Steeds meer mensen beginnen hun zoektocht naar informatie niet meer in Google, maar bij ChatGPT, Perplexity of andere AI-zoekmachines. Dat betekent dat de spelregels voor online zichtbaarheid drastisch aan het veranderen zijn.
Zorgen dat je website bovenaan verschijnt wanneer iemand iets opzoekt, dat is SEO. Maar nu moeten we nadenken over iets nieuws: hoe zorg je ervoor dat LLM’s jouw merk noemen wanneer ze vragen beantwoorden? Deze nieuwe manier van optimaliseren noemen we Generative Engine Optimization, of kortweg GEO.
Het verschil tussen GEO en SEO is behoorlijk groot. Bij traditionele zoekopdrachten klik je op links en bezoek je websites. Bij AI-gesprekken krijg je direct antwoorden voorgeschoteld, maar als je bedrijf niet vernoemd wordt ben je onzichtbaar in de conversatie.
In dit artikel gaan we dieper op de verschillen tussen GEO en klassieke SEO.
Verschillen in zoekgedrag
| Criteria | Traditioneel zoeken | LLM (AI Search) | Verschil |
|---|---|---|---|
| Lengte zoekopdracht en complexiteit | Korte keyword-gebaseerde queries (~4 woorden), bv. “beste loopschoenen” | Langere prompts (~23 woorden), vaak volledige vragen of instructies | Hoog |
| Topics en user intent | Omvat traditionele intentietypes: informationeel, navigerend, commercieel, transactioneel.
Gebruikers zoeken vaak naar feiten, producten of specifieke websites. |
Breder scala aan querytypes, waaronder complexe taken, probleemoplossing, brainstormen en creatieve prompts.
Veel prompts passen niet in traditionele intentiecategorieën – ongeveer 70% van ChatGPT-prompts zijn unieke zoekopdrachten die zelden op Google voorkomen. |
Hoog |
| Interactiestijl | Meestal enkelvoudige interacties. Gebruiker voert een zoekopdracht in, krijgt een lijst met resultaten, en past eventueel de zoekterm aan als het resultaat onbevredigend is. Weinig context wordt meegenomen tussen zoekopdrachten. (Bijv. Google-gebruikers passen ~18–29% van de tijd hun zoekopdracht aan op desktop/mobiel). | Meervoudige interacties. De AI behoudt context uit eerdere prompts, waardoor gebruikers vervolgvragen stellen in plaats van opnieuw te beginnen. Dit leidt tot een dynamische “dialoog”-sessies en vergroot het aantal ‘zero-click’ zoekopdrachten. | Hoog |
| Sessieduur | Vaak korte sessies. Een gebruiker voert enkele zoekopdrachten in, klikt op een resultaat, en brengt weinig tijd door op de SERP. Alleen bij diepgaand onderzoek duren sessies langer. | Langere betrokkenheid per sessie. Onderzoek heeft uitgewezen dat gebruikers minutenlang kunnen chatten met een LLM en een onderwerp verkennen via iteratieve prompts. Vervolgvragen leiden tot diepere en tijdsintensievere zoekervaringen. | Hoog |
| Onderzoek | User research en concurrentieanalyse worden voornamelijk gedaan door keyword research en concurrentieonderzoek. Zoekwoordenonderzoek is een belangrijke fase binnen SEO om zoekvolumes, seasonality, trends, gebruikersintentie en concurrentieniveau vast te stellen. Concurrentieonderzoek is dan weer essentieel om kansen te beoordelen (wie rankt op relevante keywords). Hiervoor bestaan uitgebreide gratis en betaalde SEO-tools. | Prompt-/topiconderzoek is verkennend. Er is weinig officiële data over frequentie of volume van AI-prompts binnen LLMs. SEO-specialisten moeten populaire AI-vragen afleiden uit gebruikersproblemen en vragen, met beperkte beschikbare data.
Wij gebruiken hiervoor het QPAFFCGMIM-framework. |
Hoog |
| Datasources / tools | Google Search Console, Bing Webmaster Tools, Analytics-platforms, keyword research tools (SEMrush, Mangools, SE Ranking, SISTRIX, enz.) | Tools zoals Rankshift bieden inzicht in de visibilteit van bedrijven in AI-search. | Medium |
Manier van optimaliseren
| Optimalisatie | Traditioneel zoeken | LLM (AI Search) | Verschil |
|---|---|---|---|
| Context en personalisatie | Beperkte personalisatie van zoekresultaten op basis van zoekgeschiedenis en locatie. | LLM’s bieden diepgaande contextuele personalisatie, waarbij gebruikerscontext en voorkeuren over meerdere interacties meegenomen worden. | Hoog |
| Semantische relevantie & content diepgang | Klassieke zoekmachines gebruiken semantiek en NLP om de intentie te begrijpen. Content die relevante onderwerpen en synoniemen omvat (niet alleen exacte keywords), scoort beter. | Generatieve AI bepaalt relevantie o.b.v. context en taalbegrip. Content die een onderwerp diepgaand en natuurlijk behandelt (niet alleen specifieke zoektermen target), wordt eerder opgenomen in AI-antwoorden. | Medium |
| Originele, deskundige & actuele content | Google beloont content met EEAT (Experience, Expertise, Authoritativeness, Trustworthiness). Actuele, hoogwaardige content rankt beter dan eenheidsworst. | LLM’s geven voorkeur aan content met duidelijke expertise en autoriteit. Bij toegang tot actuele data (via Bing/Google-index) is ‘fresh’ content extra waardevol. Regelmatige updates zorgen voor opname in AI-antwoorden. | Laag |
| Autoriteit | Een sterk backlinkprofiel van betrouwbare, diverse bronnen is nog steeds een belangrijke rankingfactor. | Onderzoek wees meermaals uit dat backlinks weinig tot niet de resultaten van LLM’s beïnvloeden. Veelvuldige en consistente vermeldingen in autoritaire bronnen verhogen kans op opname in AI-antwoorden. | Medium |
| Content en structuur | Goed gestructureerde content (headings, alinea’s, lijsten, tabellen) helpt zoekmachines én gebruikers. Dit kan zorgen voor featured snippets. | LLM’s verkiezen heel duidelijk goed gestructureerde, makkelijk te verwerken content. Logische secties, samenvattingen en opsommingen helpen AI bij extractie en synthese van antwoorden. | Medium |
| Media | Video’s, afbeeldingen etc. kunnen ranken in de zoekresultaten van Google of andere zoekmachines. | Video’s en afbeeldingen kunnen opgenomen worden in LLM-antwoorden wanneer relevant. | Medium |
| Structured data | Zoekmachines kunnen met behulp vanSchema.org-markup je content beter interpreteren en waardoor dit rich results kan triggeren. | Bij integratie met live index of knowledge graph (zoals Bing Chat of Google AI Overviews) helpt structured data LLM’s je content beter te begrijpen. Standalone LLM’s zoals ChatGPT gebruiken schema (nog) niet direct.. | Laag |
| Page experience en Core Web Vitals (CWV) | Snelle laadtijd, mobielvriendelijkheid en goede UX verbeteren ranking. Google kijkt de laatste jaren heel veel naar goede UX-signalen. | Dit is indirect relevant. LLM’s met RAG-systemen nemen page experience mee. Slechte prestaties kunnen crawlability belemmeren, wat opname in AI-antwoorden kan belemmeren. | Medium |
| Crawling en indexing | Content moet crawlbaar en indexeerbaar zijn. Google en Bing kunnen goed omgaan met JS en Client Side Rendering, mits best practices gevolgd worden. | Content moet toegankelijk zijn voor LLM’s. Sommige LLMs (zoals ChatGPT) renderen geen JavaScript, dus core content moet beschikbaar zijn via server-side rendering. | Medium |
Weergave van de resultaten
| Eigenschap | Traditioneel zoeken | LLM (AI Search) | Verschil |
|---|---|---|---|
| Weergave resultaat | Klassieke lijst van 10 blauwe links inclusief snippets en rich results zoals featured snippets, knowledge panels, afbeeldingen, product grids enz. De gebruiker krijgt meerdere opties en bronnen gepresenteerd. | Een gesynthetiseerd antwoord of overzicht. De AI combineert informatie uit één of meerdere bronnen tot een enkel, conversatiegericht antwoord die de zoekvraag beantwoordt. Deze antwoorden worden ondersteund door citations of bronnen. | Hoog |
| Bronvermelding | Duidelijke bronvermelding per resultaat in de SERP. Elk resultaat is expliciet gekoppeld aan een bron (webpagina), zichtbaar via titel, URL en beschrijving. Featured snippets tonen content van een site met URL, en gebruikers weten inherent op welke site ze klikken. | Verschillende bronnen. De AI kan bronnen citeren via voetnoten of subtiele links, zichtbaar in de zijbalk als gebruikers op link-iconen klikken. Attributie is echter minder transparant dan bij traditionele zoekresultaten. | Hoog |
| Diversiteit van de resultaten | Gebruikers kunnen meerdere resultaten vergelijken. Als één site onbetrouwbaar lijkt, kunnen ze andere bronnen raadplegen. Door de aanwezigheid van veel resultaten ontstaat automatische cross-verificatie. De reputatie van een website (merkherkenning, reviews, enz.) beïnvloedt het vertrouwen voorafgaand aan een klik. | Gebruikers nemen AI-antwoorden vaak aan als feit. Als de AI fouten maakt of verkeerde info ophaalt, zijn alternatieve antwoorden niet altijd zichtbaar (tenzij via citaties of door zelf navraag te doen). Hierdoor is accuraatheid van content heel belagnrijk voor LLM’s. Correcte, en autoritaire content verhoogt de kans dat jouw informatie gebruikt wordt. | Hoog |
| Gedrag / navigatie | De verwachting is dat gebruikers op een resultaat klikken om het volledige antwoord te bekijken (= verkeer naar websites). Zelfs featured snippets lokken vaak kliks uit voor extra informatie of bevestiging. Click-through rate (CTR) is een heel belangrijke KPI. | Het AI-antwoord kan de zoekvraag volledig beantwoorden binnen de AI-interface, wat leidt tot minder bezoeken aan geciteerde websites. Hierdoor ontstaan “zero-click search” situaties. Organische CTR daalt – gebruikers lezen mogelijk alleen het AI-samenvatting en klikken nergens. Voor SEO’s betekent succes dus méér dan alleen klikken; als merk of bedrijf wil je dus opgenomen worden in het antwoord en merkzichtbaarheid. | Hoog |
Doelstellingen en KPI’s
| KPI’s | Traditioneel zoeken | LLM (AI Search) | Verschil |
|---|---|---|---|
| Crawlen en indexeren van content | Zorgen dat je site gecrawld en geïndexeerd wordt door zoekmachines is fundamenteel, zonder indexatie kun je niet gevonden worden. | LLM’s en zoekbots moeten ook toegang hebben tot je content. Zowel traditionele zoekbots als nieuwe AI-crawlers moeten je content kunnen vinden. Aangezien sommige LLMs geen Client Side JavaScript renderen (zoals traditionele zoekmachines wel doen), is het belangrijk om crawlbaarheid specifiek te testen voor de LLM-bot. | Medium |
| Merkzichtbaarheid | Belangrijk via topposities en zichtbaarheid in SERPs en SERP-features voor branded en non-branded zoekopdrachten door de hele customer journey. | Ook hier heel belangrijk door vermeldingen of citations te verwerven in AI-gegenereerde antwoorden op relevante vragen. Zelfs zonder klik is de merkimpressie waardevol in LLM’s. Verschillende tools, zoals Rankshift, meten de visibiliteit van bedrijven in AI-search. | Hoog |
| Merkautoriteit en bekendheid | Vaak uitgedrukt in een aantal backlinks en verwijzende domeinen. | Gebaseerd op aantal en aandeel merkvermeldingen in bronnen die AI gebruikt in antwoorden. Backlinks zijn minder belangrijk voor LLM’s. | Medium |
| Sentiment | Sentiment is minder belangrijk voor SEO. | Sentiment binnen AI-antwoorden is héél belangrijk. Negatieve berichtgeving over je merk kan meegenomen worden in antwoorden van LLM’s. | Hoog |
| Impressies | Impressies in zoekresultaten worden voornamelijk gebruikt om CTR te analyseren en te optimaliseren, minder als op zichzelf staand doel. | Impressies in AI-antwoorden (ook zonder klik) vormen een KPI om merkzichtbaarheid en bereik te analyseren. Bij gebrek aan inzichten in zoekvolumes zijn impressies momenteel moeilijk in kaart te brengen. | Medium |
| Verkeer | Organisch verkeer uit zoekopdrachten is een primaire KPI. Groei in sessies/paginaweergaven via SEO wordt gevolgd en gekoppeld aan ROI. Elke stijging in ranking kan leiden tot meer klikken en dus meer verkeer. | Verkeer uit AI-zoekopdrachten komt mogelijk in de vorm van referral traffic. Dit is meestal lager per query dan bij klassieke zoekopdrachten door het ‘zero-click’-effect, maar het verkeer is vaak zeer relevant en betrokken (de gebruiker klikte bewust voor meer details = vaak hogere conversieratio’s). | Medium |
| Conversies | Conversies en leads uit organisch verkeer (aantallen, omzet, conversieratio, enz.) zijn een belangrijke KPI. | Ook hier zijn conversies en leads uit verkeer afkomstig uit LLM-antwoorden (idem: aantal, omzet, conversieratio, enz.) een belangrijke KPI. | Medium |
