GEO-tracker: de complete gids (wat hij meet en waarom hij schommelt)

Een GEO-tracker stelt AI-assistenten volgens een vast schema steeds dezelfde set vragen en houdt bij of je merk in de antwoorden opduikt. Meer is het mechanisme niet. Alles wat een tracker rapporteert - zichtbaarheidspercentage, share of voice, aantal citaties, sentiment - is een statistiek, berekend over een steekproef van gegenereerde antwoorden.

Het getal op je scherm is dus een schatting, en een schatting heeft een foutmarge. De meeste gidsen over het meten van generative engine optimization springen meteen naar een toolvergelijking. Deze gids gaat over het deel dat bepaalt of je dashboard je überhaupt iets vertelt: wat een GEO-tracker echt meet, waarom het getal uit zichzelf beweegt, hoeveel prompts en herhalingen je nodig hebt voordat de score stabiel is, en welke conclusies de data wel en niet kan dragen.

Wat meet een GEO-tracker eigenlijk?

Een GEO-tracker meet aanwezigheid in gegenereerde antwoorden, geen positie op een pagina. De meeteenheid is één modelantwoord op één prompt. Per antwoord legt de tracker een combinatie vast van: of je merknaam voorkwam, of je domein als bron werd gelinkt, waar in het antwoord je werd genoemd, welke concurrenten naast je verschenen en welke toon de vermelding had.

Die losse antwoordregistraties worden samengevoegd tot de hoofdmetric. Draai je 50 prompts over 4 engines en verschijnt je merk in 60 van de 200 antwoorden die dat oplevert, dan is je zichtbaarheid 30%. Er wordt hier geen rankingalgoritme ontrafeld en geen index bevraagd. De tracker houdt een enquête, en de respondenten zijn taalmodellen.

De term komt uit GEO: Generative Engine Optimization, het paper dat Aggarwal en collega's op KDD 2024 presenteerden. Daarin werd voor het eerst in een gecontroleerd experiment aangetoond dat aanpassingen aan content de zichtbaarheid binnen gegenereerde antwoorden kunnen verhogen, met verbeteringen tot 40% op hun GEO-bench-benchmark. Het paper legde ook het kader vast dat trackers nog steeds gebruiken: zichtbaarheid is een eigenschap van het gegenereerde antwoord, gemeten over veel zoekvragen, en geen eigenschap van een document.

GEO-tracker vs. klassieke SEO-ranktracker: ander meetobject, andere wiskunde

Op een dashboard lijken een klassieke ranktracker en een GEO-tracker op elkaar, maar ze doen iets fundamenteel anders.

	SEO-ranktracker	GEO-tracker
Wat hij bevraagt	Een zoekindex	Een generatief model
Wat hij meet	Positie van een URL	Aanwezigheid van een merk in een antwoord
Resultaat per zoekvraag	Een geordende lijst	Een stuk lopende tekst
Herhaalbaarheid	Hoog. Zelfde zoekvraag, vrijwel identieke resultaten	Laag. Zelfde prompt, elke run andere bewoording
Concurrentieveld	Vastgelegd door de SERP	Verschilt per antwoord
Steekproef voor een stabiele meting	Eén check	Veel, over meerdere dimensies

Op die laatste rij gaan teams vaak de mist in. Een ranktracker kan een zoekwoord één keer per dag checken, omdat de index tussen twee checks stabiel blijft. Een GEO-tracker kan dat niet: wat hij meet, wordt elke keer opnieuw gegenereerd, vanuit een kansverdeling.

Waarom verandert je zichtbaarheidsscore terwijl je website hetzelfde is gebleven?

Omdat het model trekt uit een kansverdeling in plaats van iets op te halen. Stel dezelfde vraag twee keer en je krijgt twee verschillende antwoorden, en soms noemt maar één daarvan jou.

Dat is geen bug in je tracker. Een studie uit 2026 van Dmitrij Żatuchin, Where Does the Noise Come From? A Variance-Components Decomposition of Non-Determinism in LLM Brand Answers, heeft die vraag grondig uitgeplozen. Over 12.933 antwoorden, verdeeld over 20 merken, 8 talen en 3 modellen, werd de variantie in merkvermeldingen opgesplitst naar bron:

• Hersampling binnen dezelfde prompt: 34,8% van de totale variantie. Gewoon exact dezelfde prompt opnieuw stellen.
• Interactie tussen merk en context: 29,6%. Welk merk, in welke specifieke promptcontext.
• Taal van de vraag: 26,5%. De taal waarin de vraag werd gesteld.
• Merk maal taal: 8,6%.
• Alleen de merkidentiteit: 1,5%.

Lees dat lijstje nog eens met je dashboard in je achterhoofd. Slechts 1,5% van de beweging in een meting van merkvermeldingen is toe te schrijven aan het merk zelf. Het grootste onderdeel, meer dan een derde, is pure hersamplingruis: het model dat dezelfde vraag bij de tweede poging anders beantwoordt.

Praktisch gevolg: een verandering in je GEO-trackerscore van week op week bewijst niets zolang je niet weet hoe breed de ruisband is. Een zichtbaarheidsscore die van 28% naar 33% ging, is vrijwel zeker helemaal niet veranderd.

Hoeveel prompts en herhalingen heeft een GEO-tracker nodig voor een betrouwbare score?

Minder herhalingen dan je denkt, en meer spreiding dan je denkt. Dezelfde variantiestudie vond een sterk afnemend rendement van opnieuw vragen: na de vijfde herhaling van een prompt verlaagde elke extra herhaling de meetfout met slechts 0,0003. De betrouwbaarheid over het volledige design kwam daarentegen uit op ongeveer 0,36, tegenover 0,01 voor één los antwoord. De conclusie van de auteur is onomwonden: betrouwbaarheid "is bought by spreading across languages and models, not by repeating one prompt" - je koopt die door te spreiden over talen en modellen, niet door één prompt te herhalen.

Daar volgt een concrete ontwerpregel uit voor iedereen die generative engine optimization-tracking inricht:

1. Herhaal elke prompt ongeveer 5 keer. Genoeg om de steekproefruis uit te middelen. Daarboven verbrand je API-credits voor niets.
2. Steek het budget liever in een bredere promptset. Dertig verschillende prompts die je elk 5 keer samplet, verslaan vijf prompts die je elk 30 keer samplet, tegen exact dezelfde kosten.
3. Meet over meerdere modellen. Modelidentiteit is een echte, los te onderscheiden bron van variantie. Eén engine is één mening.
4. Meet in meerdere talen als je in meerdere talen verkoopt. Taal was goed voor meer dan een kwart van de variantie. Een tracker die alleen Engels meet, zegt niets over je Duitse markt.
5. Rapporteer een bandbreedte, geen los getal. Publiceer "28% plus of min 6" in plaats van "28%". Geeft je tool geen spreiding, bereken die dan zelf uit de data op antwoordniveau.

Sta even stil bij die betrouwbaarheid van rond de 0,36. Zelfs een goed opgezet design laat flink wat onverklaarde variantie over. GEO-metingen geven over maanden heen een bruikbare richting. Van week tot week zijn ze niet precies, en geen enkel dashboard van welke leverancier dan ook kan daar iets aan veranderen.

Welke AI-engines moet een GEO-tracker meten?

Meet de engines die je kopers echt gebruiken, en meet er meer dan één, want modelidentiteit is een eigen variantiecomponent. In de praktijk zijn dat de vier systemen die commerciële vragen beantwoorden met live retrieval: ChatGPT van OpenAI, Gemini en de AI-functies van Google, Claude van Anthropic, en Perplexity.

Hoe die dekking precies werkt, is belangrijker dan het aantal logo's. Een tracker die een basismodel zonder webtoegang bevraagt, meet wat er in de trainingsdata is blijven hangen, niet hoe het model zoekt, en dat zijn twee verschillende dingen. In AI Rank Lab draaien onze merkchecks bewust op configuraties met webtoegang: de OpenAI Responses API op GPT-4o, Claude Haiku 4.5, Gemini 3 Flash en de Sonar-modellen van Perplexity, die standaard webtoegang hebben. Beoordeel je een GEO-tracker, vraag dan welke modelversie en welke retrievalmodus achter elk engine-icoontje zit. Leveranciers publiceren dat zelden, en het verandert wat het getal betekent.

Garandeert een plek in de organische top 10 dat AI je citeert?

Nee, en het verband wordt steeds losser. Ahrefs analyseerde 1,9 miljoen citaties uit 1 miljoen AI Overviews (de AI-overzichten van Google) en ontdekte dat 76,10% van de pagina's die in AI Overviews worden geciteerd in de top 10 stond voor dezelfde zoekvraag (stand juli 2025), terwijl 14,40% van de citaties kwam van pagina's die lager dan positie 100 stonden. BrightEdge volgde 9 branches van mei 2024 tot september 2025 en meldde dat 54,5% van de AI Overview-citaties nu ook organisch rankt, tegenover 32,3% eerder, terwijl slechts 16,7% uit de top 10 kwam.

De twee studies meten net iets anders, en juist daarom moet je geen van beide als natuurwet behandelen. Wat ze allebei ondersteunen, is de praktische conclusie: een organische ranking is een sterke input voor AI-citaties, maar geen garantie, en een flink deel van de citaties komt van pagina's die slecht of helemaal niet ranken. Precies dat gat is waarvoor een GEO-tracker bestaat. Je ranktracker ziet het niet.

Daarom is het ook de moeite waard om Google zelf letterlijk te citeren. In de handleiding voor optimalisatie voor generatieve AI-functies, bijgewerkt in juli 2026, staat dat "the best practices for SEO continue to be relevant because our generative AI features on Google Search are rooted in our core Search ranking and quality systems" (de best practices voor SEO blijven relevant omdat de generatieve AI-functies in Google Search geworteld zijn in de kernsystemen voor ranking en kwaliteit), en dat "a page must be indexed and eligible to be shown in Google Search with a snippet" om in aanmerking te komen. Er is geen apart AI-rankingsysteem om te bespelen. Er is een retrievallaag met daarbovenop een query fan-out, wat Google definieert als "a set of concurrent, related queries generated by the model": een reeks gelijktijdige, verwante zoekvragen die het model zelf genereert.

Kan een GEO-tracker bewijzen dat AI-zoekmachines verkeer naar je site sturen?

Nee. Een GEO-tracker meet of je in antwoorden verschijnt. Attributie kan hij niet bewijzen, en je moet goed opletten dat niemand de cijfers zo gaat lezen.

Twee onafhankelijke datasets laten zien waarom dat gat zo groot is. De crawl-to-refer-ratio van Cloudflare, gepubliceerd in juli 2025, deelt het aantal HTML-requests van de crawlers van een platform door het aantal HTML-requests met de referrer van dat platform. In de week van 19-26 juni 2025 liepen de ratio's uiteen van ongeveer 70.900:1 bij Anthropic tot 0,1:1 bij Mistral. Cloudflare plaatst daar een belangrijke kanttekening bij: verkeer dat via de native app van Claude binnenkomt, heeft geen referrer-header, dus de ratio's "may overstate" de scheefgroei, in onbekende mate. Maar ook als je daar flink op afdingt, is de richting overduidelijk. Gelezen worden is gewoon. Een doorklik krijgen is zeldzaam.

De traffic channel mix-studie van Semrush, gepubliceerd in april 2026 over meer dan 50.000 websites in 17 branches, zet cijfers op de andere kant: AI-verkeer was in 2025 goed voor 0,14% van het totale verkeer, tegenover 16,04% voor organisch zoeken. Wel groeide AI-verkeer met 66,02% op jaarbasis, van 462 miljoen naar 767 miljoen bezoeken per maand.

Houd beide feiten tegelijk vast. Het verwijzingsvolume vanuit AI is nu nog klein en groeit snel, en het aantal citaties is veel groter dan het aantal kliks. Een GEO-tracker meet de citatiekant. Beloof je een stakeholder dat een stijgende zichtbaarheidsscore evenredig meer sessies oplevert, dan laat je analytics je daar later lelijk op afgaan.

Het generatieve-AI-rapport in Google Search Console vs. een externe GEO-tracker

Ze vullen elkaar aan en geen van beide vervangt de ander. Google bracht in juni 2026 prestatierapporten voor generatieve AI uit in Search Console. Dat is first-party data van het platform zelf, en qua nauwkeurigheid kan geen externe tracker daaraan tippen. Maar het rapport is bewust beperkt:

	Generatieve-AI-rapport in Search Console	Externe GEO-tracker
Bron	First-party, van Google	Gesamplede modelantwoorden
Metrics	Alleen vertoningen. Geen kliks, CTR of positie	Zichtbaarheid, citaties, share of voice, sentiment
Dimensies	Pagina, land, apparaat, datum	Prompt, engine, concurrent
Prompts zichtbaar	Nee	Ja, je bepaalt ze zelf
Dekking van engines	Alleen Google AI Overviews en AI Mode	Meerdere aanbieders
Zicht op concurrenten	Geen	Ja

Gebruik Search Console als ground truth voor de Google-oppervlakken en om te controleren of de Google-cijfers van je tracker niet van de werkelijkheid afdrijven. Gebruik de tracker voor alles wat Search Console structureel niet kan laten zien: de assistenten van andere aanbieders, de prompts zelf en je concurrenten.

Hoe serverlogs van AI-bots je GEO-trackerdata aanvullen

Serverlogs geven je het enige deel van de keten dat volledig waarneembaar is en niet gesampled. Voordat een model je kan citeren, moet een crawler je pagina doorgaans eerst ophalen, en die fetch komt in je logs terecht, inclusief user agent.

Dat is een handige diagnoselaag, omdat hij twee soorten problemen uit elkaar trekt die een zichtbaarheidsscore op zichzelf op één hoop gooit. Laat je GEO-tracker zien dat je in antwoorden ontbreekt, dan vertellen logs je welk probleem je hebt:

• Crawlers halen de pagina's helemaal niet op. Een technisch of toegangsprobleem. Controleer robots.txt, blokkeerregels en rendering.
• Crawlers halen de pagina's regelmatig op, maar je wordt nog steeds niet geciteerd. Een content- en autoriteitsprobleem. De retrievallaag ziet de pagina wel, maar kiest hem niet.

Die vragen om totaal verschillende oplossingen, en het zichtbaarheidsgetal kan ze niet van elkaar onderscheiden. Onze eigen bottracking houdt GPTBot, ClaudeBot, PerplexityBot, Google-Extended, CCBot en BingBot in de gaten. Die server-side registratie naast de zichtbaarheid per prompt leggen, is de snelste manier die we kennen om uit te zoeken welk van de twee problemen een domein echt heeft.

Wat een GEO-tracker je niet kan vertellen

Expliciet zijn over de grenzen is wat een verdedigbare rapportagepraktijk onderscheidt van een ijdelheidsdashboard.

• Hij kan je niet vertellen wat echte gebruikers vroegen. Je promptlijst is een hypothese over de vraag in de markt, door jou opgesteld. Geen enkele leverancier heeft toegang tot de querylogs van AI-assistenten. Ook Search Console laat geen prompts zien.
• Hij kan je niet vertellen waarom concurrenten verschijnen. Je ziet dat een concurrent werd genoemd. De reden staat niet in de data, alleen in je eigen interpretatie.
• Hij kan geen oorzakelijk verband met een contentwijziging bewijzen. Als hersampling alleen al meer dan een derde van de variantie veroorzaakt, vraagt het toeschrijven van een scorewijziging aan de pagina-aanpassingen van vorige maand om een gecontroleerde vergelijking, niet om een voor-en-na-screenshot.
• Hij ziet geen gepersonaliseerde antwoorden of antwoorden voor ingelogde gebruikers. Trackers bevragen API's. Bij echte gebruikers spelen geheugen, geschiedenis en locatie mee.
• Hij kan de AI-oppervlakken van Google niet gezaghebbend meten. Alleen Google heeft die data. Het scrapen van AI Overviews door derden is een benadering.

Welke GEO-metrics rapporteer je aan stakeholders?

Rapporteer het kleine aantal dingen dat de steekproef kan dragen, met de onzekerheid erbij, en laat de rest vallen.

Wel rapporteren:

• Zichtbaarheidspercentage met een spreidingsband, over een voortschrijdende periode van 30 dagen in plaats van week op week.
• Share of voice ten opzichte van een vaste set concurrenten, met een promptlijst die tussen periodes niet verandert. Verander je de prompts, dan verander je de metric.
• Aantallen geciteerde domeinen uit serverlogs: dat zijn tellingen in plaats van schattingen, zonder steekproeffout.
• AI-vertoningen in Search Console voor de Google-oppervlakken, als first-party bevestiging.

Niet rapporteren:

• Procentuele verschillen van week op week. Bijna altijd ruis. Wie ze rapporteert, leert stakeholders reageren op toeval.
• Eén samengestelde "AI-zichtbaarheidsscore" over alle engines heen. Die verbergt juist de verschillen per engine waar je iets mee kunt.
• Sentiment op piepkleine steekproeven. Sentiment over 20 vermeldingen is geen trend.
• Elke doorrekening van zichtbaarheid naar omzet. Die attributieketen bestaat nog niet.

In 30 dagen naar een verdedigbare nulmeting

De volgorde doet ertoe. De meeste teams beginnen met tracken voordat ze hebben besloten wát ze meten, en zijn vervolgens maanden bezig met het interpreteren van ruis.

1. Dag 1-3. Stel de promptset samen. Mik op 30 tot 50 prompts die je categorie dekken, de categorieën van je concurrenten, probleemgerichte formuleringen en vergelijkende formuleringen. Schrijf ze zoals een koper ze zou intikken. Zet deze lijst daarna vast.
2. Dag 4-5. Leg het design vast. Vijf samples per prompt per engine. Noteer welke modelversie antwoordde. Verkoop je in meer dan één taal, splits de promptset dan nu al per markt op, niet pas later.
3. Dag 6-12. Verzamel een nulmeting. Draai een week lang dagelijks het volledige design zonder iets aan je site te veranderen. De spreiding van deze week is je ruisband. Die heb je nodig om elk volgend getal te kunnen duiden.
4. Dag 13. Zet server-side botlogging aan en controleer of je belangrijkste pagina's echt worden opgehaald door de crawlers die hierboven staan.
5. Dag 14-30. Verander één ding en kijk wat er gebeurt. Kies het grootste gat dat de nulmeting blootlegde, los het op, en houd de promptset en het samplingdesign vast, zodat de vergelijking iets betekent.

Op dag 30 heb je wat de meeste teams nooit krijgen: een zichtbaarheidscijfer, een bekende foutmarge daaromheen en onafhankelijk server-side bewijs of crawlers de pagina's überhaupt kunnen zien. Die combinatie maakt een GEO-tracker de moeite waard. Het dashboard op zich is gewoon een getal dat beweegt.