Als een AI-systeem steeds hetzelfde negatieve punt over je bedrijf herhaalt, is de oplossing bijna nooit om het AI-systeem zelf te overtuigen. Het is om de bron aan te pakken waar het AI-systeem dat punt vandaan haalt. Verandert de bron, dan verandert het antwoord vanzelf mee, meestal binnen enkele weken.
Voordat je iets doet, moet je eerst weten met welk van vier situaties je te maken hebt, want elke situatie vraagt een andere aanpak.
| Signaal | Situatie | Actie |
|---|---|---|
| Score veel lager dan op elk ander platform, veel eenmalige accounts | Spam | Documenteren en melden bij het platform |
| Herhaalde, specifieke klachten over hetzelfde probleem | Legitieme kritiek | Het onderliggende probleem oplossen |
| Je eigen, verouderde pagina wordt vaak als bron gebruikt | Verouderde eigen content | Zelf bijwerken |
| Verouderde claim in een extern artikel | Verouderd artikel van een derde | Vriendelijk verzoek tot update |
Eerst: is het echt, of is het spam
Zoek op welk platform de negatieve bron staat en vergelijk die score met je score op andere, vergelijkbare platformen. Peec AI documenteerde een voorbeeld waarbij een online bank op Glassdoor een score van 4,87 op 5 had, maar op het minder bekende platform Sitejabber slechts 1,3 op 5. Bij nader onderzoek bleek 75% van de negatieve reviews op dat platform afkomstig van accounts met precies één review, vaak met een verwijzing naar een compleet ongerelateerde externe dienst erbij. Dat patroon wijst op georganiseerde spam, niet op ontevreden klanten.
Een score die opvallend veel slechter is dan op elk ander platform, gecombineerd met eenmalige accounts en irrelevante verwijzingen in de tekst, is het signaal om spam te vermoeden.
Als het spam is
Documenteer het patroon: screenshots, geschatte aanmaakdatum van de accounts, herhalende taal of opmaak tussen reviews. Meld dit vervolgens bij het trust & safety team van het platform met die documentatie erbij. De meeste platformen hebben hier een proces voor, ook als het soms wat geduld vraagt.
Als het echte, legitieme kritiek is
Dit is de situatie die het vaakst over het hoofd wordt gezien en waar de meeste waarde zit. Datzelfde onderzoek keek naar een CRM-leverancier en liet een sterk gepolariseerd patroon zien op Trustpilot: 33% van de reviews was vijf sterren, 46% was één ster. De negatieve reviews wezen consistent naar dezelfde drie problemen: trage reactietijden, onduidelijke prijsopbouw en matige klantenservice.
Een AI-systeem dat dit soort klachten herhaalt, doet in feite gratis productonderzoek voor je. Het echte antwoord is niet het managen van het AI-antwoord, maar het daadwerkelijk oplossen van het onderliggende probleem. Zodra dat gebeurt en nieuwe, positievere reviews ontstaan, verandert het beeld dat AI-systemen ophalen vanzelf mee.
Als het je eigen, verouderde content is
Soms is de bron van een gedateerd of negatief beeld niet een externe review, maar je eigen, oude webpagina. Nog een voorbeeld uit dat onderzoek: bij een online bank bleek een eigen blogpost over veiligheid, bijna twee jaar oud, een van de meest invloedrijke bronnen waar AI-systemen uit putten, met verouderde informatie die ondertussen al lang was opgelost.
Ga na welke van je eigen pagina’s het vaakst worden gebruikt als bron en check specifiek de oudste onder hen. Dit is de makkelijkste van de vier situaties om op te lossen, want deze content heb je zelf volledig in de hand. Welke aanpassingen aan zo’n pagina meetbaar effect hebben, is in één gecontroleerd experiment uitgezocht.
Als het een verouderd artikel van een derde is
Als een journalist, blogger of vergelijkingssite een claim over je bedrijf heeft gepubliceerd die inmiddels achterhaald is, kun je vragen om een update. Neem vriendelijk en concreet contact op: benoem de specifieke, verouderde claim, leg uit wat er sindsdien is veranderd en maak het de ander makkelijk door bewijs of een link naar een officiële aankondiging mee te sturen. De meeste redacties en auteurs werken graag mee als je het ze eenvoudig maakt, al werkt het niet altijd.
Waarom dit precies vier situaties zijn en niet één
De reflex bij een negatieve vermelding is vaak om het als één probleem te behandelen: “we moeten hier iets aan doen.” Maar de vier situaties hierboven vragen tegenovergestelde acties. Spam meld je, echte kritiek los je op in je product of dienst, eigen content update je zelf en extern werk vraagt om een verzoek. De verkeerde aanpak op de verkeerde situatie toepassen, spam bijvoorbeeld proberen te “verbeteren” in plaats van te melden, kost tijd zonder resultaat.
Precies uitzoeken in welke situatie je zit, vraagt zicht op welke bronnen een AI-systeem daadwerkelijk gebruikt om over je te oordelen en op het verschil tussen geciteerd en genoemd worden. Dat is een groot deel van wat de AI Visibility Scan van 21x in kaart brengt, voordat er ook maar één actie wordt ondernomen.
Bronnen
- Peec AI, Ultimate guide to tracking brand sentiment in LLMs (bron van de voorbeelden hierboven)