LSI-zoekwoorden (Latent Semantic Indexing) zijn woorden en woordgroepen die zoekmachines helpen de context van een pagina te begrijpen, en niet alleen het zoekwoord.
In SEO helpen gerelateerde termen oppervlakkige content te voorkomen, zorgen ze voor een bredere dekking van een onderwerp, maken ze het mogelijk om op een groter aantal zoekwoorden te targeten en laten ze zowel zoekmachines als gebruikers zien dat je expertise hebt binnen een bepaald onderwerp.
Hier is een feit dat veel SEO-professionals misschien zal verbazen: Google gebruikt LSI al heel lange tijd niet meer.
Maak je geen zorgen! Ik dacht zelf ook lange tijd dat LSI-zoekwoorden echt bestonden! 😂
- LSI-zoekwoorden en moderne zoekalgoritmen
- Wat gebruikt Google vandaag?
- De moderne interpretatie van LSI-zoekwoorden
- Waarom waardeert Google dit?
- Polyseme woorden
- Waarom zoeken mensen nog steeds naar "LSI-zoekwoorden"?
- Hoe vind je thematische zoekwoorden en gerelateerde termen?
- Thematische zoekwoorden en topical authority
- Tot slot
LSI-zoekwoorden en moderne zoekalgoritmen
De term LSI, oftewel Latent Semantic Indexing, verwijst naar een wiskundige methode die in de jaren 1980 werd ontwikkeld om computers te helpen begrijpen dat verschillende woorden vergelijkbare betekenissen kunnen hebben en als synoniemen kunnen functioneren.
Vandaag de dag vertrouwt Google op veel geavanceerdere machine learning-systemen, waaronder BERT, RankBrain en MUM.
Deze systemen zoeken niet simpelweg naar synoniemen of woorden die vaak samen voorkomen. In plaats daarvan analyseren ze context, gebruikersintentie en relaties tussen entiteiten om te bepalen of content daadwerkelijk antwoord geeft op de zoekopdracht van een gebruiker.
Wat gebruikt Google vandaag?
Google is al lange tijd verder gegaan dan het begrijpen van afzonderlijke woorden en richt zich nu op het begrijpen van context.
Ik heb de belangrijkste modellen al genoemd, maar laten we ze kort bekijken.
RankBrain
RankBrain was Google’s eerste grootschalige integratie van machine learning in zijn rankingsystemen. Het werd in 2015 geïntroduceerd.
Het belangrijkste doel was om Google te helpen zoekopdrachten te interpreteren die het nog nooit eerder had gezien of niet volledig begreep.
RankBrain koppelde onbekende woorden en woordgroepen aan concepten die het algoritme al begreep. Hierdoor kon Google de gebruikersintentie beter bepalen en relevantere zoekresultaten leveren.
BERT
BERT betekende een grote doorbraak op het gebied van natuurlijke taalverwerking (NLP).
BERT werd in 2019 geïntroduceerd en veranderde aanzienlijk de manier waarop Google zoekopdrachten interpreteerde.
Het model stelde Google in staat om woorden binnen hun omliggende context te analyseren in plaats van als geïsoleerde termen. Het houdt rekening met de woorden die voor en na een specifieke term staan, waardoor de zoekmachine de werkelijke betekenis van zowel zoekopdrachten als content beter kan begrijpen.
MUM
MUM was de volgende grote stap vooruit.
Het werd in 2021 geïntroduceerd en is aanzienlijk krachtiger dan BERT.
Een belangrijk kenmerk van MUM is de multimodale basis, waarmee Google tegelijkertijd tekst, afbeeldingen en video kan analyseren. In het moderne zoeklandschap zijn deze mogelijkheden nog verder geëvolueerd, wat heeft geleid tot geavanceerde systemen zoals Gemini.
Deze modellen vormen de basis van AI Overviews en moderne RAG-frameworks en maken het mogelijk om conceptuele relaties tussen verschillende mediavormen veel beter te begrijpen dan traditionele zoekwoorddatabases ooit konden.
Daardoor kan Google informatie diepgaander analyseren en een vollediger begrip ontwikkelen van zowel de content van een pagina als de gebruikersintentie.
Dit soort modellen vormt de basis van Google’s moderne zoeksystemen en stelt de zoekmachine in staat om context, entiteiten en betekenis veel effectiever te begrijpen dan tijdens het tijdperk van eenvoudige zoekwoordmatching mogelijk was.
De moderne interpretatie van LSI-zoekwoorden
Je vraagt je misschien af: als Google LSI niet langer gebruikt, waarom zou je er dan überhaupt nog een artikel over schrijven?
Het antwoord is eenvoudig. De term is diep verankerd geraakt in de SEO-cultuur. Veel SEO-professionals zijn tientallen jaren na de ontwikkeling van de oorspronkelijke technologie in de branche terechtgekomen, maar de term wordt vandaag de dag nog steeds veel gebruikt.
De realiteit is dat wanneer marketeers en SEO-specialisten het hebben over LSI-zoekwoorden, ze meestal niet verwijzen naar echte Latent Semantic Indexing.
In plaats daarvan hebben ze het over thematische woorden, entiteiten en contextueel gerelateerde termen. Met andere woorden: woorden en woordgroepen die van nature bij hetzelfde onderwerp horen als het primaire onderwerp.
In het verleden werden LSI-zoekwoorden vaak beschreven als synoniemen of nauw verwante woorden. Tegenwoordig wordt de term vaker gebruikt om woorden te beschrijven die tot hetzelfde thematische ecosysteem behoren.
Als het primaire zoekwoord bijvoorbeeld “mountain bike” is, kunnen gerelateerde thematische termen zijn: vering, frame, aandrijflijn, remsysteem, profiel van de banden, vork, wielmaat en vele andere.
Hoe meer relevante thematische woordenschat je op natuurlijke wijze in je content opneemt, hoe vollediger je het onderwerp behandelt.
Deze termen kunnen veelgebruikte vaktermen zijn, zeldzame technische terminologie, zeer gespecialiseerde concepten die alleen experts begrijpen, of zelfs slang die vaak door professionals en echte gebruikers wordt gebruikt.
Als gevolg daarvan krijgen zoekmachines een beter inzicht in het feit dat de auteur het onderwerp daadwerkelijk beheerst en de taal van de doelgroep spreekt.
Waarom waardeert Google dit?
Google maakt intensief gebruik van de Knowledge Graph.
De Knowledge Graph is een enorme database die entiteiten en concepten met elkaar verbindt via relaties.
Wanneer Google woorden als “roasting”, “Arabica”, “Robusta”, “koffiemachine” en “maalgradatie” samen met het woord “koffie” ziet, krijgt het een veel duidelijker beeld van de context van de pagina.
Hetzelfde principe geldt voor ambigue termen.
Als een pagina bijvoorbeeld het woord “Napoleon” bevat, moet Google bepalen of de content verwijst naar de historische figuur, de taart of een andere entiteit.
Als woorden als “keizer”, “Frankrijk”, “leger” en “veldslag” in de buurt voorkomen, kan de zoekmachine afleiden dat de pagina over Napoleon Bonaparte gaat.
Als er in plaats daarvan woorden als “room”, “lagen” en “dessert” voorkomen, kan Google concluderen dat de content over de taart gaat.
Op deze manier helpt thematische woordenschat om content te verrijken, context te verduidelijken en de thematische relevantie van een pagina te versterken.
Polyseme woorden
Deze woorden worden ook polyseme woorden genoemd. Het zijn woorden die meerdere verwante betekenissen hebben. Bijvoorbeeld: head (lichaamsdeel, leider, bovenste deel), run (rennen, functioneren, beheren), light (verlichting, niet zwaar), enzovoort.
Voorheen vormden ambigue woorden een enorme uitdaging voor zoekmachines. Tegenwoordig pakken moderne modellen voor natuurlijke taalverwerking dit probleem aan met behulp van vectorrepresentaties. In plaats van exacte tekens met elkaar te vergelijken, analyseert het algoritme de volledige zinsstructuur.
Daarom is het cruciaal om content te omringen met een rijke woordenschat die contextueel gerelateerd is: deze levert de semantische signalen die het algoritme nodig heeft om ambigue termen te koppelen aan overeenkomstige entiteiten in de Knowledge Graph.
Waarom zoeken mensen nog steeds naar “LSI-zoekwoorden”?
Hoewel Google vele jaren geleden is afgestapt van het traditionele concept van LSI, is de term nooit uit de SEO-industrie verdwenen.
Misschien zijn we er gewoon te gehecht aan geraakt.
Wanneer een SEO-professional het vandaag de dag over LSI-zoekwoorden heeft, verwijst die meestal niet naar echte Latent Semantic Indexing.
Meestal bedoelen ze thematische woorden, entiteiten, contextuele termen en professionele woordenschat die helpen om een onderwerp vollediger te behandelen en expertise aan te tonen.
Hoe vind je thematische zoekwoorden en gerelateerde termen?
Het vinden van thematische zoekwoorden begint met iets dat belangrijker is dan welke tool dan ook: je eigen expertise, logica en kennis van de niche. Er zijn echter ook verschillende methoden en tools die je kunnen helpen om relevante termen en entiteiten efficiënter te ontdekken.
Analyseer zoekresultaten
De eenvoudigste aanpak is om de zoekresultaten van Google te bestuderen. De zoekmachine zelf geeft aanwijzingen over welke onderwerpen, termen en entiteiten hij belangrijk vindt voor een bepaalde zoekopdracht.
Google Autocomplete
Begin een zoekopdracht in de zoekbalk van Google te typen, maar druk nog niet op Enter. Google zal automatisch aanvullende woordgroepen en zoekvarianten voorstellen.
Hier is een handige truc: voeg nadat je je primaire zoekwoord hebt ingevoerd één voor één verschillende letters van het alfabet toe. Elke letter activeert een nieuwe reeks autocomplete-suggesties, waarmee je een groot aantal gerelateerde zoekopdrachten en thematische termen kunt ontdekken.
People Also Ask
Dit is een van de waardevolste bronnen voor thematische ideeën.
De sectie People Also Ask bevat echte vragen van gebruikers die belangrijke subonderwerpen en onderwerpen onthullen die idealiter in je content moeten worden behandeld.
Gerelateerde zoekopdrachten
Onderaan de pagina met de zoekresultaten van Google vind je de sectie Gerelateerde zoekopdrachten.
Deze zoekopdrachten bevatten vaak aanvullende entiteiten, concepten en contentideeën die je artikel aanzienlijk kunnen verrijken.
Concurrentieanalyse
Bestudeer drie tot vijf websites die al goed ranken voor je doelzoekwoord.
Let op hun H2- en H3-koppen, terminologie, vakjargon en ongebruikelijke woordgroepen.
Bekijk ook zorgvuldig hun FAQ-secties en de opbouw van hun artikelen. Belangrijke thematische entiteiten zijn vaak verborgen in deze secties.
Knowledge Graph
Ontdek wat Google al over je onderwerp weet.
Als je bijvoorbeeld zoekt naar “mountain bike”, kan Google naast de zoekresultaten een Knowledge Panel tonen.
Bekijk dit zorgvuldig. Deze panels bevatten vaak gerelateerde entiteiten, kenmerken, merken, categorieën en andere belangrijke thematische elementen.
Artificial Intelligence
AI kan ook een uitstekende tool zijn om thematische woordenschat te ontdekken.
De sleutel is om de juiste vraag te stellen.
Als je bijvoorbeeld zoekt naar woorden die bij het onderwerp van de zoekopdracht “Keyword Research” horen, kun je een prompt zoals deze gebruiken:
Geef thematische termen die gerelateerd zijn aan het hoofdzoekwoord “Keyword Research”, zonder de woordgroep ‘keyword research’ zelf te gebruiken.
Het antwoord kan termen bevatten zoals zoekvolume, SERP, long-tail-zoekwoorden, zoekintentie, rankings, concurrentie en vele andere concepten die met het onderwerp samenhangen.
Gebruik de juiste SEO-tools
Gespecialiseerde SEO-tools kunnen het proces van het vinden van thematische zoekwoorden aanzienlijk versnellen.
KeywordStat kan met slechts enkele klikken gerelateerde thematische termen identificeren, waardoor het voorbereiden van content veel efficiënter wordt.
Reverse engineering
Benader het probleem als een expert.
Bekijk succesvolle pagina’s die in de zoekresultaten ranken en identificeer welke entiteiten, concepten en termen daar het vaakst voorkomen.
Maak een topic association map
Begin met je primaire onderwerp en maak er een associatiekaart omheen.
Als je onderwerp bijvoorbeeld recepten is, kunnen gerelateerde concepten eiwitten, vitaminen, voeding, gezondheid, calorieën, ingrediënten, kookmethoden en maaltijdbereiding zijn.
Breid vervolgens elke tak verder uit door aanvullende gerelateerde concepten en termen toe te voegen.
Met deze methode kun je snel een uitgebreide lijst met thematische zoekwoorden samenstellen en tegelijkertijd een beter inzicht krijgen in de toekomstige structuur van je artikel.
Thematische zoekwoorden en topical authority
Hoe hangen deze twee concepten met elkaar samen?
Het antwoord is vrij eenvoudig. Google wil signalen zien dat je pagina daadwerkelijk bij een specifiek onderwerp hoort en dat je echte expertise hebt binnen die niche, in plaats van simpelweg content rond een bepaald zoekwoord te creëren.
Als je je onderwerp echt begrijpt, ben je vanzelf vertrouwd met een groot aantal vaktermen, concepten, entiteiten en professionele uitdrukkingen die met dat vakgebied verband houden.
Hoe meer relevante thematische woordenschat je op natuurlijke wijze in je content verwerkt, hoe gemakkelijker het voor zoekmachines wordt om te begrijpen hoe diepgaand je het onderwerp behandelt.
Dit betekent niet dat je zoekwoorden in elke alinea moet forceren. In plaats daarvan moeten thematische termen op natuurlijke wijze verschijnen als resultaat van het diepgaand bespreken van het onderwerp.
Wanneer zoekmachines voortdurend relevante entiteiten, concepten en terminologie door je content heen zien terugkomen, krijgen ze meer vertrouwen dat je pagina daadwerkelijk over het onderwerp gaat en niet alleen op een zoekwoord is gericht.
Tot slot
Je hebt je inmiddels waarschijnlijk gerealiseerd dat de meeste marketeers en SEO-professionals de term LSI Keywords enigszins onnauwkeurig gebruiken.
We zijn simpelweg gewend geraakt aan de terminologie, ook al wordt de oorspronkelijke technologie niet langer gebruikt door moderne zoekmachines.
Dat gezegd hebbende, is er niets mis mee om de term te blijven gebruiken, zolang je begrijpt wat deze daadwerkelijk betekent.
Wanneer mensen het vandaag de dag over LSI-zoekwoorden hebben, verwijzen ze meestal niet naar Latent Semantic Indexing. In plaats daarvan hebben ze het over thematische zoekwoorden, entiteiten, professionele terminologie, contextuele woordenschat en semantisch gerelateerde concepten.
Als je de term op die manier begrijpt, is er geen probleem om hem te gebruiken.
Je kunt deze thematische termen vol vertrouwen opnemen in je SEO-strategie om je content te verrijken, expertise aan te tonen en zoekmachines te helpen het onderwerp van je website beter te begrijpen.
Uiteindelijk is het doel niet om meer zoekwoorden toe te voegen. Het doel is om een onderwerp zo volledig mogelijk te behandelen en te communiceren in de taal van je doelgroep.
Dat was het van mijn kant. Bedankt voor het lezen van dit artikel. Bekijk ook de andere bronnen op deze blog en maak gebruik van onze tools voor zoekwoordonderzoek en zoekwoordanalyse.
