AI Shopping herschikt de zoekresultaten niet. Het kiest andere winnaars.

Stel: je verkoopt exact hetzelfde product als vijf concurrenten. Je hebt de laagste prijs. Je productfeed klopt. Je staat prominent in Google’s traditionele Shopping-resultaten. Mooi.

Dan open je AI Mode. Je product is weg. Of het product staat er wel, maar een duurdere concurrent wordt als verkoper getoond.

Dat is ongeveer wat Productrise in augustus 2026 op grote schaal zag gebeuren. En dat is veel interessanter dan simpelweg “AI Mode heeft minder blauwe links”.

Twee miljoen listings later

Productrise volgde van 9 tot 31 augustus 2026 meer dan 2 miljoen product listings en meer dan 100.000 SERPs en AI Mode-responses, op dezelfde productgerichte queries, op dezelfde dag, in de Verenigde Staten en het Verenigd Koninkrijk. Vervolgens matchten ze producten met Google’s product identifiers.

De belangrijkste bevinding: wanneer exact hetzelfde product op beide surfaces verscheen, was de eerste prijs in AI Mode gemiddeld 21,6% hoger.

Dat is al opvallend. Maar ik vind een ander cijfer veel belangrijker.

Slechts 1,28% overlap

Van de producten die in traditionele Search verschenen, kwam gemiddeld slechts 1,28% op dezelfde query en dag ook terug in AI Mode.

Dat is geen subtiele reranking. Dat is een gigantische compressie van de consideration set.

Het wordt nog interessanter bij de verkoper

Wanneer hetzelfde product op beide surfaces verscheen, was de eerste verkoper in 49,6% van de gevallen verschillend. Exact hetzelfde product. Dezelfde dag. Dezelfde zoekopdracht. Een andere winkel bovenaan.

Dat is belangrijk omdat Google’s gewone Shopping-omgeving historisch veel nadruk legt op prijs, beschikbaarheid, feedkwaliteit en seller information. AI Mode lijkt dezelfde onderliggende commerciële database anders te gebruiken.

Google zegt zelf dat AI-shopping wordt aangedreven door zijn Shopping Graph, die inmiddels meer dan 60 miljard product listings bevat, en verwerkt bovendien miljarden updates per uur.

Het magazijn kan hetzelfde zijn. De winkelmedewerker kiest andere spullen uit het magazijn.

Betekent dit dat Google AI Mode expres duurdere producten kiest?

Nee. Dat kunnen we op basis van deze studie niet zeggen. Productrise toont correlatie in de getoonde resultaten, niet de exacte rankingfunctie. We weten niet welke factoren de verschillen veroorzaken.

Mogelijke verklaringen zijn product relevance, reviews, seller quality, product attributes, beschikbaarheid, shipping, personalisatie, query context, productvariantmatching en feed freshness. Maar dat zijn hypotheses.

Google heeft de cijfers van Productrise bovendien niet onafhankelijk bevestigd, en benadrukt dat beide experiences dezelfde Shopping Graph gebruiken. Dat maakt het onderzoek niet waardeloos. Het betekent alleen: niet meer claimen dan de data laat zien. Een verrassend revolutionair idee voor marketing.

De methodology caveat is belangrijk

Productrise verkoopt software waarmee merken productvisibility kunnen volgen. Ze hebben dus een commercieel belang bij het onderwerp. Dat hoeft onderzoek niet fout te maken. Maar je moet het zeggen.

Verder liep het onderzoek 23 dagen, alleen in de VS en het VK, kwamen de queries uit de productwereld die Productrise volgt, betekende traditionele Search specifiek de gratis Popular Products-module, en mat het onderzoek zichtbaarheid, niet aankopen.

De methodologie is echter uitgebreid gepubliceerd en de resultaten zijn reproduceerbaar. Voor mij maakt dat het een sterk signaal. Nog geen universele rankingwet.

Wat betekent dit voor e-commerce SEO?

De grote verandering is consideration-set compression. In traditionele Search kun je nummer 14 zijn en nog steeds zichtbaar worden wanneer iemand scrolt of een productmodule opent. Als AI Mode maar vier producten kiest, bestaat positie 14 praktisch niet. Je bent in de set, of niet in de set.

Dat maakt seller selection plotseling bijna net zo belangrijk als ranking.

En prijs alleen lijkt niet genoeg

E-commerce SEO heeft jarenlang terecht veel energie gestoken in prijscompetitiviteit, titles, GTINs, Merchant Center, voorraad en rich results. Die fundamentals blijven. Google zegt in 2026 zelfs expliciet dat AI-shopping afhankelijk is van de productdata die retailers via Merchant Center aanleveren. Een rommelige of incomplete feed maakt het simpelweg moeilijker om gevonden te worden.

Maar de Productrise-data suggereert dat de goedkoopste zichtbare seller niet automatisch degene is die AI Mode bovenaan selecteert. Dat betekent dat merchants veel breder moeten denken.

Wat zou ik nu auditen?

1. Merchant Center feed

Controleer GTIN, MPN, brand, product type, category, variants, size, colour, material, availability en price. Geef Google zoveel mogelijk correcte context.

2. Feed versus pagina

Prijs op je site 119 euro. Prijs in feed 129 euro. Prijs in structured data 109 euro. Veel plezier, algoritme. Zorg voor consistentie.

3. Reviews en seller signals

Google’s Shopping Graph bevat expliciet reviews en availability als productinformatie. Reviews worden dus geen gezellig stukje social proof onderaan de PDP. Ze zijn machine-readable decision context.

4. Product descriptions

Conversationele shoppingqueries zijn rijker. Niet “Nike Air Max zwart”, maar “comfortabele zwarte sneakers voor iemand die veel loopt maar ook casual naar kantoor kan”. Google lanceerde AI Max for Shopping juist rond dit soort rijkere productcontext, en Merchant Center-data zoals materiaal en fit helpt Google producten aan zulke intenties te koppelen.

5. Monitor AI Mode apart

Rank je product in gewone Shopping? Mooi. Dat vertelt je op basis van deze data bijzonder weinig over AI Mode. Meet ze los.

En travel?

Voor travel zou ik dit onderzoek niet één op één toepassen. Een hotel is geen sneaker. Een pakketreis is geen waterfles. Maar het mechanisme is interessant.

AI-systemen kunnen een enorme inventory comprimeren naar drie hotels die ik jou zou aanraden, of vier reisorganisaties die hierbij passen. Google test en bouwt in 2026 dezelfde conversationele en agentic principes ook expliciet richting travel.

Daarmee ontstaat dezelfde strategische vraag: wat zorgt ervoor dat je überhaupt in die korte consideration set komt? Niet alleen: waar rank je?

Search wordt selectie

Dat is voor mij de kern. Traditionele search helpt een gebruiker zoeken. AI Search probeert steeds vaker alvast te selecteren. Dat klinkt als een klein verschil. Voor een retailer is het enorm.

Twintig organische opties worden vier aanbevelingen. Twintig sellers worden één preferred seller. Een uur vergelijken wordt één gegenereerd antwoord.

De commerciële waarde verschuift van hoog genoeg ranken om overwogen te worden, naar gekozen worden voordat de gebruiker überhaupt begint te vergelijken.

Dat is niet Shopping SEO met mooiere screenshots. Dat is een ander distributiemodel.