Bezoekers uit AI-antwoorden meten: wat de analyse oplevert

Het belangrijkste kort

AI-verkeer herken je aan de verwijzende bron – de domeinen van de chat- en antwoorddiensten duiken op als eigen verwijsplekken.
Een deel is principieel niet vast te leggen: wie het antwoord leest en daarna de bedrijfsnaam intikt, verschijnt als directe invoer.
Het serverlog is de tweede en vaak veelzeggender bron: het laat zien of jullie pagina's überhaupt door AI-crawlers worden gelezen.
Er zouden drie getallen gerapporteerd moeten worden – bezoekers per bron, crawlerbezoeken per pagina, en de verblijfsduur vergeleken met de rest.

De aantallen zijn klein. In de meeste kleine bedrijven ligt het aandeel in de lage enkele procenten. Interessant is het toch, omdat het er anders uitziet dan het overige verkeer – en omdat het groeit.

Waaraan je het herkent

Bezoekers die uit een gegenereerd antwoord komen, dragen in de regel het domein van de betreffende dienst als verwijsplek. In de webanalyse duiken ze daarmee op als eigen bron – vaak onder «verwijzingen» of «referral», niet onder «zoeken».

Verschijnt als	Herkomst	Let op
chatgpt.com	Link uit een ChatGPT-antwoord	meestal eenduidig
perplexity.ai	Bronklik in Perplexity	hoogste volume van de drie
gemini.google.com	Link uit Gemini	klein, deels niet toegewezen
claude.ai	Link uit een Claude-antwoord	meestal eenduidig
copilot.microsoft.com	Link uit Copilot	deels als Bing-verwijzing
(direct)	Antwoord gelezen, naam daarna ingetikt	niet toe te wijzen

Let op De laatste regel is de belangrijkste en wordt bij het rapporteren regelmatig verzwegen. Een aanzienlijk deel van het effect verschijnt als directe invoer – iemand leest het antwoord, onthoudt de naam en roept de pagina later rechtstreeks op. Die keten is principieel niet te reconstrueren. Wie het gemeten getal als volledig presenteert, onderschat het effect aanzienlijk.

Inrichten in vier stappen

Een eigen kanaalgroep aanmaken. Definieer in de webanalyse een groep «AI-antwoorden» die de hierboven genoemde verwijsplekken samenvat. Anders verstoppen ze zich tussen twintig andere verwijzingen.
Verwijsplekken niet uitsluiten. Sommige analysegereedschappen filteren onbekende verwijzingen automatisch weg. Controleer of deze domeinen daaronder vallen.
Landingspagina meeschrijven. Het belangrijkste aanvullende gegeven: welke pagina werd als bron gelinkt? Daaruit volgt welke inhoud werkelijk te citeren is.
Serverlog analyseren. Filter op de crawlerkenmerken: GPTBot, OAI-SearchBot, ChatGPT-User, PerplexityBot, Perplexity-User, ClaudeBot, Claude-User, Google-Extended, Bingbot.

Wist je dat?

Het serverlog is bij kleine aantallen de veelzeggender bron. Het laat niet zien hoeveel mensen er kwamen – maar het laat zien of jullie pagina's überhaupt worden gelezen, welke daarvan, en hoe vaak.

Bijzonder nuttig is het onderscheid naar kenmerk: bezoeken van kenmerken met «User» in de naam ontstaan doordat iemand net een vraag heeft gesteld waarop jullie pagina zou kunnen passen. Ze zijn daarmee een directer signaal dan de vooruitlopende verzamelaars – ook als er geen enkele klik uit volgt.

Waarom deze bezoekers er anders uitzien

Drie patronen laten zich vrijwel overal zien waar genoeg data ligt:

Duidelijk langere verblijfsduur. Wie uit een antwoord komt, heeft al een voorselectie achter de rug en leest gericht verder.

Minder pagina's per bezoek. Ze komen voor een bepaalde uitspraak, niet om rond te neuzen. Weinig pagina's zijn hier geen slecht teken.

Vaker rechtstreeks op diepe pagina's. Niet de startpagina, maar een afzonderlijke bijdrage of een onderdeel daaruit. Precies daarom moet elke diepe pagina op zichzelf begrijpelijk zijn – ze is vaak het eerste contact.

Uit de praktijk

De nuttigste analyse is niet het totale aantal, maar de lijst van landingspagina's. Die laat zien welke van jullie content werkelijk als bewijs deugt – en ze verrast regelmatig.

Vaak zijn het niet de omvangrijke overzichtsbijdragen, maar korte, helder beantwoorde losse vragen. Een onderdeel dat in vier zinnen een concrete vraag volledig beantwoordt, wordt vaker geciteerd dan een gids van 2.000 woorden over hetzelfde onderwerp. Die lijst is daarom een betere contentplanning dan elke onderwerpenverzameling.

Waar de meting ophoudt

Drie dingen zijn niet te meten, en dat hoort in elk rapport:

Vermeldingen zonder klik. Wie in een antwoord wordt genoemd en niet wordt aangeklikt, laat geen spoor na. Dat is vermoedelijk het grotere deel van het effect.
Vermeldingen in systemen zonder link. Sommige antwoorden noemen namen in de lopende tekst zonder te linken.
De vertraging. Iemand leest in maart een antwoord en neemt in juni contact op. Die keten is niet te reconstrueren.

De enige hulpmaat daartegen is de vraag in het eerste gesprek: «Hoe bent u bij ons terechtgekomen?» Onnauwkeurig, maar ze vangt precies de gevallen die geen meting bereikt.

Tip Vul die vraag in het aanvraagformulier aan met het antwoord «via een AI-antwoord (ChatGPT, Perplexity, e.d.)». Het aandeel dat dat aankruist, ligt naar ervaring duidelijk boven wat de webanalyse laat zien – en dat is het eerlijkere getal.

Prompt

Help me het verkeer uit AI-antwoorden zuiver te analyseren.

Datasituatie:
- Analysegereedschap: [naam]
- Periode: [opgave]
- Bezoekers uit AI-verwijsplekken (per bron en landingspagina):
  [tabel invoegen]
- Verblijfsduur en pagina's per bezoek, totaal en voor deze groep:
  [waarden]
- Crawlerbezoeken uit het serverlog (kenmerk, pagina, aantal):
  [tabel invoegen]

Opdrachten:
1. Noem de landingspagina's die het vaakst als bron zijn gelinkt,
   en wat ze gemeen hebben – voor zover uit de data af te lezen.
2. Vergelijk verblijfsduur en pagina's per bezoek van deze groep
   met het totale gemiddelde. Duid het resultaat.
3. Noem pagina's die vaak door crawlers worden opgehaald maar
   geen verwijsverkeer opleveren – en wat dat kan betekenen.
4. Formuleer drie zinnen voor ons maandrapport die eerlijk zeggen
   wat deze cijfers laten zien en wat niet.

Verzin geen waarden. Waar data ontbreekt, zeg welke.

Conclusie

De meting is onvolledig en toch de moeite waard – vooral omdat de lijst van geciteerde landingspagina's direct laat zien welke content bewijsbaar is.

Drie getallen volstaan in het rapport: bezoekers per AI-bron, crawlerbezoeken per pagina, verblijfsduur ter vergelijking. En een vierde zin die erbij zegt dat een aanzienlijk deel van het effect als directe invoer verschijnt en dus niet in die cijfers zit.

Veelgestelde vragen

Hoe meet je bezoekers die via AI-antwoorden komen?

Via de verwijzende bron in de webanalyse: de domeinen van de chat- en antwoorddiensten verschijnen als eigen verwijsplekken en zijn samen te vatten in een kanaalgroep «AI-antwoorden». Aanvullend laat het serverlog zien welke AI-crawlers welke pagina's hebben opgehaald – bij kleine aantallen vaak de veelzeggender bron.

Waarom is een deel van het AI-verkeer niet meetbaar?

Omdat veel mensen het antwoord lezen, de naam onthouden en de pagina later rechtstreeks oproepen. Zulke bezoeken verschijnen als directe invoer en zijn niet toe te wijzen. Hetzelfde geldt voor vermeldingen zonder link en voor aanvragen die maanden later komen.

Waarin verschilt dit verkeer van het overige?

Door drie patronen: een duidelijk langere verblijfsduur, minder pagina's per bezoek, en vaker een instap rechtstreeks op een diepe pagina in plaats van op de startpagina. Weinig pagina's per bezoek zijn hier geen slecht teken – deze bezoekers komen voor een bepaalde uitspraak, niet om rond te neuzen.

Welke crawlerkenmerken zou je moeten analyseren?

GPTBot, OAI-SearchBot en ChatGPT-User, PerplexityBot en Perplexity-User, ClaudeBot en Claude-User, Google-Extended en Bingbot. Nuttig is het onderscheid: kenmerken met «User» in de naam halen een pagina op omdat iemand net een passende vraag heeft gesteld – een directer signaal dan de vooruitlopende verzamelaars.

Wat doe je met de analyse?

De lijst van als bron gelinkte landingspagina's is het nuttigste deel: ze laat zien welke content bewijsbaar is. Vaak zijn dat niet de uitgebreide gidsen, maar korte, helder beantwoorde losse vragen – wat direct in de contentplanning van het volgende kwartaal zou moeten meelopen.