GEO (Generative Engine Optimization): wat werkt volgens de wetenschap?

Toen ik voor het eerst hoorde over GEO (Generative Engine Optimization) was ik eerlijk gezegd best sceptisch. Iedereen beweerde de online “best practices” te kennen en het voelde allemaal meer als hype dan als onderbouwde principes.

Dus in plaats van alle rondvliegende meningen te volgen, dook ik in de wetenschap. Ik las meerdere peer-reviewed papers en vergeleek ze met elkaar om te checken welke ideeën daadwerkelijk onderbouwd zijn. Op basis van die inzichten ontwikkelde ik een whitepaper, waar deze blogpost op gebaseerd is.

Tegelijkertijd is het belangrijk om vooraf één ding te zeggen: het AI-zoeklandschap is vrij nieuw en past zich snel aan op basis van nieuwe ontwikkelingen. Generatieve zoekmachines zijn black-box systemen die continu verbeteren, waardoor je als contentmaker beperkte controle hebt over hoe en wanneer je content wordt gebruikt. Wat vandaag werkt, kan in de loop der tijd minder relevant worden, waardoor het essentieel is om ontwikkelingen te blijven monitoren en je aanpak iteratief te verbeteren.

Wat is GEO (en wat is het verschil met SEO)?

Jarenlang draaide SEO vooral om: “Hoe kom ik hoger in Google?” Maar AI-zoekmachines werken anders. Ze bieden niet primair een lijst met links, maar een samengesteld antwoord waarin ze bronnen selecteren, samenvatten en citeren.

Het doel van GEO is daarom niet om hoog te scoren in een lijst met links, maar om geselecteerd en geciteerd te worden in het antwoord zelf.

Wat veel mensen online benoemen is dat GEO simpelweg SEO is met een nieuwe naam. Op basis van het onderzoek dat ten grondslag ligt aan deze post, kunnen we concluderen dat dit een misvatting is. De papers laten zien dat traditionele tactieken zoals keyword-stuffing weinig tot geen verbetering opleveren in zichtbaarheid binnen generatieve zoekmachines en zelfs slechter kunnen presteren dan niet-geoptimaliseerde baselines. Aggarwal et al. (2024) verwoorden dit fundamentele verschil als volgt:

“Traditional SEO methods are not directly applicable to Generative Engines. This is because, unlike traditional search engines, the generative model in generative engines is not limited to keyword matching, and the use of language models in ingesting source documents and response generation results in a more nuanced understanding of text documents and user query.” [1]

Gecontroleerde experimenten laten zien dat het toepassen van specifieke GEO-strategieën, zoals het toevoegen van citaties, statistieken en een neutrale, feitelijke schrijfstijl, de zichtbaarheid in AI-antwoorden met tot wel 40% kan verhogen ten opzichte van niet-geoptimaliseerde baselines [1].

Bovendien gaat het bij GEO niet alleen om je eigen website, maar om het totale informatielandschap waaruit een model kan putten: jouw domein, plus alle externe bronnen die jou bevestigen, vermelden of citeren.

Hoe ‘beslist’ een AI-zoekmachine wat overtuigend is?

Een van de meest bruikbare inzichten uit onderzoek is dat taalmodellen sterk leunen op semantische relevantie en aantoonbare “justification” (waarom X het antwoord is op een vraag), en minder op signalen die mensen normaal associëren met kwaliteit, zoals toon of schrijfstijl [9]. Wan et al. (2024) laten zien dat de overtuigingskracht van een bron voor een LLM vooral wordt bepaald door de aanwezigheid van concreet bewijs: statistieken, bronverwijzingen en expliciete claims.

Dit klinkt contra-intuïtief, maar het verklaart veel:

Als jouw pagina semantisch relevant is voor een vraag, met de juiste terminologie, concrete concepten en een duidelijke match met de zoekintentie, dan wint het vaak van een pagina die alleen “beter geschreven” is. Promotionele, overtuigende tekst helpt minder dan je zou denken als het niet concreet en vraaggericht is.

Vertaling naar hoe je dit in de praktijk kunt gebruiken: schrijf niet alleen goed, maar schrijf in een “beantwoordbare toon.” Stel jezelf de vraag: als iemand dit letterlijk aan een AI zou stellen, kan die dan direct een antwoord uit deze tekst halen? Dit betekent korte, gerichte paragrafen, feitelijke claims met onderbouwing, en duidelijke conclusies.

Een concreet voorbeeld hiervan is het inbedden van een Q&A-sectie op een pagina. In plaats van informatie te verspreiden over lange alinea’s, structureer je de meest gestelde vragen expliciet als vraag en antwoord. Onderzoek laat zien dat dit de AI-zichtbaarheid aanzienlijk kan verhogen voor zogenaamde ‘long tail’ zoekopdrachten — specifieke, gedetailleerde vragen die gebruikers aan een LLM stellen [1]. De AI herkent de structuur direct als een bruikbare bron en kan het antwoord overnemen zonder verdere interpretatie.

Maak het een model makkelijk om je content als bouwsteen te gebruiken in een antwoord.

Earned media: waarschijnlijk de meest bepalende factor binnen GEO

Als ik op basis van mijn onderzoek één component zou moeten aanwijzen die het zwaarst weegt binnen GEO, dan is het earned media. Hiermee bedoel ik: vermeldingen, citaten, interviews, gastartikelen of referenties op externe websites die niet van jou zijn. Denk aan vakmedia, brancheplatforms, nieuwswebsites, podcasts, blogs met een sterke reputatie, of kennisplatforms waar experts publiceren.

Waarom earned media zo zwaar weegt

In klassieke SEO was earned media vooral een indirect signaal: je kreeg links, autoriteit en domeinwaarde. Bij GEO kan earned media een veel directere rol spelen, omdat generatieve zoekmachines bronnen selecteren op basis van onder andere autoriteit, onafhankelijkheid en consistentie over meerdere bronnen [2].

Chen et al. (2025) laten zien dat AI-zoekmachines zoals ChatGPT sterk prioriteit geven aan gezaghebbende bronnen van derden, zoals nieuwssites en academische journals, boven merkgebonden content, terwijl Google een meer gebalanceerde verdeling handhaaft tussen merk, earned en social media [2]. Dit onderscheid is weergegeven in Figuur 1. Deze conclusie leidt tot een belangrijk inzicht:

Als je alleen een claim maakt op je eigen website, voelt dat voor een model minder betrouwbaar dan wanneer diezelfde claim op meerdere onafhankelijke, gezaghebbende domeinen verschijnt. Daarom kan het voorkomen dat een AI je bedrijf niet noemt, ook al is je website inhoudelijk sterk, simpelweg omdat er te weinig externe, onafhankelijke verificatie is.

Niet alle earned media is gelijk

Een vermelding op een klein blogje is prima, maar een vermelding op een geverifieerd, gezaghebbend domein zoals sterke vakmedia, grote kennisplatforms of toonaangevende nieuwssites is vaak veel waardevoller. LLMs hebben de neiging om eerder te citeren uit bronnen die al een reputatie hebben als betrouwbare kennisbronnen [2].

Earned media werkt het beste wanneer je geciteerd kunt worden

Earned media is niet alleen: “je naam verschijnt ergens.” Het werkt het beste wanneer je geciteerd wordt met een duidelijke, feitelijke uitspraak, er context is over wie je bent en waarom je relevant bent, het artikel inhoudelijk aansluit bij vragen die mensen aan AI stellen, en je merk consistent wordt vermeld met dezelfde spelling en propositie.

Met andere woorden: GEO vereist earned media die inhoudelijk citeerbaar is.

Een praktisch GEO-framework

Hier zijn de GEO-principes die goed aansluiten bij wat wetenschappelijk onderbouwd is:

1. Maak je content machine-scanbaar

AI-systemen moeten snel kunnen vatten wat relevant is. Chen et al. (2025) beschrijven hoe websites steeds meer moeten functioneren als databronnen (API’s) voor AI [2]. Praktisch betekent dit: duidelijke koppen die vragen beantwoorden, korte definities, vergelijkingstabellen, stapsgewijze handleidingen, en expliciete conclusies en samenvattingen.

Als hygiënefactor is het ook raadzaam om JSON-LD schema markup toe te voegen aan je belangrijkste pagina’s. Hiermee kunnen AI-systemen feitelijke informatie direct uitlezen — zoals productspecificaties, contactgegevens of evenementinformatie — zonder interpretatie. Het voorkomt dat een model onjuiste of onvolledige informatie over je organisatie reproduceert. Schema markup is geen garantie voor hogere zichtbaarheid in AI-antwoorden, maar het zorgt er wel voor dat de informatie die een model over je vindt, correct is [7, 8].

2. Optimaliseer voor justification

AI-antwoorden geven vaak aanbevelingen met redenen. Aggarwal et al. (2024) laten zien dat het toevoegen van statistieken en citaties de AI-zichtbaarheid significant verhoogt [1]. Zorg dat je content duidelijke claims bevat (wat, waarom, wanneer), onderbouwd met data en voorbeelden. Vervang vage, kwalitatieve beschrijvingen door precieze, kwantitatieve data: niet “de markt groeide sterk,” maar “de sector kende 14,2% groei (CBS, Q3 2024).“

3. Bouw topical authority

Niet “we schrijven 100 blogs,” maar: één onderwerp, meerdere sterke pagina’s die naar elkaar linken, een consistente set termen en entiteiten, en liever tien diepgaande pagina’s over één onderwerp dan honderd oppervlakkige artikelen over tien verschillende onderwerpen. Door consistent aanwezig te zijn in externe vakliteratuur en op gespecialiseerde platforms, wordt je domein door AI gecategoriseerd als domeinexpert [2].

4. Zorg dat je informatie consistent is over het hele web

AI trekt signalen uit meerdere plekken: bedrijfsgegevens, definities en positionering, productomschrijvingen. Consistentie over bronnen versterkt de geloofwaardigheid voor een model.

5. Investeer doelbewust in earned media

Earned media werkt het beste als je het systematisch benadert. Bepaal welke vragen je wilt “ownen” in AI-antwoorden, identificeer welke gezaghebbende domeinen vaak als bron worden gebruikt voor die vragen, en zorg dat je op die domeinen wordt vermeld en geciteerd met content die past bij die vragen. Zorg er daarnaast voor dat externe bronnen niet alleen je naam noemen, maar ook linken naar specifieke, feitelijke landingspagina’s op je eigen website. Zo ontstaat er een “digitale voetafdruk” die de AI helpt om jouw domein te identificeren als de originele bron [2].

Alternatieve strategie: prompt-injectie

Er bestaat ook een andere aanpak die lijkt te werken: onderzoekers tonen aan dat AI-zoekmachines gemanipuleerd kunnen worden met zogenaamde prompt-injecties en vergelijkbare adversarial technieken [4, 6]. Door specifieke sequenties aan een webpagina toe te voegen die onzichtbaar zijn voor menselijke lezers, kan een model gedwongen worden om een lager gerankt resultaat toch als eerste aan te bevelen.

Los van ethiek leidt dit type tactiek tot een “prisoner’s dilemma”: als manipulatie de norm wordt, verslechtert de algehele betrouwbaarheid van generatieve zoekmachines voor alle gebruikers [4]. Bovendien is het een onhoudbare strategie: modellen worden proactief robuuster gemaakt tegen dergelijke injecties. Bedrijven die investeren in kwaliteit, gezaghebbende content bouwen een duurzaam voordeel op.

GEO is een doorlopend proces

Omdat generatieve zoekmachines black-box systemen zijn die continu evolueren en per zoekmachine aanzienlijk verschillen, is GEO geen checklist die je eenmalig afwerkt. Het is meer als performance marketing: meten, verbeteren, opnieuw meten.

Een belangrijk onderdeel daarvan is actief monitoren hoe je merk verschijnt in AI-antwoorden. Word je genoemd? In welke context? Bij welke vragen wel en welke niet? Zonder die baseline en periodieke meting weet je niet of je aanpak effect heeft.

Daarnaast is het goed om te beseffen dat AI-modellen geen statische systemen zijn. Met elke nieuwe modelversie verschuiven prioriteiten: ontwikkelaars richten zich telkens op het verbeteren van andere benchmarks, zoals feitelijke nauwkeurigheid, redeneervaardigheden of meertaligheid. Die technische keuzes beïnvloeden indirect welke bronnen een model als betrouwbaar beschouwt en hoe het informatie selecteert. Wat vandaag een sterk GEO-signaal is, kan over een jaar minder gewicht dragen.

Bovendien kan het huidige landschap van tekstgenererende modellen zelf veranderen. Als andere modelarchitecturen of zoekmethoden belangrijker worden, verandert ook de manier waarop bronnen worden opgehaald en gewogen. Wij gaan ervan uit dat fundamentele principes, zoals autoriteit, relevantie, feitelijkheid en consistentie, hun waarde behouden, maar specifieke tactieken kunnen meer of minder belangrijk worden naarmate de technologie evolueert.

Voor merken die serieus aan de slag gaan met GEO betekent dit: behandel het als een langetermijnproces. Blijf op de hoogte van recente AI-ontwikkelingen, blijf meten hoe je merk wordt gerepresenteerd, en pas je aanpak aan op basis van wat je observeert. Wie dat doet, bouwt een voorsprong op die bestand is tegen de onvermijdelijke veranderingen die komen gaan.

Wil je weten hoe jouw domein ervoor staat?

Wij kunnen een GEO-scan voor je bedrijf uitvoeren: een nulmeting die kijkt naar hoe goed je website en online aanwezigheid aansluiten bij de GEO-principes uit onze whitepaper. Een belangrijk onderdeel daarvan is ons eigen meetsysteem, dat laat zien hoe vaak en op welke manier je merk voorkomt in de antwoorden van grote LLM’s. Zo zie je concreet waar de earned media gaps liggen: onder welke relevante en gezaghebbende domeinen word je nog niet vermeld of geciteerd?

Dat geeft een direct actieplan: welke platforms, vakmedia of kenniswebsites hebben het meeste potentieel om artikelen, interviews of expertbijdragen op te plaatsen zodat je merk vaker verschijnt in AI-antwoorden? Naast earned media kijken we ook naar technische vindbaarheid, zoals paginasnelheid, AI-leesbaarheid, en praktische verbeterpunten. Als onderdeel van de scan ontvang je ook de volledige whitepaper die ten grondslag ligt aan onze aanpak, met verdere verdieping van de strategieën en concrete implementatievoorbeelden. Zo kun je gericht focussen op wat het meeste effect oplevert voor jouw specifieke domein en situatie.

Bronnen

[1] Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K., & Deshpande, A. (2024). GEO: Generative Engine Optimization. arXiv:2311.09735.

[2] Chen, M., Wang, X., Chen, K., & Koudas, N. (2025). Generative Engine Optimization: How to Dominate AI Search. arXiv:2509.08919.

[3] Florian Luttgenau, Imar Colic, and Gervasio Ramirez. Beyond SEO: A transformer-based approach for reinventing web content optimisation, 2025.

[4] Nestaas, F., Debenedetti, E., & Tramèr, F. (2024). Adversarial Search Engine Optimization for Large Language Models. arXiv:2406.18382.

[5] Fredrik Nestaas, Edoardo Debenedetti, and Florian Tramèr. Adversarial search engine optimization for large language models, 2024.

[6] Pfrommer, S., Bai, Y., Gautam, T., & Sojoudi, S. (2024). Ranking Manipulation for Conversational Search Engines. arXiv:2405.01535.

[7] Barry Schwartz. Structured data does not help with visibility in AI search. Search Engine Roundtable, sep 2025.

[8] Dan Taylor. Does schema help you surface more in Google’s AI Mode? Salt Agency, sep 2025.

[9] Wan, A., Wallace, E., & Klein, D. (2024). What Evidence Do Language Models Find Convincing? arXiv:2402.11782.