Traffic. Jarenlang was dat het heilige getal. Alles draaide om die ene klik richting de website: sessie gestart, confetti, missie geslaagd. Maar de spelregels zijn veranderd. Dankzij Large Language Models (LLM’s) verschuiven we van ‘zoeken naar bronnen’ naar ‘vragen om antwoorden’.

Voor marketeers brengt dit een uitdaging met zich mee: het meetbaar maken van succes. Waar Google ons overspoelt met data, zijn de LLM’s een ‘Black Box’. Er is geen dashboard dat je vertelt hoe vaak jouw merk wordt geadviseerd in een gesprek. Geen zoekwoordplanner met volumes. En al helemaal geen shortcut om klikken te kopen. Kijk je puur naar GA4, dan lijkt verkeer vanuit AI zelfs verwaarloosbaar.

De blinde vlek zichtbaar maken

Dat er niets gemeten wordt in je web analytics, betekent niet dat er niets gebeurt. Je kijkt alleen op de verkeerde plek. Om dit zichtbaar te maken, moeten we dieper graven dan de standaard scripts.

De sleutel ligt in Log File Analyse. Simpel gezegd: het ruwe, digitale dagboek van je server. Waar tools als GA4 pas tellen wanneer een bezoeker een pagina laadt en scripts activeert (client-side), registreert je serverlogboek ieder verzoek (server-side). Dus ook wanneer een AI-bot jouw specificaties komt ophalen zonder dat er een menselijke klik aan te pas komt.

De realiteit: hits versus sessies

Bij PowerKraut kijken we onder die motorkap. Daar zien we dat een herijking van ‘vindbaarheid’ nodig is. Wanneer we logfiles analyseren, kijken we specifiek naar bots zoals de ChatGPT-User. In tegenstelling tot bots die scrapen voor toekomstige training, wordt deze bot ingezet wanneer een gebruiker nu een vraag stelt en de AI live het internet op gaat.

De logfiles tonen de realiteit van de zero-click trend:

• Hoge activiteit op de server: we zien tienduizenden keren per maand dat content wordt opgehaald door AI-bots op een dealerwebsite. Er is dus sprake van intensief gebruik.
• Minimale zichtbaarheid in Analytics: het aantal gemeten sessies is slechts een fractie hiervan, veelal minder dan 1%.

De kloof is aanzienlijk. Wie roept dat “AI geen verkeer oplevert”, heeft gelijk in Analytics, maar ongelijk in de realiteit. De serverdata bewijst dat je content massaal wordt geraadpleegd. Je bent de bron, maar niet de bestemming.

De rol van AI bij ‘High Involvement’ aankopen

Dat we dit in de mobiliteitsbranche zien, is zeker geen toeval. Een voertuig is een klassiek ‘High Involvement’ product. Oftewel; geen pak melk. De aanschafwaarde is hoog, het risico groot en de specificaties als WLTP, fiscale waarde en trekgewicht zorgen bij veel mensen voor spontane keuzestress.

In het pré-AI-tijdperk betekende dit urenlang brochures en portals afstruinen om gewapend met kennis de showroom in te stappen. LLM’s nemen die rol van persoonlijke assistent nu over. In plaats van tientallen websites te bezoeken, stel je één complexe vraag: “Welke auto is het beste qua prijs, bagageruimte en trekgewicht voor een gezin van vier?”

Waarom checkt de AI jouw site?

De techniek die de AI gebruikt om advies te geven heet Retrieval-Augmented Generation. Voor het gemak gebruiken we de afkorting: RAG. Om hallucinaties te voorkomen, checkt de AI live jouw site om zijn antwoord te verifiëren (grounding).

Uit onze analyses blijkt de toepassing in mobiliteit specifiek te liggen op:

• Modelpagina’s: het overgrote deel van de requests gaat naar modelpagina’s. De AI zoekt naar harde feiten als prijzen en specs om een correcte vergelijking te maken.
• Lokale relevantie: ook vestigings- en contactpagina’s worden veel bezocht. Hier ligt de doorklik-ratio vaak iets hoger, wat wijst op transactionele intentie (locatie zoeken).

Van traffic naar availability

Deze inzichten vragen om een andere aanpak. We moeten niet alleen optimaliseren voor traffic, maar ook voor beschikbaarheid.

Technische hygiëne is de basis van je vindbaarheid. Blokkeer je per ongeluk de ‘User-bot’ met je firewall? Of loopt de AI vast op content achter JavaScript dat client-side gerenderd wordt? Dan sluit je de deur voor de AI-assistent van je potentiële klant. Hoewel we nog geen volledige AI-statistieken hebben, biedt Log File Analyse betrouwbaar inzicht in gebruik en toegankelijkheid door en voor AI.

Conclusie

Dat je in je dashboards weinig AI-verkeer ziet, betekent niet dat er niets gebeurt. Op de achtergrond wordt er continu digitaal bij je aangeklopt. Wanneer antwoorden steeds vaker direct in de chat worden gegeven, is ‘gelezen worden’ door een AI minstens zo belangrijk voor je merkvoorkeur als ‘bezocht worden’ door een consument.