In maart 2026 verscheen een analyse van ongeveer vijfduizend ChatGPT-carrousels. Samen goed voor ruim veertigduizend producten. Die zijn naast de organische shopping-resultaten van Google en Bing gelegd voor dezelfde koopvragen.
De uitkomst: meer dan 83% van de carrouselproducten was terug te vinden als sterke match in de top 40 van Google's organische shopping-resultaten. Voor Bing lag dat op 11%, en het aantal producten dat uitsluitend bij Bing te vinden was, viel praktisch weg.
Wat 83% overlap wel en niet bewijst
Dit is een overlapmeting, geen blik in de motor. Niemand van buiten kan aantonen dat ChatGPT een zoekopdracht naar Google Shopping stuurt. Er is alleen vastgesteld dat de producten in de carrousel en de producten in Google's shopping-index vrijwel dezelfde verzameling zijn.
Dat onderscheid is niet academisch, want het bepaalt wat je ermee doet. Zou het een bewezen koppeling zijn, dan was je Google-positie de knop. Nu het samenloop is, is je Google-positie een indicator: hoogstwaarschijnlijk selecteren beide systemen op grotendeels dezelfde productdata, en dat is de data die jij aanlevert.
Praktisch komt het op hetzelfde neer. Als vrijwel elk product in die carrousels ook in de shopping-index staat, is afwezigheid daar een sterke voorspeller van afwezigheid in het antwoord. Het is alleen geen garantie andersom. Bovenaan staan in Google Shopping koopt je geen plek in de carrousel.
Wat het onderwerp wel uit de mystiek haalt. Aanwezigheid in Google Shopping is meetbaar, herleidbaar en zelf te repareren. Je hebt er geen abonnement voor nodig, wel toegang tot je eigen Merchant Center.
Je feed is de kandidatenlijst, je website is de motivering
De meeste webshops behandelen hun productfeed als een export. Iets wat de bouwer ooit heeft ingericht, dat sindsdien draait, en dat pas aandacht krijgt als er een foutmelding binnenkomt.
Dat werkte zolang die feed alleen advertenties voedde. Nu voedt hij ook de laag waarin producten worden voorgeselecteerd, en dan is het geen technische bijzaak meer.
De rolverdeling is vrij scherp. Je feed bepaalt of je op de kandidatenlijst staat. Je productpagina bepaalt of je die keuze overleeft zodra iemand doorklikt en drie opties naast elkaar legt. Twee lagen, twee soorten werk, en ze falen op verschillende manieren.
Een feed faalt stil. Een afgekeurd product verdwijnt zonder dat er iets op je website verandert. Je verkoopt minder en je ziet niet waarom. Een productpagina faalt zichtbaar: je krijgt bezoek, ze kopen niet, en je kunt in je cijfers zien waar ze afhaken.
Die stilte is het probleem. Bij de merken waarvan wij de feed openen staat er standaard een deel van de catalogus al maanden afgekeurd op iets kleins. Een ontbrekende GTIN. Een prijs die niet meer klopt met de pagina omdat een actie wel op de site is doorgevoerd en niet in de feed. Of een afbeeldingslink die dood is sinds de migratie naar een nieuwe beeldserver. Geen van die drie geeft een melding op een plek waar iemand kijkt.
Welke signalen een AI daarna op je pagina zelf weegt, staat in hoe ChatGPT je product aanbeveelt. Dit stuk gaat over de laag ervoor.
De velden die Google opvraagt voordat je meedoet
Gratis productvermeldingen zijn geen gunst en geen geheim. Google publiceert precies wat er in je productdata moet zitten.
Voor elk product vraagt Google om id, titel, link, afbeeldingslink, prijs, omschrijving, beschikbaarheid en conditie. Daarbovenop merk en GTIN of MPN voor identificatie, en bij kleding kleur, maat, leeftijdsgroep en geslacht. Verzendkosten staan in je instellingen of gaan als attribuut mee, en je retourbeleid hoort op je site.
Er staat ook een zin bij die de meeste merken overslaan: je producten worden niet gegarandeerd getoond, omdat Google afgaat op de data die je aanlevert om je product te matchen met waar klanten naar zoeken.
Dat is geen disclaimer. Dat is de spelregel. De matching gebeurt op jouw data, niet op je merkverhaal, niet op je huisstijl, niet op hoe goed je webshop oogt.
Het verschil tussen merken die het goed doen en merken die het niet doen zit zelden in die acht basisvelden. Die vult iedereen. Het zit in het merkveld dat gevuld is met de webshopnaam in plaats van het productmerk. In de omschrijving die is overgenomen van de leverancier en dus identiek is aan die van veertig andere aanbieders. In de beschikbaarheid die op voorraad blijft staan terwijl het artikel al twee weken op is.
Geen van die drie levert een foutmelding op. Ze kosten je alleen de match.
De laag die niemand invult: taxonomie, varianten en identificatie
Onder die basisvelden zit een tweede laag die bepaalt in welke wedstrijd je meedoet. Daar gaat vrijwel elke feed die wij openen de mist in, en daar zit ook de verklaring voor het titelcijfer verderop in dit stuk.
Taxonomie. Het veld google_product_category plaatst je product in Google's eigen productboom. Vul je het niet in, dan raadt Google zelf, en dat raden gebeurt op je titel en omschrijving. Zet je jezelf in een te brede tak, dan concurreer je met een categorie waar je niets te zoeken hebt. Daarnaast bestaat product_type, je eigen indeling, die je vrij mag invullen en die je kunt gebruiken om je assortiment te groeperen zoals jij het verkoopt. Het eerste veld bepaalt met wie je vergeleken wordt. Het tweede bepaalt hoe je jezelf kunt sturen.
Het invullen van die categorie is minder werk dan het klinkt. Google publiceert de volledige productboom als downloadbaar bestand. Je zoekt daarin het diepste niveau dat je product nog precies beschrijft, niet het niveau erboven omdat dat veiliger voelt. Dieper is bijna altijd beter: hoe specifieker de tak, hoe minder producten waarmee je vergeleken wordt en hoe scherper de match. Voor een assortiment van een paar honderd artikelen doe je dat in een middag met een zoekopdracht per productgroep, niet per SKU.
Varianten. Met item_group_id koppel je alle varianten van hetzelfde product aan elkaar: dezelfde trui in vijf maten, dezelfde pot in drie smaken. Laat je dat leeg, dan staan er vijf losse producten in de index die op elkaar lijken, elkaars zichtbaarheid opeten en elk apart moeten worden gematcht. Vul je het wel in, dan is er één product met vijf uitvoeringen.
Identificatie. GTIN is de sleutel waarmee systemen herkennen dat jouw product hetzelfde product is als dat van een ander. Verkoop je private label, dan heb je die vaak niet. Daarvoor bestaat identifier_exists, dat je op no zet zodat Google weet dat er geen barcode bestaat in plaats van dat je er een vergeten bent. Het kost je wel iets: zonder gedeelde sleutel moet de matching het volledig doen op merk, titel en omschrijving. Voor een private label merk is de tekst in je feed dus geen marketing maar je identiteitsbewijs.
Prijspariteit. De prijs in je feed moet gelijk zijn aan de prijs op je productpagina, inclusief wat de klant uiteindelijk afrekent. Een actie die wel in je webshop staat en niet in je feed is de meest voorkomende stille afkeuring die wij tegenkomen, en hij treft precies de producten waarvan je op dat moment het meeste wilt verkopen.
Deze vier velden staan in elke feed-export en blijven in de meeste standaardopstellingen leeg of fout. Ze kosten een middag. Ze bepalen in welke vijver je zwemt.
45,8% exacte titelmatch: je producttitel is geen slogan
Het cijfer dat het meest zegt over hoe deze systemen werken is niet de 83%. Het is dit: 45,8% van de carrouselproducten had een exacte titelmatch met een product in de bijbehorende Google-resultaten.
Bijna de helft, letterlijk hetzelfde. In een kanaal waar producten aan elkaar geknoopt moeten worden zonder gedeelde barcode, is de titel de sterkste sleutel die er is. Dat verklaart ook waarom variantstructuur ertoe doet: vijf losse titels die op één woord na identiek zijn maken die sleutel juist onbetrouwbaar.
De titels die het goed doen hebben dezelfde opbouw. Merk, producttype, de eigenschap die dit exemplaar onderscheidt van de rest van je assortiment. Maat, smaak, kleur, inhoud, aantal. In die volgorde, zonder opsmuk.
De slechte zijn te herkennen aan drie dingen. Ze openen met een claim in plaats van een merk. Ze bevatten uitroeptekens, hoofdletterwoorden of verzendbeloftes. Of ze zijn zo kort dat er twintig producten onder passen.
Een titel die goed matcht is niet de titel waar een merkbouwer warm voor loopt. Hij is functioneel, saai en herhaalt zich over je hele catalogus. Dat voelt als merk inleveren, en dat is het niet. Het is kiezen waar je merk werkt. In de carrousel doet je beeld het merkwerk en doet je titel het matchwerk. Op je productpagina, in je verpakking en in je content over kanalen heen heb je alle ruimte voor toon. Een SKU-titel is de verkeerde plek om die strijd te voeren.
De top 20 is de speelruimte, niet de top 40
De meting kijkt naar de top 40 van de organische shopping-resultaten. Dat klinkt als veel ruimte. Dat is het niet.
Binnen die sterke matches zat 60% in de top 10 van de Google shopping-resultaten en bijna 84% in de top 20. De staart tussen 20 en 40 levert nog wat op, maar het meeste gebeurt bovenin.
Dat corrigeert een verhaal dat veel rondgaat: dat AI-zoeken de kaarten opnieuw schudt en kleine merken een gelijke kans geeft. Half waar. Je hoeft geen groot domein te zijn om in een carrousel te komen, maar je moet wel bovenin die shopping-resultaten staan voor de term die erbij hoort. Sta je op plek 60, dan is de kans klein.
Waar de ruimte wel zit is in specificiteit. Een generalist staat hoog op brede termen. Een merk met een scherp afgebakend product wint op de vraag die er precies bij past. Dat is de hele strategie: niet meedoen aan "beste proteïnepoeder", wel winnen op "proteïnepoeder zonder zoetstof bij lactose-intolerantie".
Die keuze maak je in je assortiment en je positionering. Je feed voert hem alleen uit. De contentkant daarvan staat in GEO voor webshops.
ChatGPT zoekt niet op de vraag die jij hoort
Er zit een laag tussen de vraag van je klant en de zoekopdracht die het systeem afvuurt. In dezelfde analyse week 99,70% van de shopping-queries af van de oorspronkelijke prompt van de gebruiker.
Dat heet query fan-out. Iemand vraagt om een cadeau voor een collega die net is begonnen met hardlopen. Het systeem vertaalt dat naar een reeks concrete productzoekopdrachten: hardloopsokken, sporthorloge, drinkfles, per prijsklasse en per situatie.
Het gevolg voor je feed is direct. De termen waarop je gevonden wordt zijn niet de termen waarop je klant zoekt. Het zijn de termen waarin een machine die vraag heeft ontleed. Eigenschappen die voor jou vanzelfsprekend zijn moeten dus expliciet in je data staan.
Bij een supplementenmerk stond in de omschrijving netjes waar het product goed voor was. Nergens stond of het vegan was, of het suikervrij was, of hoeveel doseringen er in een pot zaten. Voor de eigenaar was dat vanzelfsprekend: het staat op de verpakking. Voor een fan-out die zoekt op "vegan supplement zonder suiker" bestond dat product niet. De verpakking was niet het probleem. De feed liet drie feiten weg die er wel op stonden.
De oefening die daarbij hoort is saai en werkt. Neem je twintig bestverkopende producten. Schrijf per product tien vragen op waarop dit product het antwoord is. Controleer of het antwoord op elk daarvan letterlijk als tekst in je feed of op je pagina staat, en niet alleen in een afbeelding of in het hoofd van de eigenaar.
Dezelfde discipline, drie kanalen, andere velden
Bijna geen enkel Nederlands merk verkoopt alleen via de eigen webshop. Er staat een deel op bol, een deel op Amazon, en dat betekent dat dezelfde producten in drie verschillende datastructuren leven.
De reflex is om die drie als losse klussen te behandelen. Iemand doet de Google-feed, iemand anders vult het bol-dashboard, en de Amazon-listings zijn ooit door een bureau aangeleverd. Drie keer dezelfde producten, drie keer een andere titel, drie keer een andere set beelden.
Dat is precies het patroon dat je in een AI-antwoord terugziet. Een model dat producten aan elkaar knoopt op merk, titel en eigenschappen krijgt drie verschillende antwoorden op de vraag wat dit product is. Elke afwijking maakt de match zwakker.
De kanalen vragen wel om andere velden. Google werkt met google_product_category en item_group_id. Bol werkt met een eigen categorieboom, EAN als harde sleutel en attributen per productgroep. Amazon gebruikt browse nodes, een parent-child-structuur en vereiste attributen die per categorie verschillen. Je kunt die niet een-op-een kopiëren.
Wat je wel kunt kopiëren is de bron. Eén plek waar per product staat wat het merk is, wat het producttype is, welke drie eigenschappen het onderscheiden, welke beelden er zijn en in welke volgorde. Uit die bron voed je alle drie de kanalen, met per kanaal een eigen vertaalslag. Dat is werk aan de voorkant en het scheelt je elke keer opnieuw uitzoeken wat waar staat.
Voor marketplaces gelden daarbovenop eigen beeldeisen, die staan in de productfoto-eisen van Amazon. De listingkant van hetzelfde verhaal hebben we uitgewerkt in je bol.com-listing optimaliseren, en hoe wij dat in de praktijk aanpakken staat bij product listing design.
Er zit ook een merkargument in dat losstaat van vindbaarheid. Een klant die je op bol vindt, je webshop bezoekt en daarna je product in een AI-antwoord terugziet, moet drie keer hetzelfde merk zien. Bij de meeste merken ziet die klant drie keer een andere naam voor hetzelfde artikel.
Wat Google zelf zegt, en waar het over zwijgt
Google publiceert over dit onderwerp iets korters en nuchterders dan de meeste aanbiedingen die er nu rondgaan.
Er zijn geen extra eisen om in AI Overviews of AI Mode te verschijnen en geen speciale optimalisaties nodig. En explicieter: je hoeft geen nieuwe machineleesbare bestanden, AI-tekstbestanden of markup te maken, en er is geen speciale schema.org-structuur die je moet toevoegen.
Word je een bestand of een tag verkocht die je vooraan in de AI-wachtrij zet, dan word je iets verkocht dat niet bestaat. Wat Google wel noemt is je Merchant Center-informatie actueel houden.
Belangrijker is waar Google zwijgt. Er staat niets over ChatGPT, want dat is een ander bedrijf. Niets over hoe zwaar productdata weegt ten opzichte van je pagina. Niets over hoe gratis productvermeldingen onderling gerangschikt worden. Die drie dingen weet niemand buiten Google, en iedereen die beweert van wel, gokt.
Dat is precies waarom de overlapmeting bruikbaar is. Bij gebrek aan documentatie is een meting van buitenaf het enige harde dat er ligt.
Het beeld op positie één
Verschijnt je product in een carrousel, dan ziet je klant eerst een afbeelding. Niet je pagina, niet je merkverhaal, niet je reviews. Eén beeld naast twee concurrenten.
In de productfeed-specificatie van OpenAI wordt het eerste item in de medialijst als primaire afbeelding behandeld. Bij Google doet de afbeeldingslink hetzelfde werk: er is één beeld dat het moet dragen.
Bij de meeste webshops is die volgorde nooit gekozen. Het is de volgorde waarin beelden ooit zijn geüpload, of de volgorde die de leverancier aanhield. Het beeld waarmee je merk in een AI-antwoord verschijnt is dan bepaald door een exportinstelling.
Wat er moet staan is niet ingewikkeld. Het product herkenbaar, op wit, beeldvullend, zonder tekst of badges eroverheen. Sfeerbeelden en gebruikssituaties komen daarna, op je pagina, waar ze het overtuigingswerk doen. In een kanaal waar drie producten naast elkaar staan is dat ene beeld het enige merkmoment dat je krijgt. Daarom is beeldvolgorde bij ons een ontwerpkeuze en geen instelling, en daarom begint elk productfotografie-traject bij de vraag welk beeld dit werk moet dragen.
Hoe je meet of het werkt
De meeste adviezen over dit onderwerp eindigen bij een lijstje. Zonder meting weet je over drie maanden nog steeds niets, dus dit is de routine die wij draaien.
Kies vijf koopvragen zoals een klant ze stelt. Niet je keywords, echte vragen. "Welk proteïnepoeder is geschikt bij lactose-intolerantie" is er een. "Beste proteïnepoeder" niet.
Draai die vijf elke week door ChatGPT en noteer per vraag de drie producten en merken die terugkomen. Zoek daarna in Google Shopping op de productterm die het dichtst bij die vraag ligt en noteer je eigen positie. Twee kolommen, één sheet, tien minuten per week.
Na vier weken heb je een nulmeting: sta je in geen van de vijf, sta je in een van de vijf, of kom je terug. Voer daarna één wijziging tegelijk door. Eerst de titels van je tien belangrijkste producten, dan de omschrijvingen, dan de beeldvolgorde. Eén wijziging per twee weken, anders weet je niet wat het deed.
Dit is bewust handwerk. Er zijn tools die dit automatiseren en die zijn hun geld waard zodra je catalogus groot genoeg is. Voor de eerste maanden is een sheet beter, omdat je dan zelf leest wat er terugkomt. Ik bouw zelf AI-systemen en juist daardoor ben ik nuchter over wat deze modellen doen: ze lezen wat er staat. De eerste keer dat je een antwoord ziet waarin een concurrent staat met een slechter product en een betere feed, snap je het onderwerp beter dan welk rapport ook.
Wat je deze maand doet
Zeven stappen, in deze volgorde.
- Tel je afkeuringen in Merchant Center. Niet de waarschuwingen, de afkeuringen. Elk afgekeurd product staat buiten de kandidatenlijst.
- Controleer je merkveld op je twintig bestverkopende producten. Staat daar het productmerk of de naam van je webshop?
- Vul
google_product_categoryenitem_group_id. Taxonomie bepaalt met wie je vergeleken wordt, variantkoppeling voorkomt dat je jezelf beconcurreert. - Zoek je topproducten in Google Shopping. Sta je in de eerste twintig voor de term waarop je wilt winnen? Zo niet, dan is dat je werkelijke opgave.
- Herschrijf tien producttitels naar merk, type, onderscheidende eigenschap. Zonder uitroeptekens, zonder verzendbeloftes.
- Vervang de leveranciersomschrijving op je tien belangrijkste producten. Voeren veertig aanbieders dezelfde tekst, dan is er niets te matchen behalve de prijs.
- Zet de meting op. Vijf vragen, wekelijks, twee kolommen. Zonder die sheet is stap 1 tot 6 een gok.
Geen tool, geen tag, geen abonnement. Wil je dat wij die feed een keer met je doorlopen naast je listings en je vindbaarheid, dan kijken we mee. De winst zit meestal in de eerste drie stappen, en dat is precies het werk dat niemand leuk vindt en iedereen uitstelt.
