Loading...
Geen black-box score. Hier staat precies hoe 42 factoren in zeven categorieën de GEO Score opbouwen - met gewichtingen, databasis en eerlijke beperkingen.
Zeven categorieën. 42 gewogen kernfactoren, plus ~18 sub-controles per factor (60 detailcontroles in totaal). Elke factor komt overeen met een echte backend-controle van het scoringssysteem.
Niet alle factoren wegen even zwaar. Gestructureerde data en technische fundamenten dragen het meest bij aan de GEO Score.
De gewichtingen zijn gebaseerd op empirische observaties van geactiveerde AI-providers per abonnement (ChatGPT, Perplexity, Claude en andere geconfigureerde providers en Kimi) over meerdere maanden. Gestructureerde data (25%) en technische SEO (20%) domineren omdat AI-systemen primair machineleesbare data verwerken. De bedrijfsdatalaag (5%) is bewust laag gewogen: ontbrekende feeds kosten punten, maar perfecte feeds verhogen de score nauwelijks.
Eerlijkheid maakt deel uit van de methodologie. Hier zijn de werkelijke grenzen van ons systeem.
Wij hebben geen bevoorrechte toegang tot de interne rangschikkingsalgoritmen van OpenAI, Anthropic of Google. Onze meting is gebaseerd op waarneembaar outputgedrag van de modellen.
Een hoge GEO Score verhoogt statistisch de kans op citatie - het garandeert het niet. AI-antwoorden zijn niet-deterministisch.
Wij meten zichtbaarheid op domeinniveau. Geen gebruikersprofielen, geen tracking van eindklanten - AVG-georiënteerd ingericht by design.
AI-engine queries worden uitgevoerd op een typische 24-uur polling-cyclus. Realtime zichtbaarheid is technisch niet meetbaar.
Van technische datakwaliteit tot meetbare bedrijfsimpact - vier niveaus die samen een volledig beeld geven.
Fundament: Is de data machineleesbaar, volledig en vers?
Wordt het bedrijf vermeld, geciteerd of aanbevolen in AI-antwoorden?
Hoe accuraat en positief zijn AI-uitspraken over het bedrijf?
Leidt AI-zichtbaarheid tot meetbaar verkeer, leads en omzet?
De GEO Score is niet uit de losse pols. Deze publicaties vormen de empirische basis.
Aggarwal et al.
Eerste systematische studie over optimalisatie voor generatieve zoekmachines. Definieert citaties, impressies en share of voice als primaire GEO-metriek.
Stanford Human-Centered AI Institute
Hallucination rates per model en domein. Basis voor onze Hallucination Score en de kalibratie van onze 9-engine testmatrix.
Patronus AI / IBM Research
Detectiebenchmarks voor feitelijke fouten in LLM-uitvoer. Methodologie overgenomen voor onze 8-laags hallucinatiedetectie.
Google LLC
Officiële specificatie voor gestructureerde data. Definieert welke schema-types Google Search gebruikt voor antwoordgeneratie.
Beconova is geen academische onderzoeksinstelling. De genoemde bronnen onderbouwen de theoretische grondslagen - de praktische gewichtingen zijn afkomstig van onze eigen meetempirie over 6+ maanden productiedata.
Als iets over onze methodologie onduidelijk is, neem dan direct contact met ons op. Geen buzzwords, geen uitwijkmanoeuvres.