Een bezoeker scant je pagina van boven naar beneden. Een taalmodel doet iets heel anders. Het knipt je tekst in stukken, beoordeelt elk stuk apart en gebruikt alleen het beste fragment.
Dat verschil verklaart waarom uitstekende artikelen soms nooit geciteerd worden. De pagina klopt, maar de losse stukken staan niet op eigen benen. Snap je dat mechanisme, dan verandert je manier van schrijven direct.
Wat gebeurt er nadat een AI je pagina ophaalt?
De crawler haalt de HTML op. Daarna verwijdert het systeem navigatie, voettekst en scripts en houdt de kale tekst over. Vervolgens knipt het die tekst in blokken. Voor zoeken en ophalen ligt de gangbare maat rond de 200 tot 500 tokens, oftewel grofweg 150 tot 375 Nederlandse woorden.
Elk blok krijgt een numerieke weergave, een zogenoemde embedding. De vraag van de gebruiker krijgt diezelfde behandeling. Het systeem vergelijkt beide via een gelijkenisberekening en haalt de blokken op die het dichtst bij de vraag liggen.
Google voegt daar nog een stap aan toe. Bij AI Overviews en AI Mode gebruikt het systeem een techniek die Google zelf query fan out noemt: het splitst je vraag op in meerdere deelzoekopdrachten en verzamelt daaruit een bredere set bronnen.
Waarom is de “knip plek” zo belangrijk?
Het systeem knipt op logische grenzen: koppen, alinea’s en lijsten. Vertel je een verhaal in vier alinea’s, dan belandt hij mogelijk in twee losse blokken. Beide blokken vertellen dan een half verhaal.
Een blok met een half verhaal verliest het altijd van een blok dat compleet is. Daarom werkt schrijven in afgeronde eenheden zo goed. Bekijk ook mijn video hieronder om meer te weten over AI SEO. Hoe je AI inzet zonder onnodig risico lees je bij AI veilig inzetten in je SEO werk.
Hoe schrijf je fragmenten die op zichzelf staan?
Geef elk stuk een kop die de vraag letterlijk stelt. Zet daaronder meteen het antwoord in twee of drie regels. Voeg pas daarna de nuance en de uitleg toe.
Vermijd verwijswoorden naar eerdere alinea’s. “Zoals ik hierboven schreef” en “dat laatste punt” maken een fragment onbruikbaar, omdat de context wegvalt bij het knippen.
Welke lengte werkt het beste?
Alinea’s van twee tot drie regels. Zinnen van gemiddeld tien tot vijftien woorden. Secties van 100 tot 200 woorden onder elke kop.
Die maat past netjes binnen één blok. Zo houdt het systeem een compleet stuk over dat het letterlijk overneemt.
Waarom mist een AI soms je belangrijkste informatie?
De grootste boosdoener is JavaScript. Veel crawlers van AI aanbieders voeren geen scripts uit. Staat je prijs, je voorraad of je productbeschrijving alleen in een script, dan ziet het model niets.
Test dit zelf. Schakel JavaScript uit in je browser en bekijk je belangrijkste pagina. Wat je dan leest, is ongeveer wat een model ziet. Waarom dat uitmaakt staat bij AI crawlers lezen geen JavaScript.
Welke elementen verdwijnen nog meer?
Tekst in afbeeldingen. Inhoud achter tabbladen die pas laadt na een klik. Content in een accordeon die het systeem niet uitklapt. En alles achter een inlogscherm.
Zet je belangrijke informatie daarom altijd in gewone HTML tekst, direct zichtbaar bij het laden.
De rol van structured data
Schema markup geeft feiten in een formaat dat geen interpretatie vraagt. Een model hoeft de prijs niet uit een zin te vissen als hij in het Product schema staat.
Google zegt er zelf iets belangrijks bij: er bestaat geen speciale markup die je toegang geeft tot AI Overviews of AI Mode. Wel vraagt Google dat je gestructureerde data overeenkomt met de zichtbare tekst op de pagina. Schema helpt dus, alleen als aanvulling op je tekst en nooit als vervanging ervan.
Gebruik Organization voor je bedrijf, met sameAs links naar je profielen. Person voor je auteurs. Product met brand, sku, gtin, offers en availability. Article met datePublished en dateModified. FAQPage voor je vragensecties.
Vul die velden compleet in. Half ingevulde markup levert half zoveel op, want het systeem vult de rest niet aan. Voor LLM’s lijkt gestructureerde data tot nu toe geen directe invloed te hebben.
Hoe koppelt een model losse feiten aan jouw merk?
Systemen bouwen een beeld van entiteiten: bedrijven, personen, producten. Elke vermelding voegt een puzzelstukje toe. Consistentie bepaalt of die stukjes bij elkaar horen.
Gebruik overal exact dezelfde bedrijfsnaam, dezelfde beschrijving en dezelfde hoofd URL. Wisselende schrijfwijzen splitsen je merk op in losse entiteiten en verzwakken je signaal.
Waarom helpt een duidelijke kopstructuur hierbij?
Een H1 met daaronder logische H2 en H3 koppen geeft een hiërarchie. Het systeem gebruikt die hiërarchie als etiket bij elk blok tekst.
Sla je niveaus over of gebruik je koppen puur voor opmaak, dan verdwijnt dat etiket. Het blok tekst blijft dan zweven zonder dat het een onderwerp heeft.
Wat betekent dit voor je bestaande content?
Pak bijvoorbeeld eens je twintig belangrijkste pagina’s en loop ze langs met de kennis die je nu hebt. Begint elke sectie met een antwoord? Staan er verwijswoorden in die context nodig hebben? Zijn de alinea’s kort genoeg?
Vaak volstaan kleine ingrepen al. Een kop toevoegen, een alinea splitsen, een cijfer erbij zetten. Het verschil in de kans dat je geciteerd wordt, is groter dan je verwacht.
Hoe test je of het gelukt is?
Kopieer één sectie van je pagina en plak hem los in een AI tool met de vraag of het een compleet antwoord geeft op de bijbehorende vraag. Blijft de tekst zonder de rest overeind, dan zit je goed.
Herhaal dat voor je vijf belangrijkste secties. Deze test kost tien minuten en legt precies bloot waar je fragmenten problemen opleveren (het kan soms best simpel zijn).
Veelgestelde vragen
Ik licht graag een aantal veelgestelde vragen toe:
Hoe groot is een tekstblok bij een taalmodel? Voor zoeken en ophalen werken systemen vaak met 200 tot 500 tokens per blok. Dat komt neer op ongeveer 150 tot 375 Nederlandse woorden. Veel systemen laten blokken 10 tot 20 procent overlappen, zodat er bij de plek van knippen geen context wegvalt.
Helpt het om mijn hele pagina korter te maken? Niet automatisch. Lengte telt minder dan structuur. Een lang artikel met heldere secties presteert beter dan een kort artikel zonder koppen.
Leest een AI mijn afbeeldingen? Sommige systemen herkennen beeld, maar reken er niet op. Zet belangrijke informatie in de tekst en gebruik beschrijvende alt teksten.
Moet ik een llms.txt bestand maken? Google stelt expliciet dat je geen nieuwe machineleesbare bestanden nodig hebt voor zijn AI functies. Andere aanbieders lezen het soms wel. Het kost weinig moeite en schaadt niets, maar verwacht er niet te veel van.
Werkt een inhoudsopgave bovenaan mijn artikel? Ja. Het geeft structuur voor lezers en het bevestigt de kopstructuur voor systemen die je pagina verwerken.
Meer weten, of nog vragen? Neem gerust contact met me op via jessecommandeur.nl.
Bronnen
Google Search Central, “AI features and your website”. Officiële documentatie over AI Overviews en AI Mode, de query fan out techniek, de technische eisen voor vertoning en het standpunt dat er geen aparte markup of AI bestanden nodig zijn. https://developers.google.com/search/docs/appearance/ai-features
MongoDB, “Chunking Explained”. Uitleg over het opknippen van documenten, tokenisatie, embeddings, opslag in een vectordatabase en de gelijkenisberekening bij een zoekopdracht. Noemt 200 tot 500 tokens als gangbare blokgrootte voor zoeken en ophalen, en 10 tot 20 procent overlap. https://www.mongodb.com/resources/basics/chunking-explained
