Social Rocket
ChatGPT en andere AI-zoekdiensten worden voor merken een nieuw ontdekkingskanaal. Er bestaat echter geen gegarandeerde methode om daar aanbevolen te worden: OpenAI wijst er uitdrukkelijk op dat zoekresultaten op basis van meerdere factoren worden gerangschikt en dat een plaatsing niet gegarandeerd is.
Toch kunnen bedrijven een aantal concrete basisvoorwaarden creëren. Daartoe behoren vooral crawlbare websites, originele content met eigen ervaring en gegevens, en pagina's die afzonderlijke vragen van gebruikers duidelijk beantwoorden.
1. Technisch zorgen dat ChatGPT de website kan vinden
Het belangrijkste technische punt is verrassend eenvoudig: de pagina moet bereikbaar zijn voor de zoekcrawler. OpenAI noemt daarvoor de OAI-SearchBot. Wie die per ongeluk blokkeert in het robots.txt-bestand, in het CDN of via bescherming tegen bots, bemoeilijkt het opnemen van eigen content in ChatGPT-zoekresultaten.
OpenAI adviseert publishers daarom om OAI-SearchBot toe te laten. Technische teams moeten bovendien controleren of firewall-, WAF- of CDN-regels geautomatiseerde toegang blokkeren. Een vrijgave maakt een website alleen vindbaar – het is geen garantie voor ranking.
Voor marketingteams loont het daarom om een korte technische check uit te voeren:
- Is OAI-SearchBot in het robots.txt-bestand toegestaan?
- Leveren belangrijke landingspagina's zonder login of onnodige JavaScript-drempels bruikbare content op?
- Blokkeren Cloudflare of andere beveiligingssystemen legitieme crawlers?
- Zijn sitemap, canonicals en indexeringsregels correct onderhouden?
2. Content publiceren die niet inwisselbaar is
De op dit moment belangrijkste content-hefboom is minder "schrijven voor AI" en meer iets publiceren wat een AI niet willekeurig zelf kan genereren. In het recente Social Media Examiner-interview adviseert AI-strateeg Liron Segev daarom vooral eigen data, concrete ervaringen, praktijkvoorbeelden en specifieke resultaten.
Dat is ook relevant voor social- en creator-marketing. Een generiek artikel als "10 tips voor betere reels" concurreert met duizenden vergelijkbare pagina's. Een bijdrage met eigen campagnedata, navolgbare methodiek of een uitgebreide creator-case levert daarentegen extra informatie op waarnaar een zoeksysteem kan verwijzen.
Deze verschuiving is al zichtbaar in creator-marketing: briefings houden steeds vaker ook rekening met zichtbaarheid in AI-zoekopdrachten, niet alleen met bereik op het platform zelf.
3. Afzonderlijke vragen helder en zelfstandig beantwoorden
Voor AI Visibility hoeven content niet kunstmatig naar machines te klinken. Nuttig is wel een structuur waarin losse antwoorden ook zonder lange context begrijpelijk blijven.
Praktisch betekent dit:
- concrete tussenkopjes in plaats van vage hoofdstuktitels,
- het kernantwoord vroeg in de paragraaf,
- cijfers altijd met bron en context,
- heldere termen in plaats van onnodig marketingtaal,
- afzonderlijke paragrafen zo schrijven dat ze ook los van de rest begrijpelijk zijn.
Dit is geen nieuw SEO-geheim, maar goed informatieontwerp. Het helpt mensen bij het scannen van een pagina en maakt tegelijk relevante passages makkelijker vindbaar.
Nieuwe retrieval-observatie: ChatGPT lijkt pagina's per deel te selecteren
Een recente vondst uit de GEO-scene geeft voor het eerst een ongewoon gedetailleerd beeld van het lopende retrieval-proces. Metehan Yeşilyurt van Peec AI meldt op 8 september 2026 in de Server-Sent Events van ChatGPT een uitgebreide debug-weergave van de websearch te hebben waargenomen. OpenAI heeft deze weergave tot nu toe niet publiek gedocumenteerd of de daaruit afgeleide details bevestigd. De volgende punten zijn daarom observaties van een externe onderzoeker en geen officieel rankingdocument.
Bij een testprompt over de "beste AI-visibility-tools" zou ChatGPT volgens Yeşilyurt vijf zoekrondes hebben uitgevoerd, 18 verschillende zoekopdrachten geformuleerd, 50 engine-aanroepen gedaan, 228 resultaten verzameld en 223 URL's voor verdere verwerking opgehaald. In het uiteindelijke antwoord verschenen daarvan slechts 16 bronnen.
Voor publishers nog interessanter is de waargenomen verwerking van afzonderlijke pagina's. Volgens Yeşilyurt wordt de paginainhoud niet als volledige HTML aan het antwoordmodel doorgegeven, maar eerst omgezet naar een markdown-achtige tekstweergave. Het waargenomen formaat lijkt sterk op de Python-tool `html2text`, al blijkt het niet als onveranderde standaardimplementatie te zijn. Deze gerenderde tekst wordt vervolgens in blokken van ongeveer 170 woorden verdeeld en beoordeeld. Per bron kwamen in zijn steekproeven meestal slechts een tot drie geselecteerde blokken in de uiteindelijke context.
Dat zou verklaren waarom op zichzelf begrijpelijke paragrafen belangrijker kunnen zijn dan een perfecte opbouw van de pagina als geheel. Een belangrijk getal, een beperking of een kernboodschap staat idealiter in dezelfde paragraaf als de vraag die het beantwoordt. Informatie die pas enkele schermen verderop wordt uitgelegd, kan bij chunk-gebaseerde selectie makkelijker van de vraag worden losgekoppeld.
Yeşilyurt meldt verder dat in de waargenomen stream onder meer de volgende informatie werd meegevoerd:
- herschreven zoekopdrachten en de daarbij gebruikte zoek-/retrieval-engines,
- scores voor afzonderlijke zoekresultaten en afzonderlijke tekstblokken,
- een beslissing of een resultaat überhaupt volledig opgehaald moet worden,
- crawl- en publicatiedata,
- een verdere sortering van domeinen vóór het genereren van het antwoord,
- en een vast woordbudget per bron.
Ook metadata lijkt een rol te spelen. In Yeşilyurts steekproeven werden ruwe `meta_tags` met de resultaten meegestuurd, terwijl een apart `og_data`-object leeg bleef. Daaruit valt nog niet af te leiden welke meta-tags daadwerkelijk invloed op de ranking hebben. Het spreekt wel tegen het idee dat ChatGPT uitsluitend de zichtbare lopende tekst van een pagina verwerkt.
Wat deze observatie voor AI Visibility kan betekenen
Als het gedrag via verdere tests wordt bevestigd, volgen daaruit enkele praktische consequenties:
- Eén gebruikersvraag kan veel verborgen zoekopdrachten opleveren. Content moet daarom niet alleen één exacte formulering raken, maar ook aangrenzende begrippen en beslisvragen zinvol meenemen.
- Gevonden worden is niet hetzelfde als geciteerd worden. In de beschreven test werden meer dan 200 URL's verwerkt, maar slechts 16 bronnen zichtbaar geciteerd.
- Paragrafen concurreren met elkaar. Een goede pagina kan als geheel relevant zijn, terwijl slechts één afzonderlijk blok het selectieproces wint of verliest.
- Kernboodschappen moeten lokaal begrijpelijk zijn. Kop, boodschap, getal, beperking en bron horen zoveel mogelijk dicht bij elkaar.
- Metadata goed onderhouden blijft zinvol, ook al kan uit de observatie geen betrouwbare weging van afzonderlijke tags worden afgeleid.
De belangrijkste kanttekening: dit is een momentopname van een waargenomen productiesysteem. Retrieval-pipelines, modellen en interne drempelwaarden kunnen altijd veranderen. De data zijn daarom beter geschikt om robuuste contentprincipes te onderbouwen dan om nieuwe "170-woorden-ranking-hacks" te verzinnen.
Ook bestaande content hoeft dus niet in het archief te verdwijnen. Bij platformformaten zoals nieuwsbrieven kan een zorgvuldige herziening extra vindbaarheid opleveren. Daarbij past onze gids over hoe oudere LinkedIn-nieuwsbrieven verder kunnen worden geoptimaliseerd.
4. Gebruik vragen van support, sales en de community als bron voor onderwerpen
In plaats van alleen zoekwoordlijsten af te werken, raadt Segev aan om echte klantvragen te verzamelen uit supporttickets, verkoopgesprekken en reacties in de community. Voor merken is dat bijzonder nuttig, omdat deze vragen vaak dichter bij echte beslissingsproblemen liggen dan generieke zoektermen.
Een SaaS-aanbieder zou bijvoorbeeld niet alleen moeten uitleggen wat zijn product kan. Relevanter zijn ook vragen als: Voor welke teamgrootte loont het? Welke gegevens zijn nodig? Welke integraties ontbreken? Wat kost de overstap? Welke fouten komen in de praktijk voor?
Zo ontstaat een themacluster langs de werkelijke customer journey, in plaats van alleen rond de productnaam.
5. AI Visibility meten – maar niet met één enkele kengetal
OpenAI legt in zijn Publisher-FAQ uit dat ChatGPT referral-links voorziet van de parameter utm_source=chatgpt.com. Daarmee is het inkomende verkeer vanuit ChatGPT in Analytics beter te herkennen.
Dat is als enige kengetal echter niet voldoende. Merken moeten daarnaast bijhouden bij welke vragen ze überhaupt in AI-antwoorden verschijnen, welke pagina's worden geciteerd en of daaruit gekwalificeerde bezoeken of conversies voortkomen. De nieuwe retrieval-observaties onderstrepen bovendien dat fetches en geselecteerde tekstblokken van zichtbare citaties apart moeten worden bekeken, voor zover de bijbehorende meetgegevens al beschikbaar zijn.
Net als bij social media geldt: zichtbaarheid zonder een passend bedrijfsdoel is maar beperkt zeggingskracht. Een kader hiervoor vind je in ons overzicht van social-mediadoelen en KPI's.
Wat marketeers hieruit moeten meenemen
AI Visibility is 2026 geen vervanging voor SEO, PR of social media. Het vergroot veeleer het aantal kanalen waarop een merk ontdekt kan worden. Wie technisch crawlbaar is, originele informatie publiceert en klantvragen precies beantwoordt, creëert betere voorwaarden voor deze nieuwe vorm van zoeken.
De momenteel waargenomen retrieval-data passen bij dit beeld: ChatGPT lijkt een vraag op te splitsen in talrijke zoekroutes, veel bronnen te controleren en daaruit alleen kleine fragmenten voor het antwoord te selecteren. Dat vergroot de waarde van helder gestructureerde, op zichzelf begrijpelijke passages – maar garandeert nog steeds geen aanbeveling of citatie.
Belangrijk blijft de grens tussen optimalisatie en belofte: niemand kan een ChatGPT-aanbeveling garanderen. OpenAI zelf zegt uitdrukkelijk dat de plaatsing van meerdere factoren afhangt.