Claim je plek binnen LLMs door te focussen op deze factoren

AI zoekopdrachten nemen toe, maar vormen nog steeds een klein deel van het totale zoekvolume. Recente schattingen plaatsen dit rond 5.6% van alle zoekopdrachten (NP Digital, 2026), waarbij veel vragen vooral informatief of uitleggericht zijn.

Online circuleren inmiddels allerlei oplossingen gebaseerd op theorie, zoals llm.txt bestanden (hier schreven wij eerder over. Spoiler: er wordt weinig tot niks vanuit AI-crawlers gedaan met dit bestand) of andere AI SEO hacks. Voor veel van die tactieken ontbreekt bewijs.

Zoals John Mueller van Google het verwoordde: “There is no such thing as GEO or AEO without doing SEO fundamentals.”

Met andere woorden: de basis blijft nog steeds sterke SEO. In dit artikel nemen we je dan ook mee langs onze learnings en proberen we orde te scheppen in alle chaos.

Optimaliseer op resultaat, niet op speculatie

Bij klanten zoals Suitsupply, Lipology Clinic en Pricewise testen we hoe factoren zoals technisch SEO (Schema.org, crawlability etc.), brand mentions (PR), expertise (Auteurs en experts) en citeerbare content (templates, opbouw etc.) invloed hebben op zichtbaarheid in AI antwoorden.

Maar welke optimalisaties maken daarbij echt het verschil? In de rest van dit artikel lopen we de belangrijkste factoren stap voor stap langs. Dat we hier al succes mee hebben geboekt is duidelijk.

Een interessant voorbeeld hiervan zagen we tijdens een productdemo van OpenAI. In een demo rondom de lancering van AI-agents door OpenAI verschenen producten van Suitsupply meerdere keren in de gegenereerde resultaten.

Bekijk de demo

Het begint met het verzamelen van inzichten

Voordat we aan de knoppen gaan draaien, beginnen we altijd met het verzamelen van daadwerkelijke inzichten en blijven we weg van puur onderbuikgevoel. We doen dit met tools als Peec.ai, Semrush, Rankshift of Profound. We combineren inzichten uit search, bestaande keyword research, community discussies en AI tools om te begrijpen welke vragen gebruikers daadwerkelijk stellen. 

Source: Rankshift

Vervolgens testen we deze prompts in verschillende LLM’s. We kijken daarbij onder andere naar drie dingen:

• Welke bron gebruikt de LLM om tot het antwoord te komen?
• Hoe is de bron opgebouwd en hoe ziet de website er verder uit?
• Verschijnt het merk in het antwoord?
• Welke concurrenten worden genoemd?
• Bij welke prompts ontbreekt het merk volledig?

Deze analyse laat direct zien waar de kansen liggen. Je ziet bij welke vragen je zichtbaar zou moeten zijn, maar dat nog niet bent.

Op basis daarvan bepalen we welke signalen prioriteit krijgen en waar we deze optimalisaties in de content kunnen doorvoeren.

De workflow is vrij eenvoudig:

Analyse → kansrijke prompts identificeren → inzichten verzamelen → content prioriteren → optimalisaties doorvoeren → Monitoren → Leren en verder optimaliseren

De factoren achter AI zichtbaarheid

We zien dat veel signalen die invloed hebben op AI-zichtbaarheid overlappen met bestaande SEO best practices. 

Tegelijk is het speelveld nog volop in ontwikkeling. We pretenderen daarom geen complete lijst te geven van alles wat werkt gezien er iedere dag weer iets bij komt en ook ons team weer bijleert. Wel zien we in onderzoek en praktijk dat op dit moment bepaalde signalen consequent bijdragen aan zichtbaarheid in LLM’s.

Tactieken zoals listicle pagina’s waarin bedrijven zichzelf bovenaan zetten of experimenten met bestanden zoals llms.txt laten we hier bewust buiten beschouwing. Dit soort tactieken proberen AI antwoorden te manipuleren, terwijl de onderliggende signalen vaak ontbreken. Wij focussen liever op factoren die op lange termijn bijdragen aan zichtbaarheid.

We hebben de factoren gegroepeerd in vijf categorieën.

• Content factoren
• Authority factoren
• Technische factoren
• Distributie factoren
• Commerce factoren

1) Content – Informatie, freshness en structuur

Content die vragen direct beantwoordt en logisch is opgebouwd sluit goed aan op hoe mensen prompts formuleren. Daarnaast helpt het wanneer een website meerdere sterke artikelen rondom één onderwerp publiceert. 

Dus dat is:

• Content die makkelijk te citeren is. Duidelijke definities, concrete statements en feitelijke uitleg.
• Content freshness. Regelmatig bijgewerkte pagina’s worden vaker gebruikt als bron. Belangrijke waarschuwing hierbij: “kunstmatige verversing” (datums bijwerken zonder zinvolle updates) kan averechts werken.
• Content per doelgroep, branche of toepassing helpt LLM’s beter begrijpen wanneer een oplossing relevant is. Dit sluit aan bij hoe veel gebruikers prompten: vaak vanuit een specifieke situatie of scenario. Content die datzelfde perspectief volgt, wordt daardoor sneller gekoppeld aan zulke vragen.

2) Authority & Betrouwbaarheid

Off-site signalen nemen toe: brand mentions en ‘het onderwerp van gesprek zijn’ spelen een steeds grotere rol in zichtbaarheid.

AI systemen halen informatie namelijk uit veel meer bronnen dan alleen websites van de merken zelf. Vermeldingen op nieuwsplatforms, nicheblogs en vergelijkingssites versterken het merkprofiel. Daarnaast zien we dat platforms waar veel data en infrastructuur aanwezig is, zoals YouTube en Reddit, regelmatig terugkomen als bron in AI-antwoorden. Ook Wikipedia blijft een belangrijke referentiebron. Al verschilt dit sterk per branche. Zo zien we bij een klant als Suitsupply Reddit veelvuldig terugkomen en bij een klant als Pricewise helemaal niet.

Digital PR, mentions op andere websites en discussies op dit soort platforms helpen daarom om het merk vaker in de trainings- en retrievaldatasets van AI systemen te laten terugkomen.

Kort gezegd: hoe vaker een merk geloofwaardig wordt genoemd op het web, hoe groter de kans dat het als bron wordt gebruikt.

3) Een sterke technische basis

Een sterke technische basis blijft (net als bij regulier SEO) uiterst belangrijk. Als content technisch niet goed toegankelijk is, kunnen LLM’s deze simpelweg niet ophalen of begrijpen.

Belangrijke technische signalen zijn:

• Crawlbaarheid en indexeerbaarheid. Pagina’s moeten toegankelijk zijn voor crawlers en geïndexeerd worden door zoekmachines. Content die alleen via JavaScript wordt gerenderd of pas na interactie zichtbaar is, wordt niet gelezen. Crawls dienen tevens ‘schoon’ te zijn van ruis.
• Semantische HTML structuur. Correct gebruik van headings en HTML elementen. Een duidelijke HTML structuur met correcte headings en logische contentopbouw helpt systemen om de inhoud van een pagina beter te interpreteren. Denk aan het gebruik van H1 tot H3 structuren, duidelijke paragrafen en betekenisvolle HTML elementen.
• Structured data kan extra context geven over entiteiten zoals producten, organisaties, FAQ’s, reviews en artikelen. Hoe sterk dit doorwerkt in AI antwoorden is nog onderwerp van onderzoek. Over dit punt is al veel geschreven en de meningen en onderliggende data zijn verschillend. Toch adviseren wij dit altijd door te voeren. Het helpt voor regulier SEO, maar biedt informatie ook op een gestructureerde wijze aan bij alle crawlers. De positieve effecten op GEO specifiek lijken nog wisselend, maar voor SEO alom bewezen.

We testen dit soort signalen ook actief in onze eigen projecten. Denk aan experimenten met indexeerbare filterpagina’s in combinatie met schema markup voor e-commerce, optimalisaties rondom productgerichte prompts en technische experimenten zoals markdown rendering via Cloudflare.

4) Distributie en een brede dekking binnen het web

AI systemen halen informatie uit veel meer bronnen dan alleen websites. Daarom spelen distributiesignalen een steeds grotere rol.

Content die ook verschijnt op andere platforms vergroot de kans dat een merk wordt opgepikt. Denk aan artikelen op LinkedIn, discussies op Reddit of video’s op YouTube. Deze platforms worden regelmatig gebruikt als bron voor AI antwoorden.

Daarnaast verschuift zoekgedrag zelf ook. Waar zoeken vroeger vooral via zoekmachines liep, gebeurt dat steeds vaker via social platforms zoals TikTok, Instagram en YouTube.

Bij Boundless Digital zien we dit als een verschuiving naar Search Everywhere Optimization: zichtbaar zijn op alle plekken waar mensen zoeken en waar AI systemen informatie ophalen.

5) EEN PAAR TOEVOEGINGEN VOOR E-commerce

Het verrijken van productfeeds is steeds belangrijker, omdat AI systemen deze data gebruiken om producten te begrijpen en te tonen in antwoorden.

Integraties met platforms zoals Google Merchant Center helpen LLM’s actuele productinformatie op te halen. Daarnaast maakt gestructureerde productdata via schema markup het eenvoudiger om producten, prijzen en attributen correct te begrijpen.

Tijdens het event The AI Shake Up in Amsterdam, georganiseerd door Google en s360, werd duidelijk dat deze signalen een steeds grotere rol gaan spelen in hoe (de Google) AI systemen producten vinden en presenteren. In ons artikel over The AI Shake Up gaan we hier uitgebreider op in.

Waarom SEO nog steeds de basis vormt

Misschien valt het op dat veel van deze factoren sterk lijken op klassieke SEO. Dat is geen toeval. Veel signalen die invloed hebben op zichtbaarheid in LLM’s overlappen met bestaande SEO best practices.

In de praktijk versterken SEO en LLM optimalisatie elkaar dus vooral. Websites die al goed vindbaar zijn en duidelijke, betrouwbare content publiceren hebben ook een grotere kans om als bron in AI antwoorden te verschijnen.

AI zichtbaarheid is daarom geen vervanging van SEO, maar eerder een extra laag boven op een sterke SEO basis.

Waar begin je als bedrijf met AI zichtbaarheid?

Bedrijven hoeven niet te wachten om hiermee te beginnen. De factoren in dit artikel laten zien welke signalen vandaag al invloed hebben op zichtbaarheid in AI-antwoorden.

In de praktijk is het alleen niet altijd duidelijk waar je moet starten. Welke onderdelen hebben de meeste impact en waar zitten de grootste kansen?

Met de inzichten uit dit artikel heb je een goed startpunt om hier gericht op te sturen. Tegelijk zien we dat veel bedrijven hier nog zoekende in zijn. Bij Boundless Digital helpen we organisaties om deze signalen te vertalen naar een concrete aanpak voor AI zichtbaarheid.

De volgende stap is net zo belangrijk: hoe meet je eigenlijk of je zichtbaar bent? 

In het derde en laatste deel van deze reeks laten we zien hoe je zichtbaarheid in LLM’s kunt monitoren, welke KPI’s daarbij horen en hoe je deze inzichten gebruikt om gericht te blijven optimaliseren.