Wat is GEO, en waarom het jouw vindbaarheid nu al raakt

Een jaar geleden vroeg bijna niemand me hier iets over. Nu komt het in bijna elk eerste gesprek langs. Iemand typt een vraag in ChatGPT, krijgt een net antwoord met een paar aanbevolen bedrijven erbij. Zijn eigen naam staat er niet tussen. Dan valt het kwartje.

Dit stuk gaat over wat GEO is en waarom het zo snel is gaan tellen. Wil je alleen de korte definitie, dan staat die in de les wat GEO is. De uitvoering staat in vijf stappen in de Academy-les over GEO-optimalisatie.

GEO staat voor Generative Engine Optimization. Het is het werk dat ervoor zorgt dat jij genoemd wordt in de antwoorden van generatieve AI. Dus in ChatGPT, in Perplexity, in Gemini, in Copilot en in de AI Overviews die Google boven de zoekresultaten zet.

Als je van GEO nog niet eerder had gehoord: dat komt niet doordat je iets gemist hebt. De term wordt pas sinds kort veel gebruikt, terwijl het gedrag dat erachter zit al langer groeit. Onderzoekers gebruiken de term sinds 2023 om aan te duiden hoe content zich moet gedragen om door een taalmodel geciteerd te worden. Die aanpak is inmiddels breed overgenomen door bureaus en marketeers.

Waar SEO je hoog probeert te krijgen in een lijst met blauwe links, gaat GEO over iets anders. Er is geen lijst meer. Er is één antwoord, samengesteld door een model dat kiest wie het wel en niet noemt. Je kunt je voorstellen wat dat betekent voor je vindbaarheid.

Dat klinkt misschien als een klein technisch verschil. Dat is het niet. Een lijst met tien resultaten geeft tien bedrijven de kans om gevonden te worden, ook degene op de laatste plek. Eén samengesteld antwoord geeft er meestal twee tot vijf die kans. De rest bestaat op dat moment simpelweg niet voor de vraagsteller.

Klassiek zoeken tegenover antwoordmachines

Het makkelijkst wordt het verschil zichtbaar als je de twee naast elkaar zet. Hieronder staat wat er verandert als iemand overstapt van Google op een AI-antwoordmachine.

Waarom dit anders werkt dan Google

In Google zoek je iets en krijg je tien resultaten op de eerste pagina. Sta je op plek acht, dan word je nog steeds gevonden door wie doorklikt. Er is ruimte.

In een AI-antwoord is die ruimte er niet. Iemand vraagt “welk bureau kan mij helpen met X” en krijgt drie namen. Geen tweede pagina, geen plek acht. Je staat in het antwoord of je staat er niet. De meeste mensen lezen dat antwoord en gaan verder.

Dat is de kern van waarom dit apart aandacht vraagt. De vraag verschuift van “sta ik hoog genoeg” naar “kent het model mij en vertrouwt het me genoeg om me te noemen”.

Er is nog een verschil dat mensen vaak over het hoofd zien: bij Google zoekt iemand meerdere keren, met steeds iets andere woorden. Hij vergelijkt de resultaten zelf. Bij een AI-antwoord gebeurt die vergelijking al voor hem. Het model heeft de afweging al gemaakt tegen de tijd dat jij het antwoord leest. Dat verschuift wanneer in het proces jouw bedrijf zichtbaar moet zijn: op het moment dat het model zijn bronnen verzamelt, ruim voordat iemand zelf gaat vergelijken.

Wat een AI-model nodig heeft om je te noemen

Een taalmodel verzint zijn antwoorden niet uit het niets. Het put uit wat het over de wereld heeft gelezen. Bij actuele vragen haalt het er live pagina’s bij. Wil het jou noemen, dan moet het je kunnen vinden, kunnen lezen en genoeg vertrouwen hebben in wat er staat.

Dat komt neer op een paar dingen die deels gewoon goed vakwerk zijn:

• Inhoud die een echte vraag beantwoordt, in duidelijke taal, zonder eromheen te draaien.
• Een structuur die machines kunnen lezen, met koppen, korte alinea’s en schema in de code.
• Vermeld worden op plekken waar het model zijn kennis vandaan haalt, zoals vakbronnen, reviews en betrouwbare sites in jouw onderwerp.
• Genoeg autoriteit, zodat het model je durft aan te bevelen in plaats van een grotere naam.

Ik moet je eerlijk bekennen dat een deel hiervan oude wijn is. Duidelijk schrijven en je site netjes structureren, dat deden we tien jaar geleden ook al. Het nieuwe zit in de bron: je optimaliseert nu voor iets anders, namelijk de kans dat een model je oppikt en doorvertelt.

Wat wel echt anders is: bij Google kon je met een paar losse trucjes best een eind komen. Bij een taalmodel werkt dat niet. Het model leest je hele pagina en weegt hoe die zich verhoudt tot wat het elders over je onderwerp heeft gelezen. Daar trekt het een conclusie uit. Losse trucjes vallen daar meteen doorheen.

Een voorbeeld: van onzichtbaar naar genoemd

Een fictief voorbeeld, met cijfers die illustratief zijn en niet van een echte klant komen. Een administratiekantoor stelt zichzelf tien vaste vragen die klanten in hun markt aan ChatGPT zouden kunnen stellen, zoals “welk administratiekantoor is goed in de horeca”.

Bij de eerste meting komt het kantoor in dit voorbeeld in 1 van de 10 vragen voor, tegenover 6 van de 10 voor de grootste concurrent in de regio. Na drie maanden werk aan duidelijkere antwoordpagina’s, schema in de code en een paar nieuwe vermeldingen in vakmedia staat de teller in dit voorbeeld op 4 van de 10, met de concurrent stabiel op 6 van de 10.

Geen nummer 1-positie, wel een verviervoudiging van hoe vaak je naam valt op het moment dat iemand zijn eerste indruk vormt. Dat is precies waar GEO om draait: in het gesprek zitten op het moment dat het antwoord wordt samengesteld.

Let wel: dit zijn verzonnen getallen om het effect te laten zien, geen resultaten van een echte klant. In de praktijk meten we zoiets over meerdere modellen en meerdere dagen, want de uitkomst van één losse meting zegt te weinig om conclusies aan te verbinden.

Is dit al de moeite waard?

Die vraag krijg ik vaak, terecht ook. Niet elke sector zit al vol met mensen die hun keuzes aan ChatGPT overlaten. De verschuiving is wel bezig. Het bijzondere is dat je nu nog voorsprong kunt pakken die straks veel duurder wordt.

Of jouw bedrijf al genoemd wordt als iemand ChatGPT een vraag uit jouw markt stelt, laat de gratis AI-zichtbaarheidscheck zien.

Want de bedrijven die nu al genoemd worden, bouwen een positie op die een model zich blijft herinneren. Wie later instapt, moet die plek zien af te pakken. Dat is een stuk lastiger dan er vroeg bij zijn.

De goedkoopste plek in een AI-antwoord is de plek die je pakt voordat je concurrent doorheeft dat hij hem kwijt is.

Wil je weten of AI jou al noemt, of alleen je concurrenten? Dat is precies wat we in een nulmeting laten zien. Geen giswerk, gewoon de cijfers naast elkaar. Zo maken we AI-zichtbaarheid meetbaar.

Veelgestelde vragen

Wil je van de uitleg naar de praktijk? In GEO-optimalisatie in vijf stappen lees je hoe je zichtbaar wordt in de antwoorden van AI. Laat je het werk liever bij ons, dan is dat onze dienst GEO-optimalisatie.

GEO speelt zich niet alleen op je eigen site af. Bij onderzochte merken kwam 70 tot 82% van de bronnen achter een AI-antwoord van andere websites. Welke plekken dat zijn lees je in is je eigen website genoeg om in AI-antwoorden te komen?