Entity gap-analyse

Entity gap-analyse is het proces van het vinden van belangrijke entiteiten die je content niet (goed) behandelt, vergeleken met pagina’s die al winnen in Google. Als het goed wordt uitgevoerd, verbetert het de thematische volledigheid, de doelen voor interne links, de beslissingen rond schema en de inhoudelijke briefings. Als het slecht wordt uitgevoerd, verandert het in NLP-theater.

Wat je eigenlijk meet

Je telt niet alleen zelfstandige naamwoorden. Je vergelijkt benoemde entiteiten, gerelateerde concepten en de relaties daartussen over een set SERP-resultaten. In de praktijk betekent dat controleren of je pagina dezelfde kernproducten, standaarden, use cases, personen, locaties, merken of attributen noemt die consequent terugkomen in de top 5-10 resultaten.

Gebruik tools die je workflow ondersteunen, niet alleen een score geven. Ahrefs en Semrush helpen je de concurrerende URL-set te definiëren. Screaming Frog kan je doelpagina’s crawlen en schema of on-page-patronen op maat extraheren. Tools voor content, zoals Surfer SEO en Clearscope-achtige content tools, kunnen hints geven over ontbrekende termen, maar het zijn geen entiteitsmodellen. Voor validatie: controleer Google Search Console (GSC) na wijzigingen. Dat is de enige dataset hier die gekoppeld is aan echte vertoningen en klikken.

Hoe SEO-teams het uitvoeren

1. Kies een querycluster met commerciële waarde, niet een ‘vanity’ head term.
2. Exporteer de top-ranking URL’s uit Ahrefs of Semrush.
3. Extraheer entiteiten uit je eigen pagina en die van concurrenten met een NLP-tool of een eigen pipeline.
4. Groepsgewijs entiteiten naar type: product, feature, doelgroep, regelgeving, vergelijkingsmerk, integratie, geografie.
5. Beoordeel gaten op frequentie binnen winnaars en op relevantie voor het bedrijf.

Een simpele regel werkt: als een entiteit op 6 van de top 10 pagina’s voorkomt en relevant is voor de zoekintentie, verdient die review. Als die maar één keer voorkomt, negeer je het, tenzij het te koppelen is aan omzet. Dit is prioritering, geen verzameling.

Waar het het meest helpt

Entity gap-analyse is het meest nuttig voor pagina’s die breedte en specificiteit moeten tonen: categoriepagina’s, SaaS-oplossingspagina’s, medische uitlegpagina’s, productvergelijkingen en YMYL-content (Your Money or Your Life) met een hoog risico. Het is minder nuttig voor smalle landingspagina’s waar de intent transactioneel is en de pagina slechts een strakke set feiten hoeft te bevatten.

Het helpt ook bij interne linking. Ontbrekende entiteiten onthullen vaak ontbrekende ondersteunende pagina’s. Als je hoofdpagina SOC 2, SAML, Okta en SCIM noemt, maar je hebt geen ondersteunende URL’s voor die concepten, is dat niet alleen een content-gat. Het is een probleem van clusterarchitectuur.

De kanttekening die de meeste teams missen

Google rankt pagina’s niet omdat ze meer entiteiten noemen. Dekking zonder bruikbaarheid is opvulling. John Mueller van Google wees herhaaldelijk terug op simpele semantische scoring, en dat is nog steeds de juiste houding. Door 20 geëxtraheerde entiteiten toe te voegen aan een pagina red je geen zwakke match met de intent, slechte interne links of een site zonder autoriteit.

De output van NLP is bovendien ruisgevoelig. Wikidata, DBpedia en API’s van derden classificeren termen vaak verkeerd, zeker in B2B SaaS, medische contexten en e-commercecatalogi. Behandel entiteits-extractie als richtinggevende data. Laat daarna een editor met inhoudelijke kennis bepalen wat er daadwerkelijk in hoort.

Het beste gebruik van entity gap-analyse is eenvoudig: vind wat serieuze concurrenten consequent uitleggen, bepaal wat jouw pagina beter moet afdekken, en vertaal dat naar een briefing, een schema-update of een plan voor interne links dat je binnen 30-90 dagen kunt meten in GSC.