Hoe kom ik in ChatGPT terecht?

Je kunt niet aanmelden bij ChatGPT zoals je vroeger een site aanmeldde bij Google. Er is geen formulier en geen wachtrij. Wat er wel is: een aantal manieren waarop een taalmodel aan jouw naam komt, en die kun je alle drie beïnvloeden.

Hoe komt een taalmodel eigenlijk aan zijn antwoord?

Grofweg op twee manieren. Uit wat er tijdens de training in het model is gaan zitten, en uit wat het op dat moment ophaalt van internet. Dat tweede is voor jou het interessantst, want daar zit geen jaren durende vertraging in.

Als iemand vraagt “welk marketingbureau in Heerlen doet AI-automatisering”, dan zoekt het model, leest het een handvol pagina’s en vat die samen. Sta je niet tussen die pagina’s, dan besta je in dat antwoord niet.

Wat maakt een pagina bruikbaar voor een model?

Citeerbaarheid. Een model dat één alinea moet kiezen, kiest de alinea die de vraag letterlijk beantwoordt zonder eromheen te praten. Dus: het antwoord bovenaan, in gewone zinnen, met de naam van je bedrijf en de plaats erin.

Daarnaast wil een model weten of het je kan vertrouwen. Dat leest het af aan saaie dingen: staan je bedrijfsgegevens overal hetzelfde, klopt je Google-profiel, staat er gestructureerde data op de pagina, is er een auteur met een naam.

En als ik nergens genoemd word?

Dan is de vraag meestal niet wat je aan AI moet doen, maar wat je aan je gewone vindbaarheid moet doen. Modellen halen hun bronnen grotendeels uit dezelfde hoek als Google. Wie daar onzichtbaar is, is het in een AI-antwoord ook.

Er is één uitzondering die vaak vergeten wordt: vermeldingen op sites van anderen. Een brancheoverzicht, een lokaal nieuwsbericht, een klant die over je schrijft. Die tellen zwaar mee, juist omdat ze niet van jezelf komen.

Zo doen wij dit

We beginnen met de vragen die klanten je echt stellen, letterlijk opgeschreven zoals ze klinken. Per vraag één pagina, met het antwoord in de eerste veertig tot zestig woorden. Niet omdat een tool dat adviseert, maar omdat dat het stuk is dat geciteerd wordt.

Daarna maken we het machineleesbaar: FAQ- en Organization-schema, een llms.txt met de kern van wat je doet, en overal exact dezelfde bedrijfsnaam, adres en telefoonnummer. Deze site is het voorbeeld: elke dienstpagina hier opent met zo’n antwoordblok en er staat een llms.txt op de root.

Vervolgens meten we het handmatig. Elke maand stellen we dezelfde tien vragen aan ChatGPT, Perplexity en de AI-overzichten van Google, en noteren we of je genoemd wordt en met welke bron. Dat is geen dashboard, dat is werk. Maar het is wel het enige eerlijke antwoord op de vraag of het werkt.

De fout die we het vaakst zien

Vraagvormen in elke tussenkop plakken en denken dat je daarmee klaar bent. Een model zoekt geen vraagteken, het zoekt een antwoord dat klopt. Wie zijn tekst volstopt met vragen waar vervolgens niets concreets onder staat, maakt de pagina slechter leesbaar voor mensen en niet beter citeerbaar voor machines.

Bronnen

• Google Search Central, documentatie over AI-overzichten en gestructureerde data
• Schema.org, specificatie van FAQPage en Organization
• Eigen metingen in ChatGPT, Perplexity en Google AI-overzichten, augustus 2026

Hier helpen we mee: SEO en GEO