← Kennisbank/Chat37
chat37GEO14 juli 20263 min lezenMvG | Atthis AI redactie

GEO voor Perplexity: zo word je bron in AI-antwoorden

Perplexity citeert bronnen in plaats van links te tonen. Leer hoe je content citeerbaar maakt, PerplexityBot toelaat en nuchter meet wat het écht oplevert.

Perplexity beantwoordt de vraag zelf en noemt daarbij een handvol bronnen; je speelt dus om de vermelding, niet om de klik. Dat vraagt om content die een taalmodel eenvoudig kan extraheren: één vraag, een kort antwoord, controleerbare cijfers. Wat Perplexity precies weegt is niet openbaar, dus behandel alles hieronder als hypothese die je zelf test.

GEO voor Perplexity: zo word je bron in AI-antwoorden

Perplexity beantwoordt de vraag zelf en noemt daarbij een handvol bronnen; je speelt dus om de vermelding, niet om de klik. Dat vraagt om content die een taalmodel eenvoudig kan extraheren: één vraag, een kort antwoord, controleerbare cijfers. Wat Perplexity precies weegt is niet openbaar, dus behandel alles hieronder als hypothese die je zelf test.

Het kort: 4 praktijk-takeaways

1. Regel eerst de toegang — Controleer je robots.txt op PerplexityBot en andere AI-crawlers: plugins en hostingstandaarden blokkeren ze soms ongemerkt. Zorg dat kerncontent in de server-side HTML staat, niet pas na JavaScript. Neem een bewuste beslissing: toestaan voor zichtbaarheid, of blokkeren omdat je liever geen antwoordbron bent. Beide keuzes zijn legitiem, zolang ze expliciet zijn.

2. Antwoord eerst, uitleg daarna — Bouw elke pagina rond één concrete klantvraag en zet het antwoord in maximaal 40 woorden direct onder de kop. Gebruik cijfers met een controleerbare bron in plaats van vage kwalificaties; een prijsrange met jaartal en herkomst is voor een taalmodel makkelijker te extraheren én voor je lezer bruikbaarder.

3. Test zelf in Perplexity — Typ je vijf belangrijkste klantvragen letterlijk in Perplexity en noteer welke bronnen worden genoemd. Dat zijn je echte concurrenten, vaak andere partijen dan in Google. Analyseer hun structuur, antwoorddiepte en cijfers, en schrijf vervolgens één pagina die aantoonbaar completer is. Herhaal die check maandelijks; de resultaten verschuiven snel.

4. Meet vermeldingen, niet alleen kliks — Verkeer uit Perplexity is klein en onvolledig zichtbaar, omdat veel vragen zonder klik worden beantwoord. Filter in je analytics op verwijzingen met ‘perplexity’, volg de trend in merkzoekopdrachten en houd een simpel logboek bij van handmatige checks. Verwacht geen exacte attributie; stuur op richting over meerdere maanden, niet op weekcijfers.

Waar AI dit goed kan — en waar niet

AI is hier vooral sterk in het voorbereidende werk. Een taalmodel kan uit een export van klantenservice-mails of offerteaanvragen snel een vraagcluster destilleren, varianten formuleren zoals klanten ze werkelijk typen, en per vraag een concept-antwoord van 40 woorden opleveren dat je bovenaan een pagina kunt zetten. Ook het herstructureren van bestaande lappen tekst naar koppen en lijstjes gaat goed en scheelt uren.

De nuance zit op drie punten. Ten eerste: laat een model nooit de cijfers bedenken. Prijsranges, percentages en jaartallen moeten uit je eigen administratie of een controleerbare bron komen; een gehallucineerd getal dat Perplexity vervolgens citeert, is schadelijker dan geen getal. Ten tweede: klantmails bevatten persoonsgegevens. Anonimiseer voordat je ze aan een AI-tool voert, of gebruik een model dat binnen de EU draait en niet traint op je invoer. Ten derde: niemand weet precies hoe Perplexity weegt. Gebruik AI om sneller te experimenteren, niet om schijnzekerheid te kopen. Kleine, gerichte modellen volstaan voor dit soort taken; een groot model voor elke herschrijving is verspilde rekenkracht.

Bron

Dit overzicht is gebaseerd op het volledige artikel van Chat37: Perplexity SEO: zo word je bron in AI-zoekresultaten

Het brand-artikel bevat de volledige zeven-punts checklist per pagina, een uitgewerkt voorbeeld van een geoptimaliseerde pagina-opbouw en een concrete Chat37-prompt om een vraagcluster te genereren.

Het kort: 4 praktijk-takeaways

  1. 01 — Regel eerst de toegang

    Controleer je robots.txt op PerplexityBot en andere AI-crawlers: plugins en hostingstandaarden blokkeren ze soms ongemerkt. Zorg dat kerncontent in de server-side HTML staat, niet pas na JavaScript. Neem een bewuste beslissing: toestaan voor zichtbaarheid, of blokkeren omdat je liever geen antwoordbron bent. Beide keuzes zijn legitiem, zolang ze expliciet zijn.

  2. 02 — Antwoord eerst, uitleg daarna

    Bouw elke pagina rond één concrete klantvraag en zet het antwoord in maximaal 40 woorden direct onder de kop. Gebruik cijfers met een controleerbare bron in plaats van vage kwalificaties; een prijsrange met jaartal en herkomst is voor een taalmodel makkelijker te extraheren én voor je lezer bruikbaarder.

  3. 03 — Test zelf in Perplexity

    Typ je vijf belangrijkste klantvragen letterlijk in Perplexity en noteer welke bronnen worden genoemd. Dat zijn je echte concurrenten, vaak andere partijen dan in Google. Analyseer hun structuur, antwoorddiepte en cijfers, en schrijf vervolgens één pagina die aantoonbaar completer is. Herhaal die check maandelijks; de resultaten verschuiven snel.

  4. 04 — Meet vermeldingen, niet alleen kliks

    Verkeer uit Perplexity is klein en onvolledig zichtbaar, omdat veel vragen zonder klik worden beantwoord. Filter in je analytics op verwijzingen met ‘perplexity’, volg de trend in merkzoekopdrachten en houd een simpel logboek bij van handmatige checks. Verwacht geen exacte attributie; stuur op richting over meerdere maanden, niet op weekcijfers.

Waar AI dit goed kan — en waar niet

AI is hier vooral sterk in het voorbereidende werk. Een taalmodel kan uit een export van klantenservice-mails of offerteaanvragen snel een vraagcluster destilleren, varianten formuleren zoals klanten ze werkelijk typen, en per vraag een concept-antwoord van 40 woorden opleveren dat je bovenaan een pagina kunt zetten. Ook het herstructureren van bestaande lappen tekst naar koppen en lijstjes gaat goed en scheelt uren.

De nuance zit op drie punten. Ten eerste: laat een model nooit de cijfers bedenken. Prijsranges, percentages en jaartallen moeten uit je eigen administratie of een controleerbare bron komen; een gehallucineerd getal dat Perplexity vervolgens citeert, is schadelijker dan geen getal. Ten tweede: klantmails bevatten persoonsgegevens. Anonimiseer voordat je ze aan een AI-tool voert, of gebruik een model dat binnen de EU draait en niet traint op je invoer. Ten derde: niemand weet precies hoe Perplexity weegt. Gebruik AI om sneller te experimenteren, niet om schijnzekerheid te kopen. Kleine, gerichte modellen volstaan voor dit soort taken; een groot model voor elke herschrijving is verspilde rekenkracht.