Modelimpressieaandeel

Model Impression Share (MIS) schat in hoeveel van de beschikbare organische zichtbaarheid je captureert over een set zoekwoorden. In gewone taal: het beantwoordt een betere vraag dan gemiddelde positie: welk aandeel van de markt krijgen we daadwerkelijk?

Het gebruikelijke model is simpel genoeg: zoekvolume of impression-potentieel vermenigvuldigd met de verwachte CTR op je huidige positie, en vervolgens gedeeld door het totaal aantal beschikbare impressions binnen de set. Als je MIS 22% is op een onderwerpcluster met 300.000 impressions, modelleer je dat ongeveer 78% van de kans bij concurrenten ligt, SERP-features, of beide.

Waarom SEO-teams het gebruiken

Gemiddelde positie zegt op zichzelf weinig. Een sprong van positie 8 naar 5 op een zoekwoord met 20 zoekopdrachten is ruis; dezelfde sprong op een zoekwoord met 40.000 zoekopdrachten is het waard qua budget. MIS verhelpt dit door posities te wegen op basis van de opportunity.

• Forecasting: Als een cluster van 18% naar 26% MIS beweegt, kun je realistisch extra klikken en omzet inschatten.
• Prioritering: Zoekwoorden die in posities 4-10 staan leveren vaak de grootste MIS-winst op per content-update of link-acquisitie-sprint.
• Concurrentierapportage: Het is makkelijker om uit te leggen: “we nemen 31% van de zichtbaarheid binnen de categorie voor onze rekening” dan om 500 zoekwoordposities in één slide te dumpen.

Hoe je het goed berekent

De meeste teams bouwen MIS op uit rank-trackingdata in Ahrefs, Semrush, STAT of een SERP-API, en kalibreren die vervolgens met Google Search Console. Screaming Frog is hierbij ook nuttig: niet om het model zelf te maken, maar om zoekwoorden aan URL’s te koppelen en kannibalisatie op te sporen die de output vertekent.

Een praktische formule ziet er zo uit:

MIS = som(zoekwoord impression-potentieel × verwachte CTR op huidige positie) / som(zoekwoord impression-potentieel)

Gebruik bij voorkeur je eigen CTR-curve. GSC-query- en paginadata zijn meestal het beste startpunt, omdat algemene CTR-onderzoeken snel verouderen. Een curve uit 2022 is niet betrouwbaar in een SERP van 2026 vol advertenties, AI Overviews, videoblokken en People Also Ask.

Waar MIS tekortschiet

Deze metric is alleen zo goed als de aannames. Dat is de kanttekening die mensen vaak overslaan.

• CTR-curves zijn instabiel: Merkbias, SERP-features, device-mix en zoekintentie kunnen een gecombineerd model flink verstoren.
• Zoekvolume is een benadering: Ahrefs, Semrush en Moz modelleren volume allemaal anders, en termen met een laag volume zijn vaak veel vaker fout.
• Rank tracking is geen realiteit: Personalisatie, lokalisatie en wisselende SERP’s betekenen dat je “positie 3” niet hoeft te zijn wat gebruikers daadwerkelijk zien.

Google’s John Mueller heeft herhaaldelijk gezegd dat rankings geen vaste, universele posities zijn, en dat is precies waar het hier om draait. MIS is een richtinggevende planningsmetric, geen boekhoudkundige metric. Behandel het als een forecastmodel, niet als waarheid.

Beste use-cases

MIS werkt het best voor niet-merkgebonden onderwerpclusters, rapportage op categorieniveau en kwartaalplanning. Het is vooral nuttig wanneer je content hubs, landen of productlijnen op dezelfde schaal met elkaar wilt vergelijken.

Het is minder nuttig voor kleine setjes zoekwoorden, nieuws-gedreven SERP’s, of situaties waar SERP-features de clicks stelen. Als AI Overviews voor een type query de organische CTR met 15-30% onderdrukken, zal je oude MIS-model de opportunity overschatten, tenzij je daar expliciet voor corrigeert.

Kort gezegd: MIS is een van de betere groeimetrics in SEO, omdat het rankings koppelt aan marktaandeel. Maar doe niet alsof het model schoner is dan de data die het voedt.