Een AI-zoekmachine haalt in milliseconden honderden kandidaatbronnen op. Niet alle bronnen halen het uiteindelijke antwoord.
Tussen ophalen en genereren zit een verborgen laag die bepaalt welke bronnen ertoe doen en welke worden geschrapt. Die laag heet reranking. Ze neemt de ruwe kandidatenlijst en herordent die met een heel andere set criteria dan de eerste zoekronde. De bronnen die bovenaan komen, worden het bewijs waarmee de AI je antwoord opbouwt. Al het andere wordt weggefilterd.
Komt je content door het ophalen, dan moet hij nog door de reranking. Begrijpen hoe deze laag werkt is cruciaal voor GEO, omdat bij reranking daadwerkelijk wordt beslist welke content zichtbaar wordt.
Wat reranking is en waarom het bestaat
Neem een willekeurig AI-zoekresultaat en vraag je af: hoe besloot de AI welke bronnen hij aanhaalde?
Was het antwoord "hij pakte de top 10 resultaten van het ophalen en gebruikte ze allemaal", dan heb je ongeveer de helft van de tijd gelijk. Maar zo werkt het niet in de echte systemen achter ChatGPT, Google AI Overviews en Perplexity.
Dit is de echte volgorde. Eerst draait de ophaalfase. Die doorzoekt miljarden pagina's met vector embeddings en haalt de beste 50 tot 100 kandidaten terug op basis van semantische gelijkenis met de vraag. Dit is de ruwe kandidatenlijst.
Dan volgt reranking. Een ander model, met een heel andere taak, bekijkt die kandidaten en geeft elk een score. De reranker stelt de vraag die het ophalen nooit stelde: "Hoe nuttig is deze bron voor het beantwoorden van precies deze vraag?"
Een document kan perfect relevant zijn voor het onderwerp en toch niet de beste keuze zijn voor deze specifieke vraag. Een reranker ziet dat verschil. Hij herordent de lijst zodat de nuttigste bronnen bovenaan komen en zwakkere kandidaten naar onderen zakken.
De bronnen die in het contextvenster van het model komen, zijn de bronnen die het uiteindelijke antwoord genereren. Bronnen die de reranking niet halen, komen helemaal niet in de prompt.
Reranking bestaat omdat ophalen een fundamentele beperking heeft: het perst betekenis in één getal. Een vector embedding moet elke mogelijke interpretatie van een artikel van 5.000 woorden vastleggen in een getal met 1.536 dimensies. Die compressie verliest informatie. Een reranker ziet de volledige tekst en kan een genuanceerder besluit nemen over welke bronnen echt meetellen.
De drie signalen die de rerankingscore bepalen
Reranking is geen enkele score. Het is een samengestelde beslisregel op basis van meerdere signalen. Productiesystemen met AI wegen bij het reranken van bronnen meestal minstens drie factoren.
Relevantie voor de vraag
Relevantie beantwoordt een simpele vraag. Behandelt deze bron de specifieke vraag die wordt gesteld, niet alleen het algemene onderwerp?
Neem een vraag als "wat zijn de best practices voor het afhandelen van mislukte betalingen in een checkout?" Een reranker geeft een algemeen artikel over betalingsverwerking een lagere score dan een specialistisch artikel over het herstellen van mislukte betalingen, ook als beide betalingsverwerking noemen. Het specialistische artikel spreekt direct over de vraag. Het algemene artikel raakt hem aan.
Relevantiescore kijkt of de bron secties heeft die de vraag direct beantwoorden, of hij specifieke terminologie uit de vraag noemt en of zijn structuur erop wijst dat hij is geschreven om dit probleem op te lossen. Een artikel met de titel "5 redenen waarom klanten afhaken bij de betaling" is relevanter voor bovenstaande vraag dan een artikel met de titel "betaalsystemen voor webwinkels uitgelegd."
Vertrouwen en autoriteit
Vertrouwen meet of dit een betrouwbare bron is voor dit specifieke soort antwoord.
Vertrouwen is niet universeel. De bronnen die je vertrouwt voor een technische vraag, verschillen van de bronnen die je vertrouwt voor een zakelijke vraag. Bij een vraag als "waarom weigeren betaalproviders kaarten?" worden documentatie en engineeringblogs misschien meer vertrouwd dan marketingblogs. Bij een vraag als "hoe verminder ik verlaten winkelwagens" worden casestudy's en zakelijke publicaties misschien meer vertrouwd dan technische documentatie.
Rerankers gebruiken signalen als reputatie van het domein, kwalificaties van de auteur, publicatiedatum, citatiegeschiedenis en aanwezigheid in kennisgrafen om vertrouwen te berekenen. Een bericht in een grote publicatie met een auteur met kwalificaties scoort hoger dan een gastbijdrage op een kleine blog. Een bron die door meerdere andere gezaghebbende bronnen wordt aangehaald, scoort hoger dan een bron die nergens wordt aangehaald.
Voor WEMASY-content betekent dit dat bronnen van websitebouwers en merken met zichtbare autoriteit in het vakgebied (via vermeldingen in media, reviews, casestudy's) hoger scoren op vertrouwen dan anonieme bronnen.
Versheid en actualiteit
Versheid meet of informatie actueel is. Bij veel vragen is verouderde informatie erger dan nutteloos.
Sommige onderwerpen zijn tijdloos. "Hoe werkt een domeinnaam?" verandert niet. Maar "Wat zijn de nieuwste AI-zoektrends?" zeker wel. Een reranker weegt versheid anders afhankelijk van het soort vraag. Bij realtime onderwerpen kan actualiteit zwaarder wegen dan relevantie. Bij technische basiskennis kan een ouder diepgaand artikel hoger scoren dan een recent oppervlakkig bericht.
Versheid wordt berekend op basis van publicatiedatum, updatedatum, actualiteit van aangehaalde statistieken en of de bron actuele of verouderde gebeurtenissen noemt. Een blogbericht uit 2024 dat actuele tools en platforms noemt, scoort hoger dan een bericht uit 2023 dat verouderde versies noemt, ook als het bericht uit 2023 uitgebreider was.
Hoe reranking bronnen filtert vóór het genereren
Zijn de bronnen eenmaal geherordend, dan botst het AI-systeem op een grens: het contextvenster van het model is eindig.
Het contextvenster van ChatGPT kan, afhankelijk van het model, grofweg 50.000 tot 100.000 tokens bevatten. Dat klinkt als veel, tot je beseft dat de vraag van de gebruiker, het interne redeneren, de opgehaalde bronnen en het uiteindelijke antwoord er allemaal in moeten passen. In de praktijk beperkt dat het model tot grofweg 5 tot 15 bronnen per antwoord, soms minder.
De geherordende lijst bepaalt welke bronnen de selectie halen. De top 5 bronnen worden bijna altijd meegenomen. Bronnen op plek 6 tot 15 halen het misschien, afhankelijk van hoeveel ruimte er is. Bronnen op plek 16 en lager worden bijna nooit meegenomen.
Daarom is reranking de echte poortwachter van AI-zichtbaarheid. Ophalen kan je content in de kandidatenpool brengen. Maar reranking bepaalt of hij echt in het antwoord komt dat de gebruiker ziet.
Onderzoek van Databricks laat zien dat reranking de kwaliteit van het ophalen met wel 48% kan verbeteren ten opzichte van alleen embeddings. Op Perplexity wordt content die goed scoort bij reranking in 3 tot 5 keer meer antwoorden aangehaald dan content die de reranking niet haalt. Bij Google AI Overviews geeft reranking de voorkeur aan bronnen met sterkere E-E-A-T-signalen, en daarom domineren gevestigde publicaties en content van experts de vermeldingen.
Hoe verschillende AI-platforms reranking toepassen
Reranking is niet gestandaardiseerd over alle platforms. Elke AI-zoekmachine weegt de signalen anders.
Google AI Overviews gebruikt reranking die sterk de voorkeur geeft aan bronnen die al in de Knowledge Graph van Google staan en aan bronnen met hoge Domain Authority-scores. Google rerankt ook op basis van of de bron onafhankelijk is geverifieerd of is aangehaald door andere gezaghebbende bronnen. Daarom domineren Wikipedia, grote publicaties en merkwebsites (met een vermelding in de Knowledge Graph) de AI Overviews.
Het rerankingalgoritme van ChatGPT lijkt de voorkeur te geven aan bronnen met uitgebreide, gedetailleerde antwoorden (langere, grondigere bronnen scoren hoger dan korte antwoorden op dezelfde vraag). ChatGPT rerankt ook op basis van citatiepatronen in zijn trainingsdata, waardoor oudere, gevestigde bronnen hoger scoren dan nieuwe bronnen, ook als de nieuwe bron actueler is.
De reranking van Perplexity is het meest agressief op versheid. Content van de afgelopen 30 dagen krijgt een flinke boost. Perplexity rerankt ook op aanwezigheid in discussies en forums, en daarom scoort door gebruikers gemaakte content en discussieforums op Perplexity verrassend hoog vergeleken met andere platforms. Dat maakt Perplexity fundamenteel anders dan Google of ChatGPT bij trending of actuele onderwerpen.
Claude (via Brave Search) rerankt sterk op semantische relevantie en antwoordkwaliteit, met minder gewicht voor domeinautoriteit. Daardoor zijn de vermeldingen van Claude onvoorspelbaarder en nemen ze vaker kleinere, gespecialiseerde bronnen mee, als die de vraag goed beantwoorden.
Wat content door de reranking-laag helpt
Om goed te scoren bij reranking moet je content winnen op minstens twee van de drie signalen: relevantie, vertrouwen of versheid.
Ben je een gevestigd merk (veel vertrouwen), dan kom je er met matige relevantie door. Ben je nieuw maar bijzonder actueel (veel versheid) en zeer specifiek voor de vraag (veel relevantie), dan kun je oudere bronnen verslaan. Maar faalt je content op alle drie, dan overleeft hij de reranking niet, hoe goed hij ook scoorde bij het ophalen.
Zo optimaliseer je elk signaal.
Win op relevantie door de specifieke vraag te beantwoorden
Relevantie is het enige signaal dat je direct met je content stuurt. Vertrouwen en versheid kosten tijd om op te bouwen, maar relevantie is direct.
Schrijf deelsecties die gangbare variaties van de vraag direct beantwoorden. Gaat je artikel over "checkout optimaliseren", neem dan deelsecties op als "Zo verminder je het herstel van mislukte betalingen", "Betaalformuliervelden testen" en "Veelvoorkomende redenen waarom betaalproviders weigeren". Rerankers scannen titels van deelsecties om te bepalen of je de specifieke vraag beantwoordt.
Gebruik de exacte taal uit de vraag in je artikel. Vraagt een gebruiker "waarom weigeren betaalproviders kaarten", gebruik die zin dan letterlijk in je content (op een natuurlijke manier, niet geforceerd). Rerankers controleren op overeenkomst met de zoektermen om relevantie te beoordelen.
Zet je antwoord vooraan. Zet het directe antwoord op de vraag in de eerste 300 woorden. Rerankers controleren of het antwoord vroeg in de bron staat. Een artikel dat het antwoord in sectie 4 begraaft, scoort lager dan een artikel dat meteen antwoordt.
Bouw vertrouwen op met kwalificaties en bronnen
Vertrouwen kost meer tijd, maar bouwt zich over tijd op. Drie tactieken bouwen vertrouwen op in de reranking-laag.
Zorg eerst voor kwalificaties van de auteur. Rerankers controleren auteursregels en auteursbio's. Zet er kwalificaties, ervaring en een link naar je profiel bij. Een artikel van iemand met 10 jaar ervaring in de branche rerankt hoger dan een artikel van een onbekende auteur.
Haal ten tweede primaire bronnen en data aan. Noem je statistieken of onderzoek, vermeld dan de oorspronkelijke bron. Link naar casestudy's, gepubliceerd onderzoek en primaire bronnen. Rerankers behandelen bronnen die andere bronnen aanhalen anders dan bronnen die niets aanhalen.
Verdien ten derde vermeldingen op gezaghebbende platforms. Rerankers geven een boost aan bronnen die worden genoemd of gelinkt door grote publicaties, brancheoverzichten en reviewplatforms. Dit signaal kost maanden om op te bouwen, maar de opbrengst is echt. Een bron die in 10 vakmedia wordt genoemd, rerankt hoger dan een identieke bron die nergens wordt genoemd.
Blijf actueel met updates en data
Versheid is het snelst veranderende signaal. Oudere berichten die niet worden bijgewerkt, raken bij reranking verouderd binnen 60 tot 90 dagen, afhankelijk van het onderwerp.
Werk berichten regelmatig bij. Ververs je een bericht, werk dan de publicatiedatum bij of zet een datum "bijgewerkt op" op de pagina. Rerankers zien dit als een signaal van versheid.
Bij tijdloze onderwerpen zoals "hoe kies ik een domeinnaam" heb je geen wekelijkse updates nodig. Maar bij onderwerpen als "webdesigntrends 2026" of "actuele veranderingen in AI-zoeken" heb je maandelijkse of driemaandelijkse updates nodig. Laat rerankers weten dat de content actueel is.
Zet data in je content. Noem je tools, platforms of statistieken, zet er dan het jaar bij. "Per 2025 begint meer dan 50% van de zoekopdrachten met AI" is sterker dan "Meer dan 50% van de zoekopdrachten begint met AI", omdat rerankers de actualiteit van je bewering kunnen zien.
Hoe reranking je GEO-strategie verandert
Reranking begrijpen verandert fundamenteel hoe je GEO moet aanpakken.
Ten eerste verklaart het waarom sommige hoog rankende pagina's in gewone SEO niet door AI worden aangehaald. Een pagina die in Google Zoeken nummer 1 staat voor een zoekwoord, kan de reranking niet halen omdat hij mist aan versheid, niet specifiek genoeg is voor de exacte vraag of niet is geschreven voor AI-extractie. Reranking gebruikt andere criteria dan het rankingalgoritme van Google.
Ten tweede maakt het duidelijk waarom nieuwere, kleinere bronnen soms gevestigde bronnen verslaan bij AI-vermeldingen. Heeft een gloednieuwe bron perfecte relevantie voor de vraag en is hij uiterst actueel, dan kan hij oudere bronnen verslaan op platforms als Perplexity, die versheid zwaar wegen.
Ten derde laat het zien dat je contentstrategie rekening moet houden met meerdere signalen. Je kunt niet alleen op vertrouwen concurreren als je content algemeen is. Je kunt niet alleen op versheid concurreren als je content oppervlakkig is. Maar win je op twee signalen, dan overleef je de reranking en verdien je AI-vermeldingen.
Zo helpt WEMASY je content scoren bij reranking
De websitebouwer en de analytics-tools van WEMASY helpen je op praktische manieren aan de reranking-laag te voldoen.
Met de ingebouwde SEO-tool van WEMASY voeg je kwalificaties van de auteur toe, volg je publicatie- en updatedata en structureer je je content met duidelijke H2- en H3-secties die rerankers helpen de relevantie van je artikel voor specifieke vragen te begrijpen. De tool Analytics en inzichten laat zien welke zoekopdrachten verkeer brengen vanuit AI-bronnen als ChatGPT, Perplexity en Claude, zodat je kunt volgen welke content de reranking per platform overleeft.
Publiceer je op WEMASY, dan krijgt je site automatisch HTTPS-beveiliging en nette URL-structuren, allebei vertrouwenssignalen waar rerankers op letten. Bekijk welke tools in jouw WEMASY-abonnement zitten.
Veelgestelde vragen
Gebeurt reranking alleen in AI-zoeken?
Nee. Reranking gebeurt in elk systeem dat items op relevantie moet ordenen. Aanbevelingssystemen, betaalde zoekplatforms en gewone zoekmachines gebruiken allemaal reranking. Maar reranking is belangrijker in AI-zoeken, omdat het contextvenster eindig is en alleen de best gerangschikte bronnen in het uiteindelijke antwoord komen. Met de websitebouwer van WEMASY zet je dit direct op je eigen website op.
Kun je de rerankingscores van je content zien?
Niet direct. AI-platforms maken hun rerankingscores niet openbaar. Maar je kunt ze afleiden door te volgen welke zoekopdrachten AI-verkeer naar je site brengen (dan haalde je de reranking) en welke niet. De tool Analytics en inzichten van WEMASY splitst verkeer op per bron, ook AI-bronnen, zodat je kunt zien welke content de reranking op verschillende platforms overleeft.
Garandeert een hoge organische SEO-ranking dat je de reranking haalt?
Nee. Reranking gebruikt andere criteria dan gewone SEO-rankings. Een pagina die in Google Zoeken nummer 1 staat voor een zoekwoord, kan de reranking niet halen omdat hij niet specifiek genoeg is voor de exacte vraag, verouderde informatie heeft of voor menselijke lezers is geschreven in plaats van voor AI-extractie. Hoge SEO-rankings helpen (autoriteit is één rerankingsignaal), maar garanderen geen AI-zichtbaarheid.
Hoeveel bronnen haalt een AI-systeem gewoonlijk aan uit de geherordende lijst?
Meestal 5 tot 15 bronnen per antwoord, afhankelijk van het platform en het beschikbare contextvenster. Google AI Overviews halen minder bronnen aan (vaak 3 tot 8), omdat ze vermeldingen in een compacte interface moeten passen. ChatGPT en Perplexity halen meer bronnen aan (8 tot 15), omdat ze meer ruimte hebben. De bovenste bronnen van de geherordende lijst worden bijna altijd meegenomen, maar bronnen op plek 20 of lager halen het zelden.
Moet je oude content bijwerken voor versheid, ook als die nog goed rankt in gewone zoekresultaten?
Ja, als je AI-vermeldingen wilt. Reranking weegt versheid zwaar en veel platforms (vooral Perplexity) geven de voorkeur aan recente content. Een artikel dat al 2 jaar niet is aangeraakt, kan in Google Zoeken nog steeds nummer 1 staan en toch de reranking op AI-platforms niet halen. Is AI-zichtbaarheid onderdeel van je doel, ververs je best presterende tijdloze content dan minstens één keer per jaar.
Is reranking hetzelfde als ranken in gewone zoekresultaten?
Nee. Gewone zoekrankings kijken naar honderden signalen: paginasnelheid, mobielvriendelijkheid, backlinks, domeinautoriteit, signalen van gebruikersbetrokkenheid en meer. Reranking in AI-zoeken richt zich op drie hoofdsignalen: relevantie voor de specifieke vraag, vertrouwen in de context en versheid. Content die goed rankt in gewoon zoeken, rerankt misschien niet goed in AI-zoeken, en andersom.