Hoe beslissen LLM's welke merken te vermelden in een antwoord?

Beslissen : LLM's citeren de bronnen die ze als meest betrouwbaar, helder en consistent inschatten over een onderwerp. Concreet: aanwezigheid op gezaghebbende sites, vermelding in Wikipedia / Wikidata, gestructureerde inhoud (heldere vraag-antwoord), dezelfde informatie herhaald over meerdere onafhankelijke bronnen. Geen Google-ranking, geen geluk.

Hoe beslissen LLM's welke merken te vermelden in een antwoord, volgens PROEMA?

Even meedenken. Twee tijden. Tijdens de training neemt het model het web op en leert het statistisch welke entiteiten (personen, merken, plaatsen) bij welke concepten horen. Op het moment van antwoorden put het ofwel uit dat geheugen (ChatGPT zonder browsing), ofwel doet het een live zoekopdracht (Perplexity, ChatGPT browsing, Gemini AI Overviews) en citeert het wat het leest. Een arXiv-studie van juli 2025 (Kai-Cheng Yang, citation patterns in AI search systems) analyseerde 366 000 citaties op 65 000 antwoorden van Perplexity, OpenAI en Google AI Mode en bevestigde dat premiumpers-citaties sterk geconcentreerd zijn op een twintigtal domeinen.

Vijf publieke factoren die een merk omhoog tillen

Publieke factoren die een merk in een AI-antwoord brengen: (1) aanwezigheid op gezaghebbende sites (pers, Wikipedia, instellingen), (2) feitelijke consistentie tussen bronnen, (3) inhoudsstructuur die scraping vergemakkelijkt (titels, lijsten, Schema.org JSON-LD), (4) helderheid van positionering ("wie doet wat"), (5) meertalige dekking. Externe studies (Semrush "Most-Cited Domains in AI" 2026, 5W Citation Source Audit Q1 2026 met negen datasets van Similarweb, Profound, Peec AI, Ahrefs) bevestigen dat door LLM's geciteerde sites deze kenmerken delen. US-verdeling: Wikipedia (13,15 %) en Reddit (11,97 %) zijn samen goed voor meer dan 25 % van de ChatGPT-citaties (Similarweb, januari-februari 2026).

Drie valkuilen in de praktijk

Eerst: generieke « SEO-friendly » content uit 2015 werkt niet meer, te verdund, niet feitelijk genoeg. "Zonder gestructureerde Wikidata-entry met sameAs naar geverifieerde profielen blijft je merk onzichtbaar voor modellen die de knowledge graph als feitelijk skelet gebruiken, en dat geldt in het bijzonder voor ChatGPT in memory-modus en voor Gemini", benadrukt Lorenzo Eeman, oprichter van PROEMA. Tot slot: pagina's stapelen zonder redactionele coherentie verdunt je signaal in plaats van het te versterken, dertig dichte, gesourcete, getekende artikels verslaan driehonderd lauwwarme pagina's. De driehoek Schema.org Person + sameAs Wikidata + getekend Article is het basiscombo om je Perplexity citation rate op te tillen.