Gevonden worden door AI-assistenten: wat GEO wél is

Steeds meer mensen stellen hun vraag niet meer aan een zoekmachine, maar aan een assistent. Ze krijgen geen lijst met tien links terug, maar één geformuleerd antwoord — met daaronder een handvol bronnen. Dat verschuift de vraag waar je site op geoptimaliseerd moet zijn. Niet meer: sta ik in die lijst? Maar: word ik gebruikt in dat antwoord?

Wat verandert er als het antwoord de resultatenlijst vervangt?

Een resultatenlijst is een keuzemenu: tien opties, de gebruiker klikt. Een gegenereerd antwoord is een samenvatting: het model heeft al gekozen, gelezen en geherformuleerd. De gebruiker klikt hooguit door om iets te controleren. Twee dingen volgen daaruit.

Ten eerste is de eenheid van zichtbaarheid niet langer de pagina, maar de passage. Een model neemt geen hele pagina over; het pakt de paar zinnen die zijn antwoord dragen. Ten tweede is de selectie strenger. Uit tien links kan een gebruiker de rommelige maar bruikbare kiezen; een model kiest de passage die het zonder risico kan herhalen. Onduidelijkheid wordt niet vergeven maar overgeslagen.

Wat is GEO precies — en hoe verschilt het van SEO?

Klassieke SEO optimaliseert voor een resultatenlijst: het doel is een positie. GEO (Generative Engine Optimization) optimaliseert om als bron geciteerd te worden in een gegenereerd antwoord: het doel is een passage die een model durft over te nemen.

Dat verschil is geen nuance — het bepaalt hoe je schrijft. SEO beloont dekking: meer pagina's, meer termen, meer interne links. GEO beloont precisie: een claim die klopt, los te lezen is en verifieerbaar. De twee sluiten elkaar niet uit. Een pagina die goed scoort in klassieke zoek is meestal ook goed vindbaar voor een model. Maar de laatste stap — geciteerd wórden — heeft eigen eisen, en die zijn redactioneel minstens zo veel als technisch.

Praktisch samengevat: SEO gaat over gevonden worden, GEO gaat over gebruikt worden.

Wat moet er technisch kloppen?

Voordat een model iets kan citeren, moet het je pagina mogen ophalen en kunnen begrijpen. Dat is de technische laag. Dit zijn de vier middelen die wij zelf op neuralex.nl gebruiken.

robots.txt — geef je toestemming aan AI-crawlers?

AI-crawlers zijn andere user-agents dan de klassieke zoekbots. Een robots.txt die alleen Googlebot regelt, zegt niets over hen — en veel standaardconfiguraties en firewall-regels blokkeren ze zelfs impliciet. Wij staan ze expliciet toe: GPTBot (OpenAI), PerplexityBot, ClaudeBot (Anthropic) en Google-Extended. Dit is de eerste check, want als hij faalt, is de rest van je werk onzichtbaar.

llms.txt — wat is de korte versie van je site?

Een llms.txt in de root van je domein is een leesbaar bestand dat in gestructureerde tekst beschrijft wat je site is, welke pagina's ertoe doen en waar welke informatie staat. Waar robots.txt zegt wat een bot mag, zegt llms.txt waar een bot moet kijken. Het scheelt een model het werk van een hele site uitpluizen om te ontdekken wat je doet.

schema.org — wat is dit voor pagina, in machinetaal?

Schema.org-markup (als JSON-LD in de pagina) zegt expliciet wat een model anders moet afleiden: dit is een artikel, dit is de auteur, dit is de publicatiedatum, dit is een dienst, dit is een organisatie. Het is geen ranking-truc maar een vertaling: je zet de betekenis die een mens uit de opmaak haalt, in een vorm die een machine niet hoeft te raden. Deze pagina bevat zelf een BlogPosting-blok — je kunt het in de bron bekijken.

Agent-cards via DNS — hoe vindt een agent je zonder je site te lezen?

De nieuwste laag is de minst bekende: machine-leesbare kaartjes die via DNS worden gepubliceerd, zodat een agent kan ontdekken wat een domein aanbiedt en waar hij terecht kan — zonder eerst HTML te parsen. Wij gebruiken dit op neuralex.nl. Wil je zien hoe zo'n opstelling er in de praktijk uitziet, dan staat dat uitgewerkt in de agent-showcase.

Hoe schrijf je zelfstandig-citeerbaar?

Dit is het deel dat de meeste sites overslaan, en waar de meeste winst zit. De structurele les uit ons eigen werk:

Een AI-assistent citeert een passage die op zichzelf klopt. Een alinea die alleen betekenis heeft in de context van de vorige drie alinea's, wordt niet geciteerd.

Dat betekent concreet: geen alinea's die openen met "dit betekent dat…" of "zoals hierboven beschreven". Zet het onderwerp in de zin zelf. Herhaal liever een term dan dat je een verwijzing gebruikt. Een blok van drie tot vijf zinnen dat je uit de pagina kunt knippen en dat nog steeds klopt — dat is de bouwsteen.

De tweede les gaat over de inhoud van die blokken. Vage claims worden niet geciteerd, verifieerbare wel. "Wij zijn marktleider" is voor een model onbruikbaar: het is niet te controleren en niet te herhalen zonder risico. "X kost Y en werkt zo" is wél citeerbaar, omdat het een controleerbare bewering is. Getallen, methodes, definities en expliciete voorwaarden overleven de sprong naar een gegenereerd antwoord; superlatieven niet.

Praktische redactionele checklist per pagina:

H2's zijn geformuleerd als de vraag die een gebruiker echt stelt.
Onder elke H2 staat het antwoord in de eerste twee zinnen, niet pas in de conclusie.
Elke definitie staat één keer, expliciet, in één blok — niet verspreid over de tekst.
Geen alinea begint met een verwijzing naar iets ervoor.
Claims bevatten een getal, een methode of een voorwaarde — of ze gaan eruit.
Wat je niet kunt onderbouwen, schrijf je niet op.

Hoe meet je of het werkt?

GEO is grotendeels controleerbaar, en dat is het prettige eraan. Je hoeft niet te wachten op een ranking-rapport: het merendeel van de checks kun je vandaag op je eigen site uitvoeren.

Haalt /robots.txt op en controleer of GPTBot, PerplexityBot, ClaudeBot en Google-Extended toegang hebben.
Controleer of /llms.txt bestaat en of de inhoud nog klopt met de site.
Valideer je JSON-LD: is het geldige schema.org, en beschrijft het wat de pagina werkelijk is?
Lees een willekeurige alinea los van de rest — klopt hij nog zonder de context ervoor?
Zoek je pagina's op vage claims zonder getal, methode of voorwaarde.

Wij hebben dit gebundeld in een eigen meetinstrument dat een site langs 15+ checks legt en er een score aan hangt. In één gemeten geval ging een site daarmee van score 36 naar 85+. Het aardige is niet de score zelf maar wat hem verklaart: het grootste deel van de winst zat in dingen die simpelweg ontbraken — geen llms.txt, geblokkeerde crawlers, ontbrekende of onjuiste markup. Wat je meet, blijkt meestal goed te repareren. Hoe wij zo'n traject aanpakken staat bij onze diensten.

Wat GEO niet is

GEO is geen trucje en geen nieuwe vorm van keyword-stuffing. Een blok tekst volproppen met termen waarvan je hoopt dat een model erop aanslaat, werkt averechts: het maakt de passage juist minder geschikt om over te nemen, want hij leest niet meer als een klopbare bewering. Er is ook geen verborgen instructie die je in je HTML kunt zetten om een model te overtuigen — en als die er wel was, zou hij bij de volgende modelversie stuk zijn.

Wat overblijft is minder spannend en duurzamer: zorg dat crawlers binnen mogen, dat je structuur expliciet is, en dat je beweringen los van hun context nog kloppen. Dat is grotendeels gewoon goed schrijven, met een technische laag eronder. Een model dat je citeert, citeert je omdat je passage het antwoord dekt — niet omdat je hem hebt overgehaald.

Samengevat

GEO is het optimaliseren van je site om als bron in een gegenereerd antwoord te worden geciteerd, in plaats van als positie in een resultatenlijst te verschijnen. Technisch komt dat neer op toegankelijkheid en expliciete structuur: robots.txt die AI-crawlers toestaat, een llms.txt, schema.org-markup en agent-cards via DNS. Redactioneel komt het neer op twee regels: schrijf blokken die op zichzelf kloppen, en maak claims verifieerbaar. Beide onderdelen zijn meetbaar — en dat is precies waarom dit werk is en geen gok.