Waarom je reviews straks bepalen wat AI over je bedrijf zegt

Marketeers steken op dit moment forse budgetten in zichtbaarheid binnen AI-antwoorden: gestructureerde data, vermeldingen in lijstjes, content die door ChatGPT en Google geciteerd wil worden. Generative Engine Optimization staat op elke roadmap voor 2026.

Maar het sterkste signaal dat answer engines gebruiken om een bedrijf te beoordelen, behandelen de meeste marketeers nog als klantenservice in plaats van als groeikanaal: de reviews. En anders dan een stuk content of een Wikipedia-pagina is je reviewprofiel een van de weinige inputs die je zelf in handen hebt.

Het klikloze tijdperk is geen voorspelling meer

De aanleiding is bekend, de omvang minder. Volgens SparkToro eindigt inmiddels ruim twee derde van de Google-zoekopdrachten zonder dat iemand nog op een resultaat klikt. BrightEdge meet dat AI Overviews begin 2026 op zo’n 48 procent van de zoekresultaten verschijnen, bijna 60 procent meer dan een jaar eerder. Onderzoekers van Carnegie Mellon en de Indian School of Business testten dit effect in de praktijk: zodra er een AI-samenvatting bovenaan staat, daalt het aantal doorkliks naar externe sites met ongeveer 38 procent.

De voor de hand liggende conclusie is dat organisch verkeer daalt, en dat klopt. Maar daaronder zit een interessantere conclusie: wie wél in dat AI-antwoord genoemd wordt, profiteert. Onderzoek van Onely naar hoe ChatGPT merken kiest, laat zien dat het model merken ruim drie keer vaker noemt dan dat het ze met een klikbare link citeert. Die vermelding zonder klik is het nieuwe zichtbaarheidsmechanisme. De vraag verschuift dus van “hoe kom ik hoog in de resultaten” naar “wat zegt de machine over mij, en waarop baseert hij dat”.

De AI zegt zelf waar hij op let

Dat laatste hoef je niet te raden. Stel een AI-assistent een vraag die mensen hem tegenwoordig stellen, zoals “ik zoek een betrouwbare occasiondealer in mijn regio”, en hij vertelt ongevraagd waar hij op let: keurmerken als BOVAG en RDW, transparantie, en reviews. Reviews staan daar niet bij toeval bij, het model rekent ze tot de signalen waarop het een bedrijf beoordeelt.

Dat is logisch als je bedenkt hoe een answer engine een antwoord opbouwt. Hij doet wat een mens bij twijfel doet: hij vraagt het de groep. Hij weegt wat er publiek over een bedrijf bekend is, en reviews zijn daarin een zwaarwegende, openbare bron. Een bedrijf met veel recente, hoog gewaardeerde en beantwoorde reviews levert het model een helder, betrouwbaar beeld. Een bedrijf met een handvol verouderde recensies en een lage score levert ruis. De machine kiest het heldere signaal. Google noemt overigens in zijn eigen uitleg over lokale ranking het aantal en de score van reviews al expliciet als factor, en moedigt bedrijven aan om erop te reageren.

Een grote keten die onvindbaar is

Een concreet geval laat zien wat dat in de praktijk betekent. Een landelijk opererende autodealerketen heeft een lage gemiddelde reviewscore en reageerde het afgelopen kwartaal op geen enkele review, oftewel een response rate van 0 procent. Beide zijn publiek zichtbaar op de Google-profielen van de vestigingen. In twaalf steden waar deze keten actief is, kreeg ChatGPT steeds dezelfde algemene, reputatiegerichte vragen voorgelegd: wat is de beste dealer, welke is betrouwbaar, waar ga je het beste langs voor een occasion? De uitkomst was consistent: in geen enkele stad werd de keten genoemd. Wat telkens wél bovendreef, waren lokale dealers met veel, recente en goed beoordeelde reviews.

Een nuance die het beeld juist scherper maakt: dit gaat niet over álle zoekopdrachten. Vraag specifiek naar één merk, bijvoorbeeld een BMW-dealer, en de keten komt wél naar voren. Het effect treedt op bij open, reputatiegerichte vragen, precies het type vraag dat een oriënterende koper stelt voordat hij een merk of dealer in gedachten heeft. Juist daar leunt de AI op wat de massa zegt, en juist daar verdwijnt een zwak beheerd profiel uit beeld.

Eerlijk is eerlijk: score, volume en het beheren van reviews lopen hier door elkaar, en de lage score van deze keten is op zichzelf al een verklaring. De winst zit dan ook niet in de claim dat één knop de doorslag geeft, maar in het patroon eronder. Merkbekendheid en omvang, doorgaans je sterkste troeven, leveren bij deze brede vragen niets op. Het reputatieprofiel doet dat wel. Een keten die in twaalf steden vertegenwoordigd is blijft onvindbaar, terwijl een kleine, lokale garage met een sterk reviewprofiel moeiteloos wordt aanbevolen.

Wat de winnaars gemeen hebben

De dealers die in de test bovendreven, deelden meer dan alleen een hoge score. In markten waar reviewbeheer actief wordt georganiseerd, valt op dat reviews consistenter worden beantwoord en bijgewerkt

Dat is het verschil tussen een hoge score hebben en een reputatie onderhouden. Een antwoord van het bedrijf staat niet los van de review, het wordt onderdeel van de tekst die de machine leest. Wie consequent reageert, schrijft dus mee aan het beeld dat Google en een LLM van hem opbouwen, in plaats van dat volledig aan de klant over te laten. Voor één vestiging is dat met de hand te doen. Voor een groep met tientallen profielen en tachtig reviews per dag is het een operationeel probleem.

Hoe je dat op schaal volhoudt

Hier ligt ook de verklaring voor die onvindbare keten. Het probleem is geen luiheid, maar het ontbreken van een systeem. Waar de ene grote groep zijn reputatie op zijn beloop laat, deed een andere Nederlandse autogroep met tweeëndertig vestigingen het tegenovergestelde. Waar de eerste keten afgelopen kwartaal op 0 procent reacties bleef steken, kreeg bij de tweede groep elke binnengekomen review een antwoord: een response rate van 100 procent.

Bij die groep belandt elke negatieve review automatisch bij de juiste vestigingsmanager. Handmatig volhouden over zoveel locaties is onbegonnen werk, dus draait het op reviewmanagement-software die per vestiging een vaste contactpersoon kent en negatieve reviews met een contactverzoek meteen naar die persoon stuurt. De manager pakt de klacht zelf op in plaats van dat die wegzakt in een centrale inbox, en in een aanzienlijk deel van de gevallen stelt de klant na die opvolging zijn oordeel bij.

Het venijn zit in de toon. Eén generiek sjabloon voor tweeëndertig profielen valt door de mand, bij de lezer en bij het model. De AI in zo’n systeem reageert daarom per vestiging in de eigen stijl en met de eigen contactpersoon, zodat het antwoord past bij die specifieke locatie en dat merk. Zo bouw je precies het profiel dat de AI beloont, ook als er honderd reviews per dag binnenkomen.

Wat dit betekent voor je strategie

Behandel reviews als zichtbaarheidsasset, niet als klachtenafhandeling. De vraag is niet alleen hoe je een klacht oplost, maar wat die reactie de machine over je bedrijf leert. Dat verandert wie er verantwoordelijk voor is en hoeveel aandacht het krijgt.

Stuur op volume én recentheid. Een stroom verse reviews vertelt zowel Google als een answer engine dat een bedrijf nú levert. Vraag standaard om een review, als vast onderdeel van het klantproces, en mik op een continue stroom in plaats van een piek.

Maak van reageren een standaard, geen gunst. Zorg dat elke review, positief én negatief, een reactie krijgt die bij de vestiging past, en dat negatieve feedback meteen bij iemand belandt die er iets aan kan doen. Over meerdere locaties vraagt dat om reviewmanagement-software voor organisaties met meerdere vestigingen, die dit automatiseert. Dat is de knop met de meeste invloed op het signaal, en meteen je rijkste bron van inzicht in wat er speelt.

Meet wat AI over je zegt, niet alleen waar je rankt. Je positie in de resultaten zegt steeds minder, de samenvatting die de gebruiker te zien krijgt steeds meer. Dat vraagt om andere meetinstrumenten dan de klassieke rankingtracker.

De reputatielaag wordt de strategische laag

Een answer engine vat samen wat de massa over je zegt. De thema’s die in je reviews steeds terugkomen, zijn straks de eigenschappen die de AI aan je toeschrijft, en het oordeel van de menigte wordt zo letterlijk je zichtbaarheid. Wie dat oordeel wil beïnvloeden, kan het beste beginnen bij het signaal dat hij zelf in de hand heeft.

De ene keten laat zien wat er gebeurt als je dat aan het toeval overlaat, de andere wat een actief beheerde reputatie oplevert. Omvang en naamsbekendheid, ooit een garantie voor zichtbaarheid, wegen in de oriëntatiefase niet meer op tegen een reputatie die actief wordt onderhouden. De bedrijven die dat nu inrichten, bepalen mee wat AI over hun categorie zegt. De rest hoort het achteraf.

Over de auteur: Max Meegens is medeoprichter van Repmanager, multi-locatie reviewmanagement-software