The Startup Disrupting GEO: Why NetRanks Is Offering Competitors' Core Features for Free — and Winning Their Clients
In dit artikel:
Terwijl gebruikers steeds vaker rechtstreeks informatie zoeken via conversatie‑AI (zoals ChatGPT, Gemini, Claude en Perplexity), groeit een nieuwe markt rond Generative Engine Optimization (GEO): het meten en beïnvloeden van hoe merken in AI‑gegenereerde antwoorden verschijnen. Analisten schatten dat traditioneel zoekverkeer mogelijk met ongeveer 25% kan dalen tegen 2026, wat de vraag aanjaagt naar tools die merkvermeldingen in AI‑antwoorden monitoren.
De afgelopen jaren zijn diverse startups met dashboards gekomen die zichtbaarheid in AI rapporteren. De meeste leveren echter beperkte functionaliteit: losse snapshots of periodieke scrapes, telramen voor vermeldingen per engine, en grotendeels statische inzichten. Agencies en B2B‑gebruikers klagen over gebrekkige transparantie, beperkte dekking en het ontbreken van echte voorspellende modellen. Sommige aanbieders adverteren wel met voorspellingen, maar tonen vooral statische grafieken in plaats van robuuste scenario‑analyses.
NetRanks, een internationaal verdeeld bedrijf onder leiding van Reha Sönmez, kiest een andere koers. Het biedt baseline zichtbaarheidssnapshots gratis aan voor alle gebruikers en verstoort daarmee concurrenten die hun inkomsten baseren op betaalde toegang tot mention‑data. Sönmez stelt dat zichtbaarheid op zichzelf een commodity is geworden en dat teams behoefte hebben aan meer dan alleen tellingen. NetRanks richt zijn betaalde lagen op continue, multi‑engine tracking en vooral op forecasting en uitvoerbare aanbevelingen — zaken waar veel concurrenten niet consequent in slagen.
Technisch werkt NetRanks met model‑agnostische probing over meerdere AI‑engines tegelijk en gebruikt grote, gestructureerde promptsets die variëren in categorie, regio en vraagtype. Door continue scans bouwt het longitudinal datasets op in plaats van geïsoleerde snapshots. De modellen proberen vast te stellen welke bronnen invloedrijk zijn voor AI‑antwoorden, hoe posities kunnen verschuiven onder verschillende scenario’s en welke acties de hoogste kans hebben om een merk’s AI Share‑of‑Voice te vergroten. Die uitkomsten worden vertaald naar een geprioriteerde lijst met taken op basis van verwachte impact.
De stap om basale zichtbaarheid gratis aan te bieden, heeft twee effecten: het ondermijnt bestaande inkomstenmodellen die simpele dashboards verkopen, en het dwingt de markt te differentiëren op voorspellende en diagnostische capaciteiten. Marketingteams kunnen zichtbaarheid al steeds vaker zelf meten met eigen prompts of scripts, waardoor betaalde mention‑counts minder waardevol zijn. Voor planning en forecasting blijft modelling echter essentieel — vergelijkbaar met hoe traditionele SEO vroegere tools gebruikte om invloed van content of links te projecteren.
Of NetRanks’ strategie leidt tot brede marktverschuivingen of consolidatie hangt af van hoe snel ondernemingen AI‑gedreven discovery omarmen en hoe concurrenten reageren op het wegvallen van hun kerninkomstenbron. Eén conclusie staat vast: eenvoudige vermeldingscounts volstaan niet langer; de volgende stap in GEO is meetbare, herhaalbare voorspelling en concrete acties.