LLM-SEO: Zo Verschijn je in Antwoorden van AI

TL;DR: LLM SEO is het werk om een bron te worden die wordt genoemd in antwoorden van ChatGPT, Claude, Gemini en Perplexity—niet om nog een blauwe-linkpositie te winnen. Begin bij retrieval: zorg dat de juiste AI-zoekbots niet geblokkeerd zijn, dat je site indexeerbaar blijft, publiceer passages die makkelijk te extraheren en te citeren zijn, bouw geloofwaardig bewijs buiten je eigen domein op en test of assistenten je ook daadwerkelijk noemen. Er is geen bevestigd, publiek recept om als eerste te ranken in een AI-antwoord.

De belangrijkste denkfout is om een LLM te behandelen alsof het Google is, met een chatbox eraan vast.

Een zoekmachine levert meestal gerangschikte documenten. Een LLM synthetiseert een antwoord op basis van wat het tijdens de training heeft geleerd, wat het uit de live webomgeving ophaalt en welke index die retrieval ondersteunt. Je pagina kan invloed hebben op het antwoord zonder dat iemand erop klikt. Je pagina kan ook goed scoren in Google, maar nooit terugkomen in het gegenereerde antwoord.

Er is geen bevestigd, publiek lijstje met ranking-factoren voor ChatGPT, Claude, Gemini of Perplexity. Iedereen die belooft dat er een herhaalbare “rank nummer één in ChatGPT”-formule is, verkoopt zekerheid die de leveranciers niet hebben gegeven (ik zou dat dashboard ook graag willen).

Wat LLM SEO in de praktijk betekent

LLM SEO, ook wel LLM optimalisatie, LLMO, GEO, AISO of answer-engine optimization, is de aanpak om een bedrijf en zijn content zo waarschijnlijk mogelijk te maken dat ze opduiken in een door AI gegenereerd antwoord.

De academische term is generative engine optimization. Aggarwal, Murahari, Rajpurohit, Kalyan, Narasimhan en Deshpande beschrijven GEO als “het eerste nieuwe paradigma om content creators te helpen hun zichtbaarheid in responses van generative engines te verbeteren.” Hun paper, geleid door Princeton, werd geaccepteerd voor KDD 2024.

De benaming is nog niet definitief. Ik gebruik hier “LLM SEO” voor werk dat specifiek gericht is op assistenten zoals ChatGPT, Claude, Gemini en Perplexity. AI search optimization is breder en omvat ook answer surfaces zoals Google AI Overviews en AI Mode.

Het economische resultaat is anders dan bij een normale zoekresultaat. Pew Research Center analyseerde 68.879 Google-zoekopdrachten die door 900 Amerikaanse volwassenen in maart 2025 werden gedaan. Ongeveer 18% leverde een AI-samenvatting op. Gebruikers klikten op een traditioneel resultaat in 8% van de bezoeken waar een samenvatting stond, tegenover 15% wanneer er geen samenvatting verscheen. Een link in de samenvatting kreeg slechts in 1% van de bezoeken een klik.

Deze cijfers gaan over Google-samenvattingen, niet over ChatGPT of Claude. Ze laten wel dezelfde structurele verschuiving zien: het gegenereerde antwoord kan de klik vervangen. Genoemd worden in dat antwoord kan waarde hebben, zelfs als referral traffic zwak is of niet te attribueren.

De drie plekken waar een LLM zijn antwoord vandaan haalt

Je kunt geen verstandige LLM-optimisatiebeslissingen nemen zolang je training niet loskoppelt van retrieval. Ze gebruiken verschillende systemen, crawlers en tijdlijnen.

1. Pre-training data: bevroren geheugen

Foundation models leren patronen en informatie uit grote tekstverzamelingen tijdens de training. OpenAI zegt dat GPTBot content crawlt die mogelijk wordt gebruikt om zijn generative AI foundation models te trainen. Anthropic identificeert ClaudeBot als een crawler die wordt gebruikt om webcontent te verzamelen voor modeltraining.

Je rankt niet binnen deze laag. Je bedrijf kan in de trainingscorpus zijn opgenomen—goed vertegenwoordigd, slecht vertegenwoordigd of helemaal niet. Een correctie publiceren vanmiddag herschrijft geen afgeronde trainingsrun.

Brede, consistente documentatie op het web kan de kans vergroten dat een toekomstig model je merk tegenkomt. De exacte opname- en weegmechanismen zijn echter niet publiek. Ik vertrouw het onderscheid tussen training en retrieval; ik vertrouw geen claims dat twaalf vermeldingen, twintig links of één Wikipedia-entry een voorspelbare verandering in modelgeheugen opleveren.

2. Live retrieval: de laag waarop je het snelst invloed hebt

Wanneer een assistent zoekt of bladert, kan hij actuele documenten ophalen en gebruiken om een antwoord te onderbouwen. Dit wordt meestal retrieval-augmented generation genoemd, of RAG. Citaties komen doorgaans uit dit retrieval-proces en niet doordat het model individuele documenten uit zijn trainingscorpus “openbaart”.

Dit is waar het meeste praktische werk van LLM SEO thuishoort. Een pagina moet beschikbaar zijn voor de relevante search crawler, bereikbaar op het moment van het antwoord, en geschikt voor extractie. Als het systeem een document niet kan ophalen, kan het dat document niet als live citation gebruiken.

OpenAI wijst search discovery toe aan OAI-SearchBot, terwijl ChatGPT-User de bezoeken afhandelt die door gebruikers worden getriggerd. Perplexity maakt onderscheid tussen PerplexityBot, dat websites in zijn resultaten toont en linkt, en Perplexity-User, dat pagina’s ophaalt als reactie op vragen. Anthropic noemt daarnaast op vergelijkbare wijze Claude-SearchBot en Claude-User.

3. De onderliggende webindex

Retrieval heeft een verzameling documenten nodig om in te zoeken. Dat kan een onderliggende index zijn van Google of Bing, de eigen index van de assistent-leverancier, of een wisselende mix van bronnen. Relaties met providers en retrieval-systemen veranderen snel, dus ga geen permanente infrastructuurassumpties maken op basis van één search partnership.

De duurzame conclusie is eenvoudiger: gewone indexeerbaarheid blijft ertoe doen. Als zoekmachines een pagina niet kunnen ontdekken, renderen, canonicaliseren of indexeren, hebben systemen die van die indexes afhankelijk zijn niets bruikbaars om op te halen.

Google maakt dit expliciet voor zijn eigen AI-functies:

“Er zijn geen aanvullende vereisten om te verschijnen in AI Overviews of AI Mode, en er zijn ook geen andere speciale optimalisaties nodig.”

Google Search Central zegt ook dat sites geen nieuwe machine-readable bestanden, AI-tekstbestanden of speciale markup nodig hebben om in die functies te verschijnen. Deze uitspraak geldt voor Google AI Overviews en AI Mode, niet voor ChatGPT, Claude of Perplexity. Het doorprikt nog steeds veel onnodig product-theater.

Classic SEO is niet achterhaald. Het werd infrastructuur (of, preciezer: een onderdeel van de infrastructuur).

Laat de bots toe die antwoorden verzorgen

Een generieke “block AI”-regel is bot. Training crawlers, search crawlers en user-triggered fetchers vervullen verschillende taken. Je kunt afzien van training zonder jezelf per se uit live antwoordretrieval te verwijderen.

OpenAI’s documentatie is expliciet over het blokkeren van OAI-SearchBot: sites die “opt-out hebben, zullen niet worden getoond in ChatGPT-zoekantwoorden,” hoewel ze nog steeds als navigatielinks kunnen verschijnen. Perplexity zegt dat PerplexityBot is ontworpen om websites in zijn resultaten te tonen en te linken en niet wordt gebruikt om content te crawlen voor training van foundation models.

Neem drie aparte beslissingen:

• Trainingsbeleid: beslis of GPTBot en ClaudeBot content mogen verzamelen voor mogelijke modeltraining.
• Zichtbaarheid in search: sta OAI-SearchBot, PerplexityBot en Claude-SearchBot toe als je retrieval-zichtbaarheid wilt.
• User fetches: zorg dat de site technisch bereikbaar blijft wanneer een gebruiker expliciet vraagt aan een assistent om toegang te krijgen.

Het blokkeren van een training crawler kan een verdedigbare publicatiekeuze zijn. Search crawlers blokkeren terwijl je citaties verwacht, is tegenstrijdig. User-triggered fetches maken afdwinging lastiger, omdat OpenAI zegt dat robots.txt mogelijk niet geldt voor ChatGPT-User, terwijl Perplexity zegt dat Perplexity-User robots.txt doorgaans negeert.

Bekijk deze regels periodiek opnieuw. Namen van user-agents en vendorbeleid kunnen veranderen.

Maak de pagina makkelijk te citeren, niet alleen makkelijk te ranken

Zodra retrieval werkt, is de volgende taak: de model een nuttige passage geven om uit te lichten.

Het sterkste experimentele bewijs dat peer-reviewed is, komt uit de KDD 2024 GEO-paper. De GEO-bench bevatte 10.000 queries en de onderzoekers testten interventies op content tegen gesimuleerde generative engines. Ze rapporteerden dat GEO de zichtbaarheid op hun benchmark met maximaal 40% kon verhogen.

Dat is een “tot”-resultaat op benchmarkniveau, geen belofte van 40% meer citaties in een productie-ChatGPT. Volgens Tabel 1 van de paper leverde het toevoegen van quoteringen een 27,8% verbetering op en het toevoegen van statistieken een 25,9% verbetering op hun positie-gecorrigeerde word-count metric. Quotations, statistics en geciteerde bronnen zaten bij de sterkste methoden die ze testten.

Dezelfde paper vond dat keyword stuffing in generative-engine responses “nauwelijks tot geen prestatieverbetering” opleverde. “Best invoicing software” zeventien keer herhalen is geen LLM-strategie. Het was nauwelijks een geloofwaardige search-strategie vóórdat het dat label kreeg.

Een pagina die voor extractie is gebouwd, bevat meestal:

• Een direct antwoord direct onder de relevante heading.
• Specifieke claims die worden toegeschreven aan genoemde, geloofwaardige bronnen.
• Tabellen die concrete eigenschappen vergelijken zonder de conclusie te verbergen.
• Definities die ook buiten het omliggende artikel nog kloppen.
• Statistieken met datums, populaties en genoeg context om misleidend hergebruik te voorkomen.
• Stabiele URLs en crawlbare tekst in plaats van essentiële feiten die opgesloten zitten in interfaces.

Ik zou prioriteit geven aan feitelijke dichtheid boven pure lengte. Een lang artikel kan nog steeds lastig te citeren zijn als elk antwoord verstopt zit onder “keel-schraap”-zinnen. We hebben die fout zelf ook gemaakt: extra woorden toevoegen omdat een contentbrief ze verwachtte, en de nuttige zin pas zes paragrafen onder de heading laten opduiken (niet ons beste redactionele instinct).

Schema kan helpen zodat machines page-entities en contenttypen beter interpreteren, maar verwissel het niet met een geheime AI-citation-schakelaar. Google zegt expliciet dat er geen speciale markup nodig is voor zijn AI-functies. Structuur moet eerst duidelijkheid verbeteren voor lezers en crawlers.

Bouw bewijs buiten je eigen domein

Je eigen website is noodzakelijk, maar het is niet het volledige bewijspakket dat een assistent kan ophalen.

In Aleyda Solis’s analyse van SaaS AI-search-citaties genereerden bronnen van derden 84% tot 93% van het citation-gewicht over de subverticals en platforms die ze onderzocht. Haar conclusie is bot:

“Het grootste deel van het AI-citation-gewicht komt van buiten je eigen website.”

Dit is een gemeten patroon in SaaS-categorieën, niet een door de vendor bevestigde rankingfactor. Het vertelt ons waar citaties in haar analyse opdoken; het bewijst niet dat één vermelding in een community ervoor zorgt dat een assistent een merk aanbeveelt.

De praktische implicatie blijft echter belangrijk. Documentatie, gevestigde publicaties, reviews, vergelijkingen, communitydiscussies, video’s en peer-software-sites leveren onafhankelijk bewijs. Een assistent heeft meer materiaal om mee te werken wanneer meerdere geloofwaardige bronnen overeenkomen over wat een bedrijf doet, dan wanneer elke claim uit die ene homepage komt.

Onze gids voor waar LLM’s je merk vinden bekijkt die externe “surfaces” uitgebreider.

Vertaal dit niet naar synthetische mention-spam. Beter off-site werk ziet er zo uit:

1. Publiceer originele data, documentatie, voorbeelden of definities die de moeite waard zijn om naar te verwijzen.
2. Verdien opname in relevante vergelijkingen in plaats van tientallen dunne vermeldingen te fabriceren.
3. Houd productfeiten consistent op je website én in profielen van derden.
4. Geef schrijvers één stabiele bron-URL voor belangrijke claims.
5. Corrigeer onjuistheden waar je een legitieme route hebt om dat te doen.

SEOJuice is een team van twee: Lida en ik. We kunnen grote SaaS-bedrijven niet overbieden in PR, dus onze realistischer hefboom is referentieerbaar worden: duidelijke productdocumentatie, reproduceerbare voorbeelden en URLs die operationele wijzigingen overleven.

Dat laatste punt werd concreet toen we seojuice.io in januari 2026 migreerden naar seojuice.com. Een domeinwissel is niet alleen een Google-rankingsproject. Redirects, canonicals, interne links en bijgewerkte verwijzingen van derden behouden ook de bronspoorlijn die assistenten kunnen ophalen (en ja: migratie-schoonmaak duurde langer dan de nette checklist suggereerde).

Een praktische volgorde voor LLM optimalisatie

Werk in volgorde van afhankelijkheden. Content polijsten kan een pagina die is uitgesloten van retrieval niet redden.

Kies prompts die een echte beslissing representeren: “Welke tools voegen automatisch interne links toe aan een SaaS-blog?” is diagnostischer dan je merknnaam typen en de model vragen het te laten beoordelen. Branded prompts testen vooral of de assistent je kan vinden; categorie- en vergelijkingsprompts testen of hij je selecteert.

Leg vast: de assistent, het model of de modus, de exacte prompt, datum, browsestatus, genoemde merken, geciteerde URLs en de volgorde van aanbevelingen. Een model dat antwoordt vanuit training memory is geen vergelijkbare test als een assistent die live bronnen ophaalt.

Reken op ruis. Gegeneerde antwoorden veranderen, personalisatie kan roet in het eten gooien en er is geen equivalent van Google Search Console dat elke AI-impressie rapporteert. Ik heb een handvol succesvolle prompts voor een trend aangezien. Screenshots ogen overtuigend; vijf waarnemingen blijven vijf waarnemingen.

Waar SEOJuice past

SEOJuice kan niet garanderen dat een LLM jou citeert. Geen externe tool beheerst de retrieval- en synthese-systemen van de assistent.

Wat we automatiseren is onderdeel van de vereiste laag. SEOJuice werkt op een live site en past continu interne links, meta titles en descriptions, schema markup en image alt text toe. Die verbeteringen ondersteunen vindbaarheid en een schone sitestructuur, maar je moet dit niet verkopen als geheime ChatGPT-rankingfactoren.

Voor meting testen we met onze AI visibility checker of AI-engines je merk noemen of citeren voor geselecteerde prompts. Het laat zien waar je wel en waar je niet opduikt; het fabriceert geen citation.

Als dat de kloof is die je wilt diagnosticeren, check dan of ChatGPT en Perplexity je merk noemen met de gratis AI Visibility Checker. SEOJuice heeft een gratis plan en vraagt geen creditcard.

De bredere verschuiving is niet dat SEO is overleden. Classic SEO is noodzakelijk maar onvoldoende, omdat retrieval nog steeds afhankelijk is van het open web, terwijl de gewenste output is verschoven van het ranken van een link naar het onderdeel worden van het antwoord. Dat is de praktische transitie van SEO naar GEO.

Veelgestelde vragen

Wat is LLM SEO?

LLM SEO is het optimaliseren van een merk en zijn content zodat assistenten zoals ChatGPT, Claude, Gemini en Perplexity ze kunnen vinden, tonen en citeren in door AI gegenereerde antwoorden. Het wordt ook LLMO, GEO, AISO of answer-engine optimization genoemd. Het belangrijkste resultaat is een vermelding of citation, niet een blauwe-linkpositie.

Hoe bepalen LLMs wat ze citeren?

Een antwoord kan bestaan uit pre-training data, live web retrieval en een onderliggende index zoals Google, Bing of de eigen index van de vendor. Voor actuele citaties ligt de focus op live retrieval: sta de relevante search bots toe, blijf indexeerbaar en publiceer duidelijke, onderbouwde passages. Buiten die toegangs-gates hebben vendors hun formules voor citation-selectie niet gepubliceerd.

Hoe verschilt LLM SEO van Google SEO?

Classic SEO richt zich meestal op een gerangschikt zoekresultaat. LLM SEO richt zich op opname in één gesynthetiseerd antwoord. Indexeerbaarheid, autoriteit en links ondersteunen nog steeds retrieval, maar tactieken voor keyword-density zijn niet overdraagbaar. Meting verschuift ook: van posities en klikken naar herhaalde prompttests, vermeldingen, geciteerde bronnen en opname in aanbevelingen.

Hoe laat ik ChatGPT en Perplexity mijn site vinden?

Blokkeer hun search crawlers niet: OAI-SearchBot voor ChatGPT en PerplexityBot voor Perplexity. OpenAI en Perplexity identificeren afzonderlijk ChatGPT-User en Perplexity-User als user-triggered fetchers. Training crawlers zoals GPTBot staan los van search retrieval, dus je kunt voor training en search verschillende toegangsbeslissingen nemen.

Moet ik AI-bots blokkeren van mijn site?

Scheid de trainingsbeslissing van de zichtbaarheid-beslissing. Door GPTBot of ClaudeBot te blokkeren sluit je content uit voor training bij die vendors. Door OAI-SearchBot, PerplexityBot of Claude-SearchBot te blokkeren kan de site worden verwijderd uit hun retrieval surfaces. Een site die AI-citaties zoekt, houdt doorgaans relevante search bots toegankelijk terwijl hij zijn eigen beleid voor training crawlers bepaalt.

Kan ik garanderen dat een LLM mijn bedrijf citeert?

Nee. Je kunt crawlability, indexeerbaarheid, feitelijke helderheid en de kwaliteit van je externe bewijs sturen. Experimenteel werk suggereert dat quoteringen, statistieken en geciteerde bronnen de zichtbaarheid van generative antwoorden kunnen verbeteren, terwijl analyses uit de praktijk laten zien dat citation-gewicht voor een groot deel op sites van derden zit. Geen van beide biedt een gegarandeerde citation, en geen enkele vendor heeft een complete lijst met rankingfactoren gepubliceerd.