BERT-algoritme

BERT staat voor Bidirectional Encoder Representations from Transformers. In gewone SEO-termen helpt het Google om taal te begrijpen zoals een mens een zin leest: door de woorden vóór en ná elk relevant begrip mee te nemen. Daardoor veranderde Google’s aanpak voor zoekopdrachten die dubbelzinnig zijn, conversationeel van aard en sterk afhankelijk van modifiers.

Dat is belangrijk, omdat puur matchen op zoekwoorden al jaren niet meer genoeg is. Als je pagina scoort op overlap in de exacte woordcombinaties, maar de echte intent mist, maakt BERT die zwakte juist extra zichtbaar.

Wat BERT echt veranderde

Google kondigde BERT aan in Search in 2019 en zei dat het bij de lancering ongeveer 10% van de Engelstalige zoekopdrachten beïnvloedde. De echte impact was niet een nieuw rankingfactor die je direct kunt optimaliseren. Het was een beter systeem voor querybegrip.

Dat onderscheid is essentieel. Je kunt niet “optimaliseren voor BERT” met een checklist. Je verbetert content zodat Google de tekst nauwkeuriger kan koppelen aan genuanceerde intent.

Google’s John Mueller heeft herhaaldelijk gezegd dat er geen speciale BERT-tag, markup of truc bestaat. In 2025 geldt dat nog steeds als de juiste insteek: schrijf natuurlijk, beantwoord de zoekvraag volledig en stop met het forceren van exacte-matchwoordformuleringen als dat je copy slechter maakt.

Wat je in de praktijk moet doen

• Voer een audit uit op query-mismatches in Google Search Console: Zoek naar URL’s die indrukken krijgen voor long-tail termen, maar een zwakke CTR of gemiddelde posities in het bereik van 6-20. Dat zijn vaak problemen met intent-fitting, niet met autoriteit.
• Gebruik Semrush of Ahrefs om SERP-intent te vergelijken: Als de top 5 resultaten uitlegartikelen zijn en jouw pagina een productpagina is, dan redt BERT je niet. Los het verschil in format/intentie op.
• Breid zwakke passages uit: Screaming Frog plus een content-export kan helpen om dunne secties te vinden. Pagina’s met antwoorden van zo’n 40 woorden op complexe vragen presteren vaak slechter dan pagina’s met duidelijkere, rijkere passages.
• Schrijf met modifiers intact: Woorden als “for”, “to”, “without”, “near” en “with” kunnen de betekenis vaak compleet veranderen. Oude-school SEO haalde ze vroeger vaak weg. Dat is nu lui.
• Controleer passage-bruikbaarheid: Surfer SEO, workflows zoals die van Clearscope, of handmatige SERP-analyses kunnen helpen, maar het doel is niet het aantal termen. Het doel is antwoordkwaliteit op alinea-/passageniveau.

Waar mensen dit verkeerd doen

De grootste fout is BERT behandelen als een losstaande algoritme dat je kunt targeten met entiteit-dichtheidsscores of NLP-trucs. De meeste van die metrics zijn hoogstens meetinstrumenten/proxies. Sommige zijn pure theater.

Een tweede fout: aannemen dat elke daling in rankings bij informatieve content komt “door BERT”. Meestal is het een zwakkere match met de intent, een slechte paginstructuur, of sterkere concurrenten. Check de SERP voordat je een machine-learning verklaring verzint.

Er is ook een GEO-kanttekening. BERT is een Google-zoek­systeem, geen generatieve engine optimalisatie-framework. Het overlapt met GEO omdat beide duidelijke taal en contextrijke passages belonen, maar ChatGPT, Perplexity en Google AI Overviews gebruiken niet simpelweg “BERT-content”. Andere systemen. Andere lagen voor retrieval (ophalen).

Hoe je de impact meet

Gebruik GSC voor verschuivingen in zoekopdrachten, Ahrefs of Semrush voor zichtbaarheidstrends en data over betrokkenheid op de pagina voor validatie na de klik. Goede signalen zijn onder meer meer indrukken op long-tail varianten, betere posities voor zoekopdrachten met veel modifiers, en een hogere CTR wanneer de pagina beter aansluit op de zoekintentie.

Wees daarnaast eerlijk over attributie. Je kunt BERT in 2026 niet langer netjes afzonderen, net zo min als je RankBrain netjes kunt isoleren. Meet uitkomsten, geen mythologie.