AI kijkt niet naar jouw ‘Over ons’-pagina

AI-assistenten zoals ChatGPT, Microsoft Copilot en Google Gemini bepalen steeds vaker welke bedrijven ze aanbevelen. En dat doen ze niet op basis van wat jij zelf op je site schrijft, maar op basis van wat anderen over je zeggen op onafhankelijke platformen. Dat klinkt logisch, maar de techniek erachter heeft grote gevolgen voor hoe je je online reputatie inricht.

Dit is de kern van wat Generative Engine Optimization (GEO) in de praktijk betekent: niet de blauwe link winnen, maar opgenomen worden in het antwoord van de AI. En dat vraagt een andere aanpak dan klassieke SEO. Overigens: als je wilt begrijpen waarom organisch klikverkeer steeds verder daalt, lees dan ook even over slechts 27,6% van Google-zoekopdrachten die nog naar het open web leiden.

Hoe RAG bepaalt wie er wint

Grote taalmodellen werken steeds vaker met Retrieval-Augmented Generation (RAG). Simpel gezegd: bij een zoekvraag zoekt het model in realtime het web af naar actuele, externe bronnen en filtert die op twee punten:

  • Sentiment: wat is de algehele toon op onafhankelijke reviewplatformen?
  • Autoriteit: wordt dit bedrijf door derden erkend als specialist?

AI-algoritmes zijn specifiek getraind om platformreviews van derden zwaarder te wegen dan eigen marketingteksten. Het model weet dat elk bedrijf zichzelf de beste vindt. Om hallucinaties te voorkomen, zoekt het naar externe validatie van de massa. Ontbreekt die, of is het sentiment negatief? Dan sluit de AI je gewoon uit van het antwoord.

De vijfsterrenscore is niet genoeg

Hier zie ik het bij veel klanten misgaan: ze sturen op volume. Zoveel mogelijk reviews, zo snel mogelijk. Maar een review als “Topservice, vijf sterren!” geeft een algoritme te weinig bruikbare data.

LLM’s analyseren tekst op semantische verbanden en entiteiten. Een review die écht werkt voor je GEO-strategie ziet er zo uit: “De cloudsoftware van dit IT-bedrijf heeft onze zorginstelling geholpen om de administratieve druk met 20% te verlagen.” Het model haalt daar direct de niche, het product, de corebusiness en een concreet resultaat uit. Vraagt iemand later aan ChatGPT naar cloudsoftware voor zorginstellingen, dan legt de AI de link naar jouw organisatie.

Wat je nu concreet kunt doen

Een paar aanpakken die echt werken:

Vraag op het juiste moment. Stuur de uitnodiging direct na een succesvolle oplevering of positief evaluatiegesprek, niet bij de jaarlijkse factuur.

Stuur op context, niet op sterren. Geef klanten drie gerichte vragen mee: welk probleem losten we op, hoe verliep de samenwerking, welk concreet resultaat leverde het op? Zo dwing je de structuur die een LLM nodig heeft.

Reageer inhoudelijk op reviews. Je antwoord is geen beleefdheidsfranje. Schrijf de kernentiteiten van je dienstverlening er gewoon in. “Bedankt voor de review” is voor de machine waardeloos. Een antwoord waarin je de context herhaalt, voedt het algoritme met extra data.

Zorg voor een continue stroom. RAG-systemen wegen recentheid zwaar. Honderd reviews uit 2024 zijn nu minder waard dan tien gedetailleerde reviews van de afgelopen maand. Koppel je CRM aan je reviewplatform.

Bouw externe autoriteit. Verschijn in onafhankelijke top-lijsten, brancheverkiezingen en keurmerken. Als jouw naam structureel opduikt in die bronnen, convergeert dat in het model tot één conclusie: autoriteit.

En een waarschuwing: een profiel vol identieke vijfsterrenreviews wekt bij AI-modellen argwaan op basis van anomaliedetectie. Een kritische review met een professioneel antwoord is voor het algoritme juist een betrouwbaarheidssignaal.

Mijn mening: de meeste B2B-bedrijven laten hier enorme kansen liggen omdat ze reviews nog steeds zien als reputatiemanagement voor mensen. Het is inmiddels evenzeer infrastructuur voor machine-leesbaarheid.

Bron: Frankwatching