De wereld van e-commerce en digitale strategieën verandert razendsnel. Deze blog bevat mogelijk inzichten die inmiddels zijn ingehaald door nieuwe ontwikkelingen. Benieuwd naar de laatste trends en frisse inzichten? Duik dan in onze meest actuele artikelen op Insights
Al maanden lang dalen de impressies in Google Search Console voor bijna alle bedrijven. De vraag die klanten en de industrie dan logischerwijs stellen is: Hoe komen wij meer voor in AI of hoe krijg ik die impressies weer terug? Deze impressie daling komt niet eens door rankingverlies, maar door een verschuiving in het zoeken en het feit dat mensen minder beginnen te klikken in de standaard Google SERP omgeving.
De data wijst dezelfde kant op. Slechts 11 tot 12 procent van de URLs die door AI-assistenten worden geciteerd, staat ook in de Google top 10 voor diezelfde query. Bijna 90 procent van de AI-citaties gaat dus naar pagina's die níét bovenaan Google staan. Dat is geen marginale afwijking. Dat is een ander spel. Dat was het moment dat ik begreep dat er iets fundamenteel was verschoven.
In dit artikel leg ik uit hoe een LLM werkt, waarom ranken in AI anders werkt dan in Google, en geef ik vijf praktische tips om er morgen mee te beginnen.
Een Large Language Model is geen kennisbank. Het is een voorspelmachine.
Getraind op miljarden teksten herkent een LLM patronen en relaties tussen concepten. Het "begrijpt" geen feiten zoals jij en ik dat doen. Het herkent taalpatronen. Hoe consistenter jouw merk voorkomt in die patronen, hoe groter de kans dat het je terughaalt in relevante contexten.
In vier lagen. Eerst analyseert het je vraag op intent en entiteiten. Dan activeert het patronen uit zijn trainingsdata. Vervolgens genereert het een antwoord, token voor token. En bij search-grounded systemen zoals Google AI Mode of ChatGPT Search komt er een vierde stap bij: live web search via RAG (Retrieval Augmented Generation).
Die vierde stap is voor SEO interessant, want daar kun je nog op anticiperen. Maar let op: niet elk antwoord gebruikt web search, en de mix verschilt per platform.
Een AI-systeem stelt niet één zoekopdracht. Het stelt er tientallen tegelijk.
Als iemand vraagt "Wat is de beste SEO-strategie voor e-commerce in 2026?", splitst het systeem die vraag op in sub-queries: "SEO trends e-commerce 2026", "structured data webshops", "AI search optimization", "technical SEO checklist". Parallel uitgevoerd. De AI synthetiseert daarna een antwoord uit alle deelresultaten.
De implicatie: je moet niet alleen ranken op je hoofdterm, maar antwoord geven op de sub-vragen die je niet eens ziet.
Hier zit volgens mij de kern. AI-systemen denken niet in keywords. Ze denken in entiteiten.
Een entiteit is een uniek "ding" met eigenschappen en relaties. Een persoon, bedrijf, product of concept. Sero is een Organization. We doen SEO en AI automation. We zitten in Nederland. We zijn gerelateerd aan content marketing, AI en search. Zo ziet een AI ons. Niet als een URL met backlinks, maar als een knoop in een web van relaties.
In vector databases. Elk concept, elk woord, elke entiteit wordt opgeslagen als een vector (zie afbeelding). Concepten die semantisch verwant zijn liggen dichtbij elkaar. Hoe consistenter jouw merk voorkomt naast relevante concepten, hoe sterker je positie in die ruimte.
In de praktijk wel. Branding is hoe mensen jouw merk herkennen: consistente naam, boodschap, uitstraling. Entity SEO is hoe machines jouw merk herkennen: consistente data, structured markup, mentions. Het is dezelfde discipline vanuit twee perspectieven.
Een podcast, een PR-vermelding, een Trustpilot-review: allemaal datapunten die je entiteit versterken in de vector-ruimte.
In drie stappen. Eerst scant het in seconden honderden bronnen op relevantie (Explore). Daarna kruist het claims tussen bronnen om consistente informatie te vinden (Verify). Tot slot kiest het de meest betrouwbare bronnen en citeert ze (Cite).
Geblokkeerde of slecht crawlbare pagina's vallen al in stap één af. Tegenstrijdige claims vallen in stap twee af. Bronnen met structured data en duidelijke auteursinformatie hebben een betere kans, al is er geen garantie.
Bij Google draait autoriteit om links. Bij LLMs draait het om herkenning.
Concreet: Google telt backlinks als stemmen, gebruikt anchor text om context te bepalen, en weegt site-brede reputatiesignalen mee. LLMs werken anders. Daar telt of jouw merk genoemd wordt, ook zonder hyperlink. De context rond die mention bepaalt de betekenis. En consistente informatie over meerdere bronnen weegt zwaarder dan een groot linkprofiel.
Nee, maar de balans verschuift. Een grootschalig Ahrefs-onderzoek uit 2026 onder 75.000 merken vond een duidelijk statistisch verband tussen web mentions en AI-citaties. Tussen backlinks en AI-citaties was dat verband er nauwelijks.
In statistische termen: mentions correleren matig sterk met AI-citaties (correlatiecoëfficiënt 0,66, een betekenisvol patroon), terwijl backlinks praktisch geen verband laten zien (correlatiecoëfficiënt 0,10, statistische ruis). Wat dat in de praktijk betekent: vermeldingen in nieuwsmedia, vakbladen en reviews zijn voor AI-zichtbaarheid waardevoller dan een traditionele backlink.
Niet als gimmick, maar omdat AI content in chunks verwerkt. Elke heading is een potentieel extractiepunt. Een blog die begint met drie alinea's inleiding voor de eerste tip werkt niet meer. Wat wel werkt: H2 als concrete vraag, antwoord in twee zinnen eronder, dan pas uitleg.
Organization, Article, Product. Die drie zijn de werkpaarden. FAQPage en HowTo zijn grotendeels uit ons standaardpakket gegaan. Google heeft hun rich results sinds 2023 drastisch teruggebracht (FAQ vooral voor overheids- en gezondheidssites, HowTo alleen op desktop). De oude best practice "voeg FAQ-schema toe aan elke pagina" is dood. Wat blijft werken: schema die je entiteit machine-leesbaar maakt.
Niet alles, maar de balans. Een gastblog op een vakblad is meer waard dan vijf links uit een PBN. Een podcastoptreden is meer waard dan een directory submission. Google werkt nog steeds met PageRank, dus links blijven relevant. Maar de verhouding tussen wat ik investeer in linkbuilding versus PR is volledig anders dan twee jaar geleden.
Niet automatisch, niet overal. Maar voor onderwerpen waar actualiteit telt, voeg "laatst bijgewerkt" toe als signaal. Updaten waar het ertoe doet, met rust laten waar het niet ertoe doet.
AI citeert YouTube in 18 procent van de antwoorden waarin externe bronnen voorkomen. Een blog-only strategie laat citaties liggen.
"Wat is de beste strategie voor e-commerce SEO in 2026" presteert anders dan "beste strategie SEO". Optimaliseer voor de natuurlijke taal waarin mensen AI bevragen.
Eén pillar page over je hoofdonderwerp, plus zes ondersteunende artikelen die deelonderwerpen afdekken. AI herkent diepgang. Losse posts over wisselende onderwerpen leveren minder op dan systematische coverage.
Descriptieve anchor texts, geen "klik hier". Interne links vertellen AI-crawlers hoe je content samenhangt. Dat is gratis topical authority.
Het speelveld verandert. Wie blijft optimaliseren voor alleen de Google top 10, mist het overgrote deel van waar zijn verkeer over twee jaar vandaan komt.
De meeste SEO factoren zijn ook voor LLM citaties nog steeds relevant, alleen de manier waarop je voor LLMs gevonden, geverifieerd en geciteerd kan worden brengen extra spelregels mee die je content moeten aanscherpen.
