Kijk naar een willekeurig antwoord van AI en let op welke zinnen zijn geciteerd. Je ziet een patroon.
De geciteerde passages staan altijd op zichzelf. Ze zijn duidelijk gescheiden van de tekst eromheen. Ze zijn zo opgebouwd dat ze makkelijk los te halen zijn. Dat is geen toeval.
Dit is waar het om gaat. AI-systemen lezen je content niet zoals mensen. Een mens bezoekt je pagina en kijkt rond. Een AI-systeem leest je HTML. Het herkent grenzen in betekenis. Het zoekt passages die netjes los te halen en te citeren zijn.
Het gaat niet om lengte of zoekwoorden. Het gaat om structuur.
Leesbaarheid en structuur zijn geen aparte rankingfactoren. Het is dezelfde factor, vanuit twee kanten bekeken. Structuur is wat AI-systemen nodig hebben. Leesbaarheid houdt mensen betrokken terwijl je voor machines optimaliseert.
Dit hoofdstuk legt uit wat AI-systemen echt nodig hebben van je content, waarom leesbaarheid het halen van passages mogelijk maakt en hoe je elk stuk dat je schrijft zo opbouwt dat AI-systemen je vaker citeren.
Hoe halen AI-systemen content uit je pagina?
Neem een willekeurig antwoord van AI en kijk welke zinnen zijn geciteerd. Je ziet een patroon. De geciteerde passages staan bijna altijd op zichzelf, zijn duidelijk afgebakend van de tekst eromheen en zijn zo opgebouwd dat ze makkelijk los te halen zijn. Dat is geen toeval.
AI-systemen gebruiken tegelijk meerdere strategieën om content te halen. Ze lezen je HTML-structuur om grenzen in betekenis te herkennen, dus ze bepalen waar een gedachte eindigt en een andere begint. Ze zoeken zinnen die een specifieke vraag helemaal beantwoorden zonder dat lezers de omringende context hoeven te begrijpen. Ze belonen pagina's die informatie verdelen in stukken die je snel scant, met duidelijke hiërarchie in koppen.
Schrijf je content om door AI gehaald te worden, dan schrijf je voor systemen met retrieval-augmented generation (RAG). RAG-systemen werken in drie stappen.
Eerst halen ze mogelijke passages uit je pagina. De ophaallaag zoekt in je content op basis van overeenkomst in betekenis met de vraag van de gebruiker. Je HTML-structuur bepaalt welke passages het systeem in overweging neemt. Een dichte alinea zonder hiërarchie in koppen ziet eruit als één groot blok tekst. Een goed opgebouwde sectie met een duidelijke H2-kop, gevolgd door gerichte onderdelen en afgesloten met een samenvattende zin, laat het systeem precies zien welke ideeën los te halen zijn.
Daarna rangschikken ze die passages op relevantie en kwaliteit. De herrangschikkingslaag geeft elke opgehaalde passage een score. Kortere passages die op zichzelf staan, scoren hoger dan lange alinea's die context nodig hebben om te begrijpen. Passages die de vraag direct beantwoorden, scoren hoger dan passages die het onderwerp terloops noemen.
Tot slot halen ze de passages met de hoogste score eruit en geven die aan het taalmodel. Het taalmodel schrijft het uiteindelijke antwoord. Het gebruikt de gehaalde passages als bronmateriaal en citeert ze expliciet.
Daarom is structuur een rankingfactor. Het gaat niet om uiterlijk of gebruikerservaring, al helpt het beide. Het gaat om leesbaarheid voor machines. AI-systemen citeren content die ze netjes kunnen halen. Content die lastig te lezen is, wordt overgeslagen, ook als de informatie goed is.
Wat maakt content beter te halen voor AI-systemen?
Hoe goed content te halen is, hangt af van vijf signalen in de structuur. Voldoe je aan alle vijf, dan kunnen AI-systemen je content betrouwbaar pakken. Mis je er één, dan laat je kansen op citaten liggen.
Het eerste signaal is de hiërarchie van koppen. Koppen verdelen je pagina in logische secties. Een H2 bepaalt een onderwerp. De alinea's onder die H2 beantwoorden vragen over dat onderwerp. H3-tussenkoppen splitsen dat onderwerp verder op. Die hiërarchie vertelt AI-systemen dat deze alinea's bij elkaar horen. Ze beantwoorden deze vraag.
Zonder duidelijke hiërarchie van koppen kan AI geen onderscheid maken tussen ideeën die kern zijn van een sectie en ideeën die slechts terloops worden genoemd. Een pagina die één lange muur van tekst is zonder H2-tussenkoppen, ziet er voor een AI-systeem uit als 5.000 woorden die allemaal even belangrijk zijn. AI-systemen halen dan kleine fragmenten in plaats van volledige uitspraken die een vraag beantwoorden. Je citaten worden korter. Je zichtbaarheid daalt.
Het tweede signaal is zinslengte en zinsbouw. Korte zinnen zijn beter te halen dan lange. Dat gaat niet alleen over leesbaarheid, al lezen zinnen van minder dan 17 woorden sneller. Het gaat ook om AI-systemen. Is een zin langer dan 25 woorden, dan bevat hij meestal meerdere gedachten. Algoritmen die content halen, straffen dat af. Ze zoeken schone, complete ideeën. Een zin van 15 woorden die één vraag helemaal beantwoordt, is beter te halen dan een zin van 45 woorden die er drie beantwoordt.
Het derde signaal is alinea's die op zichzelf staan. Een alinea die op zichzelf staat, beantwoordt een vraag helemaal zonder dat lezers eerdere alinea's hoeven te begrijpen of vooruit hoeven te springen. Vergelijk deze twee versies van hetzelfde idee.
Versie 1 (afhankelijk van context):
"Ons onderzoek laat zien dat korte zinnen de kans vergroten dat content wordt gehaald. Dat komt omdat AI-systemen zoeken naar losse uitspraken die een vraag beantwoorden. Zijn zinnen langer dan 25 woorden, dan bundelen ze meestal meerdere ideeën, waardoor ze minder geschikt zijn voor citaten door AI."
Versie 2 (staat op zichzelf):
"Korte zinnen vergroten de kans dat AI-systemen je content halen. Dat komt omdat algoritmen die content halen de voorkeur geven aan losse uitspraken die een vraag beantwoorden. Zinnen van meer dan 25 woorden bundelen meerdere ideeën, waardoor AI ze moeilijker kan losmaken en citeren."
De tweede versie staat op zichzelf. Je kunt de eerste versie weghalen en de tweede blijft staan. Je kunt de alinea's eromheen weghalen en deze alinea beantwoordt de vraag nog steeds helemaal. Een systeem dat content haalt, kan deze alinea los pakken.
Het vierde signaal is opmaak met lijsten. Lijsten met bolletjes of nummers zijn beter te halen dan dezelfde informatie in een alinea. AI-systemen behandelen elk item in een lijst als een zelfstandig stuk dat ze kunnen halen. Een lijst met vijf items geeft het systeem vijf kansen om je content te citeren. Een alinea die hetzelfde in lopende tekst zegt, geeft één kans.
Het vijfde signaal is semantische HTML. HTML-tags vertellen AI-systemen wat elk element is en hoe het zich verhoudt tot andere elementen. Een <article>-tag zegt dat dit een zelfstandig stuk content is. Een <header> zegt dat dit inleidend materiaal is. Een <h2> zegt dat dit een kop van een sectie is. Een <strong>-tag benadrukt een kernbegrip. Een <blockquote> zegt dat dit de woorden van iemand anders zijn.
AI-systemen gebruiken deze semantische tags om de structuur van content beter te begrijpen dan ze uit gewone tekst alleen zouden kunnen. Gebruik je de juiste HTML-tags (en niet alleen visuele opmaak), dan halen AI-systemen nauwkeuriger content en citeren ze betrouwbaarder.
Hoe beïnvloedt de dichtheid van alinea's hoe vaak je wordt geciteerd?
De dichtheid van een alinea is hoeveel informatie je in elke alinea stopt. Hogere dichtheid betekent meer ideeën per alinea. Lagere dichtheid betekent minder ideeën, verspreid over meer alinea's. AI-systemen geven de voorkeur aan een lagere dichtheid.
Dat betekent niet dat je kortere alinea's moet schrijven om een aantal woorden te halen. Het betekent dat elke alinea één idee helder moet behandelen voordat je verdergaat. Hier is een voorbeeld. Stel dat je schrijft over feitendichtheid in content, wat ervoor zorgt dat AI je vaker citeert.
Een versie met hoge dichtheid probeert vier ideeën tegelijk te behandelen:
"Feitendichtheid, de concentratie van uitspraken die door onderzoek worden gesteund in je content, is belangrijk voor AI-citaten, omdat AI-systemen content vertrouwen die meerdere cijfers biedt. Streef ernaar om minstens drie tot vijf feiten uit onderzoek op te nemen per 500 woorden content, uit betrouwbare bronnen zoals overheidsdata, wetenschappelijk onderzoek of branchestudies. Gooi bij het noemen van feiten het getal niet zomaar neer. Leg uit wat het betekent en waarom het ertoe doet voor de lezer. Lezers en AI-systemen belonen allebei content die cijfers in context zet in plaats van alleen statistieken op te sommen."
Een systeem dat content haalt, ziet dit als één dicht blok met meerdere deelonderwerpen. Het is moeilijk om één idee los te halen zonder alle context eromheen. Hier is dezelfde informatie met een lagere dichtheid.
Feitendichtheid is de concentratie van uitspraken die door onderzoek worden gesteund in je content. AI-systemen vertrouwen content die meerdere cijfers biedt, niet alleen beweringen.
Streef ernaar om drie tot vijf feiten uit onderzoek op te nemen per 500 woorden content. Haal deze feiten uit betrouwbare bronnen zoals overheidsdata, wetenschappelijk onderzoek of branchestudies.
Noem je feiten, leg dan uit wat elk feit betekent en waarom het ertoe doet. Lezers en AI-systemen belonen allebei content die cijfers in context zet in plaats van alleen statistieken op te sommen.
Nu heb je drie alinea's die op zichzelf staan. Een systeem dat content haalt, kan er elk apart pakken en de uitspraak blijft kloppen. Je hebt je kansen op citaten net vermenigvuldigd van één passage naar drie.
Daarom is een goede structuur van content zo belangrijk. Lagere dichtheid van alinea's geeft AI-systemen meer kansen om content te halen. Meer kansen betekent meer kans om geciteerd te worden.
Welke rol speelt semantische structuur in AI-rankings?
Semantische structuur betekent HTML-tags gebruiken die betekenis overbrengen en niet alleen uiterlijk. Het is het verschil tussen <b> (vet, alleen visueel) en <strong> (sterke nadruk, semantisch). Het is het verschil tussen een regeleinde gebruiken voor witruimte en een echte <section>-tag gebruiken die AI-systemen vertelt dat deze ideeën bij elkaar horen.
Google, Bing en elk AI-systeem crawlen eerst je HTML-code en pas daarna je visuele ontwerp. Heeft je content de juiste semantische tags, dan begrijpen deze systemen je paginastructuur sneller en nauwkeuriger. Ze zien welke secties inleiding zijn, welke hoofdcontent en welke samenvattingen. Ze begrijpen hoe ideeën zich tot elkaar verhouden.
AI-systemen gebruiken semantische tags ook om content met meer vertrouwen te halen. Zien ze een H2-kop gevolgd door alinea's, dan weten ze dat de alinea's de vraag van die kop beantwoorden. Zien ze een blockquote, dan weten ze dat het een uitspraak van buiten is en dat ze de bron moeten noemen. Zien ze een strong-tag rond een term, dan weten ze dat die term belangrijk is om de zin te begrijpen.
Semantische HTML beïnvloedt ook hoe knowledge graphs je content begrijpen. Knowledge graphs verbinden entiteiten (dingen uit de echte wereld zoals mensen, plaatsen en producten) en laten zien hoe ze zich tot elkaar verhouden. Gebruik je de juiste semantische tags rond namen van entiteiten, of gebruik je schema markup om ze te herkennen, dan leggen AI-systemen nauwkeurigere verbindingen in de knowledge graph. Nauwkeurigere verbindingen betekenen dat AI-systemen je waarschijnlijker citeren als gebruikers vragen over die entiteiten stellen.
Hoe bouw je verschillende soorten content op zodat AI ze kan halen?
AI-systemen lezen een blogartikel niet zoals een productpagina of een stap-voor-stap-gids. Elk soort content heeft andere structuurpatronen die beter werken om content te halen.
Gebruik voor blogartikelen en artikelen een duidelijke structuur met dit patroon. Een inleidende alinea beantwoordt de hoofdvraag. Een H2-kop bepaalt het eerste deelonderwerp. Twee tot drie gerichte alinea's onder die H2 behandelen dat deelonderwerp helemaal. De volgende H2 is een ander deelonderwerp. Herhaal dit patroon door de hele tekst. Geen enkele alinea mag meer dan één idee behandelen. Geen enkele sectie mag meer dan één vraag proberen te beantwoorden.
Gebruik voor stap-voor-stap-gidsen een genummerde lijst met één stap per item. Geef onder elke stap één gerichte alinea die die stap uitlegt. Probeer niet meerdere stappen in één alinea uit te leggen. AI-systemen halen stap-voor-stap-content stap voor stap. Voeg je stappen samen, dan wordt het halen onbetrouwbaar.
Gebruik voor vergelijkende content (product X tegenover product Y, aanpak A tegenover aanpak B) een tabel. Tabellen zijn het formaat dat het best te halen is. Elke rij wordt een zelfstandig stuk dat te halen is. AI-systemen citeren vergelijkingstabellen betrouwbaarder dan elk ander formaat. Zet je vergelijkende informatie in alinea's in plaats van tabellen, dan verberg je die informatie voor systemen die content halen.
Gebruik voor FAQ-pagina's één vraag en één gericht antwoord per FAQ. Een antwoord mag niet langer zijn dan drie alinea's. Is je antwoord langer, dan zitten er meerdere vragen verstopt in één sectie. Splits ze.
Zet bij productpagina's de beschrijving, de voordelen en de specificaties in aparte secties met duidelijke H2-koppen. Probeer voordelen en functies niet in één alinea uit te leggen. Splits ze in aparte secties die je snel scant.
Begin bij items in een begrippenlijst met een definitie van één zin (40 tot 60 woorden). Laat één of twee alinea's context volgen. Voeg geen voorbeelden of verwante termen toe, tenzij ze direct de vraag naar de definitie beantwoorden.
Elk soort content heeft een andere ideale dichtheid. Houd rekening met het soort content en AI-systemen halen betrouwbaarder.
Wat is het verband tussen leesbaarheid en hoe vaak AI content haalt?
Leesbaarheid en het halen van content worden vaak als aparte zaken gezien. Schrijvers optimaliseren voor leesbaarheid. SEO-specialisten optimaliseren voor het halen van content. Maar het is dezelfde optimalisatie.
Content die voor mensen helder leest, wordt ook netjes door AI gehaald. Dezelfde principes die een zin makkelijk te begrijpen maken voor een mens (kort, direct, één idee tegelijk) maken hem makkelijk te halen voor een AI-systeem. Kijk naar een zin als "De reden waarom structuur zo belangrijk is voor AI-systemen draait fundamenteel om hoe ophaalalgoritmen in de kern van deze systemen werken om relevante passages met informatie te herkennen en te halen." Deze zin is onleesbaar en niet te halen. Hij verstopt het idee in te veel woorden. Een AI-systeem heeft moeite te isoleren wat deze zin eigenlijk zegt.
Dezelfde zin, herschreven voor leesbaarheid: "Structuur is belangrijk voor AI omdat ophaalalgoritmen losse passages met informatie moeten herkennen." Deze zin is korter, helderder en beter te halen.
Daarom is er geen spanning tussen schrijven voor mensen en schrijven voor AI. Je schrijft eigenlijk voor hetzelfde denkvermogen. Mensen en AI hebben allebei moeite met dichtheid. Mensen en AI geven allebei de voorkeur aan helderheid. Mensen en AI belonen allebei structuur.
Het verschil is dat mensen context hebben doordat ze door je pagina scrollen en eerdere secties lezen. Ze kunnen gaten opvullen. AI-systemen pakken losse passages zonder context en moeten het hele idee uit alleen die passage begrijpen. AI vraagt dus nog meer helderheid dan gewoon lezen door mensen.
Schrijf alsof elke zin los kan worden gehaald en geciteerd. Elke zin moet compleet genoeg zijn om op zichzelf te staan. Dat is de norm voor content die klaar is voor AI. Voldoe je aan die norm, dan vinden mensen je content ook helderder.
Hoe controleer je de structuur van je content op haalbaarheid voor AI?
Voer je content door een controle voor je publiceert. Deze checklist kost ongeveer vijf minuten. Open je artikel. Stel bij elke H2-sectie deze vragen.
- Heeft deze sectie een duidelijke H2 met een vraag?
- Beantwoordt elke alinea onder deze H2 die vraag?
- Kan ik een alinea weghalen en blijft de rest van de sectie kloppen?
- Is een alinea langer dan drie zinnen?
- Is een zin langer dan 25 woorden?
- Is een kernbegrip benadrukt met strong-tags?
Beantwoord je alle zes de vragen met ja, dan is je sectie klaar voor AI. Beantwoord je er een met nee, los die sectie dan op voor je publiceert.
Controleer daarna de structuur van je hele pagina. Heeft de pagina een duidelijke inleiding? Staan de H2-secties in logische volgorde? Is er herhaling tussen secties (hetzelfde idee twee keer uitgelegd)? Voegt de conclusie nieuwe informatie toe of vat ze alleen samen wat eerder kwam? Heeft de pagina de juiste semantische tags voor article-, header- en section-elementen?
Test je content tot slot in echte AI-systemen. Plak een vraag die je artikel beantwoordt in ChatGPT, Claude, Perplexity of Google AI Overviews. Kijk of je content wordt geciteerd. Is dat niet zo, kijk dan wat er wel is geciteerd. Wat was er anders aan die structuur? Pas dat verschil toe op je content.
Deze controle kost minuten, maar laat vaak structuurproblemen zien die je anders zou missen.
Veelgestelde vragen
Hoeveel woorden moet elke alinea hebben?
Streef naar drie tot vier zinnen per alinea. Dat is lang genoeg om een idee helemaal uit te werken, zonder zo lang te worden dat AI-systemen moeite hebben je punt te lezen. Sommige alinea's mogen één zin zijn als die zin een complete, belangrijke uitspraak bevat. Vermijd alinea's van meer dan vijf zinnen, tenzij je een complex idee bewust over meerdere zinnen verdeelt. Met de websitebouwer van WEMASY stel je dit rechtstreeks in op je website.
Maakt semantische HTML uit als ik moderne CSS-frameworks gebruik?
Ja. Moderne CSS-frameworks kunnen semantische HTML verstoren als je niet oplet. Gebruik altijd eerst semantische tags (article, header, section, h2, strong). Leg je CSS erbovenop. Gebruik geen div-tags waar semantische tags zouden werken. CSS-frameworks helpen bij de opmaak, maar kunnen geen semantische betekenis toevoegen als de HTML eronder die niet heeft.
Kan ik AI-schrijftools gebruiken om mijn content te maken en daarna de structuur te verbeteren?
Nee. Content die door AI is gemaakt, heeft bijna altijd structuurproblemen die achteraf moeilijk te verbeteren zijn. Ze neigt naar dichtere alinea's, langere zinnen en meerdere ideeën per alinea. Deze problemen zitten ingebakken in hoe taalmodellen tekst maken. Je kunt het best eerst je structuur schrijven (zet je H2-koppen en onderwerpen van alinea's op een rij) en dan de content schrijven die bij die structuur past. Door eerst de structuur te schrijven, denk je vanaf het begin na over hoe goed je content te halen is.
Moet ik mijn content in meer H2-secties verdelen, ook als alles onder minder koppen zou passen?
Past je idee duidelijk in één H2-sectie, doe dat dan. Maar zie je dat één sectie meer dan vier of vijf alinea's onder één H2 zou hebben, splits haar dan. Meer H2-koppen betekenen meer kansen om content te halen. AI-systemen citeren op basis van secties die door koppen worden afgebakend. Meer secties betekent meer inzetten op een citaat.
Hoe werkt dit bij lange content zoals pillar pages?
Pillar pages hebben juist meer structuur nodig, niet minder. Ze behandelen meerdere deelonderwerpen, elk met een eigen H2. Volg onder elke H2 dezelfde patronen die klaar zijn voor het halen van content. Korte alinea's, elk één idee, secties die op zichzelf staan. Een pillar page van 3.000 woorden kan acht tot tien H2-secties hebben. Elke sectie moet los te halen zijn. Dat helpt ook bij het snel scannen door menselijke lezers.
Wat als mijn soort content niet netjes in deze patronen past, zoals lijstjes of opiniestukken?
Lijstjes zijn makkelijk. Eén item, één stuk dat je kunt halen. Elk item in een lijst moet een complete gedachte zijn. Genummerde lijsten werken beter dan lijsten met bolletjes om content te halen voor AI. Opiniestukken zijn lastiger, omdat meningen meestal worden onderbouwd met redeneringen die meerdere alinea's beslaan. Maak bij opiniecontent je kernstandpunt duidelijk en vroeg (de eerste zin van een sectie) en bouw je onderbouwing op in aparte alinea's daaronder. Zo kunnen AI-systemen je kernstandpunt halen, ook als ze de onderbouwing overslaan.