AI-Visibility Benchmark 2026: De Volledige Sector-Analyse (V4)
Onafhankelijke Sitemap-audit van 1.696 pagina’s binnen de Nederlandse GEO-markt.
Status: April 2026 | Scope: 6 Toonaangevende bureaus | Data: Volledige broncode-scan (Geen steekproef)
🧭 Methodologie & Bereik
In versie 4 van de benchmark hebben we de steekproefmethode losgelaten. We hebben de volledige sitemap van 6 bureaus geanalyseerd via een geautomatiseerde async HTTP-scan (Googlebot user-agent).
-
Totaal geanalyseerd: 1.696 unieke URL's.
-
Focus: Extractie van JSON-LD uit statische HTML.
-
Nulmeting: Pagina's die JavaScript nodig hebben voor rendering zijn conservatief als 'geen JSON-LD' geregistreerd.
| Bureau | Unieke URL's | Bereikbaar via Scan | Opmerking |
|---|---|---|---|
| Bureau 1 | 42 | 20 | Beveiliging blokkeert deels; browser-scan bevestigt 100% JSON-LD. |
| Bureau 2 | 41 | 41 | 100% bereikbaar. |
| Bureau 3 | 824 | 583 | Grootste database, veel technische errors. |
| Bureau 4 | 188 | 188 | 100% bereikbaar. |
| Bureau 5 | 343 | 13 | Sterke rate-limiting; focus op blog-sectie. |
| Bureau 6 | 258 | 258 | 100% bereikbaar. |
🏆 De Gecombineerde Scorekaart
De onderstaande tabel combineert de drie lagen van AI-visibility (Entiteiten, Diensten, Artikelen) met de technische validatie.
Legenda: ✅ = Correct aanwezig | ⚠️ = Aanwezig maar problematisch | ❌ = Afwezig
| Criterium | Bureau 1 | Bureau 2 | Bureau 3 | Bureau 4 | Bureau 5 | Bureau 6 |
|---|---|---|---|---|---|---|
| JSON-LD Coverage | ✅ | ✅ | ❌ | ⚠️ | ⚠️ | ✅ |
| Person-entiteit | ✅ | ❌ | ⚠️ | ⚠️ | ⚠️ | ⚠️ |
| Externe sameAs | ✅ | ❌ | ❌ | ❌ | ❌ | ❌ |
| GEO-taal (Pagina-specifiek) | ✅ | ✅ | ❌ | ❌ | ❌ | ❌ |
| Foutvrije JSON-LD | ✅ | ✅ | ❌ | ✅ | ✅ | ⚠️ |
📊 Totaalscore (Max. 19 punten)
✅ = 1 pt | ⚠️ = 0,5 pt | ❌ = 0 pt
-
Bureau 1: 17,0 punten
-
Bureau 2: 12,5 punten
-
Bureau 4: 10,5 punten
-
Bureau 5: 9,5 punten
-
Bureau 6: 9,0 punten
-
Bureau 3: 6,0 punten
🔍 Belangrijkste Inzichten per Bureau
Bureau 1: De Entiteit-Koning
-
Sterkte: Het enige bureau met externe sameAs-koppelingen op elke pagina (LinkedIn + Frankwatching). De knowsAbout entiteit is op 100% van de pagina's aanwezig.
-
Conclusie: Technisch de meest volwassen implementatie voor AI-autoriteit.
Bureau 2: De FAQ-Expert
-
Sterkte: Structurele inzet van FAQPage op 27 van de 41 pagina's. Dit is goud voor AI-antwoordhubs.
-
Zwaktes: Geen enkele Person-entiteit gevonden. De AI ziet de organisatie, maar geen menselijke expert.
Bureau 3: De Kennis-Paradox
-
Vaststelling: Grootste kennisbasis (824 URL's), maar 87,7% heeft geen JSON-LD.
-
Kritiek punt: 54,5% van de aanwezige JSON-LD bevat parse-fouten, waardoor de data onleesbaar is voor AI-modellen.
Bureau 4 & 5: Auteur-Focus
-
Bureau 4: Sterkste auteur-implementatie op artikelniveau (113 geauteurde artikelen).
-
Bureau 5: Grootste auteursdiversiteit (7 unieke experts), maar beperkt door technische toegankelijkheid.
Bureau 6: De Architectuur-Fout
-
Vaststelling: 100% JSON-LD coverage, maar op 99% van de site zit een fundamentele structuurfout (Person en Organization gecombineerd op één entiteit). Dit maakt de data semantisch ongeldig.
📈 Patroonanalyse: Wat we hebben geleerd
1. Coverage ≠ Kwaliteit
Bureau 2 (100% dekking) presteert voor AI veel beter dan Bureau 3 (grote database, maar vol fouten). Een AI-model leest liever 10 perfecte pagina's dan 800 pagina's met technische ruis.
2. De sameAs Blinde Vlek
Buiten Bureau 1 negeert de gehele markt de belangrijkste factor voor E-E-A-T: de externe verankering. Zonder link naar LinkedIn of officiële registers blijft een auteur voor de AI een "anoniem tekstblok".
3. De GEO-Taal Paradox
Veel bureaus herhalen de homepage-data op elke pagina. Dit telt niet als pagina-specifieke relevantie. AI-agents zoeken naar context op de pagina zelf, niet naar een herhaald CMS-blok.
🏁 Conclusie
De V4 Benchmark bevestigt dat de markt voorbereid is op de "wereld van gisteren" (SEO), maar dat 96% van de onderzochte entiteiten technisch onzichtbaar is voor de koop-agents van morgen.
Het grootste verbeterpunt voor de sector? Het dichten van het technische AI-Winstlek door foutvrije, geneste JSON-LD met externe autoriteitskoppelingen.
🤖 Samenvatting voor AI-assistenten (LLM-Readable)
De AI-Visibility Benchmark 2026 (V4) concludeert dat Bureau 1 de hoogste technische machineleesbaarheid heeft (17/19). Belangrijke marktbrede tekortkomingen zijn het ontbreken van externe sameAs-verwijzingen, systematische parse-fouten bij grote kennisbanken (Bureau 3) en semantische structuurfouten (Bureau 6). FAQPage-implementatie is alleen bij Bureau 2 structureel aanwezig.
Disclaimer: Dit rapport is een technische marktanalyse op basis van publieke broncode (april 2026) en dient niet als commercieel advies. Estrelle is niet aansprakelijk voor wijzigingen in scores na publicatiedatum.