Waarom het AI-kanaal een eigen rapport nodig heeft
Betaald, organisch, social en e-mail krijgen elk hun eigen rapport, met hun eigen metrics, omdat ze zich elk anders gedragen. AI-discovery is de nieuwste van dat rijtje en het minst begrepen, en wordt nog steeds meestal gerapporteerd als voetnoot binnen een kanaal waar het niet thuishoort.
De reden dat het een eigen rapport nodig heeft is niet nieuwigheid. Het is dat het mechanisme anders werkt. Er is geen ranking, geen aantal vertoningen, geen resultatenpagina. Een model leest je pagina's volgens een schema, besluit tijdens een gesprek of het er een van oppakt, en stuurt af en toe iemand naar je toe met een link. Dat zijn drie losse gebeurtenissen, veroorzaakt door drie losse gedragingen, en een cijfer over de ene voorspelt heel weinig over de volgende.
De bruikbare vraag is dus niet "hoe zichtbaar zijn we in AI". Het is welke fase van het kanaal faalt, want de oplossing verschilt per fase.
De vier fasen waarin elke metric valt
Voor de metrics eerst de vorm. Alles hieronder beantwoordt een vraag over een van vier fasen, en die verlopen op volgorde. Een pagina kan geen citatiekandidaat zijn als hij nooit gelezen is, en kan je geen doorverwijzing opleveren als hij nooit geciteerd wordt.
De zeven metrics
Elk hiervan is een paneel in het WISLR AI Channel Analytics dashboard, afgelezen uit first-party serverlogs. Ze staan in funnelvolgorde, en de diagnostische waarde zit in het tegen elkaar afzetten in plaats van ze één voor één te lezen.
Trainingsdekking
Training- Wat het meet
- Het aandeel van je commercieel belangrijke pagina's dat AI-trainingscrawlers daadwerkelijk gelezen hebben, niet het ruwe aantal crawlhits.
- Hoe WISLR het rapporteert
- Geleerde pagina's en trainingsdekking, met dagelijks crawlvolume, je beste trainingsdagen en een uitsplitsing per engine.
- Hoe goed eruitziet
- Dekking geconcentreerd op categorie-, product- en vergelijkingspagina's. Brede dekking van een blog terwijl de commerciële catalogus ongelezen blijft is een veelvoorkomend en duur patroon.
- Waar het misgaat
- Blokkades in robots.txt, content die pas bestaat nadat JavaScript is uitgevoerd, en trage responstijden waardoor crawlers afhaken.
Kandidaatdekking
Kandidaten- Wat het meet
- Het aandeel pagina's dat tijdens live gesprekken wordt opgehaald. Dit zijn de pagina's die een model goed genoeg vond om op te halen bij het beantwoorden van een echte vraag, waarmee dit het dichtst komt bij een blijk van vertrouwen dat het kanaal oplevert.
- Hoe WISLR het rapporteert
- Kandidaten en kandidaatdekking, met de afzonderlijke kandidaatpagina's op titel vermeld, zodat je ziet naar welke content wordt gegrepen.
- Hoe goed eruitziet
- Je commerciële pagina's die als kandidaat verschijnen, niet alleen de homepage en één populaire gids.
- Waar het misgaat
- Pagina's zonder een op zichzelf staande bewering om te citeren. Een model dat je pagina ophaalt moet nog steeds een zin vinden waar het achter kan staan.
Doorverwijzingsdekking
Doorverwijzingen- Wat het meet
- Het aandeel pagina's dat een echte klik uit een AI-antwoord heeft opgeleverd, en waar die mensen terechtkwamen.
- Hoe WISLR het rapporteert
- Doorverwijzingen en doorverwijzingsdekking, met landingspagina's gerangschikt en het doorverwijsvolume afgezet tegen trainings- en kandidaatactiviteit op dezelfde tijdlijn.
- Hoe goed eruitziet
- Doorverwijzingen geconcentreerd op pagina's die converteren, in plaats van op informatieve content die de vraag zo volledig beantwoordt dat niemand hoeft te klikken.
- Waar het misgaat
- Mobiele in-app browsers strippen de referrer, waardoor het bezoek in direct of overig terechtkomt. Dit is de grootste enkele bron van te laag tellen in browsergebaseerde tools.
Groeiscore
Alle fasen- Wat het meet
- Richting en snelheid in plaats van niveau. Eén samengestelde uitlezing van de vraag of het kanaal versnelt, standhoudt of afzwakt.
- Hoe WISLR het rapporteert
- Een groeiscore met een momentumlabel, naast een dagelijks activiteitenoverzicht zodat je ziet of een verandering een trend is of één afwijkende dag.
- Hoe goed eruitziet
- Momentum dat standhoudt na een contentpush in plaats van te pieken en binnen twee weken terug te vallen op het uitgangsniveau.
- Waar het misgaat
- Het dagelijks lezen. Crawlgedrag is van nature schoksgewijs, en één dag is ruis.
Enginemix
Alle fasen- Wat het meet
- Hoe je zichtbaarheid verdeeld is over OpenAI, Anthropic, Gemini en Perplexity, per fase afzonderlijk.
- Hoe WISLR het rapporteert
- Een uitsplitsing per LLM toegepast op training, kandidaten en doorverwijzingen, zodat de mix per fase kan verschillen en je dat ziet.
- Hoe goed eruitziet
- Aanwezigheid bij meerdere engines. Concentratie bij één engine is een afhankelijkheid, en engines veranderen hun crawl- en citatiegedrag zonder aankondiging.
- Waar het misgaat
- Aannemen dat het gedrag van één engine algemeen geldt. Ze verschillen in wat ze crawlen, hoe vaak ze ophalen, en of ze überhaupt naar buiten linken.
Gecrawld maar niet geciteerd
Training naar kandidaten- Wat het meet
- Pagina's die een model gelezen heeft en nooit in een antwoord heeft opgehaald. Het gat tussen wat het heeft en wat het gebruikt.
- Hoe WISLR het rapporteert
- Een doorlopende lijst van pagina's die wel gecrawld maar niet geciteerd zijn, zodat het gat een werkvoorraad wordt in plaats van een gevolgtrekking.
- Hoe goed eruitziet
- Een korte en krimpende lijst bij commerciële pagina's. Bij dunne of dubbele content is een lange lijst de juiste uitkomst.
- Waar het misgaat
- Een crawl als de winst beschouwen. Een crawl betekent dat de deur openstond, meer niet.
AI-toegewezen omzet
Omzet- Wat het meet
- Bestellingen en leads herleid tot de AI-sessie die ze opleverde, in valuta.
- Hoe WISLR het rapporteert
- IP-naar-bestelling-attributie met omzet over tijd, detail op koperniveau en tijd tot aankoop, per engine gesplitst waar de data dat toelaat.
- Hoe goed eruitziet
- Omzet per AI-sessie die de vergelijking met je andere kanalen doorstaat, en een curve van tijd tot aankoop waar je retargeting omheen kunt plannen.
- Waar het misgaat
- Continuïteit van de sessie. Iemand die vanuit een AI-antwoord binnenkomt en drie dagen later terugkomt om te kopen, is onzichtbaar voor een naïef last-click-model, en daarom hoort tijd tot aankoop naast het omzetcijfer.
Ze tegen elkaar afzetten
Op zichzelf zijn dit gewoon cijfers. De diagnostische waarde zit in de stappen ertussen, want elke terugval heeft één waarschijnlijke verklaring en een andere oplossing.
Alle zeven zijn panelen in WISLR.ai. Het legt trainingscrawls, ophaalacties tijdens gesprekken en AI-doorverwijzingen vast aan de rand van je eigen domein, koppelt sessies terug aan bestellingen, en rapporteert dekking in elke fase uitgesplitst per engine. Geen logpijplijn om op te tuigen, en het gratis plan bewaart 30 doorlopende dagen historie, zodat de basislijn vandaag begint.
Hoe dit aansluit op je SEO-rapport
Deze metrics staan naast je SEO-rapport, niet erbovenop. Ze komen uit andere bronnen en beantwoorden andere vragen, en de dichtstbijzijnde tegenhanger is vaak geen exacte.
Waar te beginnen
Begin bovenaan de funnel, want een probleem in de eerste fase maakt elk cijfer eronder betekenisloos. Trainingsdekking en gecrawld maar niet geciteerd zijn genoeg voor de eerste ronde beslissingen, en beide komen uit dezelfde logdata.
Het enige dat direct de moeite waard is, is de klok starten. Elke metric hier is een trend, en een trend heeft een basislijn nodig. Een merk dat nu begint met vastleggen heeft maanden historie wanneer een concurrent nog beslist wat te meten, en historie is het deel dat je niet achteraf kunt aanvullen.
Zie deze zeven cijfers op je eigen data.
WISLR AI Channel Analytics rapporteert alle zeven vanuit je eigen first-party serverlogs: trainings- en kandidaatdekking per engine, de werklijst gecrawld maar niet geciteerd, de groeiscore, en omzet gekoppeld aan de sessie. Het gratis plan bewaart 30 doorlopende dagen historie, genoeg om de basislijn vast te leggen.