Een InSpace-perspectief
Er is momenteel veel ruis rondom het idee van “advertenties in ChatGPT”. Ik werd getriggerd door het artikel op Search Engine Land https://searchengineland.com/openai-insists-chatgpt-ads-werent-ads-465781
Een deel is speculatief, een deel reactionair, en een deel wordt gedreven door een bekende angst: dat generatieve AI simpelweg een nieuw pay-to-play-oppervlak wordt, waarbij degene die het hoogste bod doet in antwoorden wordt ingevoegd, ongeacht of die daar daadwerkelijk thuishoort.
Ik denk niet dat dit is hoe het zich zal ontvouwen.
Om dit vooraf helder te maken: wat volgt is geen gelekte roadmap en geen bevestigd OpenAI-beleid. Het is een ingeving — maar wel een zeer onderbouwde — gebaseerd op hoe LLM’s vandaag al werken, hoe vertrouwen functioneert in AI-systemen en hoe OpenAI, Google en Microsoft allemaal naar dezelfde fundamentele beperking toe bewegen.
Die beperking is relevantie.
Waarom relevantie niet optioneel is in een LLM-omgeving
Mensen gebruiken LLM’s niet op dezelfde manier als zoekmachines. Ze scannen geen tien blauwe links, vergelijken geen bronnen onderling en tolereren geen duidelijke commerciële bias. Ze stellen een vraag en verwachten dat de assistent redeneert naar een antwoord dat logisch is.
Die verwachting is het product.
Op het moment dat een groot taalmodel iets injecteert dat irrelevant, zelfdienend of niet te rechtvaardigen aanvoelt, verzwakt het niet alleen de advertentie-ervaring — het ondermijnt de waargenomen intelligentie van het systeem zelf. Met andere woorden: de assistent verliest niet alleen vertrouwen in dat ene antwoord, maar verliest vertrouwen in zijn geheel.
Daarom acht ik het extreem onwaarschijnlijk dat toekomstige advertenties in ChatGPT (of een vergelijkbare LLM-interface) zullen functioneren zoals traditionele PPC. Je kunt je niet “inkopen” in een redeneerlijn tenzij je aanwezigheid actief bijdraagt aan het antwoord dat wordt opgebouwd.
En we weten al dat dit is hoe deze systemen zich vandaag gedragen.
OpenAI is duidelijk geweest dat ChatGPT Search bronnen selecteert op basis van een mix van intentiebegrip, relevantie, actualiteit en geloofwaardigheid. Google’s SGE stelt expliciet dat generatieve antwoorden zijn verankerd in dezelfde hoogwaardige signalen die traditionele search aandrijven, alleen gecomprimeerd in een conversatie-interface. Microsoft heeft publiekelijk bevestigd dat advertenties in Bing Chat door machine learning op relevantie worden gefilterd voordat ze überhaupt verschijnen.
Geen van deze platformen kan het zich veroorloven om anders te handelen.
Geloofwaardigheid als de echte poortwachter
Wat interessant is, is dat geloofwaardigheid in een LLM-context geen enkele score of label is. Er bestaat geen publieke “AI Quality Score” die je kunt opzoeken. In plaats daarvan ontstaat geloofwaardigheid uit een combinatie van signalen die samen een eenvoudige interne vraag beantwoorden:
Kan ik het rechtvaardigen om deze bron te refereren als onderdeel van een betrouwbaar antwoord?
Die rechtvaardiging hangt af van of je content thematisch aansluit op de vraag, of deze leesbaar en structureel helder is, of zij domeinexpertise weerspiegelt in plaats van oppervlakkige herhaling, en of zij natuurlijk past bij de intentie achter de gestelde vraag.
Als je autopoetsmiddel verkoopt en iemand vraagt: “Wat is de beste manier om mijn auto te polijsten?”, dan is het logisch — rationeel en contextueel — dat jouw product als onderdeel van dat antwoord kan verschijnen. Maar dat geldt alleen als de omringende content laat zien dat je het probleem daadwerkelijk begrijpt, het proces helder uitlegt en een oplossing biedt die aansluit bij het doel van de gebruiker.
Als je site daarentegen alleen bestaat om te verkopen, zonder begrip, uitleg of betrouwbaarheid te tonen, dan voelt zelfs een betaalde plaatsing verkeerd. En in een LLM-interface is “verkeerd aanvoelen” geen UX-probleem — het is een systeemfout.
Waarom intentie belangrijker is dan traffic
Een andere reden waarom advertenties in LLM’s zich anders zullen gedragen, is het type vragen dat mensen stellen. De meeste LLM-interacties bevinden zich duidelijk in de top- en mid-funnel. Gebruikers verkennen, leren, vergelijken en proberen te begrijpen — niet direct te transacteren.
Dat betekent niet dat monetisatie niet mogelijk is. Het betekent dat monetisatie het traject moet respecteren.
LLM’s leiden intentie niet alleen af uit keywords, maar uit taalkundige signalen, taakformulering en aangeleerde gedragspatronen. Ze maken onderscheid tussen iemand die probeert te begrijpen hoe iets werkt en iemand die klaar is om de tools te kopen om het te doen. Advertenties, áls ze verschijnen, moeten aansluiten bij die afgeleide intentie — anders horen ze er simpelweg niet thuis.
Daarom geloof ik dat het pad naar succesvolle LLM-advertising rechtstreeks loopt via organische relevantie. Als je site niet al is gepositioneerd als een geloofwaardig antwoord op een bepaalde intentie, dan zal betalen om daar te verschijnen de mismatch niet oplossen. Het zal die juist blootleggen.
De zelfversterkende lus waar niemand het over heeft
Hier wordt het echt interessant.
Als geloofwaardigheid en relevantie bepalen of je organisch wordt geciteerd én of je in aanmerking komt voor toekomstige advertenties, dan stopt optimalisatie met eenrichtingsverkeer zijn. Het wordt een lus.
Stel je dit scenario voor: je content wordt niet opgepikt door een LLM, noch organisch, noch commercieel. In plaats van te gokken waarom, vraag je het systeem rechtstreeks wat er ontbreekt. Het vertelt je waar je uitleg te dun is, waar intentie-afstemming onduidelijk is of waar geloofwaardigheidssignalen zwak zijn. Je verbetert die onderdelen — mogelijk zelfs met hulp van hetzelfde model — en plots verandert je zichtbaarheid.
In die zin handhaaft het systeem niet alleen de regels; het leert ze ook aan.
Dat betekent niet dat deze lus perfect eerlijk is, of dat zij niet te manipuleren valt. Maar het betekent wel dat we bewegen naar een ecosysteem waarin betalen voor zichtbaarheid zonder relevantie te verdienen steeds moeilijker wordt, zo niet onmogelijk.
En dat is een fundamentele breuk met alles wat we tot nu toe over digitale advertising hebben gekend.
Waarom dit nu al belangrijk is voor merken
Zelfs als advertenties in ChatGPT nog experimenteel zijn, is de richting al zichtbaar. Relevantie, leesbaarheid, intentie-afstemming en geloofwaardigheid zijn niet langer slechts “SEO-best practices”. Ze zijn randvoorwaarden om überhaupt mee te doen aan AI-gedreven ontdekking — betaald of onbetaald.
De merken die in deze volgende fase winnen, zullen niet degene zijn met de grootste budgetten. Het zullen de merken zijn waarvan de content het daadwerkelijk verdient om onderdeel van het antwoord te zijn.
Dat is geen garantie. Het is een ingeving. Maar wel een ingeving die wordt ondersteund door hoe deze systemen zich vandaag al gedragen, door wat de platformen zelf zeggen en door de simpele realiteit dat een assistent die ophoudt behulpzaam te zijn, ophoudt gebruikt te worden.
Hoe InSpace helpt je voor te bereiden
Bij InSpace benaderen we dit niet als een advertentieprobleem of een trafficprobleem. We behandelen het als een zichtbaarheids-door-geloofwaardigheidsprobleem.
We helpen merken begrijpen hoe LLM’s hun content vandaag interpreteren, waar intentie-afstemming stukloopt, waar geloofwaardigheidssignalen ontbreken en hoe content structureel verbeterd kan worden zodat die in aanmerking komt — eerst voor organische AI-citatie en uiteindelijk voor welke commerciële lagen er ook volgen.
Of dat nu betekent het opruimen van contentbloat, het opnieuw opbouwen van topical authority, het verbeteren van leesbaarheid of het preciezer in kaart brengen van intentie over de funnel heen, het doel is hetzelfde: zorg dat je merk logisch is voor de machine voordat je de machine vraagt het te promoten.
Als je wilt weten waar je staat in dit opkomende ecosysteem, kunnen we je helpen dat inzichtelijk te maken — en belangrijker nog, helpen het te verbeteren.
Want als deze ingeving klopt, zal de toekomst van zichtbaarheid niet worden gekocht.
Ze zal worden verdiend, versterkt en vermenigvuldigd.
