I. De verschuiving die de meeste SEO-specialisten nog onderschatten
Er is een moment in de evolutie van zoekmachines waarop de regels fundamenteel veranderen. Niet gradueel, niet als een update die je kan wegwerken met een technische fix — maar als een paradigmashift die vereist dat je de hele discipline anders bekijkt.
We zitten midden in zo’n moment.
Ik werk al meer dan twintig jaar rond hoe mensen online zoeken, kiezen en beslissen. Ik heb de overgang meegemaakt van meta keywords naar PageRank, van PageRank naar E-A-T, van E-A-T naar generatieve AI. Elke keer dachten mensen dat de fundamenten overeind bleven. En elke keer bleken de fundamenten net het deel te zijn dat veranderde.
In een eerder stuk beschreef ik hoe SEO in dertig jaar evolueerde van meta keywords over PageRank naar E-E-A-T en generatieve AI. De rode draad doorheen die evolutie: zoekmachines werden steeds beter in begrijpen wat mensen bedoelen, niet alleen wat ze typen.
De volgende stap in die evolutie heeft een naam: Answer Engine Optimization, of AEO.
En de kern van AEO is een verschuiving die eenvoudig klinkt maar verstrekkende gevolgen heeft: van het optimaliseren van pagina’s naar het beheren van entiteiten.
AI-modellen ranken geen pagina’s. Ze selecteren kennis.
II. Wat is een entiteit — en waarom zou je dat interesseren?
In de wereld van zoekmachines en AI-modellen is een entiteit elk duidelijk omschreven concept, ding, persoon, organisatie of product dat uniek identificeerbaar is.
KBC is een entiteit. Een woonkrediet is een entiteit. Een spaarrekening is een entiteit.
Het verschil met een zoekwoord is fundamenteel. Een zoekwoord is een tekenreeks — een combinatie van letters die een gebruiker intypt. Een entiteit is een concept met context: het heeft eigenschappen, relaties met andere entiteiten, een reputatie en een plek in een kennisnetwerk.
Stel dat iemand zoekt naar “KBC bank”. Een klassieke zoekmachine matcht die woorden met pagina’s die die woorden bevatten. Google’s Knowledge Graph doet iets anders: het herkent KBC als een specifieke Belgische bancassurer, met producten als woonkredieten en brandverzekeringen, relaties met concurrenten als Belfius en ING, en een geschiedenis die teruggaat tot de fusie van Kredietbank, CERA en ABB.
Een zoekwoord is wat iemand typt. Een entiteit is wat een machine begrijpt.
AI-taalmodellen werken op dezelfde manier, maar gaan een stap verder. Ze genereren antwoorden op basis van wat ze weten over entiteiten en hun relaties — niet op basis van welke pagina het best geoptimaliseerd is voor een specifiek zoekwoord.
De vraag verschuift daardoor fundamenteel: van “hoe optimaliseer ik deze pagina voor dit zoekwoord?” naar “hoe zorg ik dat dit model weet wie ik ben, wat ik doe en waarom ik relevant ben?”
Er is nog een tweede dimensie die minstens even belangrijk is. AI-modellen begrijpen niet alleen over wat je vraagt — ze begrijpen ook waarom je het vraagt. Is de vraag informatief? Vergelijkend? Transactioneel? Die intentie bepaalt welk type bron het model citeert. AEO helpt je om niet alleen als entiteit herkend te worden, maar ook als de juiste bron voor de juiste intentie.
III. Het verschil tussen SEO en AEO — concreet gemaakt
In mijn post over LLM Visibility legde ik uit dat zoekmachines en AI-modellen andere mechanismes gebruiken om te bepalen wat ze tonen. Dat verschil vertaalt zich ook in hoe je optimaliseert.
Bij klassieke SEO was de logica relatief lineair. Je kiest een zoekwoord, je optimaliseert een pagina voor dat woord, je bouwt links op en je probeert hoger te ranken dan de concurrent.
AEO werkt fundamenteel anders:
| SEO | AEO |
|---|---|
| Zoekwoordoptimalisatie | Entiteitsbeheer |
| Paginagericht | Domeingericht |
| Tekst voor zoekmachines | Structuur voor AI-modellen |
| Rankings meten | Vermeldingen meten |
| Backlinks als autoriteit | Citaties als vertrouwen |
Twee pagina’s over hetzelfde onderwerp kunnen heel verschillend presteren in AEO, ook als ze qua SEO even sterk zijn. De pagina die wint is niet de pagina met de meeste zoekwoorden of de meeste links. Het is de pagina die een specifieke vraag het meest volledig en het meest gestructureerd beantwoordt, van een bron die door het model als betrouwbaar wordt herkend.
Een voorbeeld dat het verschil scherp maakt:
Stel, een gebruiker vraagt een AI-model: “Wat is het verschil tussen een vaste en variabele rentevoet bij een woonkrediet?”
Slecht: “Ontdek onze voordelige woonkredieten met scherpe tarieven. Vraag vandaag nog een simulatie aan.”
Goed: “Bij een vaste rentevoet betaal je gedurende de hele looptijd hetzelfde bedrag per maand, ongeacht wat er met de marktrente gebeurt. Dat geeft zekerheid maar is bij het afsluiten vaak iets duurder dan een variabele rentevoet. Een variabele rentevoet kan dalen als de marktrente daalt, maar ook stijgen — wat onzekerheid creëert over je toekomstige maandlast.”
Het tweede antwoord beantwoordt een vraag. Het eerste probeert te verkopen. AI-modellen citeren bronnen die vragen beantwoorden, niet bronnen die producten aanprijzen.
IV. Drie mechanismes — drie verschillende strategieën
Niet alle AI-zichtbaarheid werkt op dezelfde manier. Er zijn drie fundamenteel verschillende mechanismes, en de strategie verschilt per mechanisme.
Parametrische kennis is wat het model heeft geleerd tijdens de training. Deze kennis zit ingebakken in het model zelf. Als jij al jaren prominent aanwezig bent in kwalitatieve content online, heeft het model dat verwerkt en je als relevante entiteit opgeslagen. Het nadeel: je kan dit niet snel veranderen. Totdat een model opnieuw getraind wordt — wat maanden tot jaren kan duren — zit jouw aanwezigheid bevroren in wat het model weet. Dit is een lange-termijnspel.
Retrieval-Augmented Generation (RAG) werkt anders. Modellen zoals Perplexity, maar ook ChatGPT met zoekfunctie en Gemini, raadplegen bij bepaalde vragen actief externe bronnen in real time. Ze halen actuele webpagina’s op en verwerken die in hun antwoord. Dit is het mechanisme waar je nu directe impact op kan hebben. Goede structuur, snelle laadtijden, duidelijke antwoorden en de juiste structured data verhogen direct je kans om opgepikt te worden.
Grounding via citaties is het derde mechanisme. Sommige modellen verwijzen expliciet naar de bronnen die ze gebruikten. Geciteerd worden is sterker dan vermeld worden — het model erkent je niet alleen als relevant maar als betrouwbaar genoeg om te benoemen. Citatiewaardigheid hangt af van de combinatie van autoriteit, structuur en specificiteit van je content.
De praktische implicatie: wie wacht op parametrische verbetering, wacht te lang. Wie vandaag zijn RAG-zichtbaarheid optimaliseert, heeft morgen een voorsprong die de concurrent pas over maanden begint te voelen.
V. Waarom dit nu urgent is
Veel organisaties zien AEO nog als een toekomstig aandachtspunt. Dat is een vergissing.
Parametrische kennis heeft een vertraging. Wat je vandaag publiceert, verschijnt pas in de volgende trainingsronde van AI-modellen — wat maanden kan duren. Wie nu start, heeft over een jaar een voorsprong die moeilijk in te halen is. Entiteitsvoorsprong stapelt zich op: hoe langer een model je als betrouwbare bron herkent, hoe sterker die associatie verankerd raakt.
De concurrentie begint ook te begrijpen wat er gaande is. AEO is nog geen mainstream discipline, maar de early adopters zijn er al. In sectoren met veel online informatie beginnen de sterkere spelers hun content te herstructureren voor machine-leesbaarheid. Wie wacht, loopt in een markt waar zero-click en zero-visit gedrag toeneemt — gebruikers die hun antwoord krijgen van AI zonder ooit je website te bezoeken.
Google versnelt de integratie van AI in search. AI Overviews verschijnen in een groot deel van alle zoekopdrachten. De bronnen die Google citeert zijn niet de best gerankte pagina’s. Het zijn de best gestructureerde antwoorden van de meest herkenbare entiteiten. De verschuiving is van ranking naar source selection — en die selectie gebeurt nu al.
VI. Structured data: van nice-to-have naar strategische noodzaak
Als er één technische discipline is die door AEO van bijzaak naar kernstrategie is gepromoveerd, dan is het structured data.
Structured data is code die je toevoegt aan je webpagina’s om machines expliciet te vertellen wat de inhoud betekent. Niet alleen wat er staat, maar wat het is. Dat doe je via schema.org — een gestandaardiseerde bibliotheek van markuptypes die door Google, Microsoft en andere techbedrijven samen is ontwikkeld.
Je hoeft dit niet zelf te programmeren. Moderne CMS-systemen en plugins genereren structured data vaak automatisch op basis van de velden die je invult. De drempel is lager dan hij lijkt.
Een praktisch voorbeeld van hoe FAQPage-schema eruitziet:
{
"@context": "https://schema.org",
"@type": "FAQPage",
"mainEntity": [
{
"@type": "Question",
"name": "Wat is het verschil tussen een gereglementeerde en niet-gereglementeerde spaarrekening?",
"acceptedAnswer": {
"@type": "Answer",
"text": "Een gereglementeerde spaarrekening voldoet aan wettelijke voorwaarden en geniet een belastingvrijstelling op de eerste schijf van de interesten. Een niet-gereglementeerde rekening biedt mogelijk een hogere rente maar zonder die fiscale vrijstelling."
}
}
]
}
Dit vertelt een AI-model niet alleen dat er een vraag en antwoord op de pagina staat — het vertelt ook precies welke vraag en welk antwoord. Hoe sterker je structured data, hoe kleiner de kans dat een model moet “gokken” over wat jij aanbiedt. Je geeft het model een veilige haven van feiten — en dat vermindert direct het risico op hallucinaties.
De belangrijkste schema.org-types voor een financiële instelling:
Organization: wie ben je als organisatie? Naam, adres, website, sociale profielen. Dit is de basis van je entiteitsdefinitie.
FinancialProduct / BankAccount / LoanOrCredit: voor elk financieel product. Hoe specifieker je dit markeert, hoe beter modellen je koppelen aan relevante vragen.
FAQPage: een van de krachtigste types voor AI-zichtbaarheid. Expliciete vraag-antwoordparen worden door zowel Google als AI-modellen gezien als directe antwoordbronnen.
HowTo: voor procesgerelateerde content. “Hoe open ik een zichtrekening?” gestructureerd als HowTo-schema vergroot de kans dat het model jouw uitleg citeert.
Person: voor auteurs en experts. Wie heeft deze content geschreven? Wat is hun expertise? Dit is direct gekoppeld aan E-E-A-T en de geloofwaardigheid van je content in de ogen van AI-modellen.
VII. De Knowledge Graph: hoe machines een mening over jou vormen
Naast structured data op je eigen site is er een tweede dimensie die veel organisaties onderschatten: je aanwezigheid in externe kennisbronnen.
Google’s Knowledge Graph is een enorm netwerk van entiteiten en hun onderlinge relaties, gevoed door Wikipedia, Wikidata, officiële bedrijfsregisters, nieuwsmedia en gespecialiseerde databanken. Het beïnvloedt hoe zoekmachines jouw entiteit structureren en kan indirect mee bepalen hoe AI-systemen je herkennen en contextualiseren.
Maar de Knowledge Graph bouwt ook een ander type kennis op: reputatie als entiteitswaarde. Als jouw merk consequent vermeld wordt in de context van positieve gebruikerservaringen — op reviews, forums, vergelijkingssites — versterkt dat de entiteitswaarde. Als de vermeldingen overwegend negatief zijn, weegt dat even zwaar mee in de omgekeerde richting.
En hier is een inzicht dat veel marketeers verrast: een vermelding zonder link is in AEO bijna even waardevol als een vermelding met link. In klassieke SEO was een unlinked mention nauwelijks relevant. In AEO begrijpt een model de tekstuele associatie tussen een merk en een onderwerp, ongeacht of er een hyperlink aan vasthangt. Een artikel in De Tijd dat jouw organisatie vermeldt als expert in woonkredieten — zonder link — draagt bij aan je entiteitswaarde. PR en SEO zijn daarmee geen aparte disciplines meer. Ze zijn één.
Drie signalen die de Knowledge Graph over jou opbouwt:
Consistentie van informatie. Een model dat op tien verschillende bronnen tien verschillende versies van je bedrijfsnaam of productbeschrijving vindt, vertrouwt die informatie minder. Consistentie over alle platforms is geen detail maar een fundamenteel signaal.
Externe vermeldingen. Hoe vaak word je vermeld in betrouwbare externe bronnen, los van je eigen kanalen? Persartikels, brancherapporten, vergelijkingssites, niche media, publieke profielen en expertplatformen — ze bouwen samen het externe kennisnetwerk op dat modellen gebruiken om te bepalen of je relevant en betrouwbaar bent.
Relaties met andere entiteiten. Word je consequent geassocieerd met de juiste concepten en producten? Die associaties — ook zonder expliciete links — bepalen mee hoe modellen jou positioneren.
VIII. Topical Authority: de perceptie dat jij dé bron bent
Er is een concept dat in AEO centraler staat dan in klassieke SEO: topical authority.
Topical authority is de mate waarin een domein wordt gezien als de autoriteit voor een specifiek onderwerp. Niet voor één zoekwoord, maar voor een heel thema en alle gerelateerde subtopics.
Een bank die uitgebreid schrijft over woonkredieten — de verschillende vormen, de rentevoeten, de fiscale aspecten, de aanvraagprocedure, de valkuilen, de vergelijking met huren — bouwt topical authority op voor “woonkrediet in België”. Een bank die één productpagina heeft over woonkredieten, niet.
Het verschil is niet alleen de hoeveelheid content, maar de diepte en samenhang. AI-modellen herkennen of een domein een onderwerp echt beheerst, of er slechts een oppervlakkige aanwezigheid heeft. En topical authority is zelfversterkend: hoe vaker een model jou citeert voor gerelateerde vragen, hoe groter de kans dat het je ook citeert voor nieuwe vragen in hetzelfde domein.
Wie niet helder als entiteit herkenbaar is, wordt in AI sneller overschaduwd door wie dat wel is.
Een praktische aanpak:
Identificeer je kernthema’s. Voor welke vijf à tien onderwerpen wil jij dé referentie zijn? Schrijf er systematisch en diepgaand over, niet incidenteel.
Dek het volledige spectrum af. Voor elk kernthema: de basisdefinitie, de varianten, de vergelijkingen, de veelgestelde vragen, de situationele toepassingen, de fiscale aspecten, de valkuilen. Een model dat voor elke denkbare vraag over een onderwerp jouw domein als bron kan gebruiken, zal dat consequent doen.
Link intern consistent. De interne linkstructuur vertelt modellen welke pagina’s tot hetzelfde thema behoren. Een goed gelinkte contentcluster is sterker dan losse pagina’s zonder onderlinge verbinding.
Zorg voor heldere contentformaten. AI-modellen citeren content die makkelijk te verwerken is: duidelijke definities, vergelijkingstabellen, stap-voor-stap uitleg, expliciete FAQ’s, samenvattende intro’s en een heldere auteursvermelding. Structuur is geen opmaakkwestie — het is een strategische keuze.
IX. De meest voorkomende AEO-fouten
Structured data als afvinklijst behandelen. Markup toevoegen is geen eenmalige taak. Als je producten of diensten veranderen maar de markup niet, geef je modellen verkeerde informatie — wat je geloofwaardigheid ondermijnt.
Alleen op de homepage focussen. AI-modellen worden geciteerd op basis van de best antwoordende pagina voor een specifieke vraag. Die pagina is zelden de homepage.
Verkooptaal in plaats van antwoorden. Dit is de meest voorkomende en meest impactvolle fout. Een productpagina die aanprijst beantwoordt geen vraag. Een pagina die uitlegt, vergelijkt en nuanceert — dat doet het wel.
AEO als puur technisch project behandelen. Structured data is technisch, maar AEO wordt in de praktijk gewonnen of verloren in content. Organisaties die het alleen bij IT leggen, missen de kern van de discipline.
Niet controleren wat modellen fout over je zeggen. AI-modellen kunnen onjuiste informatie over jouw entiteit genereren — verkeerde cijfers, verouderde producten, incorrecte beschrijvingen. Hoe sterker je structured data, hoe kleiner de kans dat een model moet gokken. Maar monitoring blijft noodzakelijk. De enige manier om incorrecte informatie te corrigeren is door de juiste informatie consequenter en gestructureerder te publiceren dan de incorrecte versie.
Niet meten. Zoals ik beschreef in mijn post over LLM Visibility: als je niet meet of AI-modellen je herkennen en citeren, weet je ook niet of je AEO-inspanningen effect hebben.
X. Waar begin je? Een concrete checklist
Controleer je entiteitsdefinitie. Zoek je organisatienaam op in Google. Verschijnt er een Knowledge Panel? Klopt de informatie? Zo niet, dat is prioriteit één.
Audit je structured data. Gebruik Google’s Rich Results Test om te controleren of je pagina’s correct gemarkeerd zijn. Begin met je homepage, je over-ons pagina en je belangrijkste productpagina’s.
Herschrijf je productpagina’s van verkooptaal naar antwoorden. Neem je vijf belangrijkste productpagina’s. Welke specifieke vragen stelt je doelgroep? Beantwoord die vragen expliciet en volledig.
Bouw FAQPage-schema op strategische pagina’s. Verwerk de meest gestelde vragen over je kernproducten op de relevante pagina’s, gemarkeerd met FAQPage-schema.
Controleer consistentie over platforms. Zijn je naam, adres en contactgegevens consistent op je website, Google Business Profile, LinkedIn en andere platforms? Inconsistentie ondermijnt je entiteitsdefinitie.
Breng je kernthema’s expliciet in kaart. Voor welke onderwerpen wil je niet alleen aanwezig zijn, maar dominant herkenbaar zijn als bron? Dat zijn de thema’s waar je systematisch en diepgaand over schrijft.
Controleer wat modellen fout over je zeggen. Test regelmatig in ChatGPT, Gemini en Perplexity. Niet alleen of je geciteerd wordt, maar ook of de informatie klopt. Worden je producten, voorwaarden of positionering correct weergegeven?
XI. Een eerlijke conclusie
AEO vervangt SEO niet. Het breidt het uit.
De technische fundamenten van SEO blijven relevant. Maar ze zijn niet meer voldoende. In een wereld waar AI-modellen antwoorden genereren op basis van wat ze weten over entiteiten, is het beheren van je entiteit een strategische prioriteit geworden. Niet als technisch project voor de IT-afdeling, maar als marketingdiscipline die raakt aan content, PR, techniek en data tegelijk.
De organisaties die dit nu begrijpen en er actie op ondernemen, bouwen een kennisvoetafdruk op die de komende jaren steeds meer waarde genereert.
Je content is niet langer alleen je output. Het is de kennisbron waarop AI-systemen je leren, ophalen en citeren.
De vraag is niet meer “hoe rank ik hoger?”
De vraag is “wordt mijn merk herkend als de autoriteit die het is?”
