Welke websites citeert AI het meest? Het antwoord is opvallend geconcentreerd

Als je je ooit hebt afgevraagd waar ChatGPT, Gemini of Perplexity hun antwoorden vandaan halen, dan is het antwoord nu glashelder — en het zal je misschien verbazen. Een geconcentreerde groep van slechts 15 websites is verantwoordelijk voor ruim tweederde van alle citaties in de belangrijkste AI-engines.

Meerdere grootschalige onderzoeken uit 2025 en 2026 — met data van 30 miljoen tot 680 miljoen afzonderlijke citatiegebeurtenissen — komen tot dezelfde conclusie: AI-citatie is een winnaar-pakt-het-meeste-spel, en het is nog extremer dan Google PageRank ooit was .

De top 15 websites veroveren 68% van alle AI-citaties

De 5W Communications AI Platform Citation Source Index 2026, die meer dan 680 miljoen citaties uit zes grote onderzoeken samenbracht, laat zien dat de top 15 domeinen 68% van alle AI-citatie-aandelen opslokken . De top 50 domeinen zijn goed voor ruim 80% .

Om dat in perspectief te plaatsen: 15 websites, van de ruwweg 1,1 miljard op het internet, controleren meer dan tweederde van wat AI-engines dagelijks aan miljarden gebruikers aanbevelen . Deze concentratie is veel extremer dan wat Google's PageRank-algoritme ooit produceerde in zijn 25-jarige heerschappij over webontdekking .

De top 10 meest geciteerde domeinen in alle grote engines

Deze domeinen staan consequent bovenaan de citatieranglijsten in ChatGPT, Google AI Mode, Gemini, Perplexity en AI Overviews:

Rang	Domein	Opmerkingen
1	Reddit	#1 in alle grote engines; ~40% citatieaandeel in sommige onderzoeken
2	Wikipedia	Stabiel op #2 achter Reddit; ~13% van ChatGPT-citaties in Similarweb-data
3	YouTube	Top 3 in Peec AI's analyse van 30 miljoen bronnen
4	LinkedIn	Top 5 in ChatGPT, Google AI Mode en Perplexity
5–10	Fandom, Amazon, Forbes, Healthline, Mayo Clinic, WebMD, GitHub, Stack Overflow, CNN, NYT, BBC	Rangschikking varieert per engine en onderzoek

Peec AI's analyse van 30 miljoen bronnen wees de top 10 meest geciteerde domeinen over alle platforms aan: Reddit, YouTube, LinkedIn, Wikipedia, Forbes, Facebook, Yelp, Amazon, TechRadar en Healthline .

Waarom Reddit domineert

De door gebruikers gegenereerde discussies en forums van Reddit vormen een enorme, diverse dataset van conversationele en probleemoplossende inhoud. In een Statista-onderzoek van juni 2025 had Reddit 40,1% van alle geciteerde verwijzingen, ver voor op nummer twee Wikipedia met 26,3% . Op Perplexity is Reddit goed voor ongeveer 1 op de 5 citaties .

Analisten wijzen op het vermogen van Reddit om antwoorden te geven op 'long-tail'-vragen, op meningen gebaseerde vragen en 'hoe'-vragen, waar traditionele encyclopedische bronnen moeite mee hebben — waardoor het bijzonder waardevol is voor conversationele AI .

Ranglijsten variëren per engine — dezelfde kern, andere leiders

Hoewel Reddit over de hele linie leidt, onthullen de ranglijsten per engine belangrijke verschillen:

• ChatGPT leunt sterk op Wikipedia en Reddit, die samen ongeveer 25% van de citaties voor hun rekening nemen. In Similarweb-data van januari tot februari 2026 stond Wikipedia bovenaan met 13,2%, met Reddit er vlak achter op 12% .
• Google AI Mode plaatst Fandom op #1 — het gaming- en popcultuur-wikiplatform dat elders veel minder prominent is .
• Perplexity vertoont een meer gespreide staart: om 80% van het geciteerde promptvolume te dekken, zijn 810 afzonderlijke domeinen nodig .

Slechts 7 websites verschijnen in de top 50 van meest geciteerde domeinen in alle drie de grote engines (ChatGPT, Perplexity, Google AI Overviews), en slechts 11% van de domeinen wordt door zowel ChatGPT als Perplexity geciteerd .

Trainingsdata versus outputcitaties: een cruciaal onderscheid

Het is belangrijk om onderscheid te maken tussen wat LLM's in hun output citeren en waar ze op zijn getraind. Voor trainingsdata is de dominante bron qua volume Common Crawl — een open repository van petabytes aan ruwe webdata die modellen als GPT-3, LLaMA en T5 voedt . OpenAI's GPT-3 haalde bijvoorbeeld 60% van zijn trainingstokens uit een gefilterde versie van Common Crawl .

De bovenstaande citatielijsten weerspiegelen wat LLM's raadplegen bij het genereren van antwoorden — een veel kleinere, meer samengestelde set bronnen die het model als gezaghebbend heeft leren beschouwen.

Wat dit betekent voor merken en uitgevers

Als je doel is om door AI-engines geciteerd te worden, is de boodschap duidelijk: je moet een plekje veroveren op de korte lijst van vertrouwde domeinen. De 'long tail' van het web is voor de meeste AI-outputs functioneel onzichtbaar, behalve bij nichevragen.

Strategieën die werken zijn onder meer bijdragen aan Wikipedia, vermeldingen krijgen op Forbes of Healthline, een sterke aanwezigheid opbouwen op YouTube en LinkedIn, en citaties verdienen op Reddit. Formats die citatiesucces vergroten zijn onder meer lijstjes (die ongeveer 50% van de top AI-citaties uitmaken) en pagina's met geordende of ongeordende lijsten (aanwezig op 80% van de door AI geciteerde pagina's) .

Kortom: Reddit, Wikipedia en YouTube zijn vandaag de dag de drie meest geciteerde domeinen in de grote LLM-engines, met een klein cluster van gezaghebbende media-, gezondheids- en naslagwebsites dat de top aanvult. Geciteerd worden door AI betekent eerst geciteerd worden door deze domeinen.