TL;DR: In een audit van 100 listings over ChatGPT, Perplexity en Gemini steeg de citation rate van 12 % voor prose-only listings naar 71 % voor listings met volledige gestructureerde geodata. De drie signalen die het meest opleveren waren geverifieerde geocoördinaten, nearby-context-velden en NAP-consistentie tussen platforms.
In de eerste twee weken van april 2026 draaiden we een gecontroleerde audit over 100 locatie-listings om één vraag te beantwoorden: hoeveel verandert gestructureerde geodata daadwerkelijk de rate waarmee een AI-assistent een listing citeert?
Het korte antwoord: ongeveer zes keer verschil tussen de slechtste en beste bucket. Hieronder de volledige methodiek, de per-bucket-resultaten en de praktische implicaties voor iedereen die een listing optimaliseert voor AI-search.
Methodiek
Listings. 100 listings in vier verticals: 30 vakantiewoningen, 25 boutique-hotels, 25 onafhankelijke restaurants, 20 lokale attracties. Geografie gespreid over 14 Europese steden om single-market-bias te beperken. Alle listings hadden een actieve, indexeerbare homepage en minstens één third-party directory presence.
Query-set. Vijftien discovery-intent prompt-templates per listing, over generieke discovery ("rustige boutique-hotels in Porto"), feature-specifieke discovery ("hotels in Porto op loopafstand van de metro") en named recall ("is Casa do Vale een goed guesthouse in Porto"). Elk template werd fresh afgevuurd, zonder conversation history, in een clean session.
Models. ChatGPT (GPT-5-klasse), Perplexity, Gemini. Elke prompt werd één keer per model afgevuurd, wat 45 responses per listing en 4.500 responses in totaal oplevert.
Scoring. Een response telde als citation als de listing verscheen als linked source, expliciet werd genoemd in het antwoord, of beide. Gedeeltelijke naam-matches werden handmatig beoordeeld om false positives af te vangen.
Bucketing. Elke listing werd gescoord door de MapAtlas AEO Checker over 29 gestructureerde signalen, daarna gegroepeerd in vier volledigheids-buckets. De bucket-thresholds stonden vast voordat de scoring begon.
Headline-resultaat
De citation-rate-gap tussen de onderste en bovenste bucket was groter dan we verwachtten.
Bron: MapAtlas benchmark, april 2026, n=100 listings, 4.500 responses.
De onderste bucket, listings met rijke prose maar zonder structured data, haalde een citation rate van 12%. De bovenste bucket, listings met volledig Place-schema, geverifieerde geo-coördinaten, nearby-context-velden, FAQ-schema en consistente NAP over platforms, kwam uit op 71%.
Signal-voor-signal breakdown
Om te begrijpen welke individuele signalen het top-bucket-resultaat droegen, draaiden we een feature-ablation-analyse. Voor elk van de zes zwaarst gewogen signalen vergeleken we citation rates tussen listings met het signaal en listings zonder, met de overige variabelen ongeveer constant gehouden.
| Signaal | Met signaal | Zonder signaal | Lift |
|---|---|---|---|
Volledig Place-JSON-LD met geo | 58% | 19% | 3.1x |
| Geverifieerde nearby-POI-data | 62% | 24% | 2.6x |
| Transit-proximity-velden | 54% | 22% | 2.5x |
| FAQ-schema met locatie-vragen | 49% | 26% | 1.9x |
| NAP-consistentie over 3+ platforms | 56% | 21% | 2.7x |
| Externe identifier (Wikidata / Place ID) | 51% | 27% | 1.9x |
Bron: MapAtlas benchmark, april 2026.
Vier takeaways uit deze tabel:
- Geo-coördinaten zijn veruit de sterkste lift. Een Place-blok zonder
geopresteert nauwelijks beter dan helemaal geen schema. - Nearby context is bijna even sterk. Proximity tot genoemde POIs en transit is de op één na grootste voorspeller van citation.
- FAQ-schema helpt, maar minder dan locatie-specifieke signalen. FAQs die locatievragen beantwoorden ("hoe ver is de dichtstbijzijnde metro") presteerden ruim boven generieke operationele FAQs.
- Externe identifiers slaan boven hun gewicht. Een listing reconciliëren met een Wikidata-QID of Google Place ID verdubbelde de citation rate bijna in de ablation, waarschijnlijk omdat het AI-systemen laat dedupliceren over bronnen heen.
Verschillen tussen verticals
Het effect was niet uniform over verticals. Vakantiewoningen, die starten vanaf de zwakste baseline, toonden de grootste absolute winst uit structured data. Bezienswaardigheden, die al goed vertegenwoordigd zijn in trainingsdata, toonden de kleinste.
| Vertical | Onderste bucket | Bovenste bucket | Gap |
|---|---|---|---|
| Vakantiewoning | 7% | 68% | +61 |
| Boutique-hotel | 14% | 74% | +60 |
| Onafhankelijk restaurant | 13% | 69% | +56 |
| Lokale attractie | 18% | 72% | +54 |
Bron: MapAtlas benchmark, april 2026.
Vakantiewoningen zijn de duidelijkste winst. Een listing die onzichtbaar start kan via alleen structured data een consistent geciteerde bron worden. Het effect is zwakker, maar nog steeds significant, voor locaties die al sterke publieke representatie hebben.
Wat het model daadwerkelijk doet
Tijdens een kwalitatieve review van 200 responses kwam een terugkerend patroon boven. Als een listing volledige structured data had, citeerde de assistent specifieke feiten: looptijd naar het station, aantal restaurants binnen 300 meter, buurtnaam, openingstijden. Werd dezelfde listing ontdaan van zijn structured data, dan liet de assistent hem óf helemaal weg óf beschreef hem in generieke termen.
Dit sluit aan bij hoe retrieval-augmented models zich doorgaans gedragen. Ze citeren bij voorkeur bronnen die de vraag beantwoorden met concrete, verifieerbare feiten. Prose die een listing beschrijft als "rustig en op loopafstand" verliest het van een structured field met "walk score 92, noise index 18 dB gemiddeld". De tweede versie is makkelijker te extraheren, makkelijker te vergelijken met de user query en makkelijker te attribueren.
Wat een listing van bucket 1 naar bucket 4 tilt
Op basis van de ablation verklaren vier veranderingen het grootste deel van de lift:
1. Voeg een volledig Place- of LodgingBusiness-JSON-LD-blok met geo-coördinaten toe. Coördinaten die matchen met het postadres, een canonieke externe identifier, en alle vereiste Schema.org-velden. Google's eigen structured-data-gids voor local business somt de velden op die het zwaarst meewegen. Zie JSON-LD-schema voor AI-citations bij local business voor specifieke veldinvulling.
2. Verrijk de listing met geverifieerde nearby context. Looptijden naar de dichtstbijzijnde haltes, tellingen van restaurants en cafés in de buurt, genoemde POIs binnen een gedefinieerde radius. MapAtlas GeoEnrich genereert dit op schaal uit geverifieerde bronnen zodat het in zowel schema als page copy kan worden gezet.
3. Publiceer locatie-specifiek FAQ-schema. Vragen die direct mappen op hoe users locatie-queries formuleren. Zie locatie-specifieke FAQs voor AI-search.
4. Reconcile NAP over platforms. De listing-homepage, Google Business Profile en minstens één third-party directory moeten allemaal dezelfde naam, hetzelfde adres en hetzelfde telefoonnummer tonen. NAP-consistentie voor AI-search behandelt de mechaniek.
Kanttekeningen
Deze benchmark is indicatief, niet definitief. Drie beperkingen om te noemen:
- Sample size. 100 listings is genoeg om grote effecten te zien, niet genoeg om fijnmazige verschillen hard te maken.
- Model drift. AI-assistenten updaten vaak. Absolute getallen zullen schuiven, de relatieve volgorde van signalen is stabieler.
- Query-mix. Onze templates leunen richting discovery-intent. Transactionele queries ("boek vanavond een kamer in Porto") worden anders gerouteerd en vielen buiten scope.
Het bredere punt is niet de precisie van een enkel getal. Het is dat de gap tussen gestructureerde en ongestructureerde listings groot, meetbaar en grotendeels dichtbaar is binnen wat de listing-eigenaar zelf in de hand heeft.
Meet je eigen baseline
De MapAtlas AEO Checker scoort een listing op dezelfde 29 signalen die in deze benchmark zijn gebruikt. Draai hem op je best presterende object, daarna op je zwakste. Het delta in de score matcht meestal het delta in hoe vaak ze in de praktijk worden opgediept door AI-assistenten.
Citation rate wordt het equivalent van organic ranking voor de generatie users die via AI zoekt. De listings die winnen zijn die welke het model iets te extraheren geven. De rest is prose die het model beleefd negeert.
Gerelateerd leeswerk:
- Waarom AI-assistenten adressen hallucineren
- SEO was keyword-naar-keyword, nu is het database-naar-database
- Locatie-specifieke FAQs voor AI-search
- Check je AI-zichtbaarheidsscore gratis
Veelgestelde vragen
Wat is een AI citation rate?
De AI citation rate is het aandeel relevante user queries waarbij een AI-assistent een specifieke listing opneemt in zijn geciteerde bronnen of de listing bij naam noemt in het antwoord. Het is het AI-search-equivalent van organic ranking, maar gemeten op antwoordniveau in plaats van results-page-niveau. Een listing met een citation rate van 40% verschijnt in twee van de vijf relevante antwoorden over de geteste assistenten.
Hoe is deze benchmark uitgevoerd?
We selecteerden 100 listings in vier verticals: vakantiewoningen, boutique-hotels, onafhankelijke restaurants en lokale attracties. Elke listing is 15 keer gequeryd in ChatGPT, Perplexity en Gemini met een standaard template van discovery-intent-vragen. Responses werden gescoord op of de listing verscheen als geciteerde bron of als genoemde aanbeveling. Listings werden daarna gebucketed op basis van hun structured-data-volledigheid zoals gemeten door de MapAtlas AEO Checker.
Wat had het grootste effect op de citation rate?
Drie signalen maakten het grootste verschil: aanwezigheid van een volledig Place- of LodgingBusiness-JSON-LD-blok met geo-coördinaten, geverifieerde nearby context zoals reistijden en proximity tot genoemde POIs, en NAP-consistentie tussen Google Business Profile, listing-homepage en minimaal één third-party directory. Listings die hoog scoorden op alle drie hadden een citation rate die ongeveer zes keer hoger lag dan listings die laag scoorden op alle drie.
Hielp lange prose-beschrijving op zich iets?
Marginaal. Lange prose-beschrijvingen met locatie-keywords maar zonder structured data leverden een baseline citation rate van rond de 12% op. Schema.org-markup toevoegen zonder geverifieerde geo-velden tilde het naar ongeveer 28%. Geverifieerde nearby context en consistente NAP-data erbij tilde het verder naar circa 71% voor de best scorende bucket. Prose-kwaliteit doet ertoe voor user trust zodra een listing wordt geciteerd, maar heeft beperkt effect op of de listing überhaupt wordt geciteerd.
Hoe meet ik mijn eigen citation rate?
Draai je listing-URL door de gratis MapAtlas AEO Checker op mapatlas.eu/ai-seo-checker. De checker scoort dezelfde 29 signalen die in deze benchmark zijn gebruikt en flagt welke ontbreken. Combineer de score met periodieke handmatige prompts in ChatGPT, Perplexity en Gemini om over tijd bij te houden hoe vaak je listing opduikt.
