LSI-keywords zijn een mythe — dit helpt écht

TL;DR: Stop met het toevoegen van “LSI-keywords” aan je content. Google gebruikt LSI niet als rankingsysteem, maar het onderliggende instinct blijft waardevol als je het “synoniemen proppen” vervangt door intent-dekking, entiteiten-dekking en bewijs dat jouw pagina de vraag daadwerkelijk beantwoordt.

Ik beschouwde “LSI-keywords” jarenlang als onschuldige shorthand: slechte term, nuttig instinct. Totdat ik teams bij mindnow die afkorting zag omtoveren tot een content-checklist, waarna de pagina’s klonken alsof er een keyword-export in Google Docs was gegoten.

Verkeerd — maar niet dom. Mensen zoeken op lsi keywords omdat ze controle willen: een woordenlijst die een pagina “veiliger” laat voelen. Dat begrijp ik. Jarenlang zat ik er net zo naast (de shortcut maakte reviews sneller). Maar seojuice.io beoordeelt content niet op basis van verzonnen LSI-termen. Het kijkt naar ontbrekende context. Dat is het enige deel van het oude LSI-verhaal dat het redden waard is.

LSI-keywords zijn geen rankingfactor voor Google

LSI staat voor latent semantic indexing, een verouderde methode voor informatie-opslag en -opvraging. Die geschiedenis doet ertoe, omdat het SEO-idee verwaterde tot iets vreemd: voeg “gerelateerde woorden” toe aan een pagina en Google rankt je hoger.

Google Search wacht niet tot jij “automobile” naast “car insurance” zet omdat een LSI-tool dat adviseert. Moderne search wordt gevormd door semantische systemen, entiteiten, machine-learning-modellen, links, contentkwaliteit, query-interpretatie en gebruikerscontext — allemaal factoren die níét werken zoals het LSI-sprookje doet vermoeden.

“Er bestaat niet zoiets als LSI-keywords — wie anders beweert vergist zich, sorry.”

John Mueller, Search Advocate bij Google, zei dat al in 2019. Dat is de botte versie van de correctie.

“De waarheid is dat LSI-keywords een mythe zijn.”

Bill Slawski, Director of SEO Research bij Go Fish Digital, gaf de patent-onderbouwde versie. Slawski las jarenlang Google-patenten en IR-papers, wat zijn weerwoord nuttiger maakt dan een simpel “Google zegt nee”.

Waarom de mythe maar niet sterft

De term klinkt technisch. Dat helpt tools het te verkopen. Het geeft schrijvers ook een checklist, wat geruststelt als een pagina onderpresteert en niemand wil zeggen: “Het antwoord is onvolledig.” Klanten vinden het fijn omdat het meetbaar lijkt: rood woord, woord toevoegen, groene score, factuur betaald.

Die workflow voelt productief. Vaak maakt hij het artikel alleen zwaarder.

Het deel dat mensen bijna goed doen

Gerelateerde termen kunnen ontbrekende dekking onthullen. Het zijn aanwijzingen, geen ranking-tokens. Houd dat onderzoeksinstinct. Gooi het nepmechanisme weg.

Stelt een tool “burr grinder” voor in een artikel over koffiemolens, dan kan dat nuttig zijn. Komt “coffee bean machine” voorbij en zegt geen mens dat ooit, schrap het. De vraag is niet: “Hebben we de term toegevoegd?” maar: “Maakt dit voorstel duidelijk dat de lezer iets verwacht wat wij nog niet uitleggen?”

Wat men “LSI-keywords” noemt, zijn doorgaans vier verschillende dingen

Slechte SEO ontstaat als vier signalen op één hoop worden gegooid en LSI worden genoemd. Een synoniem, entiteit, subonderwerp en query-modifier hebben elk hun eigen functie. Stop je ze in dezelfde emmer, dan wordt de pagina slechter.

Een synoniem verdient zelden een eigen alinea. “CRM-platform” en “customer relationship management-software” kunnen beide in één artikel staan, maar ze in elke sectie forceren maakt de tekst robotisch. Gebruik de woorden die je koper gebruikt. Varieer alleen wanneer de zin erom vraagt.

Een entiteit is anders. Schrijf je over CRM-software en noem je Salesforce, HubSpot of Pipedrive niet, dan voelt de pagina mogelijk onbehoorlijk. Je hoeft geen alinea per merk, maar de lezer verwacht oriëntatie. Entiteiten definiëren het speelveld.

Een subonderwerp kan veel groter zijn. Bij “technische SEO-audit” zijn crawlability, indexatie, canonical-tags, JavaScript-rendering, Core Web Vitals, XML-sitemaps en interne links geen inwisselbare woorden. Het zijn onderdelen van het werk. Laat je er één weg, dan kan je gids de query missen.

Een query-modifier kan je vertellen een zoekterm helemaal te vermijden. Richt je pagina op “CRM-software” en toont de tool “gratis CRM-software voor non-profits”, dan is dat geen zinsnede om in een generiek artikel te strooien. Misschien verdient het een aparte pagina, een korte noot of helemaal niks.

Hetzelfde geldt voor “coffee grinder”. “Burr grinder” is waarschijnlijk een verplicht concept. “Blade grinder” is een logisch vergelijkingspunt. “Best coffee grinder under 100” is een koopintentie-modifier. “Coffee grinding machine” kan een synoniem zijn of vreemd klinken in jouw markt. De classificatie is belangrijker dan de export.

De vervanger: semantische dekking, geen synoniemenproppen

Semantische dekking betekent dat de pagina alle concepten, entiteiten, vragen, beperkingen, voorbeelden en bewijzen bevat die nodig zijn om de gebruiker te laten vertrouwen op het antwoord. Dat is de huidige, praktische variant van het idee.

Het gangbare optimalisatieproces werkt achterstevoren. Een schrijver maakt een mager artikel, haalt het door een related-keyword-tool en plakt termen waar de score laag is. Zo ontstaat hobbelige content: één alinea definieert het onderwerp, de volgende noemt ineens drie keer “latent semantic indexing”, vervolgens verschijnt er een random zin over “keyword density” omdat de editor de term rood maakte.

Bouw de dekkingskaart vóór het schrijven. Heb je een breder kader nodig, bekijk dan onze content-optimalisatieworkflow om onderzoek om te zetten in paginainrichting in plaats van achteraf plakken.

Begin bij de intentie

Voor “lsi keywords” is de intentie gemengd. Sommige lezers willen een definitie. Anderen een tool-workflow. Weer anderen bevestiging dat LSI nog werkt. De pagina moet alle drie bedienen, maar start met de correctie. Als de lezer op zoek is naar een magische lijst, komt het eerlijke antwoord eerst.

Die volgorde is cruciaal. Leg je 800 woorden uit hoe je “LSI-keywords” vindt vóórdat je zegt dat de term onjuist is, dan leer je precies de verkeerde gewoonte aan.

Identificeer entiteiten

Voor dit onderwerp zijn nuttige entiteiten: Google, John Mueller, Bill Slawski, latent semantic indexing, semantische search, entiteiten, embeddings, RankBrain, BERT en contentkwaliteit. Je forceert niet elke entiteit de tekst in; je gebruikt alleen wat de uitleg helderder maakt.

John Mueller hoort erbij omdat hij het concept direct weersprak. Bill Slawski omdat hij uitlegt waarom de term niet matcht met Google-patenten en onderzoeksrichting. BERT kan relevant zijn bij een uitleg over moderne taalinterpretatie. Een alinea met een lijst algoritmen is juist opvulling.

Entiteiten gaan om helderheid, niet om name-dropping. Is dit onderdeel van een groter SEO-programma, koppel het dan aan je entity SEO- en topical authority-proces, zodat schrijvers weten wanneer een benoemd concept écht ruimte verdient.

Voeg bewijs toe, geen ballast

“Zorg dat je je richt op contentkwaliteit en waarde levert aan je gebruikers.”

Martin Splitt, Search Developer Advocate bij Google, brengt het gesprek steeds terug naar kwaliteit. Dat klinkt vanzelfsprekend totdat je een team 30 minuten ziet discussiëren of “semantic keywords” vaak genoeg in een alinea staat die de vraag nog steeds niet beantwoordt.

Bewijs kan bestaan uit voorbeelden, bronvermelding, screenshots waar nuttig, productdata, klant-cases, vergelijkingen en redactioneel oordeel. Bij mindnow komt de winst zelden van één extra term; wel van de ontbrekende vergelijking, constraint of bewijsplaats.

Een praktische workflow om LSI-keywordonderzoek te vervangen

Gerelateerde keyword-exports kun je nog steeds gebruiken. Beschouw ze alleen niet als instructies. Deze workflow behoudt het nuttige onderzoek en schrapt het bijgeloof.

1. Zoek op de hoofdquery en lees op intentie. Tel geen woorden. Lees de toppagina’s en vraag welk beloften ze maken. Definiëren ze de term, verkopen ze een tool, vergelijken ze methodes of ontkrachten ze een mythe?
2. Noteer terugkerende koppen, voorbeelden, bezwaren en entiteiten. Je zoekt de vorm van het onderwerp, niet een quota aan zinnen.
3. Split suggesties in synoniem, entiteit, subonderwerp en query-modifier. Hier wordt de export nuttig. Een synoniem vraagt vaak geen actie. Een subonderwerp mogelijk wel.
4. Verwijder termen die er alleen zijn voor een score. Dit is het pijnlijke deel. Verandert de frase het antwoord niet, dan heeft de lezer ‘m waarschijnlijk niet nodig.
5. Maak van echte subonderwerpen koppen of alinea’s. Als “query modifiers” bepaalt hoe iemand keyword-suggesties moet behandelen, verdient dat uitleg. Hoeft “semantic SEO” maar één brugzin, houd het kort.
6. Voeg voorbeelden toe uit product, site, klantwerk of data. Generieke pagina’s verliezen omdat ze nooit bewijzen dat ze het probleem kennen. Gebruik je eigen ervaring.
7. Lees de pagina hardop en schrap zinnen die geen mens zegt. Als ik het niet in een mindnow-klantcall zou zeggen, hoort het niet in het artikel.

“Ik gebruik meestal Google om vaak samenkomende volledige zinnen te vinden die ranken voor dezelfde term, en kijk op Wikipedia-achtige bronnen naar domeintermen.”

Bill Slawski beschreef zo de veiligere gewoonte: zoek co-occurring zinnen en domeintermen. Dat is onderzoek, geen geheime scorelaag.

Daar past seojuice.io ook in. De tool toont ontbrekende interne links, dunne dekking en verweesde context tussen pagina’s. Het kan laten zien dat je artikel over “semantic SEO” nooit linkt naar “keyword research”, of dat vijf posts een concept noemen zonder duidelijke hub. De schrijver bepaalt nog steeds wat hoort. Software wijst het gat aan; het beslist niet of de lezer 40 woorden of 400 nodig heeft.

Koppel query-modifiers aan een echt keyword-researchproces. “Voor beginners”, “tools”, “voorbeelden”, “gratis” en “template” zijn niet inwisselbaar. Elk verandert de belofte van de pagina.

Voorbeeld: een pagina optimaliseren zonder nep-LSI-keywords

Neem het doel van dit artikel: “lsi keywords”.

De slechte versie begint met een lijst uit een contenttool: “semantic keywords”, “latent semantic indexing”, “keyword density”, “Google algorithm”, “related keywords”, “SEO content” en “semantic SEO”. De schrijver had al een dunne post en strooit die termen in de tekst. De pagina wordt langer, maar niet nuttiger.

De betere versie begint met een dekkingskaart:

• Definitie van latent semantic indexing
• Duidelijke stelling dat Google LSI niet gebruikt zoals SEO’s het beschrijven
• John Mueller’s afwijzing van de term
• Bill Slawski’s mythe-uitleg
• Waarom gerelateerde termen toch in tools opduiken
• Verschil tussen synoniem, entiteit, subonderwerp en query-modifier
• Moderne vervangende workflow
• Voorbeeld van het herschrijven van een alinea

Die kaart geeft de pagina een ruggengraat. Nu kan de schrijver kiezen wat ruimte verdient. “Keyword density” krijgt misschien één zin omdat het tot dezelfde oude checklist-mindset hoort. “Entiteit” vraagt een definitie. “Search intent” misschien een korte sectie. “Semantic keywords” wordt alleen genoemd om uit te leggen waarom de frase vaak dezelfde fout maskeert.

Voor:

LSI-keywords zijn semantische keywords die gerelateerd zijn aan je hoofdkeyword. Door LSI-keywords in SEO-content te gebruiken begrijpt Google je pagina beter. Voeg gerelateerde keywords, keyword-density-termen en Google-algoritmefrasen toe om semantische SEO te verbeteren en je content relevanter te maken.

Die alinea oogt alleen “geoptimaliseerd” als niemand goed leest. Hij herhaalt de mythe, smeert verschillende concepten op elkaar en geeft de schrijver een taak die de pagina slechter maakt.

Na:

LSI-keywords zijn een achterhaald SEO-label voor gerelateerde termen. Google heeft ontkend dat het toevoegen van LSI-termen een rankingtactiek is, maar gerelateerde suggesties kunnen je nog steeds helpen ontbrekende dekking te vinden. Sorteer elke suggestie eerst: is het een synoniem, een entiteit, een subonderwerp of een intent-modifier?

De tweede alinea is niet beter omdat er meer keywords in staan — hij is beter omdat hij de premisse corrigeert en de lezer een beslismethode biedt. Dat is het verschil tussen zinnen plakken en redactioneel werk.

Hoe je related-keyword-suggesties beoordeelt zonder de pagina te slopen

Stel vier vragen voordat je iets uit een lijst met gerelateerde keywords toevoegt.

Vraag “verandert dit het antwoord?”

Verandert het toevoegen van de term het antwoord, dan is het mogelijk een subonderwerp. “BERT” verandert een artikel over moderne taalinterpretatie als je uitlegt hoe zoeksystemen betekenis verwerken. Het hoort niet in een beginnersgids puur omdat een tool het vond.

Vraag “is dit een entiteit die de lezer verwacht?”

Verwacht de lezer John Mueller te zien in een stuk dat LSI-keywords ontkracht, neem hem dan op. Komt de tool met een willekeurige buurzin, negeer het. Lezersverwachting is een betere filter dan termfrequentie.

Vraag “zou ik dit tegen een klant zeggen?”

Deze test werkt verrassend goed. Als ik een klant zou zeggen: “We moeten het verschil uitleggen tussen gerelateerde termen en rankingfactoren,” kan het in het artikel. Zou ik niet zeggen: “We moeten meer Google-algorithm semantic keyword density toevoegen,” dan blijft het eruit.

Ik faal hier nog steeds als ik haast (meestal wanneer de deadline harder schreeuwt dan mijn oordeel). Hardop lezen vangt het meeste.

Vraag “verdient dit een zin, een sectie of verwijdering?”

De meeste suggesties verdienen verwijdering. Sommige één zin. Een paar een volledige sectie. De fout is elke suggestie als gelijkwaardig zien omdat ze in dezelfde kolom staan.

Interne links horen ook in dit oordeel. Wijst een gerelateerde term naar een pagina die je al hebt, link ernaar in plaats van alles opnieuw uit te leggen. Een sterk intern linkingssysteem maakt van gerelateerde topics een leesbaar netwerk in plaats van één opgeblazen artikel.

Waarom dit belangrijker wordt in het embeddings-tijdperk

Zoeksystemen zijn beter in het matchen van betekenis, intentie en context. Dat maakt precisie niet minder belangrijk, maar juist zichtbaarder.

In oude SEO-folklore kon een pagina relevant lijken door de juiste buurwoorden te herhalen. In een wereld vol entiteiten, embeddings, passages, links en gebruikersgedrag is dunne relevantie makkelijker te spotten. Heeft het stuk geen originele invalshoek, geen entiteit-helderheid, geen merkbewijzen en geen bruikbare voorbeelden, dan redt “semantic keyword” vijf keer extra je ranking niet.

“We zijn niet slechts monteurs die motoren afstellen — we zijn ingenieurs die de systemen zelf bouwen.”

Mike King, Founder & CEO van iPullRank, noemt dit relevance engineering. Die term verplaatst het werk van folklore naar systemen: wat heeft deze pagina nodig om vertrouwd, verbonden en gekozen te worden?

“Bouw een bekend, populair en gerespecteerd merk in je niche, buiten Google Search om.”

Rand Fishkin, Co-founder van SparkToro, stelde dat na de Google-lekken in 2024. De praktische waarschuwing: merk- en entiteit-herkenning bouw je buiten search, niet alleen erin. Een zwakke pagina van een onbekende bron wordt niet gered door omringende woorden.

Moet je dan LSI-keywords gebruiken?

Nee, niet als SEO-tactiek. Koop geen tool die LSI-optimalisatie belooft. Vraag schrijvers niet om een LSI-score te halen. Voeg geen kromme zinnen toe omdat een editor een term rood maakt.

Ja, gebruik gerelateerde termen als aanwijzing. Zie ze als onderzoekinput, niet als ranking-ingrediënt. De workflow is simpel: vind wat de pagina mist, voeg toe wat de lezer helpt en verwijder de rest.

LSI-keywords zijn de verkeerde kaart. Semantische dekking is de weg.

FAQ

Wat zijn LSI-keywords?

In SEO bedoelt men met “LSI-keywords” meestal woorden of frasen die gerelateerd zijn aan een hoofdkeyword. Het label komt van latent semantic indexing, maar de moderne SEO-betekenis is grotendeels onjuist.

Gebruikt Google LSI-keywords?

Google-vertegenwoordigers hebben ontkend dat LSI-keywords een rankingtactiek zijn. Google gebruikt veel systemen om queries en pagina’s te begrijpen, maar dat betekent niet dat het controleert of jij een tool-gegenereerde LSI-lijst hebt ingevoegd.

Zijn gerelateerde keywords nog nuttig?

Ja, mits je ze als onderzoeksclue behandelt. Een gerelateerd keyword kan een synoniem, entiteit, subonderwerp of intent-modifier onthullen. De waarde zit in het juist sorteren.

Wat moet ik gebruiken in plaats van LSI-keywords?

Gebruik semantische dekking. Kaart de query-intentie, identificeer nuttige entiteiten, vind ontbrekende subonderwerpen, voeg voorbeelden en bewijs toe en schrap zinnen die er alleen staan voor een score.

Kunnen content-optimalisatietools helpen?

Ze kunnen gaten signaleren, maar mogen de pagina niet schrijven bij volmacht. Laat een tool een ontbrekend concept zien, beslis dan of dat verwijdering, één zin, een sectie of een aparte pagina verdient.

Vervang de checklist door een dekkingssysteem

Vraagt je contentproces nog steeds om “meer LSI-keywords toe te voegen”, vervang die instructie dan door een dekkingsbeoordeling. seojuice.io kan helpen bij het vinden van ontbrekende interne links, dunne context en losse topicclusters — maar de winnende zet blijft redactioneel oordeel.