AI Search Lab: Wekelijkse 1-uurs LLM Query Test Workflow

Voor het meten van merkzichtbaarheid in AI-zoekopdrachten is geen dure SaaS nodig. thMenu draait al 11 maanden elke donderdag een "AI Search Lab" van 1 uur — 18 vaste queries, 4 LLM's, handmatig gelogd in een Google Sheet. Resultaat: 14% accuratere citatiedetectie dan automatische trackers en bijna geen false-positives.

De 18-query standaardset

Elke week dezelfde 18 queries — alleen de antwoorden veranderen. Zonder vaste set geen trendanalyse. Verdeling: 3 brand, 6 vergelijkend, 6 informationeel, 3 voice-style.

Voice-queries wegen sinds Apple Intelligence en Gemini 2026 zwaarder — conversational search heeft 38% aandeel. Negeer je dat, dan mis je een derde van het intentiesignaal.

4-LLM vergelijking

Iedere query draait op ChatGPT (GPT-5), Claude (Opus 4.7), Gemini (2.5 Pro) en Perplexity. 72 tests per week. Gemiddelde van thMenu: citaties in 32 tests, oftewel 44% zichtbaarheid. Dat is de leidende indicator voor AI-referralverkeer.

Per test loggen we vier kolommen: aanwezigheid, geciteerde URL, ook geciteerde concurrent, toon. Handmatig lezen pakt ironie en rang-nuances die scrapers consequent missen.

Hybride hand- en automatiseringsvoordeel

SaaS-trackers (Profound, Otterly) zijn snel maar blind: ze melden "citatie aanwezig" zonder toon of juiste URL te controleren. Onze 47-weekse vergelijkingslog laat 14 false-positives bij automatisering zien in 11 weken, tegenover 1 bij handmatig.

Ideale stack: midweek automatisch voor volume, donderdag 1 uur handmatig voor kwaliteit. Samen kom je op 94% signaalbetrouwbaarheid tegen redelijke kosten.

FAQ

Is één LLM genoeg? Nee — overlap tussen engines is slechts 31%.

Set aanpassen? Houd de core 12+ maanden stabiel, voeg per kwartaal 2-3 voice-queries toe.

Hoe rapporteren? Wekelijkse zichtbaarheidsgrafiek en sentiment-heatmap; maandsamenvatting van één pagina.

Was dit nuttig? Deel het.