Ik zie veel ondernemers en marketeers nog steeds bouwen aan “autoriteit” zoals we dat tien jaar geleden deden. Nette author bio’s, een goede About pagina, wat externe links erbij en klaar. Dat werkte vaak prima, omdat Google vooral hoefde te herkennen dat je geloofwaardig leek. Alleen, systemen die met AI antwoorden samenstellen moeten méér dan herkennen. Ze moeten jouw informatie kunnen gebruiken. En dan telt niet hoe mooi het eruitziet, maar of jouw expertise vindbaar, verifieerbaar en netjes uit te pakken is.
Waarom traditionele autoriteitssignalen werkten totdat ze dat niet meer deden
Jarenlang was E E A T voor veel SEO’s een soort ritueel. Je zette een auteur erbij, je noemde diploma’s, je liet zien dat er echte mensen achter de site zitten en je linkte naar “betrouwbare bronnen”. Op papier klopte het.
In de praktijk wisten we allemaal wat het zwaarst woog. Links en vermeldingen van buitenaf. Externe bevestiging gaf gewicht. E E A T hielp vooral om je site als geheel logisch en consistent te laten aanvoelen, als entiteit met een duidelijke identiteit. De echte zwaartekracht kwam vaak alsnog uit het linkprofiel en de reputatie buiten je eigen domein.
Dat was lang genoeg, omdat zoekmachines met proxies konden werken. Ze hoefden jouw autoriteit niet echt te gebruiken, alleen te belonen. Zodra antwoorden steeds vaker worden opgebouwd uit meerdere bronnen, verandert dat. Dan is “erkend worden” niet hetzelfde als “ingezet worden”. Autoriteit die niet wordt gebruikt, is leuk voor het ego, maar niet voor je omzet.
Hoe AI systemen autoriteit berekenen
Zoekmachines zijn niet meer alleen een lijst met blauwe links. AI Overviews, ChatGPT, Claude en andere systemen werken in een soort semantische ruimte. Daarin gaat het om entiteiten, hun relaties en hoe dicht onderwerpen bij elkaar liggen.
Ik gebruik graag een beeld dat helpt om dit goed te voelen. In die ruimte gedragen entiteiten zich als hemellichamen. Ze hebben massa, ze staan op afstand van elkaar en ze beïnvloeden elkaars “baan”. Een model vraagt zich niet af of jij betrouwbaar overkomt. Het kijkt of jouw entiteit stevig genoeg is verankerd in het grotere geheel.
Die massa bouw je niet met alleen on page signalen. Ze ontstaat door herhaling en bevestiging buiten je eigen site. Denk aan onafhankelijke citaties, vermeldingen, interviews, branchepublicaties, podcasts, vakmedia, wetenschappelijke verwijzingen, reviews, en duidelijke koppelingen met bekende profielen. Pas als dat vervolgens ook nog machine leesbaar is, kan het systeem er iets mee.
Daarom zie je soms dat AI Overviews citeren uit merken die jij niet kent. Niet omdat die per se “beter” zijn, maar omdat hun informatie makkelijker te plaatsen, te controleren en te hergebruiken is.
Massa is niet hetzelfde als bekendheid
Veel Nederlandse mkb merken denken dat je eerst “groot” moet zijn om zichtbaar te worden in dit soort omgevingen. Dat is begrijpelijk, maar het klopt niet helemaal.
In de fysica kan iets er groot uitzien, terwijl de massa eigenlijk dun is uitgesmeerd. Het heeft dan minder aantrekkingskracht dan je verwacht. Omgekeerd kan iets klein zijn en toch veel invloed hebben, omdat het dicht en compact is.
Voor zichtbaarheid in AI antwoorden geldt iets soortgelijks. Het gaat niet om hoe hard je roept dat je expert bent. Het gaat erom hoe vaak en hoe consistent anderen dat bevestigen, en of jouw verhaal overal hetzelfde blijft. Dichtheid wint van decoratie.
De E E A T misinterpretatie die je geld kan kosten
Het probleem met E E A T was nooit het idee. Natuurlijk wil je expertise, ervaring, autoriteit en betrouwbaarheid laten zien. De fout zat in de uitvoering. We hebben het omgezet naar een checklist met signalen die je vooral zelf op je eigen site plaatst.
Dat is handig, want je kunt het snel implementeren en het is makkelijk te auditen. Alleen, het creëert geen extra massa. Het maakt je hooguit beter leesbaar.
In een AI gedreven retrieval wereld moet autoriteit expliciet worden ondersteund door onafhankelijke bronnen. Een systeem kan pas “zeker” worden als het jouw claims kan terugvinden, vergelijken en bevestigen. Een mooie bio zonder externe bevestiging is dan als een diploma in een lade. Het bestaat, maar het doet niets op het moment dat er een keuze gemaakt moet worden.
AI vertrouwt je niet, het rekent
Mensen vertrouwen op gevoel. We lezen tussen de regels, we laten ons overtuigen door toon, stijl en uitstraling. Modellen werken anders. Ze werken statistisch. Ze proberen onzekerheid te verlagen.
Dat zie je terug in wat ze belonen.
Als je vaag schrijft, daalt het vertrouwen. Als je een kernpunt verstopt in een lang verhaal, wordt het gemist. Als je definities helder maakt en je alinea’s één ding tegelijk laten zeggen, stijgt de kans dat een model het stuk kan hergebruiken.
Ook herhaling speelt een rol. Niet herhaling als trucje, maar als consistente bevestiging. Als meerdere bronnen dezelfde relatie leggen, bijvoorbeeld persoon, rol en organisatie, dan wordt die relatie stabieler in het geheel.
Daar komt nog iets bij. Bij merknamen in de zoekopdracht is de route korter. Dan hoeft het systeem niet door de “melkweg” van mogelijke entiteiten te navigeren. Het weet waar het heen moet en pakt sneller informatie van de bron zelf. Bij generieke vragen, zoals “beste aanpak voor voorraadbeheer in e commerce”, is de kans groter dat het systeem langs allerlei nabije entiteiten trekt en kiest wat het meest bruikbaar is.
Het semantische heelal, waarom entiteiten zich als hemellichamen gedragen
LLM’s ervaren geen websites en geen onderwerpen zoals wij dat doen. Ze werken met representaties in een hoge dimensionale ruimte. Een vraag is dan geen zin, maar een vector met richting.
Onderzoek naar dense passage retrieval laat zien hoe zulke systemen passages vinden op basis van betekenis, niet alleen op woorden. Door citaties en onafhankelijke bevestiging wordt jouw entiteit in die ruimte zwaarder. Vragen die erlangs bewegen worden eerder “afgebogen” richting jouw hoek, omdat je vaker en consistenter in de trainings en retrieval data terugkomt.
Belangrijk detail. Extractability maakt je niet zwaarder. Het bepaalt of je, zodra je in beeld komt, ook echt bruikbaar bent. Je kunt best massa hebben en toch niet geciteerd worden, omdat je informatie te rommelig is. Dan trek je aandacht, maar je biedt geen landingsplek.
Entiteitsterkte versus extractability
Klassieke SEO leunde op links, merkbekendheid en reputatie. Dat blijft belangrijk voor ontdekking. Tegelijk vraagt AI antwoordvorming om iets extra’s. De content moet machine parsable zijn.
Stel je twee sites voor met evenveel expertise.
De eerste zet definities bovenaan, gebruikt duidelijke koppen, benoemt personen en organisaties expliciet en linkt consistent naar dezelfde profielen.
De tweede verstopt alles in lange alinea’s vol nuance, humor, zijpaden en impliciete verwijzingen.
Welke wordt makkelijker geciteerd. Meestal de eerste.
Wat helpt in de praktijk is simpel, maar niet altijd makkelijk om vol te houden. Zorg dat een sectie één hoofdidee draagt. Noem entiteiten expliciet. Herhaal relaties op een natuurlijke manier, bijvoorbeeld “X is oprichter van Y” en “bij Y leidt X dit onderdeel”. Daardoor hoeft een model minder te raden.
Voor veel mkb sites is dit een quick win. Niet omdat je ineens “meer autoriteit” krijgt, maar omdat de autoriteit die er al is eindelijk beter te gebruiken wordt.
Schrijf alsof je weet dat er geknipt wordt, abstract eerst, details daarna
Veel systemen werken met contextvensters en truncatie. Retrieval augmented generation, zoals beschreven in onderzoek uit 2020, laat zien dat modellen informatie ophalen en combineren, maar niet eindeloos lang alles meenemen.
Daarom is het riskant om je beste inzicht pas halverwege of aan het eind te geven. Als jouw conclusie in alinea twaalf staat, is de kans groot dat die niet eens in beeld komt.
Wat beter werkt is beginnen met een korte samenvatting die op zichzelf al klopt. Een soort TL DR, maar dan volwassen. Wat vind je, waarom vind je dat, en wat ga je uitleggen. Daarna kun je de nuance, voorbeelden en uitzonderingen kwijt.
Je helpt daarmee niet alleen de lezer, je verlaagt ook de onzekerheid voor het systeem dat een passage wil hergebruiken.
Stop met “linken”, begin met citeren als een onderzoeker
Veel E E A T adviezen hebben “link naar bronnen” veranderd in een checkbox. Een paar outbound links en klaar. Alleen, een link is nog geen citaat.
Een zwakke “bron” is een generieke blogpost of een homepage, gekoppeld aan een vage zin als “experts zeggen”. Dat helpt niemand en het bevestigt jouw claims niet.
Een sterk citaat werkt meer zoals in een goed onderbouwd artikel. Je koppelt een specifieke claim aan een bron die het onderwerp draagt. Denk aan primair onderzoek, officiële richtlijnen, standaarden, originele rapportages of een erkende instantie in het vakgebied.
Dat soort verwijzingen maakt twee dingen makkelijker. Mensen kunnen controleren wat je zegt, en systemen kunnen die relatie ook elders terugvinden. Daarmee bouw je aan die dichtheid waar het eerder over ging.
Retrieval autoriteit bouwen zonder terug te vallen in een nieuwe checklist
Ik snap de reflex. Als je hoort dat E E A T geen checklist is, wil je meteen weten wat dan wél de lijst is. Alleen, dit is geen project dat je afvinkt. Het is een manier van werken, waarin je jouw hele semantische voetafdruk consequenter maakt.
Begin bij auteurschap, want daar gaat het vaak mis. Gebruik overal dezelfde naamvorm. Link naar één of twee vaste, canonieke profielen. Voeg author en sameAs schema toe waar het past. Als je wisselt tussen varianten, splitst je massa op.
Daarna komt je interne web. Verbind onderwerpen met beschrijvende ankers, niet met “klik hier”. Laat je site voelen als een kleine knowledge graph. Als je over conversie schrijft, link dan naar pricing, naar cases, naar meetmethodes, en naar de mensen die dit werk doen. Dat maakt het geheel coherenter.
Schrijf vervolgens met semantische helderheid. Eén idee per alinea is een goede discipline. Rhetorische omwegen en slimme woordgrappen zijn leuk voor een nieuwsbrief, maar ze maken extractie lastiger.
Schema en een llms.txt bestand kunnen helpen als versterker. Zie ze als een manier om te laten zien wat er al is. Ze maken je niet autoritair, maar ze maken je wel beter zichtbaar.
Tot slot, kijk eerlijk naar “onzichtbare” content. Als belangrijke informatie in pop ups, accordions of client side rendering verstopt zit, kan een crawler of model het missen. Onzichtbare autoriteit is geen autoriteit.
Van raketwetenschap naar astrofysica
Traditionele SEO was vaak gericht op lanceren. Pagina maken, netjes inrichten, wat promotie, en hopen dat je in de juiste baan komt.
De nieuwe werkelijkheid vraagt dat je begrijpt in welk stelsel je beweegt. Het gaat om massa, zwaartekracht en interactie. Hoe vaak wordt jouw entiteit onafhankelijk bevestigd. Hoe consistent zijn je relaties met mensen, merken en onderwerpen. En als je eenmaal in beeld komt, is jouw informatie dan zo helder dat het systeem het zonder risico kan hergebruiken.
De winnaars zijn niet per se de partijen die het hardst roepen of die er het meest indrukwekkend uitzien. Het zijn de merken die compact en consistent bouwen, die hun claims goed onderbouwen, en die ervoor zorgen dat machines hun expertise kunnen vinden, controleren en gebruiken.
Als je dit goed aanpakt, bouw je iets waar je niet elke maand opnieuw aan hoeft te trekken. Dat is uiteindelijk waar de meeste ondernemers in het mkb behoefte aan hebben. Rust, voorspelbaarheid en groei die je kunt uitleggen.