Hoe AI-assistenten bronnen kiezen

Veel ondernemers denken dat AI-antwoorden willekeurig zijn. Dat is niet zo. Onder een antwoord van ChatGPT of Perplexity zit een selectieproces dat je kunt volgen — en dat verrassend veel overeenkomsten heeft met hoe een zoekmachine werkt.

In dit artikel leg ik uit hoe die selectie in de praktijk verloopt, welke signalen zwaar wegen en waar de meeste MKB-websites uitvallen. Ik test dit maandelijks met vaste vragen voor klanten, dus de voorbeelden komen uit echte antwoorden en niet uit theorie.

Een assistent zoekt zelden op je letterlijke vraag. 'Welke SEO specialist helpt mijn webshop in Utrecht?' wordt intern een reeks zoekopdrachten: 'seo specialist utrecht', 'seo webshop utrecht', 'seo specialist mkb nederland'. Op die zoekopdrachten wordt gezocht, niet op je vraag.

Dat verklaart waarom klassiek zoekwoordonderzoek nog steeds de basis is. Sta je niet in de resultaten voor de onderliggende zoekopdrachten, dan kom je in de rest van het proces niet meer voor.

ChatGPT en Microsoft Copilot leunen grotendeels op de index van Bing. Gemini en de AI Overviews van Google gebruiken de index van Google. Perplexity zoekt live en toont zijn bronnen erbij. Claude werkt met zoekresultaten en met wat het model eerder heeft geleerd.

Praktisch gevolg: Bing Webmaster Tools is geen bijzaak. Veel Nederlandse MKB-sites staan netjes in Google maar half in Bing, en missen daarmee juist de index waar ChatGPT uit haalt. Sitemap indienen en indexatie controleren in Bing is een middagje werk met onevenredig veel effect.

Uit de opgehaalde resultaten kiest het model de stukken tekst die hij kan gebruiken. Dat zijn passages die zelfstandig te begrijpen zijn: een antwoord in twee of drie zinnen, een prijs met voorwaarde, een lijst met stappen, een tabel die twee opties vergelijkt.

Wat afvalt: teksten waarin het antwoord verspreid staat over meerdere alinea's, pagina's die vooral over de aanbieder gaan in plaats van over de vraag, en inhoud die pas na een cookiemelding of een klik zichtbaar wordt.

Een model dat een bedrijf gaat aanbevelen, loopt een risico: is dit bedrijf echt en is het geschikt? Dat risico wordt kleiner als meerdere onafhankelijke bronnen hetzelfde zeggen. Een Google Bedrijfsprofiel met echte reviews, een KvK-vermelding, een LinkedIn-profiel, een vakblad dat je noemt.

Precies daar zit bij het MKB de grootste winst. De eigen website is vaak al in orde; wat ontbreekt is de tweede en derde bron die bevestigt dat je bestaat, wat je doet en voor wie. Een handvol consistente vermeldingen doet meer dan tien extra blogartikelen.

Modellen koppelen informatie op naam. Staat er op je website 'Websucces Marketing', in de gids 'Websucces', op LinkedIn 'Lubna Ouarghi Marketing' en in je bedrijfsprofiel een ander adres, dan valt het beeld uiteen in fragmenten die elk te zwak zijn om te citeren.

Maak daarom één regel die overal identiek staat: bedrijfsnaam, de persoon erachter, de hoofddienst en het werkgebied. Die regel gebruik je op je website, in je profielen en in elke vermelding. Het is de goedkoopste AI-optimalisatie die er bestaat.

Er bestaat geen manier om een positie in een AI-antwoord te kopen en er is geen aanmeldformulier. Ook trucs als verborgen tekst of instructies in je pagina gericht op het model werken niet; die worden genegeerd of leveren juist wantrouwen op.

Wat blijft, is vakwerk: vindbaar zijn in beide indexen, feiten expliciet opschrijven, structuur toevoegen die machines kunnen lezen, en zorgen dat anderen je bevestigen. Dat is precies het werk dat ook je posities in Google verbetert.