Waarom shortcuts ook in AI Search uiteindelijk verliezen

Rond 2011 kreeg Lily Ray van haar toenmalige CEO een aanbod. Breng het bedrijf naar positie één in Google en je krijgt een drumstel.

Ray ontdekte een bijzonder effectieve SEO-strategie. Links kopen. Heel veel links kopen. Het werkte. Tot Google Penguin kwam. De rankings verdwenen vrijwel volledig.

Het drumstelverhaal is grappig. De les iets minder.

Meer dan tien jaar later ziet Ray hetzelfde patroon opnieuw ontstaan rond AI Search. Een nieuwe distributielaag verschijnt. Niemand begrijpt hem volledig. Iedereen wil snel winnen. En binnen een paar maanden verschijnen de shortcuts.

De eerste GEO-playbook zag er ongeveer zo uit

Voeg FAQ’s toe. Maak korte antwoorden. Gebruik bullets. Voeg schema toe. Publiceer comparison pages. Maak een llms.txt. Noem jezelf de beste. Schrijf meer definities. Chunk je content.

Een deel daarvan kan prima zijn. Heldere content is fijn. Structured data is nuttig. Vergelijkingspagina’s kunnen fantastisch werken. Maar dat maakt ze nog geen AI-rankingfactoren.

Google publiceerde in 2026 zelfs expliciet een mythbusting-sectie over dit onderwerp. Voor generatieve Search zegt Google onder andere dat er geen speciale AI-markup nodig is, geen speciaal schema, dat llms.txt Google Search niet helpt, dat content niet kunstmatig gechunkt hoeft te worden, dat je niet speciaal voor een LLM hoeft te schrijven, en dat inauthentieke mentions geen shortcut zijn.

Dat is opvallend duidelijke taal.

Schema is context. Geen reputatie.

Ik zie structured data ongeveer zo: het helpt een machine begrijpen dat dit een product is, dit de prijs, dit de organisatie en dit de auteur. Super nuttig.

Maar schema kan een machine niet overtuigen dat dit een goed product is. Daarvoor heb je bewijs nodig.

Een preprint uit 2026 onderzocht 730 AI-citations over 75 commerciële queries en vond geen positieve onafhankelijke relatie waarmee je kunt stellen dat schema op zichzelf AI-citations veroorzaakt.

Dat betekent niet dat je al je structured data moet verwijderen. Dat zou een bijzonder creatieve conclusie zijn. Het betekent: verwacht niet dat markup een authority-probleem oplost.

Hetzelfde geldt voor FAQs

Stel dat jouw bedrijf nauwelijks door ChatGPT wordt aanbevolen. Dan kan de oorzaak een crawlerblokkade zijn, zwakke retrieval, weinig externe merkvermeldingen, verkeerde entity association, slechte reviews, weinig bewijs van expertise, sterke concurrenten, irrelevante content of verouderde productinformatie.

Je oplossing: acht FAQs onderaan de homepage. Optimistisch.

Ivana Drakulevska’s funnelmodel is hier nuttig. Schema of FAQ-formatting zit voornamelijk rond informatieoverdracht en interpretatie. Maar als je probleem eerder in de keten zit, bijvoorbeeld bij discovery of retrieval, of juist later bij entity representation en recommendation, dan repareer je het verkeerde onderdeel.

Google heeft zelfs laten zien dat je eigen listicle tegen je kan werken

Dit is een van mijn favoriete GEO-studies van 2026. Lily Ray analyseerde 100 B2B-queries in de vorm “best [category] software” op drie momenten tussen april en juni. Van de 100 queries genereerden er 80 een AI Overview. Binnen die antwoorden werden self-promotional listicles van merken 323 keer geciteerd.

Bijvoorbeeld: een softwarebedrijf publiceert “de 10 beste LMS-systemen” en zet zichzelf uiteraard bovenaan. Wat gebeurde er?

Dat is fantastisch. Je schrijft een artikel waarin je uitlegt waarom jij nummer één bent. Google leest het. Gebruikt je research. En raadt vervolgens je concurrent aan. SEO heeft humor.

Een citation is geen recommendation.

Dit vertelt ons iets groters

AI Search lijkt steeds beter onderscheid te maken tussen een informatiebron en een aanbevelingswaardige entiteit.

Jouw pagina kan uitstekend zijn voor feiten. Maar wanneer een gebruiker vraagt welke leverancier hij zou moeten kiezen, kan het systeem sterker leunen op onafhankelijke reviews, externe aanbevelingen, merkbekendheid, reputatie, consistentie, echte expertise en productervaringen.

Met andere woorden: je kunt je eigen facts optimaliseren. Je kunt jezelf niet zo makkelijk tot consensus markeren. En eigenlijk is dat gezond.

Wat verdient dan wél AI recommendations?

1. Content depth

Niet lengte om de lengte, maar echte antwoorden: originele kennis, eerstehands ervaring, actuele voorbeelden, eigen data, duidelijke comparisons, nuance, beperkingen en methodology. Content waar een machine iets uit kan leren wat niet op vijftig andere pagina’s staat.

2. Reputation

Wat zegt het web wanneer jij niet zelf aan het woord bent? Reviews, vakmedia, Reddit, podcasts, communities, vergelijkingen, klanten, experts. Dit is waarom PR steeds dichter tegen SEO aankruipt.

3. Entity clarity

Is overal duidelijk wie je bent, wat je verkoopt, voor wie, in welke landen, binnen welke categorie en waarin je anders bent? Een merk dat zichzelf op tien verschillende manieren positioneert, maakt het een AI niet makkelijker.

4. Consistent external evidence

Eén artikel dat zegt dat je fantastisch bent is marketing. Twintig onafhankelijke bronnen die consequent dezelfde expertise aan je merk koppelen beginnen op reputatie te lijken. Dat is veel moeilijker om te faken. Precies daarom is het waardevol.

Mijn 2027-roadmap zou daarom verrassend ouderwets zijn

1. Zorg dat machines je kunnen bereiken. Technical SEO, crawler access, HTML, interne linking, structured data waar nuttig.
2. Zorg dat je iets weet. Expertise, data, cases, ervaring.
3. Bewijs dat anderen dat ook vinden. Reviews, PR, communities, klanten, externe bronnen.
4. Maak je merk extreem duidelijk. Wie, wat, voor wie, waarom.
5. Meet recommendation, niet alleen citation.

Want uiteindelijk koop je vrij weinig van “ChatGPT gebruikte onze blog als voetnoot”. Je wilt “ChatGPT noemt ons wanneer een potentiële klant vraagt wie hij moet kiezen”.

GEO is nieuw. Menselijk gedrag helaas niet.

Iedere nieuwe marketingdiscipline begint ongeveer hetzelfde. Eerst is er verwarring. Dan opportunity. Dan tools. Dan goeroes. Dan shortcuts. Dan schaal. Daarna ontdekken platforms dat iedereen dezelfde shortcuts gebruikt. En vervolgens worden de shortcuts steeds minder waardevol.

SEO heeft deze cyclus al tientallen keren doorlopen. Keyword stuffing. Article spinning. Link farms. Exact-match domains. Mass guest posting. Scaled content. AI Search gaat geen uitzondering zijn.

Daarom vind ik Lily Ray’s oude Penguin-verhaal zo relevant. Niet omdat SEO in 2026 hetzelfde is als in 2012. Maar omdat incentives hetzelfde zijn. Iedereen zoekt de snelste route.

Terwijl duurzame visibility uiteindelijk meestal komt van iets aanzienlijk saaier: daadwerkelijk goed en betrouwbaar zijn in het onderwerp waarvoor je gevonden wilt worden.

Niet de meest spannende GEO-hack. Wel eentje met een opvallend goede track record.