1.125 antwoorden, 5 modellen, 45 Nederlandse vragen: de momentopname die dient als nulmeting voor AI-zichtbaarheid in de Nederlandse mode- en kledingmarkt

Markt: Mode en kleding, Nederland
Methode: Een eenmalige momentopname van 1.125 antwoorden van vijf taalmodellen (Claude, Gemini, GPT, Perplexity en Grok), waaraan elk 45 Nederlandstalige vragen vijf keer zijn gesteld
Verzamelperiode: 11 september 2026

Kernbegrippen: AI-zichtbaarheid, AI-zichtbaarheidsscore, kledingmerken, modemerken, mode, kleding, duurzame mode, grote maten, lengtematen, Nederlandse kledingmerken, merkaanbevelingen door taalmodellen, merkaanbevelingen door ChatGPT/Gemini/Claude/Perplexity/Grok, Generative Engine Optimization (GEO).

Dit rapport gebruikt echte Nederlandstalige vragen die mensen aan AI-assistenten stellen over kleding. Het meet hoe vaak vijf taalmodellen elke entiteit noemen, op welke positie die voor het eerst wordt genoemd en door hoeveel modellen. Dezelfde vragen kunnen met of zonder beperking op herkomst worden bekeken, en een vraag over stofkwaliteit is niet hetzelfde als een vraag over welke merken bestaan. Daarom worden de entiteiten gerangschikt in zes afzonderlijke uitsneden, zoals gedefinieerd in hoofdstuk 2. Het onderzoek is een eenmalige momentopname en moet worden gelezen met inachtneming van de beperkingen in hoofdstuk 11.

Leeswijzer: zichtbaarheid is geen kwaliteit

Elk getal in dit rapport meet of een AI-assistent een entiteit noemt en hoe vroeg die vermelding komt. Het meet niet of het product goed is gemaakt, hoe lang het meegaat, of de prijs redelijk is of de aanbeveling juist was. Een merk kan zeer zichtbaar en middelmatig zijn, of uitstekend en onzichtbaar. De ranglijsten zijn uitsluitend een kaart van de vindbaarheid binnen een nieuw oriëntatiekanaal — niet meer dan dat.

1. Samenvatting

In één zin: De meest genoemde kledingentiteit in het Nederlandse onderzoek is een klein Nederlands denimmerk, maar Uniqlo voert de ranglijst aan omdat vroeg genoemd worden even zwaar meeweegt als vaak genoemd worden.

• De koploper en de meest genoemde entiteit zijn niet dezelfde. Uniqlo voert de algemene ranglijst aan met 96,13 en komt voor in 202 van de 1.125 antwoorden (17,96%). Kuyichi wordt genoemd in 219 antwoorden (19,47%) — meer dan welke andere entiteit in het onderzoek ook — en eindigt als tweede met 94,62, omdat Uniqlo eerder wordt genoemd wanneer het voorkomt (MRR 0,5531 tegenover 0,4596). Beide worden door alle vijf modellen genoemd. Het verschil tussen de eerste twee is 1,51 punt; tussen de tweede en derde plaats is dat 15,19 punten.
• 30 entiteiten voldeden aan de criteria voor de algemene ranglijst. Van de 720 entiteiten in het woordenboek kwamen er 659 in ten minste één antwoord voor en overschreden er 30 de drempelwaarde van 5% over alle 45 vragen: 12 Nederlands en 18 buitenlands. Vierentwintig van de dertig worden door alle vijf modellen genoemd.
• Herkomst hangt volledig af van welke vragen worden meegeteld. Bij de 33 herkomstneutrale vragen (825 antwoorden) zijn 8 van de 28 entiteiten die aan de criteria voldoen Nederlands en staan 3 Nederlandse merken in de top tien. 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 — als gevolg van de opzet van de vragen, niet als onderzoeksbevinding. De twee cijfers worden in dit rapport steeds samen weergegeven en geen van beide wordt afzonderlijk aangehaald.
• Positie kan zwaarder wegen dan bereik, en dat gebeurt hier twee keer. YOEK staat zevende in de algemene uitsnede met een vermeldingspercentage van 6,31% (71 van de 1.125), omdat het met een MRR van 0,5601 de hoogste positiewaarde in de algemene uitsnede heeft. Studio Anneloes staat vijfde met 8,71%. De samengestelde score werkt daarmee zoals bedoeld, maar de onderliggende cijfers moeten naast de score worden gelezen.
• De modellen verschillen enorm in hoeveel namen ze geven. Grok noemt gemiddeld 14,11 entiteiten per antwoord tegenover 3,65 bij Claude Haiku — bijna een factor vier bij dezelfde vragen. Ze verschillen ook van mening over de koploper: Claude en Perplexity noemen Kuyichi het vaakst, Gemini en GPT Uniqlo en Grok MUD Jeans.
• Het aandeel antwoorden waarbij het model het web raadpleegde loopt uiteen van 29,3% tot 100% van de 225 antwoorden per model. Claude, Perplexity en Grok raadpleegden bij ieder antwoord het web, GPT-5.6 bij 97,3% van zijn 225 antwoorden en Gemini bij 29,3% van zijn 225 — tegenover 85,3% over alle 1.125 antwoorden samen. De twee modellen die het web het minst gebruiken zijn niet de twee die de minste Nederlandse merken noemen, dus webgebruik verklaart de verschillen naar herkomst niet.
• 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%. De meest aangehaalde eigen merksite, kuyichi.com, komt voor in 100 antwoorden.
• Sommige vragen om Nederlandse merken werden helemaal niet met kleding beantwoord. Op vragen naar Nederlandse merken noemden de assistenten naast kledinglabels ook Unox, Hak, Zonnatura, Koopmans en Mora — Nederlandse voedingsmerken. Deze zijn ingedeeld als Buiten scope en staan in geen enkele ranglijst, maar vormen wel een bevinding over hoe de modellen de formulering interpreteren. Dat wordt besproken in hoofdstuk 8.

Waarom dit relevant is. Oriëntatie verschuift van zoekmachines en online marktplaatsen naar AI-assistenten, en kleding is voor die overgang een uitzonderlijk moeilijke categorie: pasvorm, stof en maatvoering zijn precies de dingen waar consumenten naar vragen, en geen daarvan is eenvoudig uit een productfeed af te leiden. Dat is terug te zien in de vragen van dit onderzoek — binnenbeenlengte 36, maat 46/48 met voldoende mouwlengte, jeans die niet openstaan bij de taille, een regenjas die er niet uitziet als een outdoorjas. Deze editie onderzoekt één afgebakende vraag: wanneer iemand een Nederlandstalige vraag aan een assistent stelt, welke namen komen dan terug en hoe vroeg worden ze genoemd? Dit is de eerste momentopname, de nulmeting. Er is dus geen eerdere editie om mee te vergelijken en nergens in dit rapport wordt zo’n vergelijking gesuggereerd. Nogmaals: de cijfers beschrijven zichtbaarheid en beschikbaarheid van informatie, niet welke kleding het beste is.

2. Methodologie

In één zin: Aan vijf taalmodellen zijn elk 45 Nederlandstalige vragen vijf keer gesteld zonder systeemprompt. Dat leverde 1.125 antwoorden op en alle 1.125 zijn onderzocht. Entiteiten zijn vastgesteld met aliasmatching en door mensen gecontroleerd onderzoek en vervolgens per uitsnede gerangschikt met een samengestelde score uit drie componenten (45/30/25), afzonderlijk berekend voor elk van de zes uitsneden.

2.1 Reikwijdte en modellen

In het onderzoek zijn vijf taalmodellen rechtstreeks via hun API bevraagd met identieke vragen. Alle modellen ontvingen uitsluitend de vraag van de gebruiker. Er werd geen systeemprompt gebruikt, de temperatuur werd niet handmatig ingesteld (de standaardinstelling van de aanbieder werd gebruikt) en er werd geen regio- of localeparameter opgegeven. Omdat de vragen in het Nederlands zijn gesteld, leiden de modellen de Nederlandse markt uitsluitend uit de taal af.

45 vragen × 5 modellen × 5 herhalingen leverden 1.125 verzamelde antwoorden op. Elke combinatie van vraag × model × herhaling komt precies één keer voor en geen enkel antwoord bevatte lege tekst. Daardoor zijn alle 1.125 antwoorden onderzocht en is de noemer per model exact 225. Noemers worden berekend per combinatie van (vraag, model), en niet simpelweg als vragen × modellen × herhalingen; in deze editie komt dat alleen op hetzelfde neer omdat het raster volledig is.

2.2 Webzoekfunctie en gebruik van het web

Geen enkel model kreeg de instructie om te zoeken. Of het model het web raadpleegde, werd volledig bepaald door het standaardgedrag van de aanbieder, en de verschillen zijn groot: bij 85,3% van alle 1.125 antwoorden raadpleegde het model het web, maar dat gemiddelde verhult Claude Haiku, Perplexity en Grok op 100%, GPT-5.6 op 97,3% en Gemini op 29,3%. Omdat het gebruik van het web sterk per model verschilt, net als de omvang van de antwoorden, telt breedte voor slechts 25% mee in de samengestelde score. Hoofdstuk 5 behandelt deze verschillen als een afzonderlijke bevinding.

2.3 Vragen en uitsneden

De vragen zijn geformuleerd zoals Nederlandse consumenten ze werkelijk stellen, inclusief spreektaal, Engelse leenwoorden, afkortingen en onvolmaakte grammatica. Geen enkele vraag is herschreven en geen enkele vraag is verwijderd omdat de antwoorden ongelegen waren: new_text is voor alle 45 vragen gelijk aan original_text, en elk citaat in dit rapport geeft de vraag weer zoals die werkelijk is gesteld, inclusief zinnen die met een kleine letter beginnen en ontbrekende leestekens. Alle 45 vragen staan in hoofdstuk 12 in het Nederlands.

Er worden zes uitsneden gepubliceerd. Deze editie bevat geen uitsnede voor trends, omdat er nog geen eerdere editie bestaat om een trend mee te vergelijken, en geen segmentuitsneden, om de reden die in hoofdstuk 7 wordt uitgelegd.

Elke vraag behoort tot precies één vraagtype en precies één herkomstcategorie. Daardoor draagt elk van de 45 vragen bij aan drie van de zes uitsneden: general, één van local/open en één vraagtype. Vraag 45 — “Ik wil een tijdloos pak voor bruiloften en af en toe werk, liefst van een Nederlands merk. Waar zou je kijken?” — is een local-vraag van het type Gebruikssituatie. De 25 antwoorden op deze vraag tellen mee in de noemers van general, local en use-case, en nergens anders.

De noemers sluiten op twee onafhankelijke manieren op elkaar aan: local (300) plus open (825) is gelijk aan general (1.125); en de drie uitsneden per vraagtype (375 + 375 + 375) tellen op tot 1.125. De aantallen antwoorden per entiteit kunnen op dezelfde manier worden opgesplitst.

2.4 Entiteiten herkennen

Kandidaten zijn uit de onderzochte antwoorden gehaald nadat doelen van markdownlinks, losse URL’s, domeinachtige ankerteksten en citatiemarkeringen waren verwijderd. Daardoor konden domeinen van bronnen het aantal merkvermeldingen niet kunstmatig verhogen. Dat is hier belangrijker dan het misschien klinkt: 100% van de antwoorden van Claude en Grok en 97% van die van GPT bevatten inline links, en de ankertekst is vaak een merknaam die naar een pagina van een niet-gerelateerde retailer verwijst.

2.957 kandidaten haalden de ondergrens van ≥3 antwoorden. 1.117 gingen door naar onderzoek met menselijke controle en de rest werd mechanisch verwijderd, telkens met een vastgelegde reden. Van de onderzochte regels kwamen er 266 terug als Non-brand. Het uiteindelijke woordenboek bevat 720 entiteiten met 785 aliassen — 642 Kern, 42 Verwant en 36 Buiten scope.

Drie extractiefouten zijn het vermelden waard, omdat ze elk door een controle zijn gevonden en niet door handmatig lezen:

1. Merken die alleen samen met een productnaam voorkomen. “Jack Wolfskin Tempest” bestond als kandidaat in 15 antwoorden; “Jack Wolfskin” bestond helemaal niet, omdat de extractor de langste reeks met hoofdletters vastlegde en nooit het kale merk. Happy Rainy Days en Rogelli gingen op dezelfde manier mis. Prefixvormen zijn aan de kandidaatgeneratie toegevoegd en 36 entiteiten zijn zo teruggevonden. De fout kwam aan het licht via de controle op aangehaalde domeinen, niet door inspectie.
2. Aliassen die botsen met gewone kledingtaal. Gap kwam in 29 antwoorden overeen met “waist gap”, Easy met “easy care” en Next met “next-day” en met de niet-gerelateerde entiteit The Next Closet. Alle drie zijn verwijderd nadat voorbeelden in context waren bekeken. Costco is daarnaast via een regel op tokenbegrenzing geblokkeerd zodat het niet aan COS kon worden gekoppeld.
3. Eén bedrijf onder twee regels in het woordenboek. Een controle op twee entiteiten die dezelfde geverifieerde website deelden vond elf splitsingen. G-Star RAW (38 antwoorden) en G-Star (36) zijn één merk; de unie komt uit op 68 antwoorden en voldoet in de algemene uitsnede aan de criteria, terwijl geen van beide helften dat afzonderlijk deed. De Bijenkorf en Bijenkorf, Zazou en Zazou Basic, Olaf Hussein en OLAF en nog zeven gevallen zijn op dezelfde manier samengevoegd. Samenvoegingen zijn unies van antwoordsets, nooit optelsommen, en MRR wordt opnieuw berekend op basis van de vroegste eerste vermelding van de samengevoegde aliassen.

Matching is gebaseerd op aliassen, Unicode-genormaliseerd, hoofdletterongevoelig, met verwijderde URL’s en verankerd op woordgrenzen. Onbeperkte substringmatching wordt niet gebruikt. Nederlandse samenstellingen worden alleen afgehandeld via een gecontroleerde regel voor merk plus productterm. Alle aliassen van zes tekens of minder zijn met voorbeelden in context gecontroleerd.

Twee entiteiten in het woordenboek kwamen met geen enkel antwoord overeen. Daarom staan er 659 entiteiten in de statistieken en 720 in het woordenboek. Beide zijn moedermerken van submerken — Fear of God en River Island — die de modellen nooit los noemen: in de antwoorden staat alleen “Fear of God Essentials” en “River Island Plus”. Ze worden gerapporteerd in plaats van verwijderd.

Submerken worden als afzonderlijke entiteiten gerangschikt, zoals in elke editie van deze reeks. In het datapakket wordt daarnaast een tweede volledige resolutie gepubliceerd waarin submerken onder hun moedermerk worden samengevoegd, als de _families-tabellen en op een eigen schaal. Het samenvoegen verandert weinig — een doorsnee moedermerk wint drie of vier antwoorden, omdat een submerk bijna altijd in hetzelfde antwoord als het moedermerk wordt genoemd — en de grootste verschuiving is Levi’s, van 105 naar 109 antwoorden. De twee resoluties staan op verschillende schalen en mogen niet met elkaar worden vergeleken.

2.5 De AI-zichtbaarheidsscore (0–100)

Per entiteit, per uitsnede:

mention_rate = responses / denom
mrr          = sum_rr / responses      (reciprocal of the first-mention rank)
breadth      = distinct models
qualified    = mention_rate >= 0.05 and not Out-of-scope

c_mention  = 100 * mention_rate / max_mention[cut]
c_position = 100 * mrr / max_mrr[cut]
c_breadth  = 100 * breadth / 5
ai_score   = 0.45*c_mention + 0.3*c_position + 0.25*c_breadth

Een entiteit wordt één keer per antwoord geteld, op de vroegste vermelding.

Uitgewerkt voorbeeld, algemene uitsnede. De schaal wordt uitsluitend vastgesteld op basis van entiteiten die aan de criteria voldoen: max_mention is 0,194667 van Kuyichi en max_mrr is 0,560095 van YOEK, over 1.125 antwoorden. Uniqlo heeft een vermeldingspercentage van 0,179556, een MRR van 0,553143 en een breedte van 5. Daardoor is c_mention = 100 × 0,179556 / 0,194667 = 92,24, c_position = 100 × 0,553143 / 0,560095 = 98,75, c_breadth = 100 en ai_score = 0,45 × 92,24 + 0,30 × 98,75 + 0,25 × 100 = 96,13. Dat is het getal in de tabel hieronder en het kan vanuit scale_registry.json worden gereproduceerd voor elk van de meer dan 2.700 regels in de hoofdstatistieken.

Componenten worden niet afgekapt op 100. Bij 91 regels van entiteiten die niet aan de criteria voldoen komt een component boven 100 uit, omdat de maxima uitsluitend worden bepaald door entiteiten die wel aan de criteria voldoen. Ze worden gepubliceerd zoals ze zijn.

2.6 Herkomst, neutraliteit en zelfuitsluiting

Herkomst is gebaseerd op merkeigendom. Lokaal betekent dat het land van het merk Nederland is. België en Duitsland zijn Buitenlands en Benelux wordt niet als één regio samengevoegd. Een .nl-domein, Nederlandstalige marketing, verkrijgbaarheid in Nederlandse winkels, een Nederlandse distributeur of een Nederlandse dochteronderneming maken een entiteit niet Nederlands. Voor elke onderzochte entiteit zijn zowel het land van het merk als het land van de exploitant vastgelegd, zodat de regel in een latere editie kan worden veranderd zonder het onderzoek opnieuw te doen. Het woordenboek bewaart ISO-landcodes; de tabellen in dit rapport gebruiken dezelfde codes en voegen ze alleen voor aandelen samen tot Nederlands/Buitenlands/Onbekend.

Bij 43 entiteiten is de herkomst van het merk niet vastgesteld. Ze blijven in het woordenboek en worden uit herkomstaandelen weggelaten in plaats van als Buitenlands te worden meegeteld. Geen ervan voldoet in een uitsnede aan de criteria, dus geen gepubliceerd aandeel wordt hierdoor beïnvloed.

Zelfuitsluiting. Het eigen domein van de uitgever is gecontroleerd in de gegevens over aangehaalde bronnen. herm.io komt voor in één van de 1.125 antwoorden en die ene verwijzing is uit de broncijfers en uit de gepubliceerde domeinlijst verwijderd. Geen ander domein van de uitgever komt voor.

2.7 Wat een volgende editie wel en niet kan vergelijken

Dit is editie 1. Een tweede editie kan mention_rate, mrr en breadth vergelijken voor elke entiteit die in beide edities voorkomt, omdat dit absolute metingen zijn ten opzichte van een vermelde noemer. ai_score kan niet tussen edities worden vergeleken, omdat de schaal wordt bepaald door de koploper van elke uitsnede en verandert zodra die koploper verandert. Als het vermeldingspercentage van Kuyichi daalt terwijl het merk koploper blijft, stijgt voor elke andere entiteit c_mention zonder dat er voor die entiteiten iets is veranderd.

Ook twee structurele zaken veranderen: deze editie heeft geen segmentuitsneden en editie 2 krijgt een subcategory die tijdens de gegevensverzameling wordt toegewezen; daarnaast begint het entiteitenwoordenboek dan vanuit deze versie in plaats van vanuit ontdekking, waardoor de controlefase korter wordt maar nieuwe toetreders mogelijk gemist kunnen worden. Beide punten staan hier zodat een lezer van editie 2 kan onderscheiden welke verschillen marktbeweging zijn en welke uit de methode voortkomen.

3. Algemene ranglijst voor AI-zichtbaarheid

In één zin: Dertig entiteiten voldoen aan de criteria, de bovenste twee liggen 1,51 punt uit elkaar en geven een verschillend antwoord op de vraag wie het zichtbaarst is, en vierentwintig van de dertig worden door alle vijf modellen genoemd.

3.1 Algemene ranglijst: 30 entiteiten die aan de criteria voldoen

Lezing. Uniqlo voert de tabel aan met 96,13 en Kuyichi volgt met 94,62, maar de twee scores leggen verschillende accenten vast: Kuyichi wordt in 17 meer antwoorden genoemd, Uniqlo staat eerder in de antwoorden waarin het voorkomt. Daaronder is Zalando (79,43) de hoogst geplaatste pure retailer en daarna vlakt de ranglijst af — van de vierde tot en met de dertigste plaats liggen 27 punten over 27 entiteiten.

De samenstelling is het vermelden waard. Tien van de dertig zijn entiteiten van het type Brand+Retailer die onder hun eigen naam ontwerpen en verkopen, vier zijn pure retailers, één is een online marktplaats en de overige vijftien zijn merken die via anderen verkopen. In een markt waarin veel grote namen eigen winkels exploiteren zou een harde scheiding tussen “merk” en “retailer” het grootste deel van de ranglijst verkeerd beschrijven.

3.2 Dezelfde uitsnede, gerangschikt naar vermeldingspercentage

De herschikking laat zien wat de positiecomponent doet. Kuyichi komt op basis van volume op de eerste plaats. Arket stijgt en YOEK verdwijnt volledig uit de top tien — YOEK wordt in 71 antwoorden genoemd maar bijna altijd als eerste, terwijl Arket in 122 antwoorden wordt genoemd en meestal later. Beide voldoen aan de criteria, maar ze beschrijven iets anders: de ene naam verschijnt als het antwoord, de andere als een naam in de lijst.

3.3 Uitsnede met alleen merken en retailers (online marktplaatsen verwijderd)

Eén van de dertig entiteiten die aan de criteria voldoen is een online marktplaats: Vinted op nummer 10. Die blijft in de hoofdranglijst staan omdat dit is hoe consumenten het tweedehandsaanbod tegenkomen, maar zonder Vinted ontstaat een beeld met alleen merken en retailers:

De bestanden met alleen merken verwijderen uitsluitend online marktplaatsen op naam; op de onderliggende entiteitenlijst van de algemene ranglijst staan er veertien. Retailers met eigen labels en verticaal geïntegreerde retailers — Zalando, Wehkamp, De Bijenkorf, HEMA en Zeeman — blijven in elke tabel staan. Als die ook zouden worden verwijderd, verdwijnt een groot deel van hoe Nederlandse consumenten daadwerkelijk kleding kopen.

3.4 Boven de drempelwaarde, maar niet in de ranglijst

Eén entiteit overschrijdt in een uitsnede de drempelwaarde van 5% en wordt toch niet gerangschikt: Coolblue, met 5,33% in de uitsnede Productkenmerk (20 van de 375 antwoorden). Het is ingedeeld als Buiten scope — een elektronicaretailer die modellen noemden bij vragen over retouren en de snelheid van terugbetalingen, niet over kleding. De entiteit wordt gevolgd, is uitgesloten van elke ranglijst en elk herkomstaandeel en staat hier expliciet vermeld zodat de uitsluiting zichtbaar en niet stilzwijgend is.

3.5 Onder de drempelwaarde

Zes entiteiten uit de categorie Kern zitten binnen twaalf antwoorden van de drempelwaarde in de algemene uitsnede: Massimo Dutti (55 van de 1.125, 4,89%), MS Mode (51, 4,53%), Filippa K (49, 4,36%), WE Fashion (48, 4,27%), Girav (46, 4,09%) en Joe Merino (45, 4,00%). Drie van de zes zijn Nederlands. Girav is hier het opvallendste geval: met een MRR van 0,6775 zou het merk de hoogste positiewaarde in de algemene uitsnede hebben als het aan de criteria voldeed. In de local-uitsnede staat het tweede, omdat de noemer daar kleiner is en 29 antwoorden voldoende zijn om de drempel te halen.

4. Herkomst: het beperkte en herkomstneutrale aanbod

In één zin: Nederlandse merken bezetten 3 plaatsen in de top tien wanneer de vraag niet om een Nederlands merk vraagt en 10 van de 10 wanneer dat wel gebeurt, en alleen het eerste van die twee cijfers is een bevinding.

4.1 Het herkomstneutrale aanbod (33 vragen, 825 antwoorden)

Dit is de uitsnede waarop de bevinding over herkomst rust, omdat niets in deze 33 vragen om een Nederlands antwoord vraagt. Uniqlo voert de lijst aan met 96,37 op 201 van de 825 antwoorden, gevolgd door Zalando, COS en H&M — drie buitenlandse entiteiten en één buitenlandse retailer voordat de eerste Nederlandse naam verschijnt. Studio Anneloes is op de vijfde plaats de hoogst geplaatste Nederlandse entiteit, met 55 antwoorden en een MRR van 0,6295, de hoogste positiewaarde in deze uitsnede.

Acht van de 28 entiteiten die aan de criteria voldoen zijn Nederlands. Nederlandse merken bezetten drie plaatsen in de top tien. Voor een markt van deze omvang tegenover Zweedse, Japanse, Spaanse en Amerikaanse concurrentie is dat een wezenlijke aanwezigheid, maar wel een minderheid. Dit is het cijfer om aan te halen wanneer de vraag is hoe Nederlandse kledingmerken het doen in AI-antwoorden.

4.2 Het beperkte aanbod (12 vragen, 300 antwoorden)

Hier voert Kuyichi de lijst aan met 88,38 op 124 van de 300 antwoorden — een vermeldingspercentage van 41,33%, het hoogste in het hele onderzoek — en is de volledige top tien Nederlands. Dat is geen bevinding. Deze twaalf vragen vragen om Nederlandse merken, dus Nederlandse merken beantwoorden ze. De uitsnede wordt gepubliceerd omdat die laat zien welke Nederlandse namen de assistenten kiezen wanneer ze daartoe worden aangezet. Dat is niet dezelfde verzameling als op het herkomstneutrale aanbod: Girav, Joe Merino en MS Mode voldoen hier wel aan de criteria en nergens anders.

Drie buitenlandse entiteiten voldoen ondanks de beperking toch aan de criteria in deze uitsnede. Ze worden genoemd in antwoorden op vragen die om Nederlandse merken vroegen, wat op zichzelf al het vermelden waard is.

4.3 De twee samen lezen

De verdeling 12/33 is zelf een beperking. Het beperkte aanbod rust op 300 antwoorden tegenover 825 bij het herkomstneutrale aanbod. Daardoor is de bewijsbasis per naam dunner, en betekent de drempelwaarde van 5% daar 15 antwoorden tegenover 57 in de algemene uitsnede. Elke uitspraak over Nederlandse zichtbaarheid in dit rapport geeft daarom beide cijfers en het aantal vragen achter elk cijfer. Elke versie van “hoe zichtbaar zijn Nederlandse kledingmerken in AI-antwoorden” die maar één getal noemt, kiest feitelijk welke van de twee moet worden gerapporteerd.

5. Verschillen tussen modellen

In één zin: De vijf modellen zijn het in grote lijnen eens over welke namen op het aanbod thuishoren en verschillen bijna volledig van mening over hoeveel namen ze moeten geven — Grok noemt er bijna vier keer zoveel als Claude.

5.1 Gedrag per model

De spreiding is hier het verhaal. Grok noemt gemiddeld 14,11 entiteiten per antwoord en Claude Haiku 3,65. Bij dezelfde 45 vragen, even vaak gesteld, levert het ene model een lange lijst op en het andere een korte aanbeveling. Geen van beide is per definitie fout, en de samengestelde score beperkt bewust hoeveel dit de rangschikking kan vervormen — breedte telt verschillende modellen en geen vermeldingen, zodat een model dat veertig merken noemt geen enkel merk met meer dan één antwoord kan opblazen.

5.2 Webgebruik: één model zocht nauwelijks

Gemini raadpleegde bij 29,3% van zijn antwoorden het web. Claude, Perplexity en Grok deden dat bij 100% en GPT-5.6 bij 97,3%. Dit is de grootste spreiding in webgebruik die in deze reeks tot nu toe is gemeten. Dat betekent dat ongeveer zeven op de tien Gemini-antwoorden over Nederlandse kleding uitsluitend uit trainingsdata zijn gegenereerd.

Een voor de hand liggende interpretatie zou zijn dat antwoorden zonder webgebruik vaker grote internationale merken noemen, omdat die sterker in trainingsdata vertegenwoordigd zijn, terwijl antwoorden met webgebruik meer Nederlandse namen uit het actuele web zouden moeten ophalen. De gegevens ondersteunen dat niet. Het Nederlandse aandeel van de vermeldingen bij Gemini is 37,5%; bij Grok, met 100% webgebruik, 36,7%. De twee modellen met het hoogste Nederlandse aandeel zijn Perplexity (49,2%) en Claude (48,2%). Het ene raadpleegt altijd het web en geen van beide is een uitschieter in antwoordbreedte. Wat de herkomstmix ook aandrijft, het is niet simpelweg of het model heeft gezocht.

5.3 De meest genoemde entiteiten per model

Drie verschillende koplopers over vijf modellen. Claude en Perplexity hebben Kuyichi bovenaan, Gemini en GPT Uniqlo en Grok MUD Jeans. Het Nederlandse cluster rond duurzame denim — Kuyichi, MUD Jeans en Kings of Indigo — is bij elk model sterk aanwezig; de internationale high-streetnamen zijn het sterkst bij de twee modellen die het web het minst gebruiken en de meeste namen geven.

5.4 Wanneer een positie vooral de gewoonte van één model is

Vierentwintig van de dertig entiteiten die in de algemene uitsnede aan de criteria voldoen worden door alle vijf modellen genoemd, en de overige zes door vier. Geen enkele positie in de algemene ranglijst van deze editie rust op minder dan vier modellen. In de kleinere uitsneden is dat anders:

De positie van Suitable bij vragen over productkenmerken is de gewoonte van één model. Het voldoet aan de criteria op basis van 19 antwoorden van één assistent; de andere vier noemen het in geen enkel antwoord op een vraag over productkenmerken. Elk van deze zeven gevallen wordt gepubliceerd met de kolom voor breedte intact in plaats van stilzwijgend verwijderd, en elk rust op ten minste 15 antwoorden. Róhe komt twee keer voor en is daarmee het duidelijkste voorbeeld in deze editie van een entiteit die voor een deel van het panel zichtbaar is en voor de rest niet.

6. Eigenaarschap per vraagtype

In één zin: Ontdekkingsvragen leveren bijna twee keer zoveel entiteiten op die aan de criteria voldoen als de andere twee typen, en het Nederlandse aandeel verschuift vijftien procentpunt afhankelijk van wat er wordt gevraagd.

Ontdekkingsvragen trekken het aanbod open. Bij vragen als “wat zijn goede Nederlandse kledingmerken?” of “welke kledingmerken zijn nu populair bij twintigers en dertigers?” gaan de modellen opsommen. In 375 antwoorden op ontdekkingsvragen verschijnen 410 verschillende entiteiten en 48 daarvan halen de drempelwaarde — maar dat is deels rekenkunde, omdat de drempel een percentage is en deze uitsnede maar een derde zo groot is als de algemene. distinct_entities wordt daarom nergens in dit rapport tussen uitsneden van verschillende omvang vergeleken.

Het Nederlandse aandeel verschuift met het vraagtype, en niet in de voor de hand liggende richting. Nederlandse entiteiten vormen 48,3% van de entiteiten die bij gebruikssituaties aan de criteria voldoen, 43,8% bij ontdekking en 35,7% bij productkenmerken. Vragen over productkenmerken — duurzame jeans, katoen dat niet krimpt, wol die niet pilt — trekken naar internationale namen met een gevestigde reputatie rond materialen. Vragen over gebruikssituaties — een trouwjurk in maat 46/48, een broek met binnenbeenlengte 36, een regenjas voor woon-werkverkeer — trekken naar Nederlandse specialisten. De assistenten lijken “wie maakt goede stof” en “wie past bij mijn lichaam in dit land” als verschillende vragen te behandelen.

Drie verschillende koplopers. Uniqlo voert Ontdekking aan, Kuyichi Productkenmerk en Studio Anneloes Gebruikssituatie. Studio Anneloes staat in geen enkele andere uitsnede bovenaan.

7. Waarom deze editie geen segmentuitsneden heeft

In één zin: Deze editie publiceert geen productsegmenten, omdat er geen eerlijke driedeling van de vragenreeks bestaat en dat expliciet zeggen beter is dan een willekeurige indeling publiceren.

Eerdere edities in deze reeks rangschikken entiteiten zowel algemeen als binnen productsegmenten. Deze editie doet dat niet, en de reden ligt in de vragenreeks en niet in de gegevens.

De export met vragen bevat geen subcategory. Als achteraf een indeling wordt gemaakt, ontstaan vanzelf vier groepen in plaats van drie: kwaliteit en materialen, pasvorm en maatvoering, gelegenheid en gebruik, en webshopservice. Die vierde groep bevat slechts vier vragen. Drie vragen hebben helemaal geen productinhoud: “waar koop je tegenwoordig nog kleding van écht goede kwaliteit?” vraagt in algemene zin naar kwaliteit. Ongeveer acht vragen liggen tegelijk op twee assen: vraag 32 vraagt om een feestelijke jurk en noemt maat 46/48. Dat is in dezelfde zin zowel een gelegenheidsvraag als een maatvraag.

Een driedeling kan worden afgedwongen met een voorrangsregel — eerst maatbeperking, dan gelegenheid, dan de rest — en levert dan groepen van 13, 8 en 24 vragen op. Het segment van acht vragen ligt precies op de ondergrens waaronder deze reeks een segment alleen als indicatief behandelt, en de groep van 24 vragen is een restcategorie in plaats van een inhoudelijk segment.

Zo’n ranglijst publiceren zou betekenen dat de samenstelling van een segment wordt bepaald door een beslisregel die pas is bedacht nadat de antwoorden al waren verzameld. Productcategorie en doelgroep zijn daarom vastgelegd als eigenschappen van het entiteitenwoordenboek. Ze beschrijven wat een merk verkoopt, niet wat een vraag vroeg. Het zijn geen gemeten uitsneden en geen enkele ranglijst in dit rapport is erop gebaseerd.

Vanaf editie 2 worden segmenten tijdens de gegevensverzameling toegewezen. Dat is het enige moment waarop die indeling zonder terugwerkende kracht kan worden gemaakt.

8. Online marktplaatsen, retailers en het aanbod buiten scope

In één zin: De assistenten beantwoorden Nederlandse kledingvragen net zo gemakkelijk met winkels als met merken, en wanneer om “Nederlandse merken” wordt gevraagd antwoorden sommige modellen met soep.

8.1 Retailers en online marktplaatsen worden gerangschikt

Vier pure retailers en één online marktplaats voldoen in de algemene uitsnede aan de criteria, en daarnaast zijn nog tien entiteiten van het type Brand+Retailer. Ze worden gerangschikt omdat dit is wat de assistenten daadwerkelijk noemen: bij een vraag waar je een broek kunt vinden die een kleermaker kan vermaken, of welke webshop snel terugbetaalt, is het antwoord een winkel.

Wehkamp (86 antwoorden), Vinted (83) en De Bijenkorf (62) voldoen aan de criteria. Marktplaats (30), Project Cece (28), HEMA (27), Decathlon (25) en Vestiaire Collective (19) niet. Het tweedehandsaanbod is opvallend zichtbaar voor een kledingonderzoek: Vinted staat tiende in de algemene ranglijst en ook Project Cece, Sellpy, United Wardrobe, Depop en IJ-Hallen verschijnen. Dat is een rechtstreeks gevolg van vragen over tweedehands kleding en over kleding die lang meegaat.

8.2 Entiteiten die de verkeerde vraag beantwoorden

36 entiteiten zijn ingedeeld als Buiten scope en verschijnen in geen enkele ranglijst en geen enkel herkomstaandeel. Ze vallen in drie groepen, waarvan de tweede meer is dan classificatiewerk en op zichzelf een bevinding vormt.

Niet-modemerken die terugkomen bij vragen om Nederlandse merken. Op “wat zijn goede Nederlandse kledingmerken?” en “ik koop liever iets van een Nederlands merk dan van een grote internationale keten” noemden de assistenten naast kledinglabels ook Unox, Hak, Zonnatura, Koopmans en Mora — Nederlandse voedingsmerken — samen met Philips, Miele, Bosch, IKEA, Jumbo en Fairphone. De modellen lijken hier soms de vraag “welke merken zijn Nederlands” te beantwoorden in plaats van “welke kledingmerken zijn Nederlands”, waarbij de bekendere vraag de moeilijkere vervangt. Het gebeurt niet vaak genoeg om een ranglijst te vertekenen en geen van deze entiteiten haalt in een uitsnede 5%, maar het is een specifieke en reproduceerbare foutmodus op precies de vragen die voor deze markt belangrijk zijn.

Dienstverleners en platformmerken. Coolblue, PostNL, Klarna, PayPal, Riverty en AfterPay verschijnen in antwoorden over retouren, bezorging en terugbetalingen. Coolblue is de enige die ergens de drempelwaarde van 5% overschrijdt.

Uitgevers en certificeringen. ELLE is het instructieve geval. Uit het entiteitenonderzoek kwam ELLE aanvankelijk terug als kledingmerk, wat verdedigbaar is — er bestaan gelicentieerde ELLE-kledinglijnen — maar elle.com wordt in 106 antwoorden aangehaald als tijdschrift. Het als eigen merksite meetellen zou die broncategorie met een vijfde hebben opgeblazen. Na de bronnencontrole is ELLE daarom opnieuw ingedeeld als Buiten scope. GOTS, OEKO-TEX, Fair Wear en Tencel zijn vóór het onderzoek verwijderd als certificeringen en ingrediëntmerken.

9. Het bronnenecosysteem

In één zin: Een forum is het meest aangehaalde domein in het onderzoek, redactionele bronnen staan boven eigen merksites en het verschil tussen aangehaald worden en genoemd worden is groot genoeg om zelf een bevinding te zijn.

Reddit staat bovenaan en geen enkele merksite komt in de buurt. reddit.com wordt aangehaald in 159 van de 1.125 antwoorden. De volgende vier zijn whensarasmiles.nl (107), elle.com (106), kuyichi.com (100) en cosmopolitan.com (81). De meest aangehaalde eigen merksite in een onderzoek naar kledingmerken is de eigen site van een Nederlands denimmerk, en die verschijnt in minder dan één op de tien antwoorden.

Retailers leveren de meeste bronverwijzingen, redactionele bronnen staan tweede. Retailerdomeinen zijn goed voor 30,89% over 230 domeinen en redactionele bronnen voor 21,49% over 177 domeinen, tegenover 17,13% voor eigen merksites. Wat een assistent over een Nederlands kledingmerk zegt, wordt dus voor het grootste deel samengesteld uit wat retailers en tijdschriften erover schreven, en niet uit wat het merk zelf publiceerde.

Aangehaald worden en genoemd worden zijn verschillende metingen. houseofeinstein.nl wordt in 43 antwoorden aangehaald; House of Einstein wordt in 2 antwoorden genoemd. hetbroekenhuis.nl wordt in 34 antwoorden aangehaald en Het Broekenhuis in 1 genoemd. overhemden.com wordt in 42 antwoorden aangehaald en in geen enkel antwoord als entiteit genoemd. Een domein kan de informatie achter een antwoord leveren zonder dat de organisatie erachter in het antwoord zelf voorkomt, en dit rapport meet dat tweede. Dit is ook waarom de controle via aangehaalde domeinen bestaat: die controleert of geen vaak aangehaald commercieel domein een woordenboekvermelding mist. In deze editie vond die geen ontbrekende gerangschikte entiteit, maar wel de extractiefout uit hoofdstuk 2.4.

“Overig” vormt 25,46% van de bronverwijzingen en dat is hoger dan deze reeks wenselijk vindt. Het gaat om 721 domeinen, bijna allemaal slechts één of twee keer aangehaald. De classifier is vóór publicatie twee keer verbeterd, maar niet verder afgesteld totdat het percentage er acceptabel uitzag. Het cijfer wordt gepubliceerd zoals het is.

10. Wat de patronen suggereren

In één zin: Uit deze gegevens zijn vijf lezingen mogelijk, en bij elk daarvan staat ook iets in de data dat de andere kant op wijst.

Nederlandse duurzame denim is het zichtbaarste Nederlandse cluster. Kuyichi, MUD Jeans en Kings of Indigo voldoen alle drie aan de criteria in de algemene uitsnede, en Kuyichi is de meest genoemde entiteit in het onderzoek. Lezing: een kleine groep Nederlandse merken met een helder, goed gedocumenteerd duurzaamheidsverhaal heeft een zichtbaarheid bereikt die groter is dan hun fysieke winkelbereik zou doen vermoeden. Daar staat tegenover dat drie van de vier best gedekte Nederlandse namen in dezelfde smalle niche zitten en dat in de herkomstneutrale uitsnede de eerste Nederlandse entiteit pas vijfde staat. Diepte in één verhaal is nog geen breedte in een markt.

Positie en bereik meten verschillende dingen, en deze markt trekt ze scherp uit elkaar. YOEK wordt genoemd in 71 van de 1.125 antwoorden (6,31%) en heeft de hoogste positiewaarde; Arket wordt genoemd in 122 van de 1.125 (10,84%) en staat elfde. Lezing: assistenten hebben zowel een aanbod met “eerste antwoorden” als een aanbod met “ook te overwegen” namen, en die worden door verschillende merken gevuld. Daar staat tegenover dat de samengestelde score positie bewust voor 30% beloont. Een deel van die scheiding komt dus uit het meetinstrument en niet uit de markt. Daarom geeft elke tabel naast de score ook vermeldingspercentage en MRR weer.

Het aanbod bestaat evenzeer uit retail als uit merken. Zalando staat derde algemeen, Vinted tiende en tweedehandsplatforms komen overal terug. Lezing: bij Nederlandse kledingvragen sturen assistenten de oriëntatie vaker naar waar iemand kan kopen dan naar wat iemand moet kopen, sterker dan een onderzoek met alleen merken zou doen vermoeden. Daar staat tegenover dat verschillende vragen expliciet over webshops, retouren en tweedehands gaan. De vragenreeks nodigt dit antwoord dus zelf uit.

Vragen over pasvorm en maatvoering halen specialisten naar voren. De uitsnede Gebruikssituatie heeft met 48,3% het hoogste Nederlandse aandeel van de entiteiten die aan de criteria voldoen, en namen als Girav, Joe Merino, MS Mode en Zizzi verschijnen bij vragen over lange maten, grote maten en specifieke lengtematen. Lezing: lokale specialisten winnen waar kennis over lichaamsmaten belangrijk is, precies het moeilijkste voor een internationale productfeed om goed te beantwoorden. Daar staat tegenover dat dit uitsneden zijn met kleinere noemers en dunnere kwalificaties, en dat twee van de zeven rangschikkingen die op één of twee modellen rusten hier voorkomen.

Geen enkel eigen merkdomein doet het grootste deel van het werk. Eigen merksites leveren 17,13% van de bronverwijzingen, terwijl retailers, redactionele bronnen en forums samen 55,24% leveren. Lezing: merken hebben minder controle over wat een assistent over hen zegt dan de vloeiende formulering van zo’n assistent doet vermoeden. Daar staat tegenover dat aandeel in bronverwijzingen geen aandeel in invloed is — dit onderzoek legt vast welke domeinen een model citeert, niet welke bronnen het antwoord inhoudelijk hebben gevormd, en 29,3% van de antwoorden van één model bevatte helemaal geen bronverwijzing.

Uit geen van deze patronen volgen aanbevelingen. Dit is een meting, geen strategiedocument.

11. Beperkingen en opmerkingen

Eén verzamelperiode. De 1.125 antwoorden zijn op 11 september 2026 tussen 10:07 en 12:38 UTC verzameld en alle 1.125 zijn onderzocht. Dit is een momentopname, geen trend. Het is de eerste editie van deze reeks, dus er bestaat geen vergelijking tussen edities en nergens wordt zo’n vergelijking gesuggereerd.

Miss Etam is een grensgeval voor de herkomstregel. De Nederlandse keten werd in 1923 in Amsterdam opgericht en introduceerde de naam Miss Etam in 1974, maar de ETAM-stam komt van een Duits bedrijf uit 1916 dat tegenwoordig voortbestaat als de Franse Etam Groupe. Volgens de vastgelegde regel op basis van merkeigendom is Miss Etam Nederlands en wordt het zo gepubliceerd, met middelhoge zekerheid. Een lezer die de naam als buitenlands beschouwt, beschrijft de afkomst van de merkfamilie en niet het Nederlandse merkrecht. Miss Etam voldoet niet aan de criteria in de algemene uitsnede, dus geen kerncijfer hangt van deze classificatie af.

Eén merk staat alleen in het woordenboek omdat een submerk ernaar wees. Rogelli werd in geen enkel antwoord los genoemd — in de antwoorden staat “Rogelli Commuter Core Regenjas” — en kwam als gepromoveerd moedermerk in het woordenboek terecht met het onderzoek van het submerk. Fear of God en River Island hebben dezelfde vorm en kwamen met geen enkel antwoord overeen. Wanneer een markt lijnen noemt in plaats van moedermerken, zal deze reeks het moedermerk onderschatten.

Zeven entiteiten die aan de criteria voldoen rusten op minder dan drie modellen, volledig opgesomd in hoofdstuk 5.4. Eén daarvan — Suitable in de uitsnede Productkenmerk — rust op één enkel model. Hun zichtbaarheid is modelspecifiek en niet marktbreed. Elk geval wordt gepubliceerd met de kolom voor breedte intact.

Geen segmentuitsneden. Dit wordt uitgelegd in hoofdstuk 7. Het is de belangrijkste structurele beperking van deze editie en een beperking van het ontwerp van de vragenreeks, niet van de gegevens.

De uitsnede voor Nederlandse merken is dun. Twaalf vragen en 300 antwoorden tegenover 33 vragen en 825 antwoorden aan de herkomstneutrale kant. Elke uitspraak over herkomst in dit rapport draagt beide cijfers, en in de beperkte uitsnede ligt de drempelwaarde van 5% op 15 antwoorden.

In kleinere uitsneden voldoen meer entiteiten aan de criteria. De uitsnede Ontdekking met 375 antwoorden telt 48 entiteiten die aan de criteria voldoen tegenover 30 in de algemene uitsnede met 1.125 antwoorden, omdat de drempel een percentage is. Dat is rekenkunde.

43 entiteiten hebben een onbekende herkomst van het merkrecht. Ze worden uit herkomstaandelen weggelaten in plaats van als Buitenlands meegeteld. Geen ervan voldoet in een uitsnede aan de criteria, dus geen gepubliceerd aandeel wordt hierdoor beïnvloed.

Drie extractiefouten zijn vóór publicatie gevonden en hersteld, zoals beschreven in hoofdstuk 2.4: merken die alleen samen met een productnaam voorkomen, aliassen die botsen met gewone Nederlandse kledingtaal en elf gevallen waarin één bedrijf onder twee regels in het woordenboek stond. De derde fout veranderde een gepubliceerd cijfer — G-Star RAW voldoet pas in de algemene uitsnede aan de criteria nadat de twee helften zijn samengevoegd. Alle drie zijn door geautomatiseerde controles gevonden en niet door het eindresultaat te lezen. Dat is precies het argument om die controles uit te voeren.

De lange staart is niet kandidaat voor kandidaat onderzocht. 905 kandidaten die in drie of vier van de 1.125 antwoorden voorkwamen zijn op bewijssterkte ingedeeld; de 387 met het sterkste bewijs dat het om een eigennaam ging zijn onderzocht en de rest is met reden verwijderd. Geen ervan kon in een uitsnede aan de criteria voldoen, omdat 5% van de kleinste uitsnede 15 antwoorden is. Het gemeten succespercentage van de bandregel was 64% voor de sterke band tegenover 58% voor de middelste band. Dat verschil is kleiner dan de regel veronderstelt en is de reden dat beide banden zijn onderzocht in plaats van alleen de eerste.

“Overig” is goed voor een kwart van de bronverwijzingen. 25,46%, verdeeld over 722 domeinen die meestal maar één keer worden aangehaald. De classifier is verbeterd, maar niet afgesteld met als doel onder een vooraf gekozen grens uit te komen.

De vragenreeks ligt vast en is onvolledig. 45 vragen kunnen een kledingmarkt niet afdekken. Ze zijn opgesteld om ontdekking, productkenmerken en gebruikssituaties te bestrijken 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. Een merk dat sterk is in een categorie die de vragenreeks maar beperkt raakt — schoenen, accessoires of kinderkleding — zal hier ondervertegenwoordigd zijn.

Vergelijk geschaalde scores nooit tussen uitsneden of edities. Een score van 100 in de ene uitsnede staat voor een ander absoluut zichtbaarheidsniveau dan 100 in een andere, omdat de schaal verschuift wanneer de koploper verschuift. Voor vergelijkingen tussen edities moeten mention_rate, mrr en breadth worden gebruikt.

Veelgestelde vragen

12. Bijlage & data

12.1 Alle 45 vragen, zoals gesteld

De vragen worden exact weergegeven zoals ze zijn verzameld, inclusief zinnen die met een kleine letter beginnen, ontbrekende leestekens en Engelse leenwoorden. Elke entiteitsmatch en elke ranglijst is berekend op de Nederlandstalige tekst.

12.2 Alle gevolgde entiteiten (720)