Op 3 augustus 2026 publiceerde het Interactive Advertising Bureau Measuring Visibility in the AI Era, de eerste serieuze poging om één taal af te spreken in een markt die er tot nu toe zelf maar wat op verzon. Het raamwerk is zorgvuldig opgebouwd en gesteund door meetteams van Walmart, Acxiom, Microsoft, WPP Media, eMarketer en Tinuiti. Het trekt ook een grens die je goed moet lezen als je plaatsing in AI-antwoorden inkoopt.
Twintig leveranciers, twintig antwoorden
Het IAB telde meer dan twintig aanbieders die meetinstrumenten voor AI-zichtbaarheid verkopen, met weinig overeenkomst in methode en nog minder in uitkomst. Twee tools die je op hetzelfde merk en dezelfde vraag zet, geven getallen terug die niet op elkaar lijken. Zolang de onderliggende methode niet openbaar is, kun je niet zien of een stijgende lijn betekent dat je merk het beter doet of dat de steekproef veranderde.
Dat is geen theoretisch probleem. McKinsey schat dat merken die zich niet aanpassen aan AI-vindbaarheid tot de helft van hun verkeer kunnen verliezen. Daartegenover staat dat maar 16 procent van de merken structureel bijhoudt hoe ze het doen in AI-zoekresultaten. Het grootste deel van de markt vliegt op meters die het niet kan ijken.
Vier vragen, in volgorde
Het raamwerk verdeelt meten in vier principes, en die volgorde is bewust. Presence vraagt of je merk überhaupt verschijnt: hoe vaak genoemd, hoe vaak geciteerd, welk aandeel van de antwoorden, en hoe dat beweegt. Prominence vraagt waar je verschijnt en op welke plek in de rij. Portrayal vraagt wat het antwoord werkelijk zegt: toon, kader, en hoe vaak het model iets feitelijk onjuists over je merk beweert. Persuasion vraagt of het iemand in beweging bracht: hoe sterk de aanbeveling was en of er daarna geklikt werd.
Die volgorde is het nuttigste deel. Een merk dat vaak genoemd wordt maar slecht beschreven, heeft een Portrayal-probleem en geen Presence-probleem. Meer dekking inkopen lost dat niet op. Dat het percentage onjuiste beweringen als benoemde meetwaarde in de standaard staat, is veelzeggend: de branche behandelt verkeerd beschreven worden nu als meetbaar merkrisico en niet langer als grappige anekdote.
Het IAB splitst meten daarnaast in twee niveaus. Directional metingen zijn vroege signalen, alleen bruikbaar om intern je richting te bepalen. Decision grade metingen vermelden steekproefgrootte, aantal vragen en herhaalbaarheid, en alleen die mogen budget verschuiven. Het advies aan leveranciers is kort: onderscheid je op degelijkheid, niet op beloftes.
De grens die het raamwerk niet oversteekt
Dan het deel dat telt als je geld uitgeeft in AI-antwoorden. Het raamwerk laat, zoals gepubliceerd, betaalde advertenties buiten beschouwing. Het is een standaard voor organische zichtbaarheid. Op het moment dat je een plek in een AI-antwoord koopt, stap je buiten het gebied dat de standaard dekt.
Dat is geen omissie en geen kritiek op het IAB. Betaalde plaatsing in gegenereerde antwoorden bestaat pas ongeveer een halfjaar als echt kanaal, en de platformen zelf publiceren nauwelijks iets over hoe het zich gedraagt. Een standaardenorganisatie kan niet vastleggen wat haar leden nog niet kunnen waarnemen.
Maar er blijft een praktisch gat. Je kunt je organische AI-aanwezigheid nu afmeten aan een afgesproken methode, en voor de betaalde kant heb je niets vergelijkbaars. In de praktijk betekent dat dat de twee helften van je AI-strategie in verschillende talen gerapporteerd worden, en dat juist de betaalde helft het woordenboek mist. Zolang dat zo is, ligt het bouwen van een verdedigbaar meetverhaal voor GEA bij jou en bij wie je campagnes draait, en niet bij de standaard.
Bronnen: Marketing Dive, IAB shares playbook for measuring brand visibility in AI powered platforms