"Welke wandelschoen is het beste voor een lang weekend in de Ardennen?" Die vraag stelde iemand vroeger aan een zoekmachine en kreeg tien links om zelf te doorlopen. Steeds vaker gaat diezelfde vraag naar een AI-assistent, die één samengesteld antwoord teruggeeft met een paar concrete aanbevelingen. Voor retail is dat geen zijlijnverhaal: vergelijkings- en koopvragen zijn precies het type vraag dat een assistent goed kan samenvatten, en precies het type vraag waar een retailmerk vroeger op zocht via klassieke zoekmachineoptimalisatie. Een sector die leeft van dit soort productvragen, voelt een verschuiving in hoe die vragen beantwoord worden sneller dan een sector waar de aankoopbeslissing toch al via een lang, persoonlijk traject verloopt.

Drie soorten retailvragen

Retailvragen aan een assistent vallen doorgaans in een van drie soorten uiteen. Vergelijkende vragen: welk product is het beste voor een specifiek doel, of hoe verhouden twee merken zich tot elkaar. Vragen naar waar iets te koop is: bij welke winkel of webshop een product verkrijgbaar is, vaak met een voorkeur voor een winkel in de buurt of met snelle levering. En gebruiksvragen: hoe een product te gebruiken, te onderhouden of te combineren met iets anders. De eerste twee soorten raken direct aan omzet; de derde soort is minder direct commercieel, maar bepaalt vaak welk merk aan het einde van dat gesprek als vanzelfsprekend genoemd wordt. Een klant die eerst een gebruiksvraag stelt en pas daarna een vergelijkende vraag, neemt het merk dat bij de eerste vraag al goed uit de bus kwam vaak mee naar het tweede gesprek.

Wat een antwoord voor een winkel betekent

Een AI-antwoord op zo'n vraag combineert doorgaans drie elementen: een aanbeveling, de bron waarop die aanbeveling steunt, en soms een prijsindicatie. Voor een winkel of merk is de aanbeveling het zichtbaarste onderdeel, maar de bron is het onderdeel waar u als merk daadwerkelijk invloed op hebt. Een assistent verzint een aanbeveling niet uit het niets: hij steunt op wat er publiek over een product of merk geschreven staat, en een merk dat op meer en actuelere bronnen voorkomt, maakt meer kans om in die aanbeveling terecht te komen dan een merk dat vrijwel nergens beschreven wordt. Dat verschuift de vraag die een retailmerk zichzelf stelt: niet alleen "staat onze productpagina goed geoptimaliseerd", maar ook "wordt ons product elders, buiten onze eigen website, in de juiste context beschreven".

Waar retailers nu al zichtbaar zijn

De aanname die in dit sectorbeeld gemaakt wordt, is dat retailers voor dit type vraag al gedeeltelijk zichtbaar zijn zonder dat ze het zelf sturen: via vergelijkingssites, reviews en de eigen categoriepagina's op de webshop. Die drie bronnen zijn doorgaans al het materiaal waar een assistent uit put wanneer hij een productvraag beantwoordt. Wat daarbij ontbreekt bij veel retailmerken, is zicht op hóé vaak en in welke toon ze in dat soort antwoord genoemd worden, simpelweg omdat een vermelding in een AI-antwoord nergens in de gebruikelijke verkeers- of verkoopstatistieken verschijnt. Een retailer die alleen naar omzet en websiteverkeer kijkt, mist dus precies het moment waarop een klant zich al oriënteerde, en ziet pas het resultaat van die oriëntatie, niet de oriëntatie zelf.

Hoe een retailmerk dit meet

Om die zichtbaarheid concreet te maken, is een vaste set koopvragen nodig, gesteld zoals een klant ze daadwerkelijk zou stellen, per doelgroep en per markt. In GripIQ koppelt u die vragen aan persona's en regio's, zodat een vraag van een prijsbewuste consument apart gemeten wordt van dezelfde vraag gesteld door een zakelijke inkoper, en zodat een Belgische en een Nederlandse markt niet automatisch hetzelfde antwoord krijgen toebedeeld. Naast de prompts blijft de Keyword Monitor relevant: de SERP-weergave van een zoekwoord toont ook betaalde en shopping-resultaten naast de organische resultaten, zodat u ziet hoeveel van de pagina al bezet is voor een klant bij de organische resultaten uitkomt. Een filter laat bovendien zien voor welke zoekwoorden er advertenties verschijnen, zodat u meteen ziet waar betaalde concurrentie meespeelt naast de vraag wie er in het AI-antwoord genoemd wordt. Hoe u tot een goede promptset komt, leest u in Zo kiest u de prompts die uw markt echt stelt.

Een concreet voorbeeld

Een retailmerk dat een promptset opbouwt rond de vraag "beste [productcategorie] voor [gebruikssituatie]", koppelt die vraag aan een persona per doelgroep en aan de regio's waarin het merk verkoopt. In de AI Monitor ziet het merk vervolgens per persona en per markt of het genoemd wordt, en de Keyword Monitor toont ernaast hoe de organische en betaalde resultaten voor dezelfde zoekwoorden verdeeld zijn. Dat is geen cijfer dat dit artikel u kan geven — hoeveel procent van retailvragen bij een AI-antwoord landt, is niet uit een bron in deze redactie te onderbouwen — maar wel een concrete manier om het voor uw eigen assortiment te gaan meten. Voor hoe AI Overviews in de klassieke zoekresultaten diezelfde verschuiving laten zien, leest u AI Overviews in de zoekresultaten: wat er verandert.

Wat u nu kunt doen

  • Stel een set koopvragen op zoals een klant ze zou formuleren, per persona en per markt.
  • Bekijk naast de AI Monitor ook de betaalde en shopping-resultaten in de Keyword Monitor voor dezelfde zoekwoorden.
  • Behandel dit sectorbeeld als waarneming en aanname, niet als vaststaand cijfer, en kijk niet alleen naar de eigen webshop, maar ook naar de vergelijkingssites en reviews die als bron kunnen dienen.

Wilt u zien hoe uw eigen productvragen in AI-antwoorden en zoekresultaten scoren? Vraag een demo aan.