AI-agenttracking voor het MKB zonder valse nauwkeurigheid

Het volgen van AI-agenten meet botoproepen, logbestandpatronen, chatverwijzingen en terugkerende testquery's, maar het geeft nooit een volledig beeld van de AI-activiteiten binnen een organisatie. Dit onderscheid is cruciaal voor het mkb: u krijgt een pragmatisch vroegtijdig waarschuwingssysteem, geen volledig overzicht van alle aanbevelingen in ChatGPT, Perplexity, Google AI-overzichten of andere AI-interfaces.

Ik werk al meer dan 20 jaar met kleine en middelgrote bedrijven, waarvan vele in Zuid-Tirol. Wat ik steeds weer zie, is dit: kleine teams hebben geen overvolle dashboards nodig. Kleine teams hebben een routine nodig die in 30 tot 60 minuten per maand laat zien of de website technisch toegankelijk is, of relevante AI-bots de website bezoeken, of er verwijzingen van ChatGPT of Perplexity verschijnen en of hun merk correct wordt begrepen in de gebruikelijke AI-reacties.

AI-zichtbaarheid is geen op zichzelf staande KPI. AI-zichtbaarheid is een patroon dat bestaat uit technische toegang, zichtbare klikken, herhaalbare testquery's en de kwaliteit van uw machineleesbare bedrijfsinformatie.

Dit artikel is geschreven als een praktische handleiding. Of je nu een klein team hebt, een meertalige website beheert of simpelweg inzicht wilt krijgen in je zichtbaarheid in Google, ChatGPT, Perplexity en andere antwoordsystemen, je kunt de maandelijkse routine direct toepassen.

AI-agenttracking zonder valse precisie: wat je werkelijk kunt meten

Het volgen van AI-agenten betekent dat u traceerbare signalen met betrekking tot AI-systemen en geautomatiseerde toegang monitort. Deze signalen omvatten serverlogs, gebruikersagentpatronen, botverkeer, chatverwijzingen, verwijzingsgegevens, LLM-crawlers en handmatige testquery's. Aan de hand van deze signalen kunt u betere beslissingen nemen met betrekking tot uw website, content, gestructureerde data en merkcommunicatie.

Het is belangrijk om signaal, interpretatie en actie duidelijk van elkaar te scheiden:

• signaal: Een bekende AI-bot bezoekt een specifieke pagina.
• Interpretatie: De pagina is technisch toegankelijk voor een crawler en is ook daadwerkelijk bezocht.
• Geen geldige conclusie: Het feit dat de bot contact met u opneemt, bewijst niet dat uw bedrijf in een AI-antwoord zal worden aanbevolen.
• Handlong: Controleer of de geïndexeerde pagina duidelijke feiten, diensten, locatiegegevens, auteurschap en gestructureerde data bevat.

Precies hier ontstaat vaak een vals gevoel van nauwkeurigheid. Een dashboard kan bijvoorbeeld 137 botoproepen weergeven, en dit aantal kan de indruk wekken dat het een succes is. In werkelijkheid kan dezelfde bot echter meerdere keren dezelfde bron laden, een technisch bestand controleren of simpelweg per toeval op een pagina terechtkomen. Botverkeer is een ruwe indicatie, geen bewijs van daadwerkelijke aanwezigheid.

Webanalyse, serverlogs en chatverwijzingen: drie verschillende perspectieven

Traditionele webanalyse en logbestandsanalyse beantwoorden verschillende vragen. Als je ze combineert, kun je gemakkelijk tot verkeerde conclusies komen.

• Google Analytics of een andere analysetool Toont sessies, gebruikersgedrag, conversies en campagneprestaties – afhankelijk van toestemming, trackinginstellingen en browserbeperkingen.
• Serverlogboeken Deze gegevens tonen de technische verzoeken aan uw server: IP-adres, tijd, URL, statuscode, user agent en vaak ook de referrer.
• Chatverwijzingen Toon zichtbare klikken van AI-interfaces, zoals ChatGPT, Perplexity, Copilot of Gemini – mits een referrer- of UTM-parameter wordt doorgegeven.
• Testquery's Toon momentopnamen: Hoe beantwoordt een systeem vandaag de dag een specifieke vraag in een bepaalde taal en regio?

Volgens MDN Web Docs wordt de HTTP Referer-header doorgaans met een verzoek meegestuurd nadat er op een link is geklikt en kan deze worden gebruikt voor analyses of logboekregistratie. Daarom weerspiegelen ChatGPT Referrals of Perplexity Referrals alleen daadwerkelijke linkbezoeken. Een aanbeveling in een AI-reactie zonder klik blijft onzichtbaar in je webanalyses.

Dit is geen fout in uw configuratie. Het is een beperking van wat meetbaar is. Dat is precies de reden waarom ik in projecten niet slechts één tool combineer, maar meerdere signalen om een ​​betrouwbaarder totaalbeeld te creëren.

Waarom de zichtbaarheid van AI voor mkb-bedrijven niet volledig meetbaar is

Door AI aangedreven antwoordsystemen veranderen zoekopdrachten, omdat gebruikers direct antwoorden in de interface kunnen krijgen. Dit leidt tot situaties zonder klikken: het antwoord is er, maar er vindt geen websitebezoek plaats. Een analyse van het Pew Research Center onder 900 Amerikaanse volwassenen in maart 2025 wees uit dat Google-gebruikers minder vaak op resultaatlinks klikten op zoekresultatenpagina's met AI Overview; slechts 8% van de zoekopdrachten met AI Overview resulteerde in een klik op een traditioneel zoekresultaat, vergeleken met 15% zonder AI Overview.

Voor een mkb-bedrijf betekent dit dat een aanvraag kan worden gegenereerd door een AI-aanbeveling, zonder dat de oorspronkelijke aanbeveling duidelijk zichtbaar is in Analytics. Iemand kan bijvoorbeeld in ChatGPT naar een aanbieder zoeken, uw bedrijf zien staan, de naam onthouden en later direct uw website bezoeken of telefonisch contact met u opnemen. In Analytics kan dit pad verschijnen als direct verkeer, ook al vond de eerste kennismaking plaats via een AI-interface.

Als je dieper op het onderwerp wilt ingaan, raad ik je ook ons ​​artikel aan over... Inzicht in AI voor mkb's met zelftest en stappenplan voor 90 dagenHet richt zich meer op de strategische vraag of uw merk op een manier wordt beschreven die begrijpelijk genoeg is voor AI-systemen.

Welke AI-bots en LLM-crawlers kunnen in serverlogs verschijnen?

Veel leveranciers documenteren hun eigen bots, crawlers of user-agent tokens. OpenAI vermeldt bijvoorbeeld OAI-SearchBot, ChatGPT-User en GPTBot in zijn documentatie. Perplexity documenteert PerplexityBot en Perplexity-User, inclusief hun user-agent strings en officiële IP-eindpunten.

Google documenteert ook verschillende crawlers en tokens. Van bijzonder belang: volgens Google is Google Extended geen aparte crawler, maar een onafhankelijk robots.txt-producttoken. Google Extended stelt uitgevers in staat te bepalen of content die door Google is gecrawld, onder andere wordt gebruikt om toekomstige Gemini-modellen, Gemini-apps en Vertex AI Gemini API's te verbeteren.

In de praktijk betekent dit dat u serverlogboeken kunt doorzoeken op bekende user-agent-patronen. U moet echter nooit uitsluitend afgaan op de naam in de user-agent, aangezien user-agents gemakkelijk vervalst kunnen worden. Voor een betrouwbaardere analyse dient u ook IP-bereiken, reverse DNS-records, firewallinformatie en de documentatie van de betreffende leverancier te controleren.

De maandelijkse routine van 30-60 minuten voor mkb-bedrijven

Deze routine is ontworpen voor kleine teams. Je hebt geen aparte data-afdeling nodig. Je hebt toegang nodig tot serverlogs, een analysetool, een lijst met je belangrijkste vragen en 30 tot 60 minuten focus per maand.

1. Serverlogboeken exporteren of filteren

Verzamel maandelijks een samenvatting van uw serverlogboeken. Als uw hostingprovider beperkte toegang biedt, begin dan met wat beschikbaar is. Relevante informatie omvat de datum, URL, statuscode, user agent, referrer en land of IP-adres, mits deze op een privacyvriendelijke manier kan worden geanalyseerd.

• Filter op bekende AI-bots en LLM-crawlers zoals GPTBot, OAI-SearchBot, ChatGPT-User, PerplexityBot of Perplexity-User.
• Noteer welke pagina's bezocht zijn.
• Controleer of belangrijke pagina's toegankelijk waren met statuscode 200.
• Let op ongebruikelijke 404-fouten, omleidingsketens of geblokkeerde bronnen.

2. Controleer chatverwijzingen in Analytics.

Zoek in je analysetool naar verwijzende websites zoals chatgpt.com, chat.openai.com, perplexity.ai, claude.ai, copilot.microsoft.com of gemini.google.com. De aantallen zullen in het begin vaak klein zijn. Dat is normaal.

• Registreer het aantal sessies via AI-interfaces.
• Controleer de pagina's met gegevens en de verblijftijd.
• Vergelijk of chatverwijzingen vaker op adviespagina's, servicepagina's of contactpagina's terechtkomen.
• Geef de voorkeur aan kwaliteit boven kwantiteit: één gekwalificeerde aanvraag kan waardevoller zijn dan honderd onduidelijke bezoekers.

3. Meertaligheid en landen worden onderzocht.

Vooral in Zuid-Tirol is een meertalige website vaak geen extraatje, maar een noodzaak. Duitse, Italiaanse en soms Engelse content moet consistent zijn. AI-systemen kunnen alleen nauwkeurig reproduceren wat netjes gepubliceerd, duidelijk gestructureerd en taalkundig ondubbelzinnig is.

• Controleer de bottoegang afzonderlijk voor elke taalversie.
• Vergelijk chatverwijzingen per land en taal.
• Let op of belangrijke Italiaanse of Duitse uitvoeringspagina's helemaal niet worden geïndexeerd.
• Test of de AI-reacties uw merk in beide talen even nauwkeurig beschrijven.

4. Voer terugkerende testquery's uit.

Testresultaten zijn geen wetenschappelijke meetmethode. Het zijn momentopnamen. Desondanks zijn testresultaten waardevol als je dezelfde vragen elke maand herhaalt en de resultaten documenteert.

• "Welk bureau helpt mkb-bedrijven in Zuid-Tirol met inzicht in AI?"
• "Wie biedt strategisch webdesign en AI-advies in Bolzano?"
• Welke aanbieders ondersteunen ambachtelijke bedrijven met meertalige websites?
• "Welk bedrijf is gespecialiseerd in branding, website-ontwikkeling en generatieve zoekmachineoptimalisatie?"
• "Welke bronnen citeert de AI voor deze aanbeveling?"

Belangrijk: Voer dezelfde testquery's uit in meerdere systemen, zoals ChatGPT, Perplexity en Google met AI-overzichten, indien beschikbaar. Documenteer niet alleen of uw bedrijf wordt weergegeven, maar ook hoe het wordt beschreven. Onjuiste diensten, verouderde locaties of een onduidelijke positionering zijn concrete aandachtspunten voor content- en merkarchitectuur.

Maandelijkse rapportage: een kopieerbaar sjabloon

Een goed maandelijks rapport voor het volgen van AI-agenten past op één pagina. Als een rapport alleen cijfers verzamelt en geen beslissingen tot gevolg heeft, is het te complex.

• maand: Evaluatieperiode.
• Relevante botoproepen: Aantal bezoeken van bekende AI-bots en LLM-crawlers, uitgesplitst per aanbieder.
• Geïndexeerde pagina's: Belangrijkste URL's bezocht door AI-bots.
• Technische afwijkingen: 404-fouten, 500-fouten, omleidingen, geblokkeerde bestanden, verdachte robots.txt-regels.
• Chatverwijzingen: Sessies van ChatGPT, Perplexity en andere AI-interfaces.
• Kwaliteit van chatverwijzingen: Startpagina's, contactverzoeken, downloads, scrolldiepte of andere relevante interacties.
• Landen en talen: Opvallende toegangspatronen, ontbrekende taalversies, verschillen tussen Duits en Italiaans.
• Testquery's: Gebruikte prompts, systemen, resultaat, genoemde bronnen, fouten in de merkomschrijving.
• Interpretatie: Wat is een signaal, wat is slechts ruis, en wat is werkelijk relevant?
• Maatregelen: Specifieke taken voor website, content, gestructureerde data, llms.txt, robots.txt of merkcommunicatie.

Als u al een marketingmeetplan hebt, kunt u deze lijst in uw bestaande rapportages integreren. Als u nog geen duidelijk meetkader hebt, kan ons artikel over [onderwerp ontbreekt] u verder helpen. Marketingmeetplan voor mkb's, om de juiste KPI's en beslissingen op een heldere manier met elkaar te verbinden.

Wat je wel en niet uit de signalen kunt afleiden

De belangrijkste regel is: meet objectief. Interpreteer zorgvuldig. Handel consequent.

• Botverkeer telt niet mee voor de ranking. Een geautomatiseerd gesprek bewijst dat het bedrijf technisch bereikbaar is, maar is geen aanbeveling.
• Chat Referral is niet volledig AI-gestuurd. Een referrer geeft aan dat er geklikt is, maar niet dat er niet op een vermelding is geklikt.
• De zichtbaarheid van het AI-overzicht is niet volledig meetbaar in analyses. Veel antwoorden zijn al beschikbaar voordat de website bezocht wordt.
• Testvragen zijn geen marktonderzoek. Een enkel antwoord kan gepersonaliseerd, regionaal, tijdsafhankelijk of instabiel zijn.
• Meer toegang voor bots betekent niet automatisch beter. Wat belangrijker is, is of de juiste pagina's met de juiste feiten toegankelijk zijn.

In mijn werk met mkb's is dit pragmatisme vaak het grootste voordeel. Kleine bedrijven hebben zelden tijd voor onnodig complexe analyses. Ze hebben behoefte aan duidelijkheid: welke wijzigingen voeren we deze week door aan de website, zodat zowel mensen als machines ons beter begrijpen?

De logica van 90 dagen: van meten naar verbeteren

Het volgen van AI-agenten is geen eenmalige controle. Het wordt pas zinvol als je dezelfde logica drie maanden lang herhaalt en veranderingen observeert.

Maand 1: Het vaststellen van een meetbasis

De eerste maand draait niet om optimalisatie, maar om oriëntatie. Stel toegang tot logbestanden in, definieer bekende AI-bots, verzamel verwijzende domeinen, definieer je testquery's en controleer je robots.txt-bestand en andere belangrijke technische bestanden. Als je website al gebruikmaakt van gestructureerde data, documenteer dan welke schema-typen worden gebruikt.

Maand 2: Verbetering van inhoud en entiteiten

In de tweede maand ga je de pagina's verbeteren die het belangrijkst zijn voor zowel mensen als AI-systemen: de homepage, servicepagina's, de 'over ons'-pagina, de contactpagina, de FAQ-sectie, testimonials en lokale locatiegegevens. Een duidelijke bedrijfsidentiteit helpt zoekmachines en AI-systemen om je bedrijf als een afzonderlijke entiteit te herkennen. Dit omvat naam, locatie, diensten, medewerkers, talen, doelgroep en referenties.

Als je dit onderwerp vanuit een fundamenteel perspectief wilt uitdiepen, lees dan ook ons ​​artikel over GEO, SEO, AEO en Generative Engine OptimizationGEO is geen trucje, maar eerder gestructureerd werk gericht op begrijpelijkheid, verifieerbaarheid en machineleesbare relevantie.

Maand 3: Evalueer wijzigingen en verzoeken

In de derde maand vergelijk je de patronen. Worden er meer relevante pagina's gecrawld? Verschijnen er nieuwe verwijzingen via ChatGPT of Perplexity? Worden je diensten nauwkeuriger beschreven in testzoekopdrachten? Ontvang je aanvragen van mensen die zeggen dat ze je via ChatGPT, Perplexity of een AI-zoekopdracht hebben gevonden?

Deze kwalitatieve indicatoren zijn bijzonder belangrijk. Bij kleine bedrijven komt groei vaak niet voort uit duizenden vergaderingen, maar uit een paar goede gesprekken met de juiste mensen.

Website als een machinaal leesbaar vertrouwenssysteem

Een moderne website is meer dan een digitale brochure. Een moderne website is een machineleesbaar vertrouwenssysteem: de website legt consistent aan mensen, zoekmachines en AI-systemen uit wie je bent, wat je aanbiedt, waar je werkt, waarom je geloofwaardig bent en welke content als bron moet dienen.

Hiervoor zijn enkele basisprincipes van bijzonder belang:

• Duidelijke contentarchitectuur: Elke belangrijke prestatie verdient een eigen, gemakkelijk te begrijpen pagina.
• Gestructureerde gegevens: Organisatie-, lokale bedrijfs-, FAQ-, artikel-, breadcrumb- en andere schema-typen helpen machines bij het categoriseren van content. Een praktische handleiding voor het prioriteren van content vind je in ons artikel over... gestructureerde gegevens op de website.
• Maak robots.txt schoon: Het bestand beheert de crawlregels voor bots, maar is geen privacy- of beveiligingstool.
• llms.txt met gezond verstand: Het bestand kan richtlijnen bieden voor AI-systemen, maar het is geen officiële standaard en biedt geen garantie voor transparantie. Een goed overzicht vindt u in ons artikel over... Meta-Robots, robots.txt en llms.txt.
• Meertalige consistentie: Duits-Italiaanse content moet dezelfde feiten en hetzelfde standpunt overbrengen.
• Snelle technische basis: Laadtijd, een overzichtelijke HTML-structuur, duidelijke interne links en stabiele URL's blijven essentieel.

Daarom hebben wij bij Berger+Team btlabs Core ontwikkeld: niet als een op zichzelf staand technologieproduct, maar als een digitale basis voor mkb-bedrijven die content, websites, landingspagina's, apps en AI-leesbare bedrijfsgegevens vanuit één consistente bron willen beheren. Als u uw website strategisch wilt herpositioneren, dan is onze oplossing de oplossing. Webdesign- en ontwikkelingsdiensten het juiste uitgangspunt.

Wanneer je bots wel en wanneer je ze niet moet blokkeren.

De vraag "Moet ik AI-bots blokkeren?" kan niet eenduidig ​​worden beantwoord. Blokkeren kan nuttig zijn als de serverbelasting, wettelijke vereisten, gevoelige inhoud of bedrijfsmodellen pleiten tegen geautomatiseerd crawlen. Toestaan ​​kan nuttig zijn als u wilt dat uw website zichtbaar is voor AI-systemen als bron, aanbeveling of betrouwbare context.

Voor het mkb is een gedifferentieerde strategie doorgaans beter dan een impulsieve, allesomvattende aanpak:

• Pagina's van publieke diensten zijn vaak toegankelijk omdat ze de zichtbaarheid vergroten.
• Interne gedeelten, pagina's met zoekresultaten, parameter-URL's en technische bronnen moeten duidelijk afgeschermd zijn.
• Het robots.txt-bestand moet zorgvuldig worden bijgewerkt en niet worden gekopieerd uit oude sjablonen.
• Google-Extended moet correct worden begrepen: Google-Extended is een controletoken voor bepaalde Google-toepassingen, geen aparte logbestandbot.
• Voor juridisch gevoelige inhoud is ook een juridische en technische beoordeling vereist.

Vanuit een merkperspectief is mijn principe simpel: als de informatie die je openbaar wilt maken niet machineleesbaar, duidelijk en verifieerbaar is, zullen andere bronnen je merk beschrijven. Deze bronnen zijn niet altijd accuraat.

Veelgestelde vragen: AI-agenttracking voor mkb-bedrijven

Zal AI-gestuurde agententracking Google Analytics vervangen?

Nee. Het volgen van AI-agenten is een aanvulling op Google Analytics, omdat serverlogs technische toegang tot de bot laten zien, terwijl Analytics voornamelijk sessies, gedrag en conversies bijhoudt. Voor betere beslissingen heb je beide perspectieven nodig.

Zijn serverlogs vanuit het oogpunt van gegevensbescherming geen probleem?

Niet automatisch. Serverlogs kunnen IP-adressen en andere persoonlijke of persoonsidentificeerbare informatie bevatten, dus u hebt duidelijke bewaartermijnen, toegangsbeperkingen en een passende gegevensbeschermingsbeoordeling nodig. Voor een mkb-bedrijf is een geaggregeerd maandelijks rapport vaak voldoende in plaats van continue gedetailleerde analyses.

Wat vertelt botverkeer ons over de zichtbaarheid van mijn AI?

Botverkeer geeft aan dat een bot of crawler technisch gezien toegang heeft gehad tot uw website. Botverkeer bewijst echter niet dat ChatGPT, Perplexity of Google uw bedrijf aanbevelen. Het voordeel ervan is dat het vroegtijdig technische toegankelijkheidsproblemen en interessante pagina's kan identificeren.

Waarom zie ik zo weinig verwijzingen naar ChatGPT, terwijl klanten ChatGPT wel noemen?

ChatGPT-verwijzingen worden alleen gegenereerd wanneer een gebruiker op een link binnen ChatGPT klikt en een verwijzings- of UTM-signaal wordt verzonden. Als de gebruiker alleen uw merknaam leest, de naam onthoudt en later rechtstreeks zoekt, zal de oorspronkelijke AI-aanbeveling niet als een ChatGPT-verwijzing verschijnen.

Zijn verwijzingen via Perplexity betrouwbaarder dan verwijzingen via andere chatdiensten?

Verwijzingen naar bronnen die door Perplexity worden gegenereerd, zijn duidelijk zichtbaar wanneer gebruikers op bronnen klikken en verwijzingsgegevens worden verzonden. Dezelfde beperkingen blijven echter van toepassing: een aanbeveling waar niet op is geklikt, blijft onzichtbaar en individuele sessies geven weinig inzicht in de algehele zichtbaarheid van de AI.

Kan ik AI-overzichten volledig volgen?

Nee. AI-overzichten kunnen kliks beïnvloeden, maar louter zichtbaarheid of een leesreactie zonder klik is niet volledig meetbaar in je webanalyse. Je kunt alleen combinaties van Search Console-gegevens, testzoekopdrachten, verwijzingen en kwalitatieve klantfeedback evalueren.

Moet ik AI-bots blokkeren in het robots.txt-bestand?

Het hangt af van je strategie. Als zichtbaarheid, vindbaarheid en een accurate merkomschrijving belangrijk zijn, moet je hoogwaardige openbare content niet zomaar blokkeren. Als de content gevoelig is of de server belast, heb je duidelijke regels en technische controle nodig.

Zal een llms.txt-bestand mijn AI-zichtbaarheid verbeteren?

Een llms.txt-bestand kan weliswaar richtlijnen bieden, maar het is geen officiële standaard en biedt geen garantie voor transparantie. Een overzichtelijke website-structuur met duidelijke content, interne links, gestructureerde data en consistente bedrijfsinformatie blijft een effectiever instrument.

Wat is met name belangrijk voor een meertalige website?

Een meertalige website moet in elke taal dezelfde kernfeiten duidelijk uitleggen: diensten, locatie, doelgroep, personen, referenties en contactmogelijkheden. Vooral in Zuid-Tirol zullen er anders tegenstrijdige berichten ontstaan ​​tussen de Duitse en Italiaanse versie.

Hoe vaak moet ik de tracking van AI-agenten evalueren?

Voor de meeste mkb-bedrijven is maandelijkse rapportage voldoende. Belangrijker dan dagelijkse monitoring is een stabiele routine met dezelfde key performance indicators (KPI's), dezelfde testvragen en duidelijke meetmethoden voor website, content en technologie.

Conclusie: Meet minder, maar meet eerlijker.

Het volgen van AI-agenten is nuttig voor mkb-bedrijven als je het ziet als een vroegtijdig waarschuwingssysteem. Serverlogs tonen technische toegang. Chatverwijzingen tonen zichtbare klikken. Testquery's geven momentopnamen. Samen laten deze signalen zien waar je website begrijpelijk is voor AI-systemen – en waar je verbeteringen moet aanbrengen.

De kern van het werk blijft strategisch: een duidelijke positionering, ondubbelzinnige merkinformatie, machineleesbare content, een solide technische basis en maandelijkse rapportages die besluitvorming sturen. Precies dáár wordt echte zichtbaarheid gecreëerd – niet door oppervlakkige nauwkeurigheid, maar door inhoud.

Zwelling

1. Pew Research Center: Google-gebruikers klikken minder vaak op links wanneer er een AI-samenvatting in de zoekresultaten verschijnt — pewresearch.org (2025)
2. MDN Web Docs: Referer-header — developer.mozilla.org (2025)
3. OpenAI Platform Docs: Overzicht van OpenAI Crawlers — platform.openai.com
4. Perplexity-documentatie: Perplexity-crawlers — docs.perplexity.ai
5. Google Search Central: De meest gebruikte crawlers van Google — developers.google.com (2025)