureerde data komen eerst, omdat elke andere bron daaruit overneemt. Een register, een profiel of een AI-antwoord is maar zo juist als de bron waaruit het is overgenomen.
2. Dan de kopieën van de root. Registers, Wikidata, bedrijfsprofielen en partnerpagina's volgen, met dezelfde zinnen en dezelfde feiten. Hetzelfde feit op veel onafhankelijke plekken is wat het laat beklijven.
3. Dan je speerpunten. De rijen voor onderscheidend vermogen die je hebt gekozen komen pas als het merk duidelijk herkenbaar is. AI-systemen knippen pagina's in fragmenten, en een uniek cijfer op een pagina waar het merk onduidelijk is, kan zomaar aan een ander worden toegeschreven.
4. Dan het volgen. Reviews, forums en de pers komen als laatste, omdat een correctie het sterkst is als ze kan verwijzen naar een bron die al klopt.

Prioriteren gaat in drie lagen: eerst de showstoppers, dan vier golven in een vaste volgorde, en binnen elke golf een RICE-score per actie.

Eerst de showstoppers

Een showstopper is een fout die nu al een verkeerd of leeg beeld van je merk oplevert. Die gaat voor alles.

• Tegenstrijdige identiteit: je eigen site of gestructureerde data noemt een feit dat in strijd is met het handelsregister.
• Verwarde entiteit: AI-antwoorden of zoekresultaten beschrijven een ander bedrijf, een oude naam of een naamgenoot als je merk.
• Onzichtbare feiten: belangrijke feiten bestaan alleen via JavaScript of als afbeelding, dus AI leest ze als ontbrekend of als nul.
• Schadelijke claim: een onjuiste of schadelijke bewering staat in een bron die AI vaak citeert.
• Geblokkeerde toegang: AI-crawlers kunnen je entity home of belangrijke pagina's niet ophalen.

Een blokkade kan bewust zijn, en van buitenaf zien een bewuste keuze en een vergissing er hetzelfde uit. Vraag het na bij wie de site beheert voordat je een blokkade als showstopper behandelt. Vind je meer dan vijf showstoppers, dan moet de root zelf opnieuw worden opgebouwd: behandel dan heel golf 1 als urgent.

Vier golven

RICE binnen elke golf

Rangschik de acties binnen een golf met RICE, een prioriteringsmethode die bij Intercom is ontwikkeld: bereik maal impact maal zekerheid, gedeeld door moeite. Bij onderscheidend vermogen helpt RICE je ook kiezen: rangschik de kandidaat-rijen en toets de bovenste aan de twee vragen hierboven.

• Reach (1 tot 10): In hoeveel relevante AI-antwoorden en zoekresultaten de bron voorkomt. Meet het waar je kunt: tel hoe vaak de bron opduikt in de antwoorden en resultaten voor je belangrijkste prompts en zoekopdrachten.
• Impact (1 tot 10): Hoeveel het beeld van je merk verandert als deze bron klopt.
• Confidence (0,5, 0,8 of 1): 1 als je deze bron geciteerd hebt zien worden voor je eigen merk, 0,8 als andere cases of studies het effect laten zien, 0,5 als het een aanname is.
• Effort (1, 3, 5 of 10): Het werk dat nodig is om het goed te krijgen.

Als vuistregel kosten acties in de cirkel van controle weinig moeite en hebben ze een gemiddelde impact, en hebben acties in de cirkel van betrokkenheid de grootste impact en kosten ze de meeste moeite. Drie voorbeelden:

• Een verkeerd hoofdkantoor in je eigen gestructureerde data corrigeren: 8 × 6 × 1 / 1 = 48.
• Je profiel op een vergelijkingssite corrigeren: 6 × 7 × 0,8 / 3 = 11,2.
• Een correctie op Wikipedia aanvragen via de overlegpagina: 7 × 9 × 0,8 / 10 = 5,0.

RICE rangschikt acties alleen binnen een golf. Een hoge score brengt een actie nooit naar een eerdere golf.

1. Leg je referentiefeiten vast. Eén zin die zegt wat je merk is, een korte en een lange beschrijving, en de vaste feiten: juridische naam, adres, oprichtingsdatum en categorie (rij C02). Elke rij wordt aan deze set getoetst.
2. Leg je claims vast. Drie tot vijf dingen die je wilt dat AI over je zegt, minstens één voor elk van identiteit, vertrouwen, waarde en expertise.
3. Meet een nulmeting. Schrijf per claim een paar prompts, elk in een korte versie zoals een lezer die zou intikken en in een langere, vergelijkende versie. Stel elke prompt minstens twee keer in minstens twee AI-assistenten, met zoeken op het web aan, en noteer welke bronnen elk antwoord citeert (rij X01). Korte prompts leveren vaak helemaal geen bronnen op; de lange laten zien welke bronnen een model echt gebruikt.
4. Sorteer de geciteerde bronnen. Een bron die in beide rondes en in meer dan één assistent terugkomt, is een kernbron. Een bron die één keer opduikt, gaat op een volglijst. Kernbronnen krijgen een actie; de volglijst bekijk je opnieuw in stap 2.

Loop elke rij in de hygiënelijst hieronder langs, vergelijk wat je vindt met de actie, en geef de rij één markering. Begin met de rijen die je kernbronnen dekken. Wikipedia en het belangrijkste reviewplatform, zoals Trustpilot, komen in elke sector terug, dus controleer die in elk geval (X08, X05). Werk daarna in de volgorde die hierboven staat: eerst de showstoppers, dan de golven, en RICE binnen elke golf.

Eerst navragen bestaat omdat een bewuste keuze en een vergissing er van buitenaf hetzelfde uitzien. Een verzekeraar kan oude polisvoorwaarden met opzet verbergen, omdat alleen de huidige versie op de website mag tellen.

Hygiëne zet je één keer goed en houd je daarna goed. Geef de hygiënelijst één eigenaar en herhaal elk kwartaal twee dingen.

1. Stel de prompts van de nulmeting opnieuw. Dezelfde prompts, dezelfde assistenten, minstens twee rondes. Vergelijk de geciteerde bronnen met de vorige ronde. Een bron van de volglijst die nu in twee rondes terugkomt, wordt een kernbron en krijgt een controle van haar rij. Een kernbron die verdwijnt, vraagt geen actie.
2. Controleer de hygiënerijen die vanzelf veranderen opnieuw. Reviews, forums, Wikipedia, vergelijkingssites en registers veranderen zonder jou. Controleer die rijen opnieuw en markeer ze opnieuw.

De hygiënescore is het aandeel van de toepasselijke hygiënerijen dat op OK staat, in totaal en per cirkel. Het doel is 100. Rijen op eerst navragen tellen mee zodra ze beantwoord zijn, en rijen op niet van toepassing tellen niet mee. Zet naast de score hoeveel rijen je kon controleren, zodat een hoge score op een gedeeltelijke controle niet voor een volledige wordt aangezien.

Begin met kiezen als het grootste deel van de hygiënelijst op OK staat. Een unieke claim op een pagina waar het merk onduidelijk is, kan zomaar aan een ander worden toegeschreven.

1. Zoek je zwakste claim. De claim waarbij de prompts in de nulmeting je eigen website het minst citeren.
2. Zet de kandidaten op een rij. De rijen in de lijst hieronder die die claim ondersteunen, plus de rijen die een kernbron uit je nulmeting dekken.
3. Houd er twee of drie over. Houd een kandidaat alleen als beide waar zijn: je hebt er iets unieks voor, zoals eigen data, toegang of expertise, en je kunt het ritme minstens twaalf maanden volhouden. Rangschik wat overblijft met RICE.
4. Leg je vast. Geef elk speerpunt een eigenaar, een ritme en de prompts die het moet bewegen. Markeer elke andere rij als niet gekozen en bekijk die opnieuw als een speerpunt af is.

De kernbronnen verschillen per sector. Dit zijn de vertrekpunten die we het vaakst zien:

Houd voor elk speerpunt vijf dingen bij: de eigenaar, het ritme, de datum van de laatste publicatie, of het schema is gehaald, en de prompts die het speerpunt moet bewegen. Controleer die prompts in elke ronde van het bijhouden. Een speerpunt dat twee keer zijn schema mist, heeft een nieuwe eigenaar of een andere keuze nodig.

• Soort bron: Het soort bron, met voorbeeldplatforms en de claims die het ondersteunt: identiteit, vertrouwen, waarde of expertise.
• Actie: Wat je doet, en waar.
• Verder lezen: Artikelen, studies en richtlijnen die dieper gaan, met een toelichting waar die nodig is.

Elke rij heeft een ID: C voor de cirkel van controle, I voor de cirkel van invloed en X voor de cirkel van betrokkenheid. Link direct naar een rij met haar ID, bijvoorbeeld #c01.

De source grader verankert de bronnen waaruit AI put, en dat is het deel waar een merk aan kan werken. Wat een AI-model daarna zegt, wordt achteraf gemeten en nooit beloofd. De rangschikking in deze methode is een eerste ijking, die met elke opdracht wordt verfijnd.