Dit is een terugkerend, neutraal onderzoek naar een vraag die nog niemand had gemeten: wanneer iemand in Nederland aan een AI-assistent vraagt wat diegene moet dragen of waar die kleding kan kopen, welke merken worden dan genoemd?
We stellen vijf taalmodellen (large language models, LLM) dezelfde Nederlandstalige vragen die mensen werkelijk intypen, herhalen elke vraag vijf keer en leggen vast hoe vaak, hoe vroeg en bij hoeveel assistenten elke entiteit voorkomt. Het resultaat is een AI-zichtbaarheidsscore — een maat voor vindbaarheid, niet voor kwaliteit. Een merk staat hier hoog omdat deze systemen er informatie over hebben en het gemakkelijk naar voren brengen. Meer betekent het niet.
Waarom deze reeks bestaat
De Nederlandse kledingmarkt wordt op totaalniveau uitgebreid gemeten en op merkniveau nauwelijks.
De totalen zijn degelijk. Volgens de consumptietabel uit de nationale rekeningen van CBS besteedden Nederlandse huishoudens in 2025 20,839 miljard euro aan kleding en textiel, een voorlopig cijfer. Schoeisel valt daar in een aparte categorie, dus dit bedrag gaat over kleding en textiel en niet over kleding en schoenen. De Thuiswinkel Markt Monitor, uitgevoerd door GfK voor Thuiswinkel.org en Retail Insiders, komt voor kalenderjaar 2025 uit op een online aandeel van 36% van de kledingmarkt, exclusief verzendkosten en retouren, tegenover 37% in 2024. CBS telde op 1 januari 2026 12.350 geregistreerde vestigingen in de kledingdetailhandel onder SBI 4771 — bedrijfsregistraties en geen telling van winkels, afgerond op vijftallen.
Wat ontbreekt is een openbare ranglijst van merken. We hebben gezocht naar een vrij toegankelijke ranglijst van kledingmerken naar Nederlandse verkoop of verkoopaandeel en konden er geen verifiëren. De meest vergelijkbare actuele Nederlandse bron is het Emerce-rapport Online Damesfashion 2025–2026. Dat gebruikt zoekintelligentiedata van Trendata, gebaseerd op ongeveer vijf miljard zoekopdrachten per dag, en zet Zara op de eerste plaats in zoekgedrag. Dat meet waar mensen naar zoeken en niet wat ze kopen, het uitgebreide rapport is alleen via een abonnement toegankelijk en het mag niet als verkoopranglijst worden gelezen.
Een consument, merkmanager en journalist lopen daardoor tegen hetzelfde gat aan. Iedereen weet hoe groot de markt is. Niemand kan wijzen op een openbare, controleerbare lijst van welke kledingmerken het zichtbaarst zijn voor Nederlandse consumenten — en steeds vaker komt een Nederlandse consument zo’n lijst tegen via een AI-assistent.
Wat deze reeks toevoegt — en wat niet
Dit onderzoek meet geen verkoop, marktaandeel of kwaliteit en is geen vervanging voor de ranglijst die niet bestaat. Het meet één specifieke, nieuw belangrijke vraag: welke merken vijf AI-assistenten noemen bij echte Nederlandse consumentenvragen, hoe vroeg ze die noemen en hoe consistent dat tussen modellen gebeurt.
Elk cijfer wordt gepubliceerd met het datapakket erachter, zodat ieder getal opnieuw kan worden berekend.
Wat de eerste editie laat zien
| # | Entiteit | Herkomst | AI-score | Vermeldingspercentage | Antwoorden |
|---|---|---|---|---|---|
| 1 | Uniqlo | Buitenlands | 96,13 | 17,96% | 202 / 1.125 |
| 2 | Kuyichi | Nederlands | 94,62 | 19,47% | 219 / 1.125 |
| 3 | Zalando | Buitenlands | 79,43 | 14,76% | 166 / 1.125 |
| 4 | MUD Jeans | Nederlands | 71,41 | 13,87% | 156 / 1.125 |
| 5 | Studio Anneloes | Nederlands | 71,01 | 8,71% | 98 / 1.125 |
| 6 | COS | Buitenlands | 70,02 | 12,98% | 146 / 1.125 |
| 7 | YOEK | Nederlands | 69,59 | 6,31% | 71 / 1.125 |
| 8 | H&M | Buitenlands | 68,38 | 13,42% | 151 / 1.125 |
| 9 | Suitsupply | Nederlands | 67,00 | 7,82% | 88 / 1.125 |
| 10 | Vinted | Buitenlands | 65,44 | 7,38% | 83 / 1.125 |
De koploper en de meest genoemde entiteit zijn niet hetzelfde merk. Kuyichi komt in meer antwoorden voor dan welke andere entiteit in het onderzoek ook. Uniqlo komt in zeventien minder antwoorden voor en behaalt toch de hoogste score, omdat het merk wanneer het wordt genoemd eerder in het antwoord staat. De samengestelde score weegt positie bewust voor 30% mee: genoemd worden en als aanbeveling naar voren komen zijn verschillende dingen.
Nederlandse merken bezetten drie plaatsen in de top tien wanneer niets in de vraag om een Nederlands merk vraagt. Bij de 33 herkomstneutrale vragen (825 antwoorden) zijn 8 van de 28 entiteiten die aan de criteria voldoen Nederlands. Bij de 12 vragen die expliciet om een Nederlands merk vragen (300 antwoorden) zijn 31 van de 34 entiteiten Nederlands en is de volledige top tien Nederlands — een gevolg van de vraagstelling, geen onderzoeksbevinding. Beide cijfers worden in de hele editie steeds samen weergegeven.
De assistenten verschillen meer in hoeveel ze zeggen dan in wie ze noemen. Grok noemt gemiddeld 14,11 entiteiten per antwoord; Claude Haiku 3,65. Drie van de vijf modellen raadpleegden voor ieder antwoord live het web, GPT-5.6 deed dat bij 97,3% van zijn 225 antwoorden en Gemini bij 29,3% van zijn 225 antwoorden.
De informatielaag is niet in handen van merken. Reddit is het meest aangehaalde domein in het onderzoek en wordt in 159 van de 1.125 antwoorden aangehaald, vaker dan elke merk- of retailersite. Retailerdomeinen leveren 30,89% van de bronverwijzingen en eigen merksites 17,13%.
Wat een hoge score niet betekent
Een AI-zichtbaarheidsscore zegt dat een assistent een merk noemt, en hoe vroeg. De score zegt niet dat het merk:
- betere kleding maakt of kleding die langer meegaat
- meer verkoopt of een groter marktaandeel heeft
- bij een bepaald lichaam past, terwijl juist daar veel vragen in dit onderzoek over gaan
- nog actief is of nog in Nederland actief is
- om een goede of juiste reden werd aanbevolen
Een merk kan zeer zichtbaar en middelmatig zijn. Een merk kan uitstekend en onzichtbaar zijn, wat bij kleine labels met weinig webdekking vaker voorkomt. De score meet een oriëntatiekanaal, niet een product.
Wat we meten en hoe
In elke editie stellen we vijf taalmodellen 45 Nederlandstalige vragen, elk vijf keer, zonder systeemprompt en zonder localeparameter. De vragen zijn geschreven zoals Nederlandse consumenten ze werkelijk formuleren, inclusief zinnen die met een kleine letter beginnen, Engelse leenwoorden en onvolmaakte grammatica. Geen enkele vraag wordt herschreven omdat de antwoorden onhandig uitkomen.
Elke entiteit die in een antwoord wordt genoemd, wordt vastgesteld met aliasmatching op woordgrenzen, nadat linkdoelen en URL’s zijn verwijderd zodat een aangehaald domein de telling van een merk niet kan verhogen. Kandidaten worden vervolgens door een mens onderzocht en geclassificeerd voordat er een getal wordt berekend: herkomst op basis van merkeigendom, entiteitstype en reikwijdte.
De score bestaat uit drie componenten, die binnen elke uitsnede afzonderlijk worden berekend:
ai_score = 0.45 × mention + 0.30 × position + 0.25 × breadthmention meet hoe vaak een entiteit wordt genoemd, position hoe vroeg en breadth hoeveel van de vijf assistenten de entiteit überhaupt noemen. Scores worden geschaald ten opzichte van de koploper binnen elke uitsnede. Daardoor is een score alleen betekenisvol binnen dezelfde uitsnede en dezelfde editie. Voor vergelijkingen tussen edities gebruiken we de ruwe metingen — vermeldingspercentage, positie en breedte — en nooit de score.
Edities
| Editie | Periode | Onderzochte antwoorden | Gevolgde entiteiten | Voldoen aan criteria (algemeen) | Koploper |
|---|---|---|---|---|---|
| 1 (nulmeting) | September 2026 | 1.125 | 720 | 30 | Uniqlo (96,13) |
De reeks verschijnt elk kwartaal. In editie 2 kunnen vermeldingspercentage, positie en breedte worden vergeleken voor iedere entiteit die in beide edities voorkomt. Ook worden dan productsegmenten toegevoegd die al tijdens de gegevensverzameling worden toegewezen. Deze eerste editie publiceert die niet, omdat de vragenreeks niet netjes in segmenten uiteenvalt en het niet zorgvuldig zou zijn geweest om pas na ontvangst van de antwoorden een indeling te verzinnen.
De bredere context: is oriëntatie via AI al echt?
Genoeg om te meten, nog niet genoeg om te domineren.
Aan de consumentenkant liet een onderzoek van Adyen, met veldwerk van Censuswide van 10 februari tot 12 maart 2025 onder 2.000 Nederlandse consumenten van 16 jaar en ouder, zien dat 25% in het voorafgaande jaar ChatGPT of een andere AI-assistent had gebruikt tijdens het winkelen. Dat is al een kwart van de consumenten in dit kanaal, op basis van veldwerk dat inmiddels meer dan een jaar oud is.
Aan de verkeerskant rapporteert Statcounter dat ChatGPT in augustus 2026 goed was voor 81,67% van de Nederlandse verwijzingen van AI-chatbots naar websites, gevolgd door Gemini met 8,73%, Perplexity met 3,23%, Copilot met 3,19% en Claude met 3,18%. Dit meet verwijzingen die websites bereiken, niet welke assistenten Nederlanders gebruiken.
Voor volume komt een op Similarweb gebaseerde analyse van AI-verwijzingen die tot een klik leidden naar e-commerce-, financiële en reissites voor Nederland uit op 2,9 miljoen via AI verwezen bezoeken in maart 2026, tegenover 8,4 miljoen in zowel het Verenigd Koninkrijk als Duitsland, 5,5 miljoen in Frankrijk, 4,7 miljoen in Italië en 3,9 miljoen in Spanje. Nederland is een kleinere markt dan alle vijf, en de bron publiceert geen Nederlands aandeel van het Europese totaal. Daarom wordt hier geen aandeel berekend.
Samen gelezen: het kanaal bestaat, één assistent domineert de verwijzingen die het oplevert en de volumes zijn nog klein naast traditioneel zoeken. Juist daarom is het waardevol om nu een nulmeting te doen — de antwoorden van deze systemen krijgen vorm terwijl het verkeer nog bescheiden is.
Data, kanttekeningen en bronnen
Elke editie publiceert het volledige datapakket: de tabel met statistieken met één regel per entiteit en uitsnede, het entiteitenwoordenboek met aliassen en merkrechtenherkomst, het beslislogboek, de lijst met afgevallen kandidaten en redenen, het gepubliceerde schaalregister, elke ranglijst en de variant met alleen merken, uitsplitsingen per model en vraagtype en de volledige lijst met aangehaalde domeinen. Elk cijfer uit elke editie kan uit die bestanden opnieuw worden berekend.
Drie kanttekeningen gelden voor elke editie:
45 vragen kunnen een kledingmarkt niet volledig afdekken. Ze bestrijken vragen over ontdekking, eigenschappen en gebruikssituaties en leggen relatief veel nadruk op kwaliteit, duurzaamheid, pasvorm en maatvoering, omdat Nederlandse consumenten daar vragen over stellen. Ze vormen geen steekproef van Nederlandse zoekvraag en er is geen weging toegepast om dat ervan te maken.
Eén verzamelperiode is een momentopname. Editie 1 werd op 11 september 2026 verzameld in een periode van ongeveer tweeënhalf uur. Assistenten veranderen hun antwoorden wanneer het web onder hen verandert.
Herkomst is gebaseerd op merkeigendom, en dat levert soms verrassingen op. Lokaal betekent dat het land van het merk Nederland is. België en Duitsland zijn Buitenlands, Benelux wordt niet als één regio samengevoegd en een .nl-domein, Nederlandstalige marketing of verkrijgbaarheid in Nederland maken een merk niet Nederlands.
Correctiebeleid
Correcties worden vastgelegd in plaats van stilzwijgend aangepast. In editie 1 zijn vóór publicatie drie fouten in de entiteitsherkenning gevonden en hersteld. Elk daarvan wordt in het hoofdstuk over methodologie beschreven, waaronder één fout die een gepubliceerde rangschikking veranderde.
Meldingen van fouten in een editie zijn welkom en worden vermeld wanneer ze tot een correctie leiden.
Veelgestelde vragen
Een maat van 0–100 die combineert hoe vaak een AI-assistent een merk noemt (45%), hoe vroeg in het antwoord het wordt genoemd (30%) en hoeveel van de vijf assistenten het überhaupt noemen (25%). De score wordt geschaald ten opzichte van de koploper binnen elke uitsnede en is daarom alleen vergelijkbaar binnen dezelfde uitsnede en editie.
In editie 1 voert Uniqlo de samengestelde score aan met 96,13. Kuyichi wordt in meer antwoorden genoemd — 219 van de 1.125 tegenover 202 voor Uniqlo — maar staat later in het antwoord. Welk merk je 'het zichtbaarst' noemt, hangt dus af van de vraag of je bedoelt: het vaakst genoemd of het eerst genoemd.
Nee. Dit is een ranglijst van de merken die AI-assistenten noemen. Er kon geen vrij toegankelijke ranglijst van kledingmerken naar Nederlandse verkoop of marktaandeel worden geverifieerd, wat een van de redenen voor deze reeks is — maar dit onderzoek vult dat gat niet op en mag niet worden gelezen alsof het dat wel doet.
Elk kwartaal. In elke editie worden dezelfde vragen aan dezelfde vijf assistenten gesteld, zodat vermeldingspercentage, positie en breedte door de tijd kunnen worden gevolgd. De samengestelde score kan niet tussen edities worden vergeleken, omdat de schaal meebeweegt met de koploper.
Omdat de assistenten ze noemen. Bij een vraag welke webshop snel terugbetaalt of waar je kleding kunt vinden die een kleermaker kan vermaken, is het antwoord een winkel en geen merk. Zalando staat derde in editie 1 en Vinted tiende. Voor lezers die alleen merken willen zien, verwijdert een aanvullende tabel de marktplaatsen op naam.
Nee. Niets in deze rapporten is gesponsord en geen enkele entiteit die in een editie wordt genoemd heeft het onderzoek besteld, vóór publicatie beoordeeld of voor plaatsing betaald. De vragen liggen vóór de gegevensverzameling vast en de entiteitenlijst ontstaat uit de antwoorden.
Over Herm.io & openbaarmaking
Herm.io publiceert elk kwartaal onderzoeken naar AI-zichtbaarheid die meten hoe taalmodellen echte consumentenvragen beantwoorden in specifieke markten en sectoren. Deze reeks is onafhankelijk onderzoek. Geen enkele entiteit die in een editie wordt genoemd heeft het onderzoek besteld, vóór publicatie beoordeeld of voor plaatsing betaald.
Methode, datapakketten en correcties worden volledig gepubliceerd, zodat ieder cijfer opnieuw kan worden berekend. Het eigen domein van de uitgever wordt in elke editie gecontroleerd in de gegevens over aangehaalde bronnen; in editie 1 kwam het voor in één van de 1.125 antwoorden en die verwijzing is uit de broncijfers verwijderd.
Auteur: Mert Can Elkaya · Reeks: Per kwartaal · Nieuwste editie: September 2026
Mert Can Elkaya
Bijdrager
Ik ben een productbouwer die werkt op het snijvlak van product, fintech en groei. Van martech en venture capital tot het leiden van product bij een proptech-platform en het medeoprichten van een fintech-startup: ik help teams — en shoppers — slimmere, zelfverzekerdere beslissingen nemen.
Meer van Mert