In het kort: Sinds eind augustus 2026 zijn advertenties in ChatGPT beschikbaar. Ze worden niet gekocht op basis van zoekwoorden. Het systeem past ze aan op de betekenis van het hele gesprek, de inhoud van de bestemmingspagina en de beschrijving van de situatie waarin de klant hulp nodig heeft. De advertentie verschijnt direct onder het antwoord van het model, waardoor de effectiviteit ook afhangt van wat ChatGPT eerder over het merk heeft gezegd. Onderzoek naar Brand Semantics in elf sectoren, van de bouw en industrie tot hotels, mode en juridische diensten, toont aan dat deze achtergrond zelden neutraal is. Daarom is dit kanaal geschikt voor goed voorbereide bedrijven. Een merk zonder gestructureerde entiteiten, zonder duidelijke bestemmingspagina en zonder kennis van wat modellen vandaag over hen zeggen, zal hier geen voordeel kopen – het koopt klikken naar een gesprek dat het eerder heeft verloren. Dit verandert de set vaardigheden die nodig zijn voor het voeren van campagnes: van het beheren van biedingen en zinnen naar het beheren van betekenis, context en merkrepresentatie in taalmodellen. Hieronder leg ik uit hoe dit kanaal werkt, waarom het de spelregels voor conversie kan veranderen, wat het vereist van een bedrijf dat het wil gebruiken, en hoe te controleren of je er klaar voor bent.
1. Wat is er eigenlijk gebeurd
OpenAI kondigde op 9 februari 2026 advertenties in ChatGPT aan en testte ze zes maanden lang in de Verenigde Staten. Op 24 augustus 2026 werd het kanaal gelanceerd in 31 Europese landen. De Advertentiebeheerder (Ads Manager) werkt in bèta. In Europa zijn de eerste campagnes gestart via partners, en zelfbediening zal geleidelijk beschikbaar worden gesteld.
Enkele feiten om mee te beginnen, omdat ze de rest ordenen:
De advertentie verschijnt onder het antwoord van ChatGPT, is gemarkeerd als gesponsord en visueel gescheiden van de tekst van het model. Het is niet verweven in het antwoord.
Één formaat: merknaam met favicon, kop tot 30 tekens, beschrijving tot 60 tekens, vierkant beeld van 256×256 px en link naar de bestemmingspagina. Geen video, geen carrousel.
Voorlopig zien gebruikers van gratis plannen (Free, en op markten waar het bestaat – ook Go) de advertenties. OpenAI verklaart dat er geen advertenties worden weergegeven op Plus-, Pro- of Business-plannen, en ook niet aan personen onder de 18 jaar. Advertenties verschijnen ook niet in tijdelijke chats en bij niet-ingelogde gebruikers. Dit is belangrijk om te onthouden bij het plannen van bereik. Het is ook belangrijk om te volgen of dit beleid verandert.
Adverteerders hebben geen invloed op het antwoord van het model en ontvangen geen gegevens over de gebruiker: geen inhoud van het gesprek, geen geschiedenis, geen e-mailadres.
Vergoeding: CPM (per duizend vertoningen), CPC (per klik; OpenAI raadt tarieven van 3–5 USD aan) en – sinds augustus – oCPC, oftewel optimalisatie voor conversies. De eerdere minimum budgetvereiste van 50.000 USD is opgeheven.
Metingen: vertoningen, klikken, CTR, gemiddelde CPC en CPM, uitgaven, conversies. Campagnes kunnen worden gemarkeerd met UTM-parameters, en conversies kunnen worden gemeten met een pixel en via de Conversions API. OpenAI merkt op dat het kanaal nog geen benchmarks voor effectiviteit tussen sectoren heeft.
2. Hoe ChatGPT advertenties selecteert. En waarom dit geen “nieuwe Google Ads” is
In de zoekmachine is de mechaniek al bijna een kwart eeuw bekend: de gebruiker typt een zin in, de adverteerder biedt op de zin, en degene met de beste combinatie van bod en kwaliteitscore wint. De zin is de gemeenschappelijke noemer. Deze kan worden gekocht, uitgesloten en gemeten.
In ChatGPT is die gemeenschappelijke noemer er niet. Volgens de documentatie van OpenAI past het systeem de advertentie aan op basis van vier dingen tegelijk:
de context en intentie van het hele gesprek, en niet van de laatste zin;
de inhoud van de bestemmingspagina van de advertentie, die OpenAI leest met zijn eigen robot (OAI-AdsBot) en controleert op naleving van het advertentiebeleid;
de titel en beschrijving van de advertentie;
contextuele aanwijzingen (“context hints”) die door de adverteerder zijn gegeven – en, als de gebruiker personalisatie heeft ingeschakeld, geselecteerde signalen uit eerdere gesprekken.
Contextuele aanwijzingen zijn geen zoekwoorden. OpenAI stelt duidelijk dat ze niet werken als exacte overeenkomsten en geen garantie bieden voor vertoning in een specifiek gesprek. Het is een beschrijving van de noodsituatie: wie vraagt, wat, op welk moment van de beslissing. In plaats van de zin “CRM-systeem” beschrijft de adverteerder “een verkoopteam dat tools voor rapportageautomatisering vergelijkt en handmatig werk wil verminderen”. Het uiteindelijke besluit over de uitzending wordt genomen door het relevantiemodel van OpenAI.
Daar komt de veiling bij. Het bod is slechts één van de inputs, en de relevantie van de advertentie en de bestemmingspagina ten opzichte van het gesprek bepaalt mede wie wint en hoeveel betaalt. Met andere woorden: als de bestemmingspagina duidelijk beschrijft wat het product is, voor wie, in welke situaties en hoe het verschilt van alternatieven, heeft het systeem een basis voor de aanpassing, en wint de advertentie goedkoper.
Element | Advertentie in de zoekmachine | Advertentie in ChatGPT |
|---|---|---|
Aankoopunit | zoekwoord | noodsituatie beschreven in natuurlijke taal |
Matchsignaal | zoekopdracht | de betekenis van het hele gesprek + bestemmingspagina + creatie + aanwijzingen |
Controle door de adverteerder | hoog (woorden, uitsluitingen, overeenkomsten) | beperkt (aanwijzingen zonder garanties, geografie, platform, eigen lijsten) |
Wat de gebruiker boven de advertentie ziet | lijst met links | de kant-en-klare reactie van het model, vaak met een aanbeveling |
Veiling | bod × kwaliteitscore | tweede prijs gewogen op relevantie |
Formaten | tekst, afbeelding, video, aankopen | één kaart: kop, beschrijving, afbeelding, link |
Gegevens over de gebruiker voor de adverteerder | beperkt | geen |
De conclusie is eenvoudig: in dit kanaal kan je geen “campagne instellen” op zoekwoorden. Je moet weten hoe mensen echt met het model praten over een bepaalde categorie, op welk moment van de beslissing dit gebeurt en wat het model antwoordt voordat de advertentie wordt weergegeven.
3. Waarom conversie er anders uit kan zien dan in de zoekmachine
Eerlijk gezegd: OpenAI publiceert geen benchmarks, en de markt verzamelt pas de eerste gegevens. Maar er zijn drie onafhankelijke aanwijzingen die helpen begrijpen waarom dit kanaal een conversiepotentieel heeft dat anders is dan klassieke media.
Ten eerste, het moment. De gebruiker van ChatGPT “zoekt” niet; hij is al in gesprek. Hij heeft een vraag gesteld, een antwoord gekregen en vaak verduidelijkt. De advertentie verschijnt op het moment dat de behoefte al is benoemd en de selectiecriteria zijn besproken. Dit is het dichtst bij het beslissingsmoment dat een advertentie ooit is geweest.
Ten tweede, de kwaliteit van het verkeer. Shopify meldde dat in het eerste kwartaal van 2026 verkeer van GenAI-assistenten 49% beter converteerde op de productpagina dan verkeer van de zoekmachine, en het aantal bezoeken vanuit deze bron steeg acht keer jaar op jaar. Criteo, op een steekproef van 500 verkopers, meet dat verkeer door taalmodellen ongeveer 1,5 keer beter converteert dan andere verwijzingskanalen. Dit zijn gegevens over organisch verkeer, niet betaald, maar ze tonen aan met welk type gebruiker we te maken hebben: iemand die al door de vergelijkingsfase is gegaan in het gesprek.
Ten derde, de eerste betaalde tests. Een twee weken durende test van SE Ranking op Engelstalige markten gaf 1,30% CTR op meer dan 97.000 vertoningen. Een andere test, gepubliceerd door een Canadees bureau, gaf 0,65% CTR met een kosten per klik van ongeveer 4,4–4,9 CAD. De spreiding is groot en moet zo worden behandeld: als een signaal dat het kanaal werkt, en niet als een benchmark.
Er is ook een andere kant van de medaille, die even duidelijk moet worden beschreven. Advertenties bereiken vandaag gebruikers van gratis plannen, en niet van Plus-, Pro- of Business-abonnementen. Twee gepubliceerde B2B-tests suggereren dat zakelijke beslissers vaker gebruikmaken van betaalde plannen dan de gemiddelde gebruiker, wat betekent dat advertenties hen voorlopig niet bereiken. Een klik kost 3–5 USD. De voorraad is beperkt, er is één formaat, en de optimalisatietools zijn nog jong. Elke verkeerde match is in dit kanaal duur. Daarom stopt precisie van context niet langer bij esthetiek, maar wordt het een voorwaarde voor winstgevendheid.
4. Eén venster, twee lagen: wat het model zegt boven jouw advertentie
Hier komen we bij iets dat niet in enige handleiding over ChatGPT Ads staat, maar dat – naar mijn mening – bepalend is voor de uitkomst van de campagne.
De advertentie verschijnt onder het antwoord van het model. De gebruiker leest eerst wat ChatGPT denkt over zijn probleem, welke oplossingen het aanbeveelt, welke merken het noemt en hoe het deze beschrijft. Pas daarna ziet hij de gesponsorde kaart. Dit betekent dat er in één venster twee lagen van de merkcommunicatie zijn: de organische representatie van het merk in het antwoord van het model en de betaalde kaart. De adverteerder controleert alleen de tweede.
Laten we vier typische situaties overwegen die we observeren in de antwoorden van modellen die zijn uitgevoerd met ons onderzoeksinstrument Semantio:
Situatie A: het model beveelt een concurrent aan. De gebruiker vraagt om een oplossing in een categorie, het model noemt drie merken en beveelt er een aan. Daaronder verschijnt de advertentie van een vierde merk – jouw merk. De betaalde kaart concurreert met de aanbeveling die de gebruiker net heeft gelezen en waarop hij vertrouwt. Klikken is mogelijk, maar de advertentie begint met een positie die het model al voor haar heeft verloren.
Situatie B: het model geeft onjuiste informatie over het merk. In het antwoord verschijnt jouw merk, maar met een onjuiste prijs, een niet-bestaand certificaat, een verkeerde locatie of een kenmerk dat aan een concurrent is toegewezen. De advertentie hieronder leidt naar een pagina die iets anders zegt. De gebruiker ontvangt tegenstrijdige informatie en weet niet wie hij moet geloven.
Situatie C: het model kent het merk niet. Het antwoord gaat over de categorie, maar jouw merk komt daar niet in voor. De advertentie is de eerste contactmoment – en het enige argument. Dit is het duurste scenario, omdat al het overtuigingswerk rust op 30 tekens in de kop en 60 tekens in de beschrijving.
Er is ook situatie D: het model beveelt jouw merk aan, en de advertentie bevestigt dit. Dan werken de twee lagen samen: het organische antwoord bouwt vertrouwen op, de betaalde kaart biedt de kortste weg naar actie. Dit is de enige opstelling waarin de kosten per klik de kans hebben om zich terug te verdienen.
Wat we zien in onderzoeken: elf sectoren, hetzelfde mechanisme
De onderstaande voorbeelden komen uit merkrepresentatiestudies die we in 2026 hebben uitgevoerd in Semantio voor klanten van Brand Semantics en in het kader van het onderzoek van de AI Business Center Foundation op basis van Semantio-gegevens. We vermelden de sectoren en de schaal van het onderzoek, omdat deze laten zien dat het mechanisme onafhankelijk is van de sector. Elke uitkomst is een gedateerde foto van één dag van het onderzoek – modellen veranderen hun antwoorden in de tijd, daarom wordt de meting herhaald.
Sectie (klant) | Schaal van het onderzoek | Wat het model doet in het antwoord waarboven de advertentie zou verschijnen | Situatie |
|---|---|---|---|
Producent van poorten en deuren (premium, bouw) | 150 antwoorden, 4 systemen | Sentiment 8,1/10, maar 0% directe aanbevelingen in de beslissingsfase; in algemene vragen wijzen modellen in 88% van de gevallen op massamerken en budgetmerken. Bovendien “geeft” het model het merk een levenslange garantie die de producent niet biedt. | A + B |
Poolse producent van ERP-systemen (B2B-software) | 225 antwoorden, 5 systemen | Zichtbaarheid 9,3% in algemene vragen, 49–51% in vergelijkingen en beslissingen. 11 van de 225 antwoorden bevatten onwaarheden – de meest zorgwekkende: toewijzing van het systeem aan concurrerende producenten. | C, daarna B |
Regionale producent van vleeswaren met een online winkel | 120 antwoorden, 4 systemen | 0 van de 40 antwoorden op algemene vragen over boodschappen met levering in de regio noemt het merk; modellen wijzen op landelijke ketens. Wanneer de naam valt: 24 van de 120 antwoorden bevatten onwaarheden (geen brood in het aanbod, geen levering op dezelfde dag, levering naar Warschau) – allemaal in de overwegings- en beslissingsfase. Het model baseert het antwoord op de merkpagina in slechts 17% van de gevallen. | C + B |
Producent van verlichting (huis en B2B) | 199 antwoorden, 4 systemen | 95% zichtbaarheid na de naam, 40% zonder naam. 18 antwoorden met een foutmelding of probleem met representatie – 16 daarvan met hoge aanbevelingen. Het model beveelt aan, maar met onjuiste informatie. | D met risico op B |
Producent van brandventilatie (industrie, B2B) | 130 antwoorden, 5 systemen | 0 van de 30 antwoorden op vragen over de categorie noemt het merk; 82 van de 100 antwoorden met de naam beveelt het “hoog” aan. 14 antwoorden met onwaarheden, waaronder vier keer toewijzing van het Poolse bedrijf aan buitenlandse kapitaalgroepen. In één op de drie antwoorden: “geen openbare gegevens, vraag de producent”. | C, D, B – afhankelijk van de fase |
Advocaten- en adviesbureau (professionele diensten) | 240 antwoorden, 4 systemen | Zonder aanwijzing van de naam verschijnt het merk in 1 van de 92 antwoorden – op de achtste positie van de lijst. In 7 antwoorden verwart het model de naam van de oprichter. In 51,5% van de vragen over bewijs van competentie verwijst het de klant “voor verdere verificatie”. | C |
Premium hotel (Krakau, toerisme en MICE) | 225 antwoorden, 5 systemen | Zichtbaarheid 47%, sentiment 8/10, maar het model reduceert de locatie tot “welnesshotel” en negeert het in conferentiescenario's ondanks uitgebreide faciliteiten. Dezelfde locatie is in sommige antwoorden een voordeel, in andere een nadeel. | D in wellness, A in MICE |
Boetiekhotel (Krakau; parallel onderzoek naar de Noorse markt) | 5 systemen, twee markten | Een van de systemen interpreteerde de eigen naam van het hotel als een categorie van het object en adviseerde het rechtstreeks af als een plek voor toeristen uit Noorwegen. | B (fout entiteit) |
Schoenenmerk (mode, e-commerce) | 200 antwoorden, 5 systemen | Zichtbaarheid 55%, goede aanbeveling in de overwegingsfase, maar in de beslissingsfase herhalen modellen opmerkingen over problemen met duurzaamheid en klachten. De advertentie onder zo'n antwoord leidt de klant die net een waarschuwing heeft gelezen. | A in de beslissing |
Producent van kunststof profielen (industrie, B2B, dochteronderneming van een internationale groep) | 180 antwoorden, 6 systemen | 0 van de 60 scenario's van bewustzijn; 82% aanbevelingen wanneer het merk al wordt genoemd. Slechts 7% van de antwoorden citeert de Poolse domein – modellen wijzen referenties en certificaten toe aan het buitenlandse moederbedrijf. | C + B |
Bouwcentrum (handel, lokale markt) | website-audit + Semantio | De robots die modellen gebruiken om het internet te lezen, zien op de website van het bedrijf een “lege pagina” – de inhoud wordt pas in de browser van de klant weergegeven. Voor modellen bestaat het aanbod niet; concurrentie verzamelt de aanbevelingen. | C – en landing page zonder relevantie |
Drie dingen uit deze tabel hebben directe implicaties voor ChatGPT Ads.
Ten eerste, “geen merk in vragen over de categorie” is de norm, geen uitzondering. In acht van de elf onderzoeken is het merk bijna afwezig wanneer de klant de naam nog niet kent, precies in die gesprekken waarin de advertentie zou moeten binnenkomen. Een advertentie in zo'n context werkt in situatie C: het is het enige argument en betaalt de volle prijs voor elke klik.
Ten tweede, een hoge aanbeveling betekent niet een veilige achtergrond. Bij de producent van verlichting kwamen 16 van de 18 fouten voor in antwoorden waarin het model het merk aanbeveelt. Bij de producent van ventilatie adviseerden modellen het bedrijf en wezen het tegelijkertijd toe aan een buitenlandse kapitaalgroep. Een advertentie onder zo'n antwoord versterkt zowel de aanbeveling als de fout.
Ten derde, dezelfde vraag in verschillende systemen geeft verschillende achtergronden. Bij de regionale producent van vleeswaren varieerde de beoordeling van aanbevelingen (op een schaal van 0–100) van 16 tot 51, afhankelijk van het systeem; bij de producent van ventilatie zagen vier systemen het merk in 20 van de 20 vragen, en de vijfde in 13 van de 20. Een campagne in ChatGPT betreft één systeem, maar de klant vergelijkt in meerdere – en de organische achtergrond moet in elk van hen bekend zijn.
Het verschil tussen situatie A en D is geen kwestie van bod of creatie. Het is een kwestie van hoe het model het merk vertegenwoordigt voordat de campagne überhaupt begint. En dat is niet zichtbaar in enig advertentiepaneel. Om dit te zien, moet je de modellen dezelfde vragen stellen die klanten stellen – meerdere keren, in verschillende varianten, in verschillende systemen – en de antwoorden meten. Dit is precies het onderwerp van Generative Engine Optimization (GEO) en het onderwerp van meting in Semantio.pro.
5. Vier vaardigheden die dit kanaal vereist
Aangezien ChatGPT advertenties niet aan zoekwoorden, maar aan betekenissen koppelt, is de vraag: wie kan werken met betekenissen? Uit onze ervaring zijn vier vaardigheden nodig. Het is de moeite waard om te controleren welke van deze het team dat de campagne voert heeft – intern of extern.
5.1. Entiteit- en beweringskaarten – zodat de bestemmingspagina begrijpelijk is voor het model
Het OpenAI-systeem leest de bestemmingspagina en beoordeelt op basis daarvan de relevantie van de advertentie voor het gesprek. Als de pagina het bedrijf beschrijft als “een innovatieve technologiepartner”, heeft het model geen basis om te concluderen in welke gesprekken de advertentie zinvol is. Als de pagina duidelijk zegt: welk product, voor wie, welk probleem, in welke categorie, met welke bewijzen en hoe het verschilt van alternatieven – heeft het model een basis voor de aanpassing.
Twee voorbeelden uit onze audits tonen aan hoe vaak deze voorwaarde niet wordt vervuld. De website van een lokaal bouwcentrum renderde alle inhoud pas in de browser van de klant – de robots die modellen gebruiken om het internet te lezen, zagen op de pagina een “lege pagina”; het enige wat ze konden lezen, waren twee woorden. Zo'n pagina als bestemmingspagina voor advertenties in ChatGPT heeft niets om de veiling voor relevantie te winnen, en de OAI-AdsBot heeft niets om te controleren. Aan de andere kant had een Poolse industriële producent die deel uitmaakt van een internationale groep in de kaart van de website 699 van de 729 adressen die naar de domein van het buitenlandse moederbedrijf leidden; modellen citeerden de Poolse domein in 7% van de antwoorden en wezen referenties en certificaten toe aan een ander bedrijf. Een advertentie van zo'n merk zou leiden naar een pagina die het model niet verbindt met de entiteit waarover het in het antwoord hierboven spreekt.
We noemen dit semantische eenduidigheid. In de praktijk betekent dit het scheiden van twee dingen: entiteitskaarten (welke objecten de wereld van het merk vormen: producten, ontvangers, problemen, concurrenten, bewijzen) en beweringkaarten (welke zinnen over deze objecten waar moeten zijn, bevestigd door bronnen en mogelijk door het model overgenomen). Een zo voorbereide bestemmingspagina is tegelijkertijd een betere pagina in de zoekmachine, een betere bron voor taalmodellen en een goedkopere landing in de veiling gewogen op relevantie. Dit is één werk, drie effecten.
5.2. Intentiescenario's – zodat contextuele aanwijzingen voortkomen uit gegevens, niet uit brainstormsessies
Een contextuele aanwijzing is een beschrijving van de noodsituatie: wie, welke behoefte, welke context, welk beslissingsmoment. Om deze goed te schrijven, moet je weten hoe klanten echt modellen vragen over een bepaalde categorie – in de ontdekkingsfase (“hoe probleem X op te lossen”), in de vergelijkingsfase (“hoe verschilt A van B”) en in de beslissingsfase (“waar te kopen, aan wie te besteden”).
Bij Semantio werken we precies met zulke eenheden: scenario's, dat zijn volledige vragen ingebed in een specifieke persona, product en beslissingsfase, gericht op geselecteerde systemen. Een bedrijf dat maandenlang aankoopscenario's in de categorie van de klant heeft onderzocht, schrijft contextuele aanwijzingen op basis van metingen: het weet welke situaties eindigen in aanbevelingen, waarin het model concurrenten noemt, en waarin het merk afwezig is. Een team dat zo'n meting niet heeft, schrijft aanwijzingen vanuit intuïtie – en controleert deze pas met het budget.
5.3. Meting van merkrepresentatie – voor, tijdens en na de campagne
Dit is een vaardigheid die het voeren van campagnes in ChatGPT onderscheidt van het voeren van campagnes in elk ander medium. Aangezien er boven de advertentie een organisch antwoord van het model is, moet je weten:
voor de start – in welk percentage van de aankoopscenario's het model het merk noemt, hoe vaak het het aanbeveelt, wat het Share of Voice is ten opzichte van concurrenten, in welke toon het het beschrijft en of het geen onjuiste informatie over het merk geeft;
tijdens – of het organische antwoord de advertentie ondersteunt (situatie D), of ermee concurreert (A, B, C); of veranderingen op de pagina en in de bronnen de antwoorden van het model verschuiven; welke bronnen het model citeert wanneer het over de categorie spreekt;
na de campagne – wat het model precies over het merk zei op de dag van uitzending, in een vorm die aan het management of de klant kan worden getoond.
In de praktijk verandert deze meting de campagnemissies. Bij de producent van poorten en deuren was de organische achtergrond in de beslissingsfase neutraal (0% directe aanbevelingen bij een sentiment van 8,1/10) – de advertentie heeft daar pas zin samen met bewijzen op de bestemmingspagina die het model in staat stellen een hogere prijs te rechtvaardigen. Bij het schoenenmerk was de achtergrond in de beslissingsfase ronduit ongunstig (vermeldingen van klachten) – een campagne zonder voorafgaand werk aan de bronnen zou klikken van klanten betalen die net een waarschuwing hebben gelezen. Bij het premium hotel was de achtergrond geweldig in wellnessscenario's en slecht in conferentiescenario's – contextuele aanwijzingen en bestemmingspagina's moeten anders zijn voor elk van deze segmenten.
Semantio meet deze dimensies op levende antwoorden van ChatGPT, Gemini, Claude, Perplexity, Google AI Overview, Microsoft Copilot, Grok en DeepSeek: Zichtbaarheidspercentage, Share of Voice, niveau van aanbevelingen, sentiment, invloed van bronnen en detectie van beweringen die in strijd zijn met geverifieerde feiten over het merk. Elke uitkomst is een gedateerde meting van een specifiek onderzoek, geen voorspelling op basis van signalen op de pagina. Hierdoor wordt de campagne in ChatGPT niet in het duister gevoerd: we weten op welke organische achtergrond de advertentie wordt weergegeven en of die achtergrond voor of tegen haar werkt.
5.4. Bewijs – zodat de uitkomst kan worden verdedigd
In een kanaal zonder benchmarks en met een rapportagevertraging van 24–48 uur is het bijzonder belangrijk dat de diagnose en conclusies auditief zijn. Bij Semantio wordt elk antwoord van het model opgeslagen in een logboek samen met metadata, classificatie en geciteerde bronnen, en geselecteerde antwoorden kunnen worden vastgelegd als een onafhankelijk verifieerbare, beveiligde registratie van wat een bepaald systeem op een bepaalde dag heeft gezegd.
6. Hoe we campagnes in ChatGPT voeren
Bij Brand Semantics voeren we ChatGPT Ads-campagnes van diagnose tot rapport – met directe toegang tot de Ads Manager en ons eigen meetinstrument. Het proces ziet er als volgt uit:
Diagnose van merkrepresentatie in modellen. Onderzoek in Semantio: echte aankoopscenario's in de categorie van de klant, in de taal van de markt, in verschillende systemen. Resultaat: waar het merk wordt aanbevolen, waar het verliest van concurrenten, waar modellen zich vergissen, welke bronnen het antwoord vormen.
Entiteitkaart en voorbereiding van de bestemmingspagina. Ordenen wat het model over het merk moet begrijpen en omzetten naar de bestemmingspagina: eenduidig, bronvermeldend, doorlatend voor OpenAI-robots (OAI-AdsBot en OAI-SearchBot – blokkering van een van beiden betekent afwijzing van de advertentie of verdwijnen uit organische antwoorden).
Scenario's → contextuele aanwijzingen en creaties. Uit de meting komen de noodsituaties voort waarin de advertentie zinvol is, en varianten van koppen en beschrijvingen die zijn afgestemd op de beslissingsfase.
Campagne in Ads Manager. Doel (bereik, klikken of conversies), geografie, platform, dagelijks budget, meting van conversies met een pixel en via de Conversions API ingesteld voor de start.
Monitoring van twee lagen. Tegelijkertijd: de resultaten van de campagne uit de Ads Manager en periodieke metingen van organische antwoorden van modellen in Semantio. Als de organische achtergrond tegen de advertentie werkt – GEO-acties op bronnen en inhoud, niet alleen op biedingen.
Rapport met bewijs. Wat het model zei, wat de advertentie deed, wat er veranderde tussen de metingen – met logs en verifieerbare registratie van antwoorden.
7. Wie nu moet instappen, en wie moet wachten
Het is nu de moeite waard om te testen als het merk actief is in een categorie waarin de klant vergelijkt, vraagt en terugkomt met verdere vragen: e-commerce met overwogen producten, elektronica, persoonlijke financiën (binnen het advertentiebeleid van OpenAI), telecommunicatie, auto’s, reizen, onderwijs, diensten die na onderzoek worden gekozen, evenals producten voor thuis, bouw- en afwerkingsproducten of artikelen voor kinderen. Het is ook de moeite waard als het bedrijf ervaring wil opdoen in het kanaal voordat de concurrentie dat doet – bij een jong kanaal zijn de leerkosten lager dan de kosten van te laat komen.
Het is de moeite waard om te wachten als:
klanten voornamelijk B2B-beslissers zijn die gebruikmaken van betaalde ChatGPT-plannen – advertenties bereiken hen voorlopig niet; in dit geval is de organische representatie van het merk in de antwoorden belangrijker, die alle gebruikers zien, ongeacht het plan. In het onderzoek naar de producent van brandventilatie noemden we dit “een aanbesteding verloren vóór de aanbesteding”: de ontwerper vraagt het model wat in de specificatie moet worden opgenomen, krijgt een lijst zonder merk – en het merk komt pas als vervanger in de uitvoeringsfase, strijdend op prijs. Dit kan niet worden opgelost met een gesponsorde kaart, alleen met aanwezigheid in het antwoord zelf;
het product is FMCG of een lokale dienst met een lage winkelwaarde – bij CPC van 3–5 USD sluit de economie niet;
de sector onderhevig is aan beperkingen van het advertentiebeleid (alcohol, gokken, politieke inhoud zijn verboden; gezondheid en financiële diensten zijn beperkt, en buiten de VS in de meeste gevallen niet toegestaan);
het bedrijf geen bestemmingspagina heeft die het model kan begrijpen – dan is de eerste stap geen campagne, maar het ordenen van de merkrepresentatie.
Ongeacht of een bedrijf instapt in betaalde advertenties, de organische laag werkt altijd: een gebruiker van een betaald plan ziet de advertentie niet, maar ziet wel wat het model over het merk zegt. Voor veel B2B-bedrijven is dit vandaag een belangrijker kanaal dan enige gesponsorde kaart.
8. Checklist voor gereedheid voor ChatGPT Ads
Voordat je een campagne start, is het de moeite waard om tien vragen te beantwoorden:
Weten we in welk percentage van de echte aankoopvragen in onze categorie ChatGPT onze merknaam überhaupt noemt?
Weten we wie in plaats van ons aanbeveelt – en waarom (welke bronnen)?
Geeft het model onjuiste informatie over ons die de advertentie zou versterken in plaats van corrigeren?
Beschrijft de bestemmingspagina duidelijk het product, de ontvanger, het probleem en de bewijzen – in een taal die het model kan overnemen?
Laat de pagina OAI-AdsBot en OAI-SearchBot door?
Hebben we intentiescenario's voor de drie beslissingsfasen, waaruit contextuele aanwijzingen voortkomen?
Hebben we verschillende varianten van kop en beschrijving, waarbij elke variant een ander voordeel toont en niet dezelfde boodschap?
Is de conversiemeting (pixel, Conversions API, UTM) ingesteld voor de start, en niet erna?
Gebruiken onze klanten een gratis ChatGPT-plan?
Hebben we een manier om na de campagne aan het management te laten zien wat het model op de dag van uitzending over het merk zei – in een verifieerbare vorm?
Als de antwoorden op vragen 1–3 “we weten het niet” zijn, zal de campagne in het duister starten – ongeacht wie deze leidt.
9. Woordenlijst van termen
ChatGPT Ads – het advertentiekanaal van OpenAI, waarin gesponsorde kaarten onder de antwoorden van ChatGPT worden weergegeven aan gebruikers van gratis plannen; de aanpassing is gebaseerd op de context van het gesprek, de bestemmingspagina, creatie en contextuele aanwijzingen van de adverteerder, en niet op zoekwoorden.
Contextuele aanwijzingen (context hints) – beschrijvingen van de noodsituatie (wie, welke behoefte, welke context, welk beslissingsmoment) die de adverteerder in de Ads Manager opgeeft; ze zijn geen exacte overeenkomsten en garanderen geen vertoning.
Generative Engine Optimization (GEO) – een discipline die volgt op SEO: in plaats van posities op de lijst van links is het doel hoe taalmodellen het merk beschrijven, vergelijken en aanbevelen in het kant-en-klare antwoord. Het omvat het ordenen van entiteiten en beweringen over het merk, het bouwen van bronnen die modellen citeren, en het meten van antwoorden.
Merkrepresentatie in de antwoorden van taalmodellen (LLM brand representation) – de observeerbare manier waarop het merk aanwezig is, beschreven, vergeleken, aanbevolen en geciteerd in de antwoorden van GenAI-systemen in een bepaald onderzoek. Zichtbaarheid is slechts één van de dimensies.
Share of Voice (SoV) – het aandeel van het merk in de “uitzendtijd” van het model ten opzichte van genoemde concurrenten in een bepaalde set scenario's.
Merkhallucinatie (brand hallucination) – een bewering van het model over het merk die in strijd is met geverifieerde feiten: onjuiste prijs, niet-bestaand certificaat, verkeerde locatie, kenmerk toegewezen aan een concurrent.
Entiteitkaart / beweringskaart – hulpmiddelen voor het ordenen van merkrepresentatie: een lijst van objecten die de wereld van het merk vormen (producten, ontvangers, problemen, concurrenten, bewijzen) en een lijst van zinnen over deze objecten die waar moeten zijn, bevestigd door bronnen en mogelijk door het model overgenomen.
Semantio – onderzoeksplatform van Brand Semantics voor het analyseren en monitoren van merkrepresentatie in de antwoorden van ChatGPT, Gemini, Claude, Perplexity, Google AI Overview, Microsoft Copilot, Grok en DeepSeek, op levende antwoorden, in de taal van de markt, met logs en verifieerbaar bewijs.
10. Veelgestelde vragen
Kan reclame in ChatGPT veranderen wat het model over het merk zegt? Nee. OpenAI scheidt het advertentiesysteem van het model. De adverteerder kan de inhoud, volgorde of toon van de antwoorden niet beïnvloeden. Het veranderen van de organische representatie van het merk is alleen mogelijk door te werken aan bronnen, inhoud en informatie-structuur – dat wil zeggen door GEO.
Kan ik een advertentie kopen op de zin “beste X in Warschau”? Nee. Er zijn geen zoekwoorden. Je kunt de noodsituatie beschrijven waarin de advertentie zinvol is, en ervoor zorgen dat de bestemmingspagina en creatie daarop aansluiten. Het besluit over de uitzending wordt genomen door het relevantiemodel van OpenAI.
Wat kost een klik? OpenAI raadt CPC-tarieven van 3–5 USD aan. De eerste gepubliceerde buitenlandse tests vallen binnen dit bereik. Er zijn nog geen Poolse benchmarks.
Zien mijn B2B-klanten dit? Als ze een gratis plan gebruiken – ja. Op Plus-, Pro- en Business-plannen zijn er voorlopig geen advertenties; hun gebruikers zien echter de organische antwoorden van het model over het merk, en die bepalen of het merk op de shortlist komt.
Waar te beginnen? Bij de meting: wat zegt ChatGPT en andere modellen vandaag over het merk in echte aankoopvragen. Zonder dit weet je niet of de advertentie de aanbeveling versterkt of ermee concurreert.
