LLM-optimalisatie

LLM-optimalisatie is het proces waarbij een website wordt geoptimaliseerd om deze begrijpelijk, betrouwbaar en toegankelijk te maken voor de meeste Large Language Models (LLM’s).

Zoals ChatGPT, Google AI Overview, Gemini, Claude, Grok, Perplexity en andere, zodat de content op de website kan worden gebruikt om antwoorden te genereren.

Hoe zorg je ervoor dat ChatGPT, Claude en Gemini jouw merk aanbevelen?

Steeds meer gebruikers openen niet langer Google en vergelijken niet tientallen websites. In plaats daarvan stellen ze AI-systemen rechtstreeks vragen: Welke AI-tool is beter, Gemini of ChatGPT? Welke dienst moet ik gebruiken voor zoekwoordonderzoek? Kun je de beste AI Writer voor SEO aanbevelen?

In hun antwoorden tonen ChatGPT, Claude, Gemini en Perplexity geen lijst met links. In plaats daarvan bevelen ze enkele producten aan en leggen ze kort uit waarom deze de moeite waard zijn om te gebruiken of te overwegen.

Dit leidt tot een nieuwe vraag voor veel bedrijven: waarom bevelen AI-systemen sommige merken wel aan en noemen ze andere nooit?

Dit wordt LLM Optimization genoemd: een discipline die erop is gericht de kans te vergroten dat Large Language Models informatie over jouw product gebruiken en het in hun antwoorden aanbevelen.

Als traditionele SEO de vraag beantwoordt “Hoe zorg je ervoor dat je in de zoekresultaten verschijnt?”, dan beantwoordt AI-optimalisatie een andere vraag: hoe zorg je ervoor dat AI-systemen jouw website of merk aanbevelen?

Dit is een belangrijk en fundamenteel verschil, omdat de gebruiker bij traditionele zoekopdrachten zelf kiest op welke link hij klikt. Bij AI Search wordt die keuze door het taalmodel gemaakt.

Daarom is het niet langer voldoende om alleen de pagina’s van je website te optimaliseren. Je moet ook de algehele online aanwezigheid van je merk optimaliseren. Precies daarom wordt AI-optimalisatie een nieuw kanaal om verkeer aan te trekken.

Elke aanbeveling van ChatGPT of Gemini is in feite het digitale equivalent van een persoonlijke aanbeveling. Als een gebruiker vraagt welke dienst het beste is voor zoekwoordonderzoek, verwacht hij een zorgvuldig samengestelde lijst met betrouwbare oplossingen — niet alleen een overzicht van tools met beschrijvingen en functies. Daarom geven AI-systemen een volledig antwoord over het aanbevolen product.

Waarin verschilt LLM Optimization van SEO en AEO?

Deze disciplines zijn nauw met elkaar verbonden, maar ze lossen volledig verschillende problemen op. Laten we de vergelijking hieronder bekijken.

SEO	AEO	LLM Optimization
Helpt hogere posities in de zoekresultaten te bereiken	Helpt content te laten verschijnen in door AI gegenereerde antwoorden	Helpt je merk een AI-aanbeveling te worden
Het belangrijkste doel is verkeer	Het belangrijkste doel zijn contentcitaten	Het belangrijkste doel zijn merkvermeldingen
Paginaoptimalisatie	Antwoordoptimalisatie	Optimalisatie van de digitale reputatie en kennisaanwezigheid van je merk
Werkt voornamelijk met de website	Werkt met content	Werkt met het volledige merkuniversum

Geen van deze disciplines concurreert met de andere. Ze vullen elkaar juist aan en vormen samen een geïntegreerde strategie voor de digitale aanwezigheid van je merk in het tijdperk van kunstmatige intelligentie.

GEO of LLMO: wat is het verschil?

Toen AI-aangedreven zoekopdrachten voor het eerst opkwamen, namen marketeers al snel twee nieuwe termen over: GEO (Generative Engine Optimization) en LLMO (Large Language Model Optimization).

Dus wat is het verschil?

GEO (Generative Engine Optimization) richt zich op AI-aangedreven zoekmachines zoals Perplexity, Google AI Overviews en SearchGPT. Het belangrijkste doel van GEO is ervoor te zorgen dat het RAG-algoritme (Search + AI), dat in realtime informatie van het web ophaalt, jouw website vindt, deze als betrouwbaar beschouwt en er een link naar opneemt in het gegenereerde antwoord.

LLMO (Large Language Model Optimization) heeft een bredere aanpak. Het richt zich op de aanwezigheid van je merk binnen het taalmodel zelf. Het doel van LLMO is om sterke associaties (embeddings) op te bouwen in het “geheugen” van het neurale netwerk.

Als ChatGPT of Claude geen toegang tot internet zou hebben en een gebruiker zou vragen: “Kun je de beste tool voor zoekwoordonderzoek aanbevelen?”, dan zou het model je merk nog steeds moeten noemen op basis van de kennis die het tijdens de training heeft opgedaan.

Waarom bevelen ChatGPT en andere LLM’s sommige producten aan en negeren ze andere?

Dit is een van de meest voorkomende vragen onder SaaS-founders en marketeers.

Aanbevelingen worden door veel verschillende factoren beïnvloed. Large Language Models analyseren hoeveel informatie er over verschillende bronnen beschikbaar is om te bepalen welke bedrijven het vaakst worden genoemd, hoe autoritatief ze zijn en hoe gebruikers ze beoordelen.

Voor welke taalmodellen moet je optimaliseren?

Wanneer we het over LLM Optimization hebben, denken veel mensen meteen aan ChatGPT, omdat dit een van de grootste spelers op de markt is.

Er zijn echter veel andere Large Language Models en elk daarvan heeft zijn eigen kenmerken. Laten we daarom elk model nader bekijken.

ChatGPT (OpenAI)

ChatGPT is een van de populairste AI-assistenten ter wereld. Het werd oorspronkelijk geïntroduceerd als een model voor tekstgeneratie, maar is inmiddels uitgegroeid tot een van de meest geavanceerde ecosystemen voor complexe redeneringen, programmeren en diepgaande analyse.

Het verzamelt merkinformatie uit wereldwijde archieven zoals Common Crawl, maar ook uit autoritatieve reviewdatabases en realtime zoekopdrachten op het web die door Bing worden aangedreven.

Dankzij de diepe integratie met Apple Intelligence verwerkt het ChatGPT-ecosysteem zoekcontexten die door Applebot zijn samengesteld, waardoor de technische documentatie van je merk voldoet aan de vereisten van Apple.

Maak je content zo specifiek mogelijk: verwijder overbodige informatie en beantwoord vragen van gebruikers rechtstreeks. Als aanvullende stap kun je een llms.txt-bestand in de root van je website plaatsen — een onofficieel maar steeds populairder formaat.

Gemini (Google)

Gemini is diep geïntegreerd in het ecosysteem van Google en wordt steeds meer onderdeel van de traditionele zoekervaring. Het model is ontwikkeld door DeepMind en is multimodaal, waardoor het uitblinkt in het analyseren van afbeeldingen, video’s en code en in het uitvoeren van snelle zoekopdrachten op het web.

Gemini verzamelt informatie over bedrijven uit autoritatieve tekstdatabases, encyclopedieën en officiële documentatie. Het haalt merkinformatie ook rechtstreeks op uit Google Search, Google Maps, Google Business en belangrijke bedrijvengidsen.

Om je merk voor Gemini te optimaliseren, heb je uitstekende traditionele SEO nodig, een geverifieerde aanwezigheid in Google Maps, foutloze mobiele optimalisatie en geïmplementeerde JSON-LD structured data.

Claude (Anthropic)

Claude wordt gepositioneerd als een taalmodel dat zich richt op nauwkeurigheid, veiligheid en diepgaande informatieanalyse.

Claude is ontwikkeld door voormalige medewerkers van OpenAI en wordt veel gebruikt voor diepgaande tekstanalyse, het creëren van long-form content, het werken met grote documenten en softwareontwikkeling.

De crawlers ClaudeBot en Claude Search Bot verzamelen informatie over merken uit autoritatieve tekstdatabases, wetenschappelijke publicaties, Wikipedia en live zoekresultaten op basis van zoekopdrachten van gebruikers.

Geef Anthropic-bots toegang via het standaard robots.txt-bestand en richt je op diepgaande contentanalyse zonder marketingtaal. Het llms.txt-bestand kan dienen als aanvullende tool waarmee de AI sneller door je website kan navigeren.

Perplexity AI

Perplexity combineert de mogelijkheden van een Large Language Model met realtime zoeken op het web. Vrijwel elk antwoord bevat citaties naar de gebruikte bronnen, waardoor Perplexity fundamenteel verschilt van traditionele AI-assistenten.

De PerplexityBot-crawler indexeert het web om zijn zoekdatabase op te bouwen, terwijl Perplexity-User websites rechtstreeks bezoekt als reactie op zoekopdrachten van gebruikers. Het platform wordt veel gebruikt voor direct zoeken op het web, diepgaand marktonderzoek en factchecking.

Om je website voor Perplexity te optimaliseren, moet je deze user agents toestaan in je robots.txt-bestand, je content structureren in korte, informatierijke blokken en Schema.org-markup implementeren zodat AI feiten efficiënter kan extraheren.

LLaMA (Meta AI)

LLaMA is een open-source Large Language Model dat is ontworpen voor het implementeren van lokale AI-assistenten op privé-infrastructuur.

Het model is getraind op internetmomentopnamen en grote statistische datasets. Informatie over merken wordt voornamelijk verzameld uit gevestigde bronnen zoals Wikipedia, Crunchbase en grote nieuwsmedia.

Om je merk voor Meta AI te optimaliseren, richt je je op traditionele digital PR, registreer je bedrijf in autoritatieve bedrijvengidsen, zorg je voor een aanwezigheid op wiki-gebaseerde platforms en versterk je je algehele online reputatie.

Grok (xAI)

Grok werd eind 2023 ontwikkeld door xAI en is getraind op de Colossus-supercomputer. Het model staat bekend om zijn gevatte humor. De nieuwste versies zijn sterk in programmeren, wiskunde en data-analyse.

Dankzij de integratie met het sociale netwerk X (Twitter) leert de AI onmiddellijk over gebeurtenissen in de wereld. Voor klassieke zoekopdrachten op het web vertrouwt het model op gegevens van partners zoals Bing en Wikipedia.

Om ervoor te zorgen dat Grok je product aanbeveelt, is het niet voldoende om alleen een user agent in robots.txt te specificeren. Je hebt ook een actieve aanwezigheid en merkvermeldingen op het sociale netwerk X nodig, evenals correcte technische markup van je website met JSON-LD, waarmee zoekcrawlers feiten over je bedrijf kunnen verzamelen.

Algemene principes van LLM Optimization

Ondanks de verschillen tussen deze taalmodellen kunnen verschillende gemeenschappelijke optimalisatieprincipes worden vastgesteld.

Alle moderne LLM’s proberen bekende en betrouwbare merken te gebruiken, vertrouwen op informatie uit meerdere onafhankelijke bronnen, geven de voorkeur aan deskundige en actuele content, houden rekening met de online reputatie van een bedrijf en vermijden het aanbevelen van producten waarvoor betrouwbare informatie ontbreekt om fouten tot een minimum te beperken.

Daarom moet LLM Optimization niet rond één platform worden opgebouwd. In plaats daarvan moet de focus liggen op het creëren van een sterke digitale aanwezigheid voor je merk.

Een LLM Optimization-strategie opbouwen

LLM’s beoordelen het volledige digitale ecosysteem van een merk: wat mensen erover zeggen, wie het aanbeveelt, hoe consistent het project wordt gepresenteerd en of de beschikbare informatie betrouwbaar is.

Laten we de belangrijkste elementen bekijken die nodig zijn om een effectieve optimalisatiestrategie voor je merk op te bouwen.

Bepaal je productcategorie

Het belangrijkste doel van AI-systemen is begrijpen wat je product daadwerkelijk is. Dit lijkt voor jou misschien vanzelfsprekend, maar veel bedrijven beschrijven hetzelfde product op verschillende manieren.

Je kunt bijvoorbeeld omschrijvingen tegenkomen zoals SEO-platform, marketingtoolkit, keywordsoftware, contentsuite of SEO-assistent. Hoewel dit voor een menselijke lezer volkomen natuurlijk lijkt, kan een taalmodel deze omschrijvingen interpreteren als volledig verschillende productcategorieën.

Daarom is het beter om één primaire omschrijving te kiezen en deze zo consistent mogelijk te gebruiken.

KeywordStat is bijvoorbeeld een platform voor zoekwoordonderzoek, zoekwoordanalyse en zoekwoordclustering. Deze omschrijving moet consistent worden herhaald op je homepage, blog, documentatie, persberichten, YouTube-kanaal, socialmediaprofielen, productbeschrijvingen en elk ander contactpunt van je merk.

Maak een productpagina

Om een LLM duidelijk te laten begrijpen wat je product is, wordt aanbevolen om een uitgebreide Over ons-pagina te maken waarin je het product gedetailleerd uitlegt.

Een sterke, op het product gerichte Over ons-pagina moet een korte productbeschrijving bevatten, het probleem dat je dienst oplost, de belangrijkste functies, de doelgroep, de voordelen ten opzichte van concurrerende oplossingen en praktijkgerichte use cases.

Deze pagina wordt de primaire informatiebron over je merk, omdat het de eerste en meest autoritatieve bron vertegenwoordigt: het merk dat zichzelf beschrijft.

Publiceer origineel onderzoek

Beperk je niet tot het publiceren van how-to-artikelen, tutorials en handleidingen. De meeste bedrijven creëren educatieve content, maar veel minder bedrijven publiceren origineel onderzoek.

Origineel onderzoek is tegenwoordig bijzonder belangrijk omdat het als bron voor citaties dient. Deze nieuwe en originele informatie — die nu vaak wordt aangeduid als Information Gain — creëert unieke waarde die eenvoudigweg niet uit andere bronnen kan worden verkregen.

Bouw merkautoriteit op

Taalmodellen vertrouwen gevestigde merken die door onafhankelijke bronnen worden genoemd. Daarom moet je de aanwezigheid van je merk uitbreiden tot buiten je eigen website.

Dit omvat grote nieuwsmedia, professionele blogs, branchegidsen, productreviews, interviews met founders, onderzoek door derden, sociale media, YouTube, Medium, klantreviews en meer.

Elke onafhankelijke vermelding versterkt de digitale autoriteit van je merk, waardoor deze steeds belangrijker wordt voor LLM Optimization.

Neem deel aan expertcommunities

LLM’s analyseren niet alleen websites, maar ook discussies binnen online communities. Platforms waarop gebruikers elkaar op natuurlijke wijze tools, merken en producten aanbevelen, zijn bijzonder waardevol.

Dit zijn onder andere Reddit, Quora, Hacker News, Stack Overflow voor technische producten en andere gespecialiseerde forums.

Plaats geen promotionele berichten, maar neem deel aan discussies, help gebruikers problemen op te lossen en deel je expertise. Het is ook belangrijk dat verschillende mensen verschillende meningen bijdragen in plaats van een discussie te creëren waarin je zelf de vraag stelt en beantwoordt.

Reviews en reputatie

Reviews zijn al lang niet meer alleen een middel voor conversieoptimalisatie. Tegenwoordig zijn ze een belangrijk onderdeel van LLM Optimization geworden.

Wanneer veel onafhankelijke gebruikers consequent dezelfde sterke punten van een product beschrijven, beginnen taalmodellen deze kenmerken te herkennen als stabiele eigenschappen van het merk en verwerken ze deze in hun antwoorden.

Daarom zijn reviews op onafhankelijke platforms waar gebruikers echte ervaringen delen zo waardevol. Voorbeelden zijn Trustpilot, Sitejabber (nu Smart Customer), ProvenExpert en vergelijkbare reviewwebsites.

Maak content die gemakkelijk kan worden geciteerd

Creëer content die gemakkelijk kan worden geciteerd en als bron kan worden gebruikt. Voeg duidelijke definities, vergelijkingstabellen, lijsten met voordelen, stapsgewijze instructies, vraag-en-antwoordsecties, praktische werkbladen en checklists toe.

AI-systemen gebruiken zelden lange, ongestructureerde alinea’s. Ze kunnen goed georganiseerde fragmenten veel gemakkelijker extraheren, waardoor de kans groter wordt dat je content door een taalmodel wordt geselecteerd.

Ontwikkel een consistente merkstem

Elk bedrijf heeft zijn eigen terminologie.

Als je product gebruikers helpt bij het uitvoeren van zoekwoordonderzoek, gebruik dan consequent dezelfde terminologie, zoals zoekwoordonderzoek, zoekwoordclustering, zoekintentieanalyse, zoekwoordmoeilijkheid en zoekwoordanalyse.

Wanneer deze termen consistent in al je content voorkomen, bouwen taalmodellen een sterkere associatie op tussen je merk en je expertisegebied.

De taal die je gebruikt om je merk te presenteren, moet ook consistent blijven op elk platform waarop je content publiceert.

Bouw je merk — niet alleen je website

Vrijwel elke SEO-specialist richt zich voornamelijk op zijn eigen domein. Ik ben waarschijnlijk niet anders. 😉

Ze controleren rankings, monitoren verkeer, volgen vertoningen en besteden veel tijd in Google Search Console.

Tegenwoordig analyseren taalmodellen echter de volledige digitale footprint van een bedrijf.

Daarom is het belangrijk om een YouTube-kanaal op te bouwen en te onderhouden, productdocumentatie te publiceren, een GitHub-pagina voor technische producten te maken, podcasts te starten, presentaties te maken, origineel onderzoek te publiceren, actieve socialmediaprofielen te onderhouden en informatie te verstrekken over de founders van je bedrijf en hun presentaties op conferenties.

Elk aanvullend contactpunt versterkt het vertrouwen in je merk, omdat taalmodellen logische verbanden leggen tussen al deze informatie.

Bouw je eigen informatie-ecosysteem

Succesvolle bedrijven zijn gestopt met het creëren van geïsoleerde pagina’s — ze bouwen volledige ecosystemen van informatieve content.

Omdat ik bijvoorbeeld een SEO-platform ontwikkel, heb ik een Learning Center gecreëerd waarin ik de belangrijkste SEO-concepten en onderwerpen rondom zoekwoorden uitleg.

Je kunt ook een blog, documentatie, onderzoek, een begrippenlijst, een bibliotheek met templates, klantcasestudy’s, vergelijkingen met concurrenten, gratis tools en nog veel meer aan je website toevoegen.

Een dergelijk ecosysteem laat zien dat je bedrijf diepgaande expertise binnen zijn vakgebied heeft en niet simpelweg één product aanbiedt.

Hoe controleer je of je website of merk is geoptimaliseerd?

In tegenstelling tot traditionele SEO heeft LLM Optimization nog geen universele metriek — vergelijkbaar met Domain Rating — die laat zien hoe goed je website voor Large Language Models is geoptimaliseerd.

Veel platforms meten al citaties en laten zien hoe vaak je merk bij verschillende zoekopdrachten wordt genoemd. Deze metrieken geven echter geen algemene score die aangeeft hoe goed je website voor LLM’s is geoptimaliseerd.

Ik ben verschillende bronnen tegengekomen die kunnen helpen om dit te beoordelen.

LLM Console meet bijvoorbeeld hoe goed een website is geoptimaliseerd voor de populairste LLM-platforms.

Orchestrik biedt een lijst met aanbevelingen die je zou moeten implementeren om de optimalisatie van je website te verbeteren.

Toen ik KeywordStat ontwikkelde, volgde ik precies dezelfde aanpak. Ik bezocht verschillende populaire diensten voor het controleren van LLM Optimization en vroeg verschillende taalmodellen rechtstreeks hoe ik de zichtbaarheid en optimalisatie van mijn website voor LLM-systemen kon verbeteren.

Als resultaat kreeg ik een lijst met aanbevelingen, die ik vervolgens op mijn website heb geïmplementeerd.

Wat kun je nog meer gebruiken?

De eenvoudigste aanpak is om het rechtstreeks aan AI te vragen.

Dat is bijvoorbeeld precies wat ik deed toen we KeywordStat voor het eerst lanceerden.

Ik opende alle grote AI-platforms en vroeg: “Er is een website genaamd KeywordStat. Wat doet deze website? Waarvoor wordt deze gebruikt? Kan de website worden vertrouwd?” en vergelijkbare vragen.

Het taalmodel beschrijft de website omdat het er al enige informatie over heeft. Het legt uit wat het merk is, waarna je vervolgvragen kunt stellen, bijvoorbeeld wie er achter het merk zit, of het te vertrouwen is enzovoort.

Zo krijg je inzicht in wat precies moet worden geoptimaliseerd.

Productaanbevelingen testen

Je hoeft niet alleen naar je website of merk te vragen. Je kunt ook vragen stellen zoals “Wat is de beste tool voor zoekwoordclustering?” en vervolgens kijken of bijvoorbeeld mijn dienst KeywordStat wordt aanbevolen.

Of vraag: “Wat is de beste tool voor zoekwoordonderzoek?” en controleer of jouw product tussen de aanbevolen opties verschijnt.

Natuurlijk kun je ook vragen: “Wat vind je van dit merk?” Als de LLM het merk echter überhaupt niet aanbeveelt, heeft het dit waarschijnlijk nog niet in zijn kennisbasis opgenomen.

Als de AI alleen je concurrenten aanbeveelt, moet je analyseren waarom.

Je kunt ook een omgekeerde analyse uitvoeren. Vraag bijvoorbeeld: “Waarom is deze specifieke dienst beter geschikt voor deze taken?” Onderzoek vervolgens hoe het taalmodel het merk van je concurrent beschrijft om vast te stellen wat er bij je eigen product ontbreekt.

Controleer de bronnen

Je kunt ook onderzoeken welke bronnen ChatGPT of Perplexity in hun antwoorden citeren.

Kijk naar de websites waarnaar ze het vaakst verwijzen en de publicaties waarop ze vertrouwen. Dit kunnen platforms zijn waarop jouw merk ook aanwezig zou moeten zijn.

Dit kan de kans vergroten dat je merk door AI-systemen wordt aanbevolen.

LLM Optimization-checklist

Controleer voordat je je product lanceert of je merk optimaliseert of het aan de belangrijkste vereisten van LLM Optimization voldoet:

• Je merk heeft een duidelijke en consistente positionering.
• Je product wordt duidelijk beschreven op je officiële website.
• Je hebt specifieke landingspagina’s die je product beschrijven.
• Je bedrijf publiceert regelmatig deskundige content.
• Je merk wordt genoemd in onafhankelijke reviews en publicaties.
• Je bedrijf heeft profielen op autoritatieve platforms, in bedrijvengidsen en op sociale media.
• Gebruikers laten echte reviews over je product achter.
• Je gebruikt consequent dezelfde terminologie om je product te beschrijven.
• Je bedrijf ontwikkelt zich als expert binnen de branche en niet alleen als leverancier van een product.
• Er staat een echte persoon achter het merk die verantwoordelijk is voor zowel de ontwikkeling van het product als de content die op de website wordt gepubliceerd.

Conclusie

Large Language Models zijn al een nieuwe manier geworden waarop gebruikers informatie over producten ontdekken.

In het verleden concurreerden bedrijven om posities in de zoekresultaten van Google. Tegenwoordig beginnen ze te concurreren om een plaats tussen de aanbevelingen die worden gegenereerd door toonaangevende LLM’s zoals GPT, Gemini, Claude, Perplexity en andere AI-assistenten.

Deze transformatie verandert het concept van zoekoptimalisatie zelf. Een hoogwaardige website bouwen of SEO-artikelen publiceren is niet langer voldoende.

Als je wilt dat AI-systemen je product aanbevelen, moet je een sterke digitale aanwezigheid voor je merk opbouwen, het vertrouwen van gebruikers verdienen en een autoritatieve informatiebron binnen je branche worden.