Als je de vacatures op Indeed en LinkedIn volgt, lijkt het alsof we ineens een compleet nieuw vak hebben uitgevonden. GEO, AEO, AIO. Alsof je een nieuw label op SEO plakt en het probleem daarmee is opgelost. Ik snap de behoefte, want iedereen wil zichtbaar blijven nu klanten steeds vaker een vraag stellen aan ChatGPT, Claude of Gemini. Alleen, uit ervaring kan ik je zeggen: dit is niet nieuw. Het is longtail SEO, eindelijk terug op de plek waar het thuishoort. En als je daar nu goed op inspeelt, ga je merken dat je minder hoeft te vechten om één groot keyword en veel vaker kunt winnen op honderden echte vragen van echte mensen.
Al die nieuwe afkortingen leiden af van waar het om gaat
Ik zie ondernemers en marketeers in Nederland dezelfde reflex hebben als bij elke grote platformshift. Eerst paniek, dan een stapel nieuwe termen, en daarna een golf bureaus die beloven dat ze je “in de AI krijgen”. Dat klinkt logisch, maar het is ook gevaarlijk, omdat het je aandacht weghaalt van het echte werk.
Noem het generative engine optimization, answer engine optimization of artificial intelligence optimization. Het maakt weinig uit. Uiteindelijk gaat het om één simpele vraag: vindt jouw klant een betrouwbaar antwoord op het moment dat hij het nodig heeft, via welk kanaal dan ook?
Wie het zo bekijkt, ziet meteen het patroon. We zijn terug bij de kern van SEO. Begrijpen wat mensen echt willen weten, het beter uitleggen dan de rest, en het zo publiceren dat het vindbaar en citeerbaar is. Dat is longtail. En het is het deel waar de meeste bedrijven jarenlang te weinig aandacht aan gaven, omdat de focus op een paar “grote” zoekwoorden lag.
Waarom taalmodellen nog steeds zoeken op het web
Een taalmodel is in de basis een systeem dat het volgende woord voorspelt op basis van de woorden ervoor. Het kan indrukwekkend klinken, maar het heeft een beperking die je als ondernemer moet begrijpen: het model weet alleen wat er in de trainingsdata zat, plus wat er via latere bijsturing is toegevoegd.
Die trainingsdata komt uit enorme verzamelingen, zoals Common Crawl, digitale boeken, Wikipedia, wetenschappelijke publicaties, code repositories, nieuwsarchieven en forums. Vervolgens wordt er hard gefilterd op spam, rommel en onbetrouwbare pagina’s. Dat is nodig, maar het betekent ook dat er altijd gaten blijven.
En dan komt het punt dat vaak wordt vergeten. Zo’n basis training is extreem duur en gebeurt niet elke maand opnieuw. De updates die je wél ziet zijn vaak fine tuning of instructie training, en steeds vaker een vorm van live ophalen van bronnen.
Als iemand dus een vraag stelt waar het model niet zeker genoeg over is, of waarbij actualiteit telt, dan schakelen veel systemen over op websearch en retrieval augmented generation. In gewone taal: het model zoekt op het web en gebruikt die bronnen om het antwoord te bouwen.
Je ziet dit soms letterlijk gebeuren. Bij sommige tools kun je “details” openen en dan zie je dat jouw nette, lange prompt eerst wordt omgezet naar een zoekquery die een zoekmachine begrijpt. Dat is belangrijk, want daarmee is het meteen duidelijk: AI vervangt zoeken niet, het automatiseert het voor de gebruiker.
De comeback van longtail, maar nu met een duwtje van AI
Waarom werkte longtail SEO bij veel merken vroeger minder goed dan het eigenlijk zou moeten? Niet omdat het geen waarde had, maar omdat het gedrag van mensen door Google werd gevormd. Eén zoekbalk. Weinig context. Dus typte men vooral korte zoekopdrachten. En omdat daar geld zat, ging bijna alle aandacht naar headterms.
Dat is nu aan het kantelen. In 2026 stellen mensen hun vragen aan een assistent zoals ze ze aan een collega zouden stellen. Met context, nuance, frustratie en randvoorwaarden. “Ik zoek een boekhouder” wordt “ik zoek een boekhouder in Utrecht die ervaring heeft met e commerce, kan helpen met btw in Duitsland, en snel kan schakelen”.
Dat soort vragen zijn longtail in zijn puurste vorm. En het grappige is: die assistent gaat met die prompt vaak alsnog naar een zoekmachine om de beste bronnen te vinden.
Je krijgt dus een situatie waarin mensen zelf nog steeds naar Google gaan voor de grote termen, maar taalmodellen juist die lange, specifieke vragen als zoekopdrachten de wereld in sturen. De kop van de zoekcurve wordt dunner, de staart wordt dikker.
Welke zoekmachines daaronder liggen, verschilt per tool. Publieke signalen wijzen erop dat ChatGPT vaak via Bing zoekt, Claude via Brave, Gemini via Google, Grok via X en een eigen webzoekfunctie, en Perplexity met een eigen hybride index werkt. Je hoeft daar geen fan van te zijn. Je hoeft alleen te snappen dat je content niet alleen voor één zoekmachine gemaakt wordt. Je klant zoekt overal, dus je merk moet overal mee kunnen doen.
De oude spelregel blijft: raak de bal waar niemand staat
Ik hou van die quote van honkballer Wee Willie Keeler: “Keep your eye on the ball and hit ’em where they ain’t.” Dat is longtail SEO in één zin. Niet vechten op de drukste plek, maar winnen waar anderen geen zin hadden om het werk te doen.
Succes komt bijna altijd uit dezelfde combinatie. Je begrijpt de echte vragen en twijfels van je doelgroep, je weet wat jou onderscheidt in de praktijk, en je maakt content precies op dat snijvlak.
Alleen, laten we eerlijk zijn: dat is lastig. Klantonderzoek kost tijd. Keyword research is monnikenwerk. Goede content maken is moeilijk. Het is heel verleidelijk om dan maar een paar generieke blogs te publiceren en te hopen dat het “goed genoeg” is.
Wat er nu veranderd is, is dat je een hulpmiddel hebt om het denkwerk sneller en breder te doen: een taalmodel. Niet als schrijver van jouw waarheid, maar als versneller van je onderzoek en je structuur.
Praktisch: laat een LLM echte klantvragen modelleren
De snelste manier om longtail kansen te vinden, is te beginnen bij vragen. Niet bij losse keywords. Vragen laten meteen zien waar iemand zit in zijn keuzeproces, en welke content je moet maken om te helpen.
Ik gebruik hiervoor vaak een prompt die een LLM dwingt om als klant te denken, niet als marketeer. Je kunt deze aanpassen aan je bedrijf.
Acteer als SEO strateeg en customer research analyst.
Je helpt met longtail zoekvraag ontdekking door echte klantvragen te modelleren.
Ik wil realistische zoekvragen vinden die mensen stellen over mijn bedrijf, producten en branche.
Ik wil geen keyword lijstjes. Maak natuurlijke zoekvragen zoals mensen ze in Google typen of aan een AI assistent vragen.
Bedrijfsnaam: [BEDRIJFSNAAM]
Branche: [BRANCHE]
Hoofdproduct of dienst: [PRODUCT DIENST]
Doelgroep: [DOELGROEP]
Regio: [REGIO]
Genereer 75 tot 100 realistische zoekvragen, gegroepeerd in:
Awareness: beginnersvragen en probleemvragen
Consideration: vergelijkingen, best for, use cases, kosten en prijs
Decision: implementatie, starten, vertrouwen en risico
Post purchase: troubleshooting en gevorderde vragen
Edge cases: niche situaties en ongebruikelijke maar realistische scenario’s
Richtlijnen:
Schrijf zoals echte mensen zoeken, met context.
Vermijd marketingtaal.
Maak elke vraag uniek, niet dezelfde structuur met kleine variaties.
Elke vraag moet een duidelijke content invalshoek suggereren.
Output als nette lijst per categorie.
Wat dit je oplevert, is geen spreadsheet voor de vorm, maar een beeld van hoe je doelgroep denkt. Je ziet waar mensen onzeker zijn, waar ze vergelijken, en waar ze bang zijn om een fout te maken. Dat is input waar je sales, support en marketing samen beter van worden.
Praktisch: analyseer je eigen zoekdata met AI, want daar zit goud
Veel bedrijven met vijf, tien of vijftig mensen hebben iets in huis dat verrassend weinig wordt gebruikt: interne zoekdata. Alles wat bezoekers in jouw zoekbalk typen op je site, is een directe vraag aan jou. Ze gaan er vanuit dat jij het antwoord hebt.
Als een term vaak terugkomt, betekent het meestal één van twee dingen. De informatie is er, maar mensen vinden het niet. Of de informatie bestaat niet. In beide gevallen heb je een concrete reden om je site, je navigatie of je content aan te passen.
Vroeger zat ik bij dit soort projecten dagenlang te filteren, groeperen en labelen. Zeker bij webshops of platformen met veel verkeer loopt zo’n export uit GA4 snel op. Een LLM kan je nu helpen om sneller patronen te zien, zolang jij de richting geeft.
Een prompt die ik hiervoor gebruik, ziet er zo uit:
Je bent een SEO strateeg en je analyseert interne site search data.
Doel: contentkansen vinden uit wat mensen op mijn website zoeken.
Ik voeg een lijst toe met zoekopdrachten uit GA4.
Stap 1: cluster op intentie
Groepeer de queries in logische thema’s.
Stap 2: vind longtail signalen per thema
Noem terugkerende modifiers zoals prijs, locatie, vergelijking, storing.
Noem concrete entities zoals producten, features, doelgroepen, problemen.
Markeer zeldzame maar koopgerichte searches.
Markeer zoekwoorden die verwarring of gemiste verwachtingen tonen.
Stap 3: maak content ideeën
Per thema: 3 tot 5 ideeën.
Neem minimaal één longtail idee dat letterlijk uit de queries komt.
Neem één koopgericht idee en één probleemoplossend idee.
Stap 4: signaleer UX of navigatie problemen
Welke queries wijzen erop dat mensen bestaande content niet kunnen vinden?
Welke labels of pagina’s missen mogelijk?
Output:
Thema:
Ondersteunende queries:
Longtail inzichten:
Contentkansen:
UX observaties:
Dit werkt niet alleen met interne zoekopdrachten. Je kunt hetzelfde doen met Search Console queries, met “bijna op pagina 1” termen, met concurrentie data uit Semrush, of met vragen uit supporttickets en chatlogs. Die laatste categorie is vaak nog waardevoller, omdat klanten daar hun probleem in zinnen beschrijven, met echte emotie en context.
Goede content blijft mensenwerk, en dat is juist je kans
Dan het deel waar veel bedrijven zich op verkijken. Omdat AI snel tekst kan maken, lijkt het alsof het maken van content nu goedkoop en makkelijk is. In de praktijk is het tegenovergestelde waar, want middelmatige teksten zijn nu overal. En precies daarom valt ervaring weer op.
Ik zou een LLM niet als hoofdschrijver inzetten voor de pagina’s die echt het verschil moeten maken. Niet omdat het geen goede zinnen kan maken, maar omdat het geen originele ervaring heeft. Het kan samenvoegen wat het online vindt, en soms gaat dat mis. Dan krijg je overtuigend klinkende onzin.
Als je strategie is om bestaande bronnen te parafraseren en te proberen te winnen op brede headterms, dan wordt het steeds lastiger. Grote platformen, encyclopedische sites en gevestigde merken hebben daar al jaren een voorsprong.
De betere route is om de autoriteit te worden op de vragen die níet overal al hetzelfde zijn. Specifiek. Praktisch. Gebaseerd op wat jij in je bedrijf echt ziet gebeuren. Daar is de longtail nog steeds open.
Ik zie het zo: de dikke kop wordt kleiner, en de landrush zit in de dikke staart. Als je daar nu instapt, bouw je een basis die ook over twee jaar nog staat.
Twee plekken waar ik bijna altijd snel winst zie: je merk en de lange staart
Als je maar één ding uit dit verhaal haalt, laat het dan dit zijn: je kunt niet voorkomen dat mensen vragen over je merk stellen. Je kunt wel bepalen waar ze het antwoord vinden.
Begin met je eigen merkzoekopdrachten. Kijk in Semrush of in Search Console wat mensen intypen in combinatie met je bedrijfsnaam. Dat zijn zelden alleen spelfouten. Je ziet ook prijs vragen, alternatieven, klachten, vergelijkingen, retourvragen en storingen.
Als jij daar geen goede pagina voor hebt, vult iemand anders het gat. Een Reddit thread, een review op Trustpilot, een concurrent met een landingspagina “alternatief voor”, of een onhandige AI samenvatting die nét de nuance mist. Dat wil je niet, zeker niet als je reputatie en conversie belangrijk zijn.
Daarna ga je breder. Headterms in je branche zijn vaak al verdeeld onder grote spelers. Prima. Onder die termen ligt een enorme laag aan niet merkgebonden longtail vragen die jaren zijn genegeerd. Je vindt ze in interne zoekdata, in support, in communities en op forums. Het werk zit niet in het vinden van vragen, maar in het geven van het beste antwoord.
En dat antwoord is zelden één alinea. Mensen willen voorbeelden, stappen, valkuilen, en een eerlijk verhaal. Ook als het niet alleen maar positief is. Juist dat maakt je geloofwaardig.
Ervaring, autoriteit en vertrouwen zijn je echte verdedigingsmuur
Jarenlang werd er gepraat over E E A T, en veel teams lazen dat als “we moeten expert content maken”. Alleen, expert klinken is nu goedkoop. Iedereen kan met AI een artikel maken dat netjes leest.
Het onderscheid zit daarom steeds vaker in de dingen die je niet zomaar kunt genereren.
Ervaring: laat zien dat je het zelf hebt gedaan, met details die alleen uit praktijk komen.
Autoriteit: laat de mensen in je bedrijf aan het woord, niet alleen een anonieme tekst.
Vertrouwen: onderbouw je claims, deel cases, laat reviews zien, wees helder over beperkingen.
Dat is niet iets voor alleen je blog. Het hoort op productpagina’s, op je over ons pagina, in je helpcenter, en in je klantverhalen. Elke pagina draagt bij aan de vraag die je klant onbewust stelt: kan ik jullie geloven?
Stop met je beste kennis verstoppen achter een login
Ik begrijp waarom bedrijven hun beste content achter een paywall zetten. Soms is het je verdienmodel, soms wil je je kennis beschermen. Alleen, als lange termijn zichtbaarheid belangrijk is, kan dit tegen je werken.
Goede ideeën verspreiden zich toch wel. Een abonnee vat het samen. Een concurrent parafraseert het. Een AI systeem pikt de kern op via een omweg. Vervolgens leeft de kennis door, maar zonder dat jouw merk wordt genoemd.
Als je je kernkennis openbaar maakt, kan het gelinkt worden, geciteerd worden, opgenomen worden in discussies, en gevonden worden door zowel zoekmachines als AI systemen. Dat bouwt aan bekendheid en vertrouwen.
Dit betekent niet dat je nooit iets mag verkopen. Ik heb juist gezien dat het goed werkt om de basis open te houden en geld te vragen voor wat eromheen zit, zoals tools, implementatie, trainingen, diepere analyses, support of community. Je ideeën mogen rondgaan, jouw ervaring en uitvoering zijn lastiger te kopiëren.
Content is geen noodzakelijk kwaad. Als je je ervoor schaamt, klopt het niet
Ik kom nog steeds sites tegen waar content wordt weggestopt achter “lees meer”, of waar onderaan een pagina een blok tekst staat dat alleen voor SEO is bedoeld. Mensen voelen dat meteen, en zoekmachines al helemaal.
Elke zin op je site moet je klant helpen met begrijpen, vergelijken of beslissen. Als je tekst alleen maar bestaat om ergens op te ranken, dan is het vrijwel altijd een teken dat je te weinig echt te zeggen hebt over het onderwerp.
Er is geen content die slecht is voor gebruikers maar goed voor zoekmachines. Dat was vroeger al een illusie, en in het AI tijdperk wordt het alleen maar pijnlijker zichtbaar. Goede uitleg verkoopt vaak beter dan de mooiste slogans.
Gebruikerscontent is geen bijzaak, het is longtail brandstof
Als je een webshop of dienst hebt met een actieve klantgroep, dan heb je iets waar veel bedrijven jaloers op mogen zijn: mensen met echte ervaring. Zij beschrijven problemen anders dan jij. Ze stellen vragen die jouw team niet had bedacht. Ze vergelijken op punten waar jouw marketing nooit op zou komen.
Dat is precies de taal van de longtail.
Je kunt dat stimuleren door reviews serieus te nemen, door Q en A op productpagina’s toe te staan, door een kenniscommunity op je eigen domein te bouwen, of door klantverhalen en discussies een plek te geven waar ze vindbaar blijven. Forums en gesprekken zijn ook voor AI systemen vaak geloofwaardig, juist omdat het niet glad gepolijst is.
Als je dit goed doet, krijg je niet alleen meer vindbaarheid. Je reduceert supportdruk, je maakt je product beter, en je bouwt aan vertrouwen omdat mensen elkaar helpen met echte situaties.
De nieuwe SEO lijkt verdacht veel op de oude, en dat is goed nieuws
SEO is jarenlang gevormd door de grenzen van een zoekbalk. Korte queries, veel focus op headterms, en longtail als “nice to have”. Taalmodellen trekken dat open. Ze maken vragen langer, menselijker en specifieker. En voor actuele of onzekere antwoorden vallen ze vaak terug op het web.
Daarom zeg ik het maar zoals ik het ook tegen klanten zeg als ze zich laten meeslepen door de nieuwste truc: AI systemen zijn niet je publiek. Ze zijn de tussenpersoon.
Als je de komende jaren wilt winnen, dan hoef je geen nieuwe afkorting te omarmen. Je moet vooral het simpele werk goed doen, en daar consequent in blijven.
Begrijp je doelgroep dieper dan je concurrent.
Publiceer antwoorden waar iemand echt iets aan heeft.
Bouw vertrouwen op met ervaring, bewijs en echte interactie.
Dat is hoe je zichtbaar wordt in Google, in Bing, in Brave, en in de antwoorden van AI assistenten. En eerlijk is eerlijk, het is ook gewoon de meest duurzame manier om te groeien zonder jezelf afhankelijk te maken van één platform of één truc.