Krijgt een AI-zoeksysteem een vraag, dan zoekt het niet naar exacte zoekwoordmatches zoals een gewone zoekmachine. Het zet zowel de vraag als jouw content om in wiskundige weergaven, vector embeddings genoemd, en meet dan hoe dicht die weergaven bij elkaar liggen qua betekenis. Dit is semantisch matchen, en het is het kernmechanisme dat bepaalt welke content in een door AI gegenereerd antwoord terechtkomt.
Als je vector embeddings begrijpt, snap je waarom een pagina die op de verkeerde zoekwoorden rankt toch kan worden aangehaald, waarom content rijk aan synoniemen beter presteert dan pagina's volgestopt met zoekwoorden en wat je kunt doen om de positie van je content in de semantische matching te verbeteren. Voor het bredere ophaalproces, zie de RAG-pipeline uitgelegd en hoe AI-zoekmachines werken.
Wat vector embeddings zijn en hoe ze betekenis weergeven
Een vector embedding is een lijst getallen die de betekenis van een stuk tekst vastlegt. Een embeddingmodel leest een zin, alinea of hele pagina en geeft een coördinaat in een ruimte met veel dimensies. Teksten met vergelijkbare betekenis komen dicht bij elkaar te liggen. Teksten met verschillende betekenis liggen ver uit elkaar.
Het belangrijkste inzicht: "website snelheid optimaliseren" en "hoe laad ik pagina's sneller" geven bijna identieke embeddings, ook al delen ze weinig woorden. Gewoon zoeken behandelt dit als verschillende zoekopdrachten. Vectorzoeken ziet dezelfde intentie.
AI-zoeksystemen maken embeddings van zowel de vraag van de gebruiker als van elk kandidaatdocument in hun index. Daarna rangschikken ze documenten op nabijheid en kiezen de dichtstbijzijnde matches als context voor het genereren van het antwoord.
Hoe semantisch matchen content kiest voor AI-antwoorden
Het matchingproces volgt bij de meeste AI-zoeksystemen dezelfde volgorde.
Eerst maakt het systeem een embedding van de vraag. Is de vraag complex, dan splitst het systeem hem misschien op in deelvragen, elk met een eigen embedding. Een vraag als "Wat veroorzaakt trage websites en hoe los ik ze op" wordt twee embeddings: een voor oorzaken, een voor oplossingen.
Ten tweede doorzoekt het systeem zijn vectorindex naar de dichtstbijzijnde documentchunks. Indexen slaan embeddings meestal op per alinea of sectie, niet per hele pagina. Een artikel van 2000 woorden kan 15 tot 30 aparte embeddings opleveren, elk voor één sectie.
Ten derde haalt het systeem de best gerangschikte chunks op en geeft ze als context aan het taalmodel. Het model genereert een antwoord met alleen wat is opgehaald. Zit de embedding van jouw content niet bij de dichtstbijzijnde matches, dan komt je pagina nooit in het antwoord.
Waarom matchen op chunkniveau je contentstrategie verandert
Omdat het matchen op sectieniveau gebeurt, concurreert elke sectie op zichzelf. Schrijf elke H2 als een zelfstandig geheel dat zich richt op één aspect van het onderwerp.
Factoren die de nabijheid van embeddings beïnvloeden
Niet alle content met vergelijkbare betekenis scoort even hoog. Verschillende factoren bepalen welke embeddings bovenaan komen.
- Semantische precisie: een sectie die de intentie van de vraag direct beantwoordt, komt dichterbij dan een sectie die het onderwerp terloops noemt
- Afstemming van terminologie: de woorden gebruiken die je doelgroep in vragen gebruikt, verbetert de nabijheid, ook zonder exacte zoekwoordmatch
- Contextdichtheid: secties vol verwante begrippen geven embeddings die bij een breder scala aan variaties van de vraag passen
- Recentheid: sommige systemen geven nieuwere embeddings meer gewicht als meerdere chunks een vergelijkbare nabijheidsscore hebben
- Autoriteit van de bron: signalen van autoriteit die na het ophalen worden toegepast, kunnen resultaten die vectorzoeken gelijk rangschikte, in een andere volgorde zetten
Hoe je content optimaliseert voor het matchen van vector embeddings
Alleen optimaliseren op zoekwoorden is niet genoeg. Semantisch matchen beloont content die een onderwerp uitgebreid behandelt in natuurlijke taal.
Gebruik gevarieerde woorden die laten zien hoe mensen vragen stellen. Voeg synoniemen en verwante zinnen toe om de embeddingdekking van verwante zoekintenties te versterken.
Structureer content rond vraagclusters. Bepaal de vijf tot tien vragen die je pagina moet beantwoorden en wijd aan elke vraag één sectie. Zo krijg je meerdere chunks van hoge kwaliteit, elk met een gerichte embedding die past bij één variatie van de vraag.
Leg termen expliciet uit in je content. Introduceer je een begrip, leg het dan in dezelfde alinea uit. Zo krijgt het embeddingmodel rijkere context en ontstaat een preciezere vectorweergave.
Veelgestelde vragen
Heb ik nog zoekwoordonderzoek nodig voor AI-zoeken als het matchen semantisch is?
Ja, maar voor een ander doel. Zoekwoorden laten zien welke vragen mensen stellen, en dat bepaalt welke onderwerpen je secties moeten dekken. Je optimaliseert voor dekking van vragen en semantische breedte, niet voor zoekwoorddichtheid. Met de websitebouwer van WEMASY structureer je contentsecties rond vraagclusters met semantische kopblokken.
Kunnen twee pagina's met vergelijkbare content beide worden aangehaald via vectormatching?
Ja. Vectorzoeken haalt meerdere chunks op, vaak van verschillende pagina's. Hebben jouw pagina en die van een concurrent beide secties met embeddings dicht bij de vraag, dan kunnen beide in de opgehaalde set komen. Het taalmodel bepaalt daarna welke beweringen in het uiteindelijke antwoord komen.
Hoe groot is een gemiddelde contentchunk bij vectorzoeken?
De meeste systemen delen content op in passages van 200 tot 500 tokens, ruwweg 150 tot 400 woorden. Dat betekent dat één lange alinea of een korte sectie met een duidelijke kop meestal één chunk wordt. Structureer je secties binnen dit bereik voor de beste embeddingkwaliteit.
Beïnvloedt het vertalen van content het matchen van vector embeddings?
Embeddings zijn taalspecifiek. Een Nederlandse pagina geeft Nederlandse embeddings die passen bij Nederlandse vragen. Bied je meerdere talen aan, dan heeft elke taalversie eigen content met natuurlijke formuleringen in die taal nodig. Machinaal vertaalde pagina's geven vaak embeddings van lagere kwaliteit.
Waarom rankt mijn pagina op Google maar verschijnt hij niet in AI-zoekantwoorden?
Ranken bij Google leunt sterk op backlinks, domeinautoriteit en relevantie van zoekwoorden. AI-zoeken leunt op semantische nabijheid van embeddings en hoe goed een antwoord te halen is. Je pagina kan ranken op zoekwoorden, maar embeddings geven die te breed of te smal zijn om te passen bij de specifieke vragen die AI-gebruikers stellen.
Hoe vaak worden vector embeddings van mijn content bijgewerkt?
Embeddings worden meestal opnieuw gemaakt als content wordt gecrawld of geïndexeerd. Bij realtime AI-zoeksystemen zoals ChatGPT kan dat binnen enkele uren na publicatie. Bij systemen met periodiek indexeren kunnen updates dagen tot weken duren. Content publiceren of bijwerken zorgt bij de volgende crawl voor nieuwe embeddings.