Afgewezen reacties op Google-reviews: wat 12.752 gevallen ons leren

Google wijst reacties op reviews nu zonder verdere mededeling af. Geen melding. Geen uitleg. Je reactie blijft in de API in de status ‘AFGEWEZEN’ staan, terwijl je denkt dat deze is gepubliceerd.

Dat weten we omdat we het kunnen zien. De Google Business Profile API heeft op 1 april 2026 de ReviewReplyState geïntroduceerd (Google Dev Change Blog). Daarvoor werd elk antwoord dat via de API werd geplaatst automatisch live gezet. Geen moderatie. Geen filter.

Dat is veranderd. En daarmee ontstond er een probleem van stille afwijzing waarvan de meeste bedrijven en bureaus zich niet eens bewust zijn.

We hebben 12.752 afgewezen reacties op recensies uit onze platformgegevens gehaald via twee afzonderlijke gegevensopvragingen: één direct nadat de gegevens op 22 april 2026 beschikbaar kwamen, en een tweede op 28 mei 2026, om te achterhalen wat er nu precies het filter van Google activeert. Dit is de eerste keer dat deze gegevens worden gepubliceerd. Dit is wat we hebben ontdekt.

De omvang van het probleem is groter dan iemand zich realiseert

In onze gecombineerde dataset van 12.752 afgewezen reacties:

92,6% betrof reacties op vijfsterrenrecensies. Positieve recensies leiden tot de meeste afwijzingen, vrijwel zeker omdat bedrijven (en AI-tools) daarop reageren met standaardformuleringen in enthousiaste bewoordingen.

Het aantal afwijzingen is in 2024 sterk gestegen. Van 354 afwijzingen in heel 2022 en 398 in 2023 steeg het aantal tot 9.393 in 2024 alleen al. Ofwel is het filter van Google duidelijk aanzienlijk strenger geworden, ofwel is de kwaliteit van de beoordeling veranderd.

Het gemiddelde afgewezen antwoord werd 1.221 uur, oftewel ongeveer 50 dagen, na het plaatsen van de oorspronkelijke recensie geschreven. Uitgestelde, in bulk geplande antwoorden komen onevenredig vaak voor in de gegevens, en dat gemiddelde is sinds onze eerste gegevensopvraging gestegen. Het feit dat dit onopgemerkt blijft, is het kernprobleem. Een reactie die wordt afgewezen, genereert geen foutmelding. Het stuitert niet terug. Het verschijnt simpelweg niet. Zonder zichtbaarheid op API-niveau zou je het nooit weten.

Twee momentopnames, één verhaal

In de onderstaande grafiek worden de maandelijkse aantallen afgewezen reacties uit beide gegevensopvragingen weergegeven. De eerste gegevensverzameling (22 april 2026, weergegeven in lichtblauw) leverde 7.151 afgewezen antwoorden op. De tweede gegevensverzameling (28 mei 2026, weergegeven in effen blauw) identificeerde 12.752, een stijging van 78% in slechts vijf weken, wat zowel nieuwe afwijzingen als historisch afgewezen antwoorden weerspiegelt die nog niet waren geïndexeerd in onze eerste gegevensverzameling.

De oranje lijn geeft het percentage afgewezen antwoorden weer dat in elke maand detecteerbare standaardformuleringen van AI bevat. Het verloop van deze lijn vormt de belangrijkste bevinding van deze analyse.

De twee datasets laten een consistent beeld zien: een vlakke basislijn tot en met 2022–2023, een explosieve piek in 2024 en een scherpe verschuiving in de samenstelling vanaf medio 2025, waarbij het volume daalt terwijl de aard van wat overblijft aanzienlijk verandert.

Reden 1: Standaardteksten met AI zijn de belangrijkste oorzaak

67% van alle afgewezen reacties in onze dataset bevatte ten minste één herkenbare standaardzin die door AI was gegenereerd. Dit percentage steeg van ongeveer 35% begin 2024 tot 85% halverwege 2024, waarna het tot begin 2025 op dat niveau bleef.

De zinnen die het vaakst voorkomen in afgewezen antwoorden, zijn juist die welke worden gegenereerd door niet-geconfigureerde of generieke AI-antwoordtools:

Deze zinnen komen niet alleen voor in afwijzende antwoorden; ze komen er zelfs het meest voor. Dit is geen toeval. Het patroon is te consistent en de tijdlijn te nauwkeurig om toeval te zijn.

Onze hypothese: het moderatiesysteem van Google heeft een statistisch model opgesteld voor geautomatiseerde reacties van lage kwaliteit. De bovenstaande zinsdelen zijn de kenmerken van massale AI-generatie. Ze komen in miljoenen reacties bij miljarden bedrijven voor met een onnatuurlijke frequentie. Het filter van Google lijkt reacties te markeren die deze signalen combineren tot een herkenbaar sjabloonpatroon.

Zie het als een spamfilter. Losse woorden zijn niet het probleem. De combinatie „inleiding + naam + compliment + tevredenheidszin + toekomstgerichte afsluiting“ is het patroon dat Google heeft geleerd te weigeren.

Hier is een concreet voorbeeld uit onze gegevens (een reactie op een 5-sterren review voor een loodgieter, 1.731 tekens, direct afgewezen):

“Hallo Tannas, hartelijk dank voor je lovende review en voor het feit dat je Kingstree Plumbing zo van harte aanbeveelt! We zijn je ontzettend dankbaar voor je aanbeveling… Het is geweldig om te horen dat Dane met zijn deskundige, efficiënte en vriendelijke aanpak zo’n positieve indruk heeft gemaakt… Je feedback is voor ons van onschatbare waarde… #KingstreePlumbing #SterkAanbevolen #EfficiënteService…”

Dit antwoord bevat hashtags, overmatig gebruik van trefwoorden, is te lang, bevat lofuitingen in AI-stijl en leest alsof het is gegenereerd door een tool zonder enige controle. Het is onmiddellijk afgewezen.

De les: als je AI-antwoordtool reacties genereert die klinken als die van elke andere AI-antwoordtool, zal het filter van Google die uiteindelijk opsporen.

Reden 2: Grof taalgebruik in namen, bedrijfsnamen en menu-items

Dit verbaast mensen. Het scheldwoordfilter van Google analyseert de volledige tekst van het antwoord, maar kan geen onderscheid maken tussen een beledigende term en een context waarin diezelfde woordcombinatie volkomen legitiem is.

Het probleem doet zich in drie verschillende vormen voor.

De praktische regel:voordat je antwoordtool een reactie plaatst, moet deze een voorafgaande controle uitvoeren op de volledige tekst, inclusief de naam van de reviewer, eventuele productnamen en de bedrijfshandtekening. Als een tekstfragment een automatisch scheldwoordfilter zou kunnen activeren, moet het antwoord door een medewerker worden gecontroleerd voordat het wordt verzonden.

Reden 3: Exacte duplicaten en reacties met minimale inhoud

Uit de gegevens blijkt dat één account op meer dan 100 opeenvolgende reviews letterlijk hetzelfde antwoord van tien tekens heeft gegeven: „Bedankt!”. Deze reacties werden allemaal afgewezen. Een ander account stuurde op identieke wijze „Bedankt voor de goede review” naar 46 opeenvolgende beoordelingen. Een derde patroon: „Bedankt 🙏”, waarbij alleen de voornaam van de recensent werd toegevoegd, werd honderden keren vanaf één account verstuurd.

In het uiterste geval: afgewezen reacties die uitsluitend bestaan uit één enkele emoji (“👍”, “🙌”, “😊”) of alleen uit leestekens zoals “!!!” of “.”

Hier spelen waarschijnlijk twee mechanismen een rol. Ten eerste is exacte duplicatie op grote schaal een klassiek signaal voor spam. Wanneer dezelfde tekst vanuit hetzelfde account binnen korte tijd bij tientallen of honderden beoordelingen wordt geplaatst, komt dat patroon overeen met bekend geautomatiseerd gedrag van lage kwaliteit, ongeacht of de tekst op zichzelf aanstootgevend is. Ten tweede lijkt Google een minimumkwaliteitsdrempel te hanteren. Een reactie die geen informatieve waarde toevoegt aan het openbare archief, zoals "Bedankt!", draagt niets bij wat een lezer niet al uit de sterrenbeoordeling zou kunnen afleiden, en voldoet mogelijk niet aan de kwaliteitsnorm die het moderatiesysteem hanteert voordat een reactie wordt goedgekeurd.

De praktische consequentie: het gebruik van sjablonen is niet alleen een probleem van standaardteksten. Zelfs een kort, helder antwoord dat niet door AI is gegenereerd, wordt afgewezen als het identiek is aan tientallen andere antwoorden van hetzelfde account.

Reden 4: Contactgegevens in de tekst van het antwoord

Reacties op reviews zijn geen middel om bezoekers naar jouw site te leiden of leads te genereren. Het inhoudsbeleid van Google maakt dit duidelijk, en onze gegevens bevestigen dit.

327 reacties (2,6%) bevatten een e-mailadres in de tekst van het bericht. Dit is bijna altijd een goedbedoelde poging om een klacht op te lossen: „Neem contact met ons op via[email protected]zodat we dit kunnen rechtzetten.”

287 reacties (2,3%) bevatten de woorden „neem contact met ons op“ of „bel ons“, waarmee de recensent werd aangespoord om buiten het platform actie te ondernemen. Dit patroon komt overeen met negatieve en neutrale recensies, waarbij bedrijven instinctief de conversatie offline willen voortzetten.

Het standpunt van Google is duidelijk: een reactie op een review moet publiekelijk gericht zijn aan de recensent. Als je privé contact wilt opnemen, maak dan gebruik van de bestaande functie voor privéberichten van Google. Het vermelden van je klantenservice-e-mailadres in een openbare reactie wordt beschouwd als commerciële werving of werving buiten het platform om, en wordt geblokkeerd.

Reden 5: Hashtags in de tekst van een reactie

38 reacties in onze dataset bevatten hashtags, en alle 38 zijn afgewezen. Hashtags zijn een functie van sociale mediaplatforms waar het vinden van content wordt gestuurd door het gebruik van tags. Beoordelingen op Google Bedrijfsprofiel zijn geen sociale media. Ze vormen een gestructureerd vertrouwenssignaal.

Het voorbeeld van een afgewezen hashtag uit onze gegevens illustreert het probleem duidelijk: #KingstreePlumbing #SterkAanbevolen #ExpertsInDeOmgevingVanEdmonton

Dit komt over als SEO-manipulatie, waarbij bedrijfsnamen en locatiegerelateerde termen in een reactie worden gepropt om lokale zoekresultaten te beïnvloeden. Of dat nu de bedoeling was of niet, het filter van Google interpreteert het zo.

De regel is simpel: geen hashtags in reacties op recensies.

Reden 6: Bulkplanning en reactiesnelheid

Responstijd alleen veroorzaakt geen afwijzing. Maar het is wel een onderdeel van het bredere patroon dat Google lijkt te analyseren.

78,7% van de afgewezen reacties in onze dataset werd meer dan 24 uur na het schrijven van de review geplaatst. De gemiddelde vertraging bedroeg 1.221 uur, oftewel ongeveer 50 dagen, een stijging ten opzichte van de 720 uur in onze eerste dataset. Dit weerspiegelt het gedrag van bedrijven die hun reacties in batches verwerken en vaak één keer per week of per maand een grote hoeveelheid reacties via AI genereren, in plaats van in realtime te reageren. Dat gemiddelde verslechtert, in plaats van te verbeteren.

Wanneer hetzelfde account binnen een kort tijdsbestek een groot aantal reacties verstuurt die allemaal dezelfde structuur hebben, wijst dat patroon op geautomatiseerd misbruik. Het is het digitale equivalent van het versturen van 500 e-mails vanaf hetzelfde IP-adres in één uur: technisch gezien legitiem, maar statistisch gezien verdacht.

Onze hypothese over bulkplanning: het systeem van Google beoordeelt een reactie mogelijk niet op zichzelf. Het beoordeelt deze wellicht in de context van de frequentie, het aantal reacties dat dit account in deze periode heeft geplaatst, de mate waarin die reacties qua structuur op elkaar lijken, en of het patroon overeenkomt met bekend geautomatiseerd gedrag van lage kwaliteit. Dit is moeilijker aan te tonen op basis van de tekst van de reactie alleen. Maar de timinggegevens, in combinatie met de gegevens over standaardteksten en duplicaten, wijzen sterk in deze richting.

Wat het inhoudsbeleid van Google nu eigenlijk verbiedt

Het officiële beleid van Google inzake reacties op reviews is vrij algemeen en niet volledig gedocumenteerd. Op basis van onze gegevens en de API-documentatie hebben de volgende inhoudscategorieën het grootste risico op afwijzing:

Duidelijke oorzaken:

• Scheldwoorden of beledigende taal (ook in de namen van recensenten, bedrijfsnamen en productnamen die in het antwoord zijn opgenomen)

• E-mailadressen

• Hashtags

• Exacte dubbele reacties die op grote schaal vanaf hetzelfde account worden geplaatst

• Reacties die niet voldoen aan de minimale kwaliteits- of inhoudseisen (bijvoorbeeld één emoji of alleen ‘Bedankt!’)

Sterke hypothesen op basis van onze gegevens:

• Standaardteksten met AI-sjablonen (de belangrijkste oorzaak, 67% van alle afwijzingen)

• Snelheidspatronen van één account

• Overmatig gebruik van zoekwoorden of SEO-manipulatie in de tekst van het antwoord

• Antwoorden die een niet-gedocumenteerde lengtegrens overschrijden (het langste afgewezen antwoord in onze gegevens telde 1.731 tekens)

Minder risico, maar het loont de moeite om in de gaten te houden:

• Antwoorden in meerdere talen waarbij de inhoud in de ene taal wordt gemarkeerd, maar in de andere niet

• Reacties vol emoji’s, vooral in combinatie met heel korte tekst

• De tijdlijn: wanneer het filter veranderde en hoe het zich ontwikkelde

De gegevens geven een duidelijk beeld van twee fasen.

Fase 1: 2024 tot begin 2025.De epidemie van AI-standaardteksten. Vóór 2024 waren er in onze dataset maar heel weinig afwijzingen: 354 in 2022, 398 in 2023. Vanaf maart 2024 begon het aantal afwijzingen sterk toe te nemen. In mei 2024 bevatte meer dan 70% van alle afgewezen antwoorden AI-standaardteksten. In juli 2024 bereikte dat cijfer 85% en bleef het op dat niveau tot en met februari 2025.

De timing correleert precies met de massale adoptie van AI-aangedreven tools voor het beantwoorden van reviews. Naarmate het volume van door AI gegenereerde antwoorden in het hele Google-ecosysteem toenam, lijkt het moderatiesysteem van Google de patronen die deze tools produceren te detecteren. Dit is de kerndynamiek: AI-tools creëerden een standaardtekst-epidemie. Google reageert met een standaardtekst-filter (twee jaar later).

Fase 2: Vanaf april 2025.Een ander afwijzingsprofiel. Vanaf april 2025 daalt het aandeel van AI-standaardteksten in afwijzingen sterk, van meer dan 70% naar enkele procenten in sommige maanden. Ook het totale afwijzingsvolume daalt aanzienlijk.

Twee interpretaties zijn mogelijk, en beide kunnen gedeeltelijk waar zijn. Ofwel zijn de AI-aangedreven tools voor het beantwoorden van reviews geavanceerd genoeg geworden dat bedrijven zijn gestopt met het gebruiken van die sjablonen van slechte kwaliteit (waardoor er minder standaardantwoorden worden ingediend). Ofwel past Google het filter toe om standaardantwoorden in een bepaald stadium van de verwerkingscyclus van reviewreacties te onderscheppen, voordat deze de formele status AFGEWEZEN bereiken. Dit is onwaarschijnlijk. Google gebruikt de reviewreacties in het eerste jaar van de review mogelijk niet of in mindere mate voor AI-entiteits- en contextuele profilering. Wat overblijft in de gegevens van eind 2025 en 2026 is een ander samenstellingsprofiel: voornamelijk gevallen van grof taalgebruik in context, exacte dubbele spam en reacties met minimale inhoud, de categorieën die worden behandeld in Redenen 2, 3 en 6 hierboven.

Wat dit betekent voor jouw strategie voor het reageren op reviews

Controleer de huidige status van je reacties. Als je via de API reageert, moet je inzicht hebben in ReviewReplyState. Reacties die via de gebruikersinterface van Google Business Profile of tools van derden worden geplaatst die dit veld niet weergeven, zijn als het ware ‘blind’. Een klein percentage van je bestaande reacties bevindt zich mogelijk al in de status AFGEWEZEN. Om de filters voor te blijven, volg je deze 5 stappen:

1. Evalueer je AI-antwoordtool.Als deze antwoorden genereert met zinnen als “we zijn verheugd dit te horen”, “uw tevredenheid is onze topprioriteit” of “we kijken ernaar uit u weer te mogen verwelkomen”, dan produceert de tool inhoud met een hoog risico op afwijzing. Deze zinnen zijn statistische aanwijzingen voor automatisering van lage kwaliteit. Train de tool opnieuw of stel hem opnieuw in met meer specifieke, contextuele en gevarieerde taal.

2. Controleer de volledige tekst van het antwoord vooraf op grof taalgebruik.Dit geldt ook voor de naam van de recensent, alle genoemde producten of menu-items en de naam van je bedrijf in de afsluiting. Het filter van Google houdt geen rekening met de context. ‘Pornstar Martini’ is een cocktail; het filter ziet twee termen die als ongepast worden gemarkeerd.

3. Verwijder exact dezelfde sjablonen. Als je tool bij meerdere beoordelingen identieke antwoorden verstuurt, is dat een direct afwijzingssignaal, ongeacht de kwaliteit van de inhoud. Elk antwoord moet anders zijn, ook al is het verschil maar klein.

4. Verwijder contactgegevens uit sjablonen.Elk sjabloon waarin uw e-mailadres, telefoonnummer of een ‘neem contact met ons op’-vermelding staat, moet worden aangepast. Beantwoord klachten met een algemeen aanbod om contact op te nemen, in plaats van een directe oproep tot actie waarin contactgegevens zijn opgenomen.

5. Spreid je reacties over de tijd.Als je 200 reacties inplant om op maandag om 9 uur 's ochtends te worden verstuurd, is dat patroon herkenbaar. Verdeel je reacties over verschillende tijdvakken en streef ernaar om binnen 24 uur na het plaatsen van de recensie te reageren.

De zichtbaarheidskloof is het echte probleem

De meeste bedrijven weten niet dat hun reacties worden afgewezen. Dat is het lastigste punt.

Er is geen e-mail van Google. Er is geen melding in het dashboard van het Bedrijfsprofiel. Het antwoord wordt simpelweg niet openbaar weergegeven, terwijl het intern de status ‘AFGEWEZEN’ heeft, die alleen via de API zichtbaar is. Voor bedrijven die gebruikmaken van tools van derden die dit veld niet weergeven, is het probleem volledig onzichtbaar.

Daarom is toegang tot ReviewReplyState op API-niveau geen technisch detail, maar een operationele vereiste. Zonder die toegang publiceer je in een zwarte doos.

Op GMBapi.com wordt bij elk antwoord de status 'ReviewReplyState' weergegeven. Wanneer een antwoord wordt afgewezen, markeert het platform dit, zodat het kan worden gecontroleerd, gecorrigeerd en opnieuw ingediend. De onderliggende gegevens waarop dit artikel is gebaseerd, zijn rechtstreeks afkomstig uit die monitoringinfrastructuur en zijn verzameld via twee gegevensopvragingen met een tussenpoos van vijf weken.

Het is niet de bedoeling om je te vertellen wat je niet moet doen. Het gaat erom het onzichtbare zichtbaar te maken.