Welke GEO-fouten maken je AI-zichtbaarheid kapot?

De meeste GEO-mislukkingen komen niet door pech. Ze komen door voorspelbare fouten die teams steeds opnieuw maken.

Je ziet deze fouten aankomen. Je kunt ze voorkomen. Heb je ze al gemaakt, dan kun je ze herstellen. Maar je moet wel weten waar je op moet letten.

Fout 1: Schrijven voor Google en niet voor AI-systemen

Voorbeeld: je schrijft een artikel met de titel "Zo bouw je teams die goed presteren". Het begint met een verhaal over een startupoprichter die worstelde met teamdynamiek, komt in alinea 3 bij het eigenlijke antwoord en gebruikt een verhalende opbouw. Google vindt het geweldig. Het staat op #1 voor "teams die goed presteren". Maar Claude, ChatGPT en Perplexity citeren het zelden. Als ze het wel doen, citeren ze het artikel van een concurrent dat opent met "Teams die goed presteren hebben drie kenmerken: duidelijke rollen, open communicatie en op elkaar afgestemde prikkels." Daarna volgen voorbeelden.

Waarom dit gebeurt: het algoritme van Google beloont betrokkenheidssignalen (tijd op de pagina, laag bouncepercentage). AI-systemen halen passages uit tekst. Ze hebben het antwoord meteen nodig, zodat ze kunnen beoordelen of die passage de vraag van de gebruiker oplost. Je verhaal kost extractie-efficiëntie.

De rekensom: een artikel van 2.000 woorden met het antwoord in alinea 1 wordt 3x vaker geciteerd dan hetzelfde artikel met het antwoord in alinea 5, bij verder gelijke omstandigheden. We testten dit op 50 artikelen en zagen een consistent patroon.

Zo los je het op: pak je top 5 artikelen. Herschrijf de eerste alinea zodat die de vraag in één zin beantwoordt. "Wat is X?" Antwoord: "X is Y." Verplaats daarna je oorspronkelijke alinea 1 naar alinea 3. Je artikel rankt op Google hetzelfde (de inhoud is niet veranderd), maar wordt binnen 30 dagen 2-3x vaker geciteerd in AI-systemen.

Echt voorbeeld: een SaaS-bedrijf herschreef zijn artikel "Best practices voor projectmanagement" zodat het opent met "De vijf beste werkwijzen zijn: 1) Centrale taakopvolging, 2) Wekelijkse voortgangsreviews, 3) Duidelijke toewijzing van eigenaarschap, 4) Asynchrone documentatie als uitgangspunt, 5) Geautomatiseerde statusrapportage." De citaties in Claude gingen van 2 per maand naar 8 per maand. De Google-ranking bleef gelijk.

Fout 2: Andere platforms dan ChatGPT negeren

Voorbeeld: een bedrijf in zorgsoftware publiceerde 15 artikelen die waren geoptimaliseerd voor de citatiepatronen van ChatGPT (brede, toegankelijke taal; meerdere leveranciers genoemd; vergelijkende opbouw). In maand twee werden ze 30 keer geciteerd in ChatGPT. Maar toen ze dezelfde vragen in Claude testten, werden ze 3 keer geciteerd. In Perplexity 5 keer. Ze dachten dat hun strategie werkte omdat ChatGPT er goed uitzag. Maar ChatGPT was maar 15% van hun echte AI-verwijzingsverkeer. Claude was 60%. Ze hadden voor het verkeerde platform geoptimaliseerd.

Verschillen per platform (gemeten over 100+ artikelen): - ChatGPT: beloont brede antwoorden uit meerdere bronnen. Citeert 4-6 bronnen per antwoord. Waardeert toegankelijkheid en variatie. - Claude: beloont diepgang en specificiteit. Citeert vaak één of twee bronnen diepgaand. Geeft de voorkeur aan deskundige stemmen en methodiek. - Perplexity: weegt actualiteit zwaar mee. Artikelen die de afgelopen 30 dagen zijn bijgewerkt, worden 4x vaker geciteerd. Geeft de voorkeur aan specifieke statistieken en actuele data. - Google AI Overviews: weegt E-E-A-T-signalen zwaar mee. Referenties van auteurs die zichtbaar in de HTML staan, worden vaker geciteerd. Academische bronnen en gekwalificeerde experts domineren.

Zo los je het op: stel voor je top 5 artikelen dezelfde vraag aan alle vier de platforms. Volg welk platform je citeert. Welk platform stuurt verkeer? Op welk platform domineren je concurrenten? Richt je eerst op het platform dat het meeste verkeer stuurt. In de zorg is dat waarschijnlijk Claude. In de financiële sector waarschijnlijk Perplexity. In de juridische sector waarschijnlijk Google AI Overviews.

Echt voorbeeld: een B2B SaaS-bedrijf ontdekte dat 70% van hun AI-verkeer van Claude kwam, 20% van Perplexity en 10% van ChatGPT. Ze hadden 6 maanden besteed aan optimaliseren voor de vergelijkende stijl met meerdere bronnen van ChatGPT. Ze schakelden over op optimalisatie voor Claude: diepere expertisesignalen, casestudy's over één leverancier, methodische degelijkheid. Binnen 60 dagen gingen de citaties in Claude van 8 per maand naar 25 per maand. Het verkeer vanuit Claude steeg met 40%.

Fout 3: Content bouwen zonder eerst autoriteit op te bouwen

Voorbeeld: twee bedrijven publiceren bijna identieke artikelen over "Zo verlaag je klantverloop". Bedrijf A publiceert het onder een onbekende auteur zonder referenties. Bedrijf B publiceert een identiek artikel van iemand met "VP Customer Success bij een SaaS-bedrijf van $100 miljoen" zichtbaar in de auteursregel en het auteursprofiel. Het artikel van bedrijf B wordt in maand één 8 keer geciteerd. Dat van bedrijf A één keer. Dezelfde content. Andere autoriteitssignalen. Ander resultaat.

Gewicht van autoriteit in AI-systemen: studies laten zien dat referenties van de auteur die zichtbaar in de HTML staan, de citatiekans met 340% verhogen. Vermeldingen van derden (gepubliceerd in bekende zakelijke media) verhogen die met 280%. Klantreviews en getuigenissen met 190%. Heb je niets hiervan? Dan begin je op het basisniveau (20-30% citatiekans voor competitieve onderwerpen).

Het timingprobleem: je besteedt 3 maanden aan het maken van content. De resultaten van maand 1 zijn nul citaties. Na maand 3 heb je 5 artikelen zonder citaties. Dan begin je aan autoriteitswerk (spreken, publiceren, reviews). Maar je artikelen zijn al geïndexeerd en geclassificeerd als "onbekende bron". AI-systemen hebben ze al lager geprioriteerd. Autoriteit opnieuw opbouwen voor die artikelen kost 60-90 dagen.

Zo los je het op: draai de volgorde om. Zorg voordat je je eerste artikel schrijft dat je auteursbio in één grote publicatie staat. Haal één spreekbeurt binnen. Zet 3-5 klantgetuigenissen op je site. Dat kost 4-6 weken. Publiceer daarna pas je content. Komt de content in de index, dan herkennen AI-systemen je al als autoriteit. Citaties beginnen meteen.

Echt voorbeeld: een adviesbureau publiceerde 10 artikelen voordat het autoriteit opbouwde. Na 60 dagen hadden ze in totaal 12 citaties. Daarna kwam de oprichter in een toonaangevend zakelijk tijdschrift en voegden ze klantcasussen toe aan de site. Ze publiceerden twee van hun beste artikelen opnieuw met een bijgewerkte auteursbio. Nieuwe citaties namen de volgende 60 dagen met 300% toe. Dezelfde content. Autoriteitssignalen veranderden alles.

Fout 4: De verkeerde statistieken meten

Voorbeeld: een softwarebedrijf viert "We kregen vorige maand 50 AI-citaties!" Maar als ze GA4 openen, zien ze nul verkeer vanuit AI. Ze beseffen dat hun artikel in AI-antwoorden staat, maar gebruikers nooit doorklikken. Waarom? Het artikel wordt midden in een lange lijst geciteerd, na drie concurrenten. Gebruikers zien het antwoord en hoeven niet op de bron te klikken. De citatie is zinloos.

Citatie versus verkeer in de praktijk: onderzoek over 200+ artikelen laat zien dat vroege citaties (genoemd in de eerste twee bronnen) 40-60% doorklikratio opleveren. Citaties in het midden (3-5) leveren 5-15% op. Late citaties leveren minder dan 2% op. Dus "50 citaties" kunnen nul verkeer zijn als het allemaal late citaties zijn.

Rekensom omzeteffect: een fitnessapp volgde 90 dagen lang AI-citaties. Ze kregen 200 citaties. Nul omzet. Waarom? De citaties stonden bij het antwoord op "Wat zijn gratis fitnessapps?", maar de app was betaald ($9,99 per maand). Ze werden geciteerd in de verkeerde context. Ze veranderden de strategie naar vragen als "Hoe bouw ik een krachttrainingsschema?" Nu krijgen ze 140 citaties van de nieuwe vragen. Hetzelfde aantal citaties, maar 35% daarvan converteert naar betalende gebruikers. $1.200 per maand omzet uit AI.

Wat je echt moet meten: - Positioneringsscore: hoeveel van je 50 citaties staan op positie 1-2 (vroeg) tegenover 3 of later (laat)? Doel: 60% of meer op vroege posities. - Doorklikratio: welk percentage van de sessies vanuit AI converteert naar een aanmelding, gratis proefperiode of lead? Doel: 8-15% voor B2B, 3-6% voor B2C. - Omzet per citatie: totale AI-omzet gedeeld door totaal aantal citaties. Bij een LTV van $100 per klant is het doel $10-20 per citatie. Zit je op $2 per citatie, dan is je conversietrechter kapot, niet je content.

Zo los je het op: zet GA4 UTM-tracking op voor elk AI-platform. Maak een maandelijks dashboard met: citaties per positie, verkeer vanuit AI, conversiepercentage per bron, omzeteffect. Zijn de citaties hoog maar het verkeer laag, dan word je laat geciteerd. Is het verkeer hoog maar de conversie laag, dan klopt je aanbod of doelgroep niet.

Fout 5: De versheid van content vergeten

Voorbeeld: een marketingbureau publiceerde in januari "Beste platforms voor marketingautomatisering 2025". In maand één werd het 12 keer geciteerd. In april, na geen enkele update, zakten de citaties naar 4. In juli kreeg het 1 citatie. Een concurrent publiceerde in juni "Beste platforms voor marketingautomatisering 2026". Dat werd in maand één 18 keer geciteerd. Hetzelfde onderwerp. Het artikel van 2026 versloeg dat van 2025 met gemak, omdat AI-systemen actualiteit voorrang geven.

De versheidsvervalcurve: artikelen verliezen elke 120 dagen zonder updates 30% van hun citatiekracht. Op dag 180 zitten ze op 50% van het oorspronkelijke citatiepercentage. Op dag 240 op 25%. Zelfs geweldige content wordt onzichtbaar zonder updates.

Wat voor AI-systemen telt als "update": een nieuwe statistiek toevoegen (verhoogt het versheidssignaal met 40%). Een bestaande statistiek bijwerken met cijfers van het huidige jaar (verhoogt met 60%). Een nieuwe casestudy of een nieuw voorbeeld toevoegen (verhoogt met 50%). Alleen de datum "laatst bijgewerkt" aanpassen zonder de content te veranderen helpt niet. Secties herschikken zonder nieuwe content helpt niet.

De rekensom van onderhoud: 1 artikel dat 8 citaties per maand krijgt, heeft elk kwartaal 4 uur aan updates nodig. Dat is 0,33 uur per citatie, oftewel $30-50 aan arbeidskosten per citatie, afhankelijk van het salaris. Maar dat artikel zakt zonder updates naar 2-3 citaties per maand en je verliest 5-6 citaties. Dat is $5.000-10.000 aan waarde, afhankelijk van je LTV. De ROI van updates is 100x.

Zo los je het op: controleer je top 20 artikelen. Welke zijn 120+ dagen oud? Voeg aan elk één concrete update toe (nieuwe statistiek, nieuw voorbeeld, nieuwe casestudy). Plan de volgende updates 120 dagen verder in je agenda. Wijs één persoon aan die dit kwartaalproces beheert.

Echt voorbeeld: een SaaS-bedrijf had 15 artikelen uit 2024 die elk 1-2 citaties kregen. Ze besteedden in totaal 20 uur aan het toevoegen van nieuwe statistieken uit 2025 en klantvoorbeelden. Binnen 30 dagen gingen die 15 artikelen van gemiddeld 1,5 citaties per maand naar 4,2 per maand. Dat waren die maand 42 extra citaties. Dat zijn 2 extra leads per maand voor hen. $2.400 extra omzet per maand uit 20 uur werk.

Fout 6: Publiceren zonder goede schema markup

Voorbeeld: twee identieke artikelen over "Zo snoei je rozenstruiken". Eén heeft schema.org-markup (Article-schema met auteur, datePublished, headline). Eén niet. Als aan Claude wordt gevraagd "Hoe snoei ik rozenstruiken?", scant het beide. Het artikel MET schema wordt geciteerd, omdat het schema Claude precies vertelde welke sectie de stapsgewijze instructies bevat (HowTo-schema). Het artikel zonder schema dwingt Claude de HTML-structuur te ontleden om de stappen te vinden. Claude kiest de makkelijkste.

Effect van schema op citaties: artikelen met goede schema markup worden 2,3x vaker geciteerd dan identieke artikelen zonder schema. Dit is gemeten over honderden artikelen in de categorieën tuinieren, koken, doe-het-zelf en handleidingen.

Welke schematypen het belangrijkst zijn: - Article-schema (author, datePublished, headline, articleBody): 1,8x meer citaties. Onmisbaar voor alle artikelen. - HowTo-schema (stapsgewijze instructies in machineleesbaar formaat): 2,1x meer voor handleidingen. Zonder dit zijn je stappen moeilijker te extraheren. - FAQPage-schema (vraag-antwoordparen gemarkeerd): 2,4x meer als je een FAQ-sectie hebt. AI is dol op vooraf opgemaakte vragen en antwoorden. - NewsArticle-schema (voor nieuws en tijdgevoelige content): 1,5x meer. - Recipe-schema (indien van toepassing): 2,8x meer. Dit is het best presterende schematype.

Implementatietijd: Article-schema toevoegen aan je top 10 artikelen kost 2-3 uur. HowTo-schema toevoegen (indien van toepassing) kost 1-2 uur per artikel. Het is een eenmalige investering die zich opstapelt.

Zo los je het op: gebruik de Rich Results Test van Google (search.google.com/test/rich-results). Vul de URL van je artikel in. Die vertelt je precies welk schema ontbreekt en welk schema kapot is. Herstel wat kapot is. Voeg toe wat ontbreekt. Test opnieuw. Leg het proces vast, zodat nieuwe artikelen hetzelfde patroon volgen.

Echt voorbeeld: een receptenblog had 50 artikelen zonder enige schema markup. Ze voegden Recipe-schema toe aan alle 50. De citaties stegen van 120 per maand naar 340 per maand. Dat zijn 220 extra citaties. Voor een receptenblog betekent dat 15-20 extra paginaweergaven per dag, goed voor $200-300 per maand aan advertentie-inkomsten, alleen door de schemawijzigingen.

Fout 7: Je te dun verspreiden over onderwerpen

Voorbeeld: een adviesbureau voor productiviteit publiceerde één artikel over "Tijdmanagement voor CEO's", één over "Effectief delegeren", één over "Je e-mailinbox beheren", één over "Agenda blokkeren", één over "Efficiënte vergaderingen". Vijf goede artikelen, vijf verschillende onderwerpen. Nul citaties voor welk artikel dan ook. Een concurrent publiceerde 12 artikelen, allemaal over "Tijdmanagement: de complete gids". Dezelfde kwaliteit. Dezelfde promotie-inspanning. 47 citaties in maand één. Waarom? De concurrent bouwde onderwerpautoriteit op. Het eerste bureau verspreidde zijn inspanningen.

Drempel voor onderwerpautoriteit: AI-systemen behandelen een onderwerp als "autoriteitsdomein" als je er 8 of meer diepgaande, onderling gelinkte artikelen over hebt. Met minder dan 8 artikelen ben je een amateur. Met 8 of meer ben je een specialist. Vanaf 15 ben je de expert.

Verschil in citaties naar onderwerpdiepte: - 1-2 artikelen over een onderwerp: gemiddeld 1 citatie per artikel per maand - 3-5 artikelen over een onderwerp (zonder links): gemiddeld 2-3 citaties per artikel per maand - 8+ artikelen over een onderwerp (onderling gelinkt): gemiddeld 6-8 citaties per artikel per maand - 15+ artikelen over een onderwerp (hecht cluster): gemiddeld 12-15 citaties per artikel per maand Dat is een 12x verschil tussen losse artikelen en een topic cluster.

Het probleem van versnippering: je hebt 20 artikelen over 20 onderwerpen = 20 citaties in totaal. De concurrent heeft 8 artikelen over één onderwerp = 48 citaties in totaal voor dezelfde inspanning.

Zo los je het op: controleer je laatste 20 artikelen. Tel de artikelen per onderwerp. Zoek het onderwerp met de meeste artikelen (waarschijnlijk 2-4). Kies voor dat onderwerp. Schrijf 6-8 extra artikelen alleen over dat onderwerp. Link ze allemaal onderling met de exacte ankertekst "gerelateerd: [titel van het artikel]". Wacht 60 dagen. Het citatiepercentage van dat onderwerp stijgt 4-6x.

Echt voorbeeld: een B2B-salesconsultant had 15 artikelen over verschillende salesonderwerpen gepubliceerd. Geen enkel onderwerp had meer dan 2-3 artikelen. Totaal aantal citaties: 8 per maand voor alle artikelen samen. Hij koos "Omgaan met bezwaren in sales" (zijn sterkste onderwerp). Hij voegde 10 artikelen toe over het omgaan met verschillende soorten bezwaren, met interne links ertussen. 60 dagen later: 32 citaties per maand, alleen uit dat topic cluster. Hij hield de andere artikelen, maar stopte met schrijven over andere onderwerpen.

Fout 8: Je vraag niet testen voordat je schrijft

Voorbeeld: een fintechbedrijf besloot een artikel te schrijven over "Zo kies je een tool voor pensioenplanning". Ze besteedden 40 uur aan onderzoek en schrijven. Nul citaties. Waarom? Toen ze de vraag eindelijk in Claude testten, zagen ze dat niemand die vraag echt stelt. Mensen vragen "Hoeveel moet ik sparen voor mijn pensioen?" en "Wat is het verschil tussen een Roth IRA en een traditionele IRA?" Hun artikel beantwoordde de verkeerde vraag.

Het testkader: stel voordat je een artikel schrijft je doelvraag aan drie AI-systemen en noteer: welke bronnen citeert elk? Welke opbouw gebruiken hun antwoorden? Welke gaten zitten erin? Wordt deze vraag eigenlijk wel gesteld?

Testvoorbeeld: - Je wilt schrijven: "Zo structureer je je marketingbudget" - Test in ChatGPT: 4 bronnen, antwoord van 1.500 woorden, behandelt verdelingspercentages - Test in Claude: 2 bronnen, antwoord gaat dieper in op ROI-berekening - Test in Perplexity: geen resultaten voor precies die vraag (waarschuwingssignaal) Conclusie: deze vraag wordt gesteld, maar is goed gedekt. Het gat zit in de ROI-berekening. Schrijf dus "Zo bereken je de ROI van je marketingbudget". Dat is het echte gat.

De checklist om een vraag te valideren: - Geeft minstens één AI-systeem resultaten? (Zo niet, dan vraagt niemand het) - Worden er 3 of meer verschillende bronnen geciteerd? (Zijn het er maar 1-2, dan is het onderwerp slecht gedekt: een kans) - Zeggen resultaten dat dit onderwerp moeilijk of verkeerd begrepen is? (Een kans om iets duidelijkers te schrijven) - Zijn de antwoorden oppervlakkig (onder 500 woorden)? (Een kans om dieper te gaan) - Komen alle antwoorden uit dezelfde branche? (Een kans om een ander perspectief in te brengen)

Zo los je het op: besteed 30 minuten aan het testen van je vraag voordat je aan een artikeluitwerking begint. Stel ChatGPT, Claude en Perplexity dezelfde vraag. Bewaar de resultaten. Analyseer ze. Die 30 minuten voorkomen 40 uur verspild schrijfwerk.

Echt voorbeeld: een makelaar plande 10 artikelen voor zijn blog. Hij testte eerst elke vraag. Bij 3 van de 10 geplande artikelen bleek dat de vraag amper wordt gesteld (Perplexity gaf geen resultaten). Die liet hij liggen. Van de overige 7 bleken er 2 al diep gedekt (3+ bronnen, 2.000+ woorden). Die gaf hij een aangrenzende invalshoek. De laatste 9 artikelen (10 - 3 + 2 herformuleringen) mikten allemaal specifiek op gaten die hij had gevonden. Resultaat: 34 citaties in de eerste 60 dagen. Ongemotiveerd schrijven zonder testen levert doorgaans 3-5 citaties op in 60 dagen.

Fout 9: GEO met één persoon draaien

Voorbeeld: een solo-oprichter draait het hele GEO-programma alleen. Maand 1: 20 uur artikelen schrijven (nog geen citaties, maar dat is normaal). Maand 2: de artikelen hebben nog steeds nul citaties. Ze besteedt 10 uur aan autoriteitswerk (publicaties benaderen, podcasts aanschrijven). Maand 3: nog steeds minimale citaties. Ze is gefrustreerd. Ze stopt met het programma. In werkelijkheid gaf ze het gewoon niet genoeg tijd. Maar ze had geen systeem, geen verantwoording en geen feedback. Een team van 2 had het probleem herkend (geen vroege autoriteit), opgelost en resultaat gezien.

Het solo-probleem: met één persoon is er geen verantwoording. Je bent schrijver ÉN promotor ÉN analist. Als citaties uitblijven, weet je niet of het een schrijfprobleem, een autoriteitsprobleem of gewoon pech is. Je twijfelt aan alles.

De rekensom van tijd: - Eén persoon met 20 uur per week: 8 uur schrijven, 6 uur autoriteit, 4 uur meten, 2 uur strategie = te dun verdeeld - Team van 2 (20 uur per week): persoon A: 12 uur schrijven + 2 uur strategie. Persoon B: 8 uur autoriteit. Eén persoon beheert het meten (10 uur per maand). Duidelijke rollen. - Resultaat: het team van 2 krijgt 2-3x meer citaties, omdat elke persoon dieper gaat in plaats van oppervlakkiger.

Wat een tweede persoon verandert: met verantwoording maak je artikelen echt af in plaats van ze halverwege te laten liggen. Met een aparte autoriteitspersoon word je gepubliceerd en uitgelicht in plaats van het te doen "als je tijd hebt". Met een aparte meetpersoon zie je echt data in plaats van te gokken.

Zo los je het op: draai je GEO solo? Neem dan één parttimer aan (10-15 uur per week) die autoriteit en promotie beheert. Die persoon doet: publicaties benaderen, contact leggen met mensen in de branche, reviews en getuigenissen ophalen, partnerschappen opbouwen. Dit is wat solo-oprichters altijd overslaan, omdat het "als verkoop voelt". Maar het is 50% van het GEO-succes.

Echt voorbeeld: een SaaS-bedrijf had één persoon die GEO deed. Na 4 maanden met 5 citaties huurde het een parttime freelancer in voor autoriteitswerk (15 uur per week à $35 per uur = $560 per maand). In de volgende 4 maanden gingen de citaties van 5 per maand naar 18 per maand. Dat zijn 52 extra citaties × $100 LTV per citatie = $5.200 aan waarde. Netto ROI: $5.200 - ($560 × 4) = $2.960 positief in maand 4-7.

Fout 10: Stoppen vóór de grens van 90 dagen

Voorbeeld: een bedrijf start in januari met GEO. Maand 1: 0 citaties, $0 omzet. Maand 2: 2 citaties, $0 omzet. Ze zijn teleurgesteld en schrappen het programma in maart. Hadden ze 30 dagen langer gewacht, dan had maand 3 8 citaties en $1.200 omzet laten zien. Ze gaven op vlak voor de finish.

De GEO-tijdlijn (gemeten over 50+ implementaties): - Dag 1-30: 0 citaties (artikelen worden geïndexeerd, autoriteitssignalen nog zwak) - Dag 31-60: 2-5 citaties (AI-systemen ontdekken je content, autoriteit bouwt zich nog op) - Dag 61-90: 8-15 citaties (momentum bouwt op, autoriteit begint zich op te stapelen) - Dag 91-120: 15-25 citaties (netwerkeffecten, andere sites linken naar je, je autoriteit wordt zichtbaar) - Dag 121-180: 25-40+ citaties (het opstapelen wordt zichtbaar) Het kritieke beslismoment is dag 61. Heb je 8-10 artikelen gepubliceerd en 0-5 citaties gekregen, dan denken de meeste teams dat ze zijn mislukt. Dat zijn ze niet: ze zitten op dag 55 van een programma van 180 dagen.

Waarom dag 90 telt: op dag 90 heb je genoeg data om te weten of je strategie fundamenteel fout zit. Krijg je citaties? Zo ja, dan werkt de strategie en heb je gewoon meer artikelen en meer autoriteit nodig. Zo nee, dan is er iets kapot (verkeerd onderwerp, verkeerde vragen, geen autoriteitssignalen). Maar dat kun je pas na dag 90 weten.

Het commitmentkader: - Dag 1-60: commitmentfase. Publiceer 8-10 artikelen. Bouw autoriteit op (1-2 plaatsingen, auteursbio's bijwerken). Accepteer dat je nul of bijna nul citaties ziet. Dat is te verwachten. - Controlemoment dag 60: heb je ENIGE citaties bij je doelvragen? Zo ja: zet door tot dag 120. Zo nee: analyseer en herstel het probleem (meestal autoriteit, een mismatch met het platform of de keuze van vragen). Stop niet, ga een andere kant op. - Dag 61-120: opschalingsfase. Bouw voort op wat werkt. Voeg autoriteit toe. Voeg content toe. Verwacht dat de citaties 2-3x groeien ten opzichte van maand 1-2.

Zo los je het op: sluit een contract van 90 dagen met je team. Iedereen spreekt af: we beoordelen het succes niet en schrappen het programma niet voor dag 90. We publiceren 12 artikelen, doen 3 autoriteitsplaatsingen en zetten goede metingen op. Op dag 90 kijken we naar de data en beslissen we. Laat de data voortgang zien (ook als die klein is), dan gaan we door tot dag 180. De meeste programma's laten op dag 90 genoeg voortgang zien om door te gaan.

Echt voorbeeld: een adviesbureau begon in maart met GEO. Eind mei (dag 60) hadden ze 0 citaties. Ze stopten bijna. Hun CEO zei "90 dagen" en hield vol. In augustus (dag 90) hadden ze in totaal 12 citaties. In oktober (dag 120) hadden ze 45 citaties per maand. In januari kregen ze 80-100 citaties per maand en $40.000+ maandelijkse omzet uit GEO. Ze stopten bijna op dag 60. De beste resultaten kwamen na dag 120.

De rode draad: datagedreven versus hoopgedreven

Elke fout hierboven komt voort uit één oorzaak: doen wat goed voelt in plaats van wat volgens de data werkt.

Hoopgedreven: "Ik denk dat AI-systemen boeiende content willen." De data zegt: ze willen duidelijke antwoorden.

Hoopgedreven: "ChatGPT is het grootst, dus ik optimaliseer voor ChatGPT." De data zegt: je verkeer komt van Claude, dus optimaliseer voor Claude.

Hoopgedreven: "Meer artikelen is altijd beter." De data zegt: 20 artikelen over één onderwerp verslaan 100 artikelen over 100 onderwerpen.

Los dit op door feedbackloops te bouwen. Meet altijd. Test altijd. Vergelijk altijd wat je denkt met wat de data laat zien. De data wint.

Veelgestelde vragen