De vraag is verschoven
Tot een paar jaar terug was de vraag eenvoudig: hoe komen we hoger in Google? Inmiddels stellen veel directies die we spreken een andere vraag: waarom citeert ChatGPT onze concurrent wel en ons niet? Dat is een terechte vraag, en het antwoord ligt grotendeels in hoe jullie content gestructureerd is.
Answer Engine Optimization draait niet om trucs, maar om de vraag of een large language model (LLM) jullie pagina kan lezen, begrijpen en als bron durft te noemen. Drie dingen wegen het zwaarst: machineleesbare structuur, duidelijke antwoorden bovenaan en signalen die vertrouwen geven.
Wat een LLM ziet
Een taalmodel leest geen plaatjes, maar tekst, en het let scherp op hiërarchie. Een H1 zegt iets anders dan een H2 en een H2 iets anders dan een H3, net zoals een lijst iets anders zegt dan een alinea. Een definitie aan het begin van een sectie weegt zwaarder dan dezelfde zin halverwege.
Dat is precies waar veel contentpagina's in het mkb op stranden. De koppen kloppen visueel, maar semantisch is het een rommeltje. De H1 staat er twee keer, H3's springen over de H2 heen en de kernzin van het artikel staat ergens in alinea vier. Een model dat snel besluit of het iets meeneemt, gaat verder naar de volgende pagina.
Drie principes die werken
Een recept is het niet, wel een volgorde: drie principes die het verschil maken tussen pagina's die genoemd worden en pagina's die onzichtbaar blijven.
- Open met de samenvatting, niet met de aanleiding. De eerste alinea is jullie sterkste citatiekans. Schrijf een zin van hooguit twintig woorden die de vraag van de bezoeker beantwoordt. Een model dat die zin oppikt, kan hem letterlijk citeren.
- Eén H1, schone H2-cascade. Sla geen kopniveau over en zet geen vier H2's achter elkaar zonder alinea ertussen. Een model leest de hiërarchie als een inhoudsopgave: is die onleesbaar, dan is de pagina dat ook.
- Lijsten waar het kan, definities expliciet. Drie items in een lijst zijn voor een model drie aparte feiten. Definieer vakjargon in één duidelijke zin. Auteurs vinden dat basaal, maar voor het model is het juist waardevolle tekst.
De vraag is niet meer "kunnen mensen ons vinden?", maar "kan een model ons zonder twijfel doorvertellen?".
Vertrouwen geven
Modellen zijn voorzichtig met bronnen die ze niet kennen. Een auteursnaam, een publicatiedatum, een organisatie met een adres en een geschiedenis: het lijken kleine details, maar samen vormen ze het verschil tussen "deze pagina wordt geciteerd" en "deze pagina blijft onzichtbaar". Structured data via JSON-LD (code die een model vertelt wat voor pagina het is) helpt: Organization, Article, FAQPage. Wil je weten waar voor jouw organisatie de meeste winst zit? Vraag dan een kosteloze GRIP-analyse aan.
Stel ChatGPT, Claude en Perplexity dezelfde vraag waar jullie dienst het antwoord op is. Komen jullie voor? Worden jullie geciteerd? Doe dat over drie maanden opnieuw en meet wat de nieuwe structuur oplevert.
