16 juni 2026Bijgewerkt op Fathy Shalaby12 min leestijd
Zichtbaarheid in AI-zoekopdrachten: zo maak je je product uitlegbaar voor AI
Kopers vragen het nu aan ChatGPT, Perplexity en AI Overviews voordat ze je site bezoeken. Zo zorg je dat die systemen je product kunnen vinden, begrijpen en juist beschrijven.
Zichtbaarheid in AI-zoekopdrachten is de vraag of ChatGPT, Perplexity, Gemini en de AI Overviews van Google je product kunnen vinden, begrijpen en juist beschrijven wanneer een koper naar jouw categorie vraagt. Het rust op productuitlegbaarheid: in tekst die een machine kan lezen en citeren duidelijk zeggen wat je product doet, voor wie het is, wat het kost en waar het ophoudt.
De belangrijkste punten
Kopers vragen het eerst aan AI. In Forresters Buyers' Journey Survey 2025 gebruikte 94% van de B2B-kopers AI in het aankoopproces, en twee keer zoveel kopers noemde generatieve AI of conversationeel zoeken een zinvollere bron dan welke andere bron ook (Forrester, 2026).
Minder mensen klikken door. Googlegebruikers die een AI-samenvatting zagen, klikten bij 8% van de bezoeken op een traditioneel resultaat, tegenover 15% zonder samenvatting; slechts 1% klikte op een link in de samenvatting (Pew Research Center, 2025).
Duidelijkheid en bewijs worden geciteerd. In de GEO-studie onder leiding van Princeton verhoogden citaten, statistieken en bronvermeldingen de zichtbaarheid van een pagina in AI-antwoorden met 30–40%; keyword stuffing hielp niet (Aggarwal et al., 2024).
Je hebt geen geheim bestand nodig. Volgens Google hebben AI Overviews geen speciaal schema, geen AI-tekstbestand en geen markup nodig, boven op de gewone SEO-basis (Google Search Central).
Uitlegbaarheid is een productklus. Naamgeving, documentatie, prijzen en benoemde grenzen komen van het productteam, niet van het advertentiebudget.
Wat is productuitlegbaarheid, en waarom hangt zichtbaarheid in AI-zoekopdrachten ervan af?
Productuitlegbaarheid is hoe duidelijk je product zijn doel, gebruikers, waarde, prijs en grenzen communiceert, aan mensen en aan machines. Een mens kan door een vage landingspagina heen kijken en toch een demo boeken. Een taalmodel kan dat niet. Het werkt met de tekst die het kan ophalen, en als die tekst vaag is, vult het het gat met de beschrijving van een concurrent, een review van twee jaar oud of een gok.
Zichtbaarheid in AI-zoekopdrachten is de uitkomst. Als iemand vraagt: "Welke tool voor X is goed voor een team van 5 mensen?", haalt de assistent pagina's op, maakt er een antwoord van en noemt een paar producten. Je wordt genoemd en juist beschreven, genoemd en verkeerd beschreven, of je ontbreekt. Uitlegbaarheid bepaalt welke van de drie.
Waarom "verkeerd beschreven" het dure geval is
Ontbreken kost je een lead. Een verkeerde beschrijving kost je leads die je nooit ziet: de assistent vertelt een koper dat je een functie mist die je vorige maand hebt uitgebracht, of noemt een prijs die je al hebt geschrapt. Omdat in de data van Pew maar 1% van de bezoeken met een AI-samenvatting doorklikt naar een genoemde bron, komen de meeste kopers nooit op je site om het recht te zetten.
Hoe groot is de verschuiving van zoeken naar AI-antwoorden?
De cijfers zijn groot genoeg om als productteam rekening mee te houden, ook al blijft de precieze verdeling tussen zoeken en AI verschuiven.
Twee kanttekeningen. Het cijfer van Gartner is een voorspelling uit 2024, geen gemeten resultaat. En Google betwistte de methodologie van Pew toen de studie verscheen. Toch wijzen alle bronnen dezelfde kant op: steeds meer van de eerste indruk ontstaat nu binnen een AI-antwoord. En omdat AI-codeertools het opleveren van software goedkoper hebben gemaakt, strijden er nu meer producten om dezelfde paar namen in elk antwoord; die data zetten we op een rij in bouwen werd goedkoop, weten wat je moet bouwen niet.
Hoe bepalen AI-engines welke producten ze aanbevelen?
Niemand buiten de modelbedrijven kent de exacte rankinglogica, en die verandert vaak. Wat bekend is, komt uit richtlijnen van aanbieders en gecontroleerde studies.
Waar retrieval-gebaseerde engines op letten
De meeste AI-zoekfuncties halen live pagina's op en schrijven daar vervolgens een antwoord uit. Volgens Google moet een pagina geïndexeerd zijn en in aanmerking komen voor een snippet om in AI Overviews te verschijnen, en noemt Google de gebruikelijke basis: crawlen toegestaan in robots.txt en door je CDN, belangrijke inhoud in tekst, interne links en gestructureerde data die overeenkomt met de zichtbare tekst (Google Search Central).
Wat de GEO-studie vond
Het paper "GEO: Generative Engine Optimization" uit 2023 (Aggarwal en collega's, Princeton en anderen, geaccepteerd voor KDD 2024) testte verschillende manieren om webpagina's te herschrijven aan de hand van een benchmark van 10.000 zoekopdrachten (arXiv). De bevindingen:
Citaten, statistieken en bronvermeldingen werkten het best en verbeterden de zichtbaarheid met 30–40% op de belangrijkste, op woordaantal gebaseerde maatstaf van het paper.
Keyword stuffing gaf weinig tot geen verbetering, en bij Perplexity scoorde het 10% slechter dan de ongewijzigde basis.
Kleinere sites wonnen het meest. Bronnen noemen verhoogde de zichtbaarheid met 115,1% voor pagina's op plek vijf in de klassieke zoekresultaten, terwijl de pagina op plek één gemiddeld 30,3% verloor (Aggarwal et al., 2024).
De les voor een productteam is niet dat je iets moet manipuleren. Het is dat specifieke, onderbouwde, citeerbare uitspraken over je product verder reiken dan bijvoeglijke naamwoorden.
Waar AI-antwoorden hun feiten vandaan halen
Pew vond dat Wikipedia, YouTube en Reddit samen 15% van de bronnen in Googles AI-samenvattingen uitmaakten, en .gov-sites 6%, drie keer hun aandeel van 2% in standaardresultaten. Pagina's van derden beschrijven je product al. Jouw taak is van je eigen pagina's de duidelijkste en meest actuele versie te maken.
Verschilt generative engine optimization van SEO?
Grotendeels is het SEO, eerlijk gedaan, met meer nadruk op citeerbaarheid. Google stelt dat er "no additional requirements" zijn voor zijn AI-functies.
Vraag
Klassieke SEO
Zichtbaarheid in AI-zoekopdrachten (GEO)
Succesmaat
Een gerankte link en een klik
Genoemd en juist beschreven worden in een antwoord
Wat beloond wordt
Relevantie, links, pagina-ervaring
Heldere uitspraken, cijfers, geciteerde bronnen
Keyword stuffing
Wordt bestraft
Geen winst; 10% slechter op Perplexity in de GEO-studie
Speciale bestanden
Sitemap, robots.txt
Dezelfde; llms.txt is optioneel en onbewezen
Zo meet je
Rankings, klikken
Assistenten echte kopersvragen stellen en de antwoorden vastleggen
Wie er eigenaar van is
Marketing
Marketing plus product (naamgeving, docs, prijzen, grenzen)
Hoe maak je je product uitlegbaar voor AI? Een checklist van 10 punten
Kopieer dit naar een document en geef elke regel voldoende of onvoldoende.
Een definitie van één zin, overal woord voor woord gelijk. "[Product] is een [categorie] voor [doelgroep] die [taak]." Gebruik dezelfde zin op de homepage, in de docs, in app-storevermeldingen en in social-bio's.
Eén naam per functie. Als de app "Insights" zegt, de docs "Signals" en sales "Themes", behandelt een model dat als drie verschillende dingen. Hernoem ze of geef ze expliciet een alias.
Prijzen in gewone tekst. Zet plannamen, prijzen, valuta en factureringseenheid op een openbare pagina, niet in een afbeelding of achter "vraag een demo aan". Anders noemt een assistent die gevraagd wordt "wat kost X" een derde partij of niets. Hoe prijsmodellen verschuiven, lees je in prijzen per gebruiker sterven uit.
Een kopje "Niet voor". Zeg wie niet moet kopen en wat het product niet doet. Een model dat je grenzen niet kan vinden, verzint ze misschien.
Eerlijke vergelijkingspagina's. Leg uit waar een genoemd alternatief de betere keuze is. Een eerlijke vergelijking wordt eerder geciteerd dan een eenzijdige.
Docs en helppagina's als crawlbare HTML. Controleer robots.txt en de instellingen van je CDN of botbeveiliging; Google noemt beide als redenen waarom een pagina niet in aanmerking komt.
Gestructureerde data die bij de pagina past. Gebruik gerust schema.org-markup voor Organization en SoftwareApplication, maar volgens Google moet die overeenkomen met de zichtbare tekst.
Specifieke cijfers met bronnen. Vervang "snel" door "importeert 10.000 rijen in minder dan een minuut (onze test, maart 2026)". De beste tactieken uit de GEO-studie waren statistieken en bronvermeldingen.
Kopjes als vragen en een korte FAQ. Schrijf kopjes zoals kopers vragen ("Werkt X met Jira?") en beantwoord de vraag in de eerste zin.
Een maandelijkse antwoordaudit. Stel 3–5 assistenten dezelfde 10 kopersvragen en leg vast wat ze zeggen (zie het uitgewerkte voorbeeld hieronder).
Optioneel: publiceer een llms.txt-bestand, een Markdown-samenvatting die Jeremy Howard van Answer.AI in september 2024 voorstelde (llmstxt.org). Het is goedkoop toe te voegen, maar het is een voorstel, geen standaard, en Google zegt dat het er geen nodig heeft.
Hoe ziet een uitlegbaarheidsaudit eruit? Een uitgewerkt voorbeeld
Illustratief scenario: een B2B-team van 6 mensen dat een tool voor vergadernotities verkoopt, stelt 4 assistenten dezelfde 10 kopersvragen, dus 40 antwoorden in totaal. Ze scoren elk antwoord: 2 punten als het juist en actueel is, 1 als het vaag is, 0 als het fout is of ontbreekt.
Kopersvraag
Juist
Vaag
Fout of ontbrekend
Wat doet het en voor wie is het? (4 antwoorden)
3
1
0
Wat kost het? (4 antwoorden)
0
1
3
Integreert het met Zoom en Teams? (4 antwoorden)
2
0
2
Worden gegevens in de EU opgeslagen? (4 antwoorden)
0
0
4
Zes andere vragen (24 antwoorden)
14
6
4
Totaal (40 antwoorden)
19
8
13
Score: (19 × 2 + 8 × 1) ÷ 80 = 58%. De fouten clusteren rond prijs en gegevenslocatie, en beide komen voort uit dezelfde oorzaak: de prijzen staan achter een demoformulier en het antwoord over de gegevenslocatie bestaat alleen in een pdf. Die twee pagina's repareren is een klus van een week. Het team draait dezelfde 40 vragen een maand later opnieuw, want AI-antwoorden lopen achter op paginawijzigingen en verschillen per run.
EU-kopers stellen de vraag over gegevenslocatie al vroeg. Onze checklist voor de adoptie van AI-tools in de EU noemt wat ze controleren, en elk punt verdient een antwoord in gewone tekst op je site.
Waarom is dit een productprobleem en niet alleen een marketingprobleem?
Omdat de grondstof uit het product komt. Functienamen worden in de app bepaald. Grenzen zijn productbeslissingen. De prijseenheid is een packagingbeslissing. De docs worden geschreven door wie de functie heeft gebouwd. Marketing kan een helder verhaal herhalen (onze gids een productfunctie in de markt zetten behandelt dat deel), maar kan er geen verzinnen dat het product niet waarmaakt.
Dezelfde duidelijkheid helpt een verwarde nieuwe gebruiker, en steeds vaker ook softwaregebruikers: agents die je docs lezen om te beslissen of ze je API aanroepen. Over dat tweede publiek schrijven we in agent-ready producten en het twee-gebruikersmodel.
Een praktische regel: telkens als een positioneringsbeslissing verandert (nieuw plan, hernoemde functie, nieuw "niet voor"-segment), leg je dat één keer vast en werk je elk oppervlak bij vanuit die vastlegging. Teams die Specky gebruiken, houden die vastlegging bij in het Decision Log en de Product Graph, zodat de spec, de docs en het openbare verhaal op dezelfde beslissing leunen.
Welke fouten maken teams met zichtbaarheid in AI-zoekopdrachten?
Trucjes najagen. Keyword stuffing scoorde in de GEO-studie onder de basis. Verborgen tekst en verzonnen reviews riskeren het vertrouwen dat je juist probeert te verdienen.
Eén antwoord voor de waarheid aanzien. Assistenten geven op verschillende dagen verschillende antwoorden op dezelfde vraag. Meet over meerdere runs en meerdere assistenten.
De feiten verbergen waar kopers naar vragen. Prijs, gegevenslocatie en grenzen worden het vaakst verkeerd beantwoord als je ze niet publiceert.
Meteen resultaat verwachten. Retrieval-gebaseerde antwoorden kunnen een paginawijziging pas weerspiegelen nadat de pagina opnieuw is gecrawld, en wat een model tijdens de training heeft geleerd, verandert pas als het model opnieuw wordt getraind.
llms.txt overschatten. Of AI-engines het gebruiken is onbevestigd, en Google zegt dat het voor zijn functies onnodig is.
Vergeten dat je de output niet in de hand hebt. Je kunt de juiste beschrijving makkelijk vindbaar maken. Je kunt een model niet dwingen die te gebruiken.
Voor een voorbeeld van een pagina die volgens deze regels is gebouwd, met prijzen gecontroleerd op de pagina's van de aanbieders zelf en echte grenzen, zie onze vergelijking van AI-tools voor productmanagement.
Veelgestelde vragen
Wat is generative engine optimization (GEO)?
GEO is het vergroten van de kans dat content wordt geciteerd en juist beschreven in door AI gegenereerde antwoorden van tools als ChatGPT, Perplexity en Googles AI Overviews. De term komt uit een paper uit 2023 onder leiding van Princeton, dat vond dat citaten, statistieken en bronvermeldingen de zichtbaarheid met tot 40% verhoogden, terwijl keyword stuffing niet hielp.
Hoe laat ik mijn product door ChatGPT aanbevelen?
Je kunt een aanbeveling niet kopen of afdwingen, maar je kunt de juiste beschrijving wel makkelijk vindbaar maken. Publiceer een definitie van één zin, prijzen in gewone tekst, benoemde integraties en duidelijke grenzen op crawlbare pagina's. Onderbouw beweringen met cijfers en bronnen. Stel ChatGPT daarna elke maand de echte vragen van je kopers en repareer de pagina's achter elk verkeerd antwoord.
Heb ik schema-markup of een llms.txt-bestand nodig voor AI Overviews?
Nee. Volgens Google is er geen speciale schema.org-structuur, geen AI-tekstbestand en geen markup nodig om in AI Overviews of AI Mode te verschijnen. De gebruikelijke basis geldt: crawlen toestaan, belangrijke inhoud in tekst houden en gestructureerde data laten overeenkomen met de zichtbare pagina. Een llms.txt-bestand is optioneel en blijft een voorstel uit de community.
Hoe controleer ik hoe AI-assistenten mijn product beschrijven?
Schrijf 10 vragen die een echte koper stelt, over wat het doet, prijs, integraties, gegevenslocatie en alternatieven. Stel elke vraag aan 3–5 assistenten in een verse sessie, leg de antwoorden vast in een spreadsheet en score ze als juist, vaag of fout. Herhaal dit maandelijks. De foute antwoorden wijzen je naar de pagina's die je moet repareren.
Is zichtbaarheid in AI-zoekopdrachten belangrijk voor een kleine B2B-startup?
Ja, aantoonbaar zelfs meer dan voor gevestigde partijen. In de GEO-studie wonnen lager gerankte pagina's het meest: bronnen noemen verhoogde de zichtbaarheid met 115,1% voor pagina's op plek vijf in klassiek zoeken. Een startup met heldere, specifieke, goed onderbouwde pagina's kan in een AI-antwoord naast grotere merken worden genoemd, zelfs voordat ze op pagina één staat.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing