← Kennisbank/Chat37
chat37GEO28 september 20263 min lezenMvG | Atthis AI redactie

GEO-checklist: welke 5 pagina's je als eerste aanpast

Niet je hele site herschrijven voor GEO. Vijf pagina's, de checks per pagina en vier technische controles waarmee je website leesbaar wordt voor AI-systemen.

Gevonden worden in ChatGPT, Perplexity en AI Overviews vraagt niet om een complete herbouw van je website. Het vraagt om een handvol pagina’s die feitelijk, gestructureerd en technisch leesbaar zijn. Chat37 zette een concrete checklist op een rij; wij destilleren de kern en voegen toe waar AI je hierbij wel en niet kan helpen.

GEO-checklist: welke 5 pagina’s je als eerste aanpast

Gevonden worden in ChatGPT, Perplexity en AI Overviews vraagt niet om een complete herbouw van je website. Het vraagt om een handvol pagina’s die feitelijk, gestructureerd en technisch leesbaar zijn. Chat37 zette een concrete checklist op een rij; wij destilleren de kern en voegen toe waar AI je hierbij wel en niet kan helpen.

Het kort: 5 praktijk-takeaways

1. Begin met vijf pagina’s — Homepage, dienst- of productpagina’s, locatiepagina’s, over-ons en FAQ leveren het meest op. Werk pagina voor pagina met een JA/NEE/N.v.t.-lijst. Kijk vooral naar pagina’s die nu al verkeer trekken: een perfecte homepage helpt weinig als de pagina’s die AI-systemen daadwerkelijk citeren verouderd zijn.

2. Antwoord bovenaan, feiten controleerbaar — Zet het antwoord op de kernvraag in de eerste twee alinea’s, gebruik koppen die de klantvraag weerspiegelen en vervang marketingtaal door controleerbare feiten: diensten, werkgebied, jaren ervaring, certificeringen. Voeg reviews toe. Een AI-model dat informatie niet kan lezen of verifiëren, gebruikt die simpelweg niet.

3. Schema valideren, niet alleen plaatsen — Gebruik Organization-, LocalBusiness-, Article- en FAQPage-schema in JSON-LD waar dat past. Valideer altijd met de Rich Results Test en Schema Markup Validator: in een audit van 5.000 sites had 71% schema, slechts 22% foutloos. Alles in de markup moet ook zichtbaar op de pagina staan; herhaal na CMS-updates.

4. Robots.txt en rendering eerst — Controleer of GPTBot, ClaudeBot en PerplexityBot niet per ongeluk in robots.txt geblokkeerd staan, en of je kerntekst zonder JavaScript-rendering in de HTML staat. Dit kost minuten. Een llms.txt-bestand is optioneel: in een experiment raakte slechts 0,1% van de AI-crawlerverzoeken dat bestand. Eerst basis, dan kers.

5. Nulmeting met echte klantvragen — Typ vijf tot tien echte klantvragen in ChatGPT of Perplexity en noteer datum, platform, of je genoemd wordt en welke concurrenten wél verschijnen. Herhaal dezelfde vragen zes weken na je aanpassingen. Zo meet je effect in plaats van te gokken; geen enkele check garandeert immers een citatie.

Waar AI dit goed kan — en waar niet

Een GEO-audit is grotendeels tekst- en structuurwerk, en dat is precies waar taalmodellen sterk in zijn. Laat een model je dienstenpagina herschrijven zodat het antwoord in de eerste alinea staat, koppen omzetten naar klantvragen, of een concept-FAQ maken op basis van vragen uit je mailbox. Ook het genereren van JSON-LD voor Organization of LocalBusiness gaat snel, en een model kan prima anchorteksten als “lees meer” opsporen in een export van je interne links. Voor dit soort taken volstaat een klein, lokaal draaiend model; je hoeft er geen zware cloud-API voor aan te zetten.

Drie nuances. Ten eerste: door een LLM gegenereerd schema bevat regelmatig verkeerde properties of verzonnen types. Valideer altijd, plaats nooit blind. Ten tweede: laat AI nooit feiten invullen die je niet zelf hebt aangeleverd. Verzonnen certificeringen, jaartallen of reviews zijn precies wat AI-systemen aan de andere kant proberen te verifiëren, en het is bovendien misleidend. Ten derde: klantvragen uit e-mails of telefoonnotities bevatten persoonsgegevens. Anonimiseer voordat je ze in een publieke chatbot plakt, of gebruik een model dat op eigen infrastructuur draait.

Tot slot: je nulmeting via ChatGPT is een steekproef, geen meting. Antwoorden wisselen per sessie, model en moment. Meet daarom vaker, met vaste vragen, en trek conclusies uit de trend, niet uit één antwoord.

Bron

Dit overzicht is gebaseerd op het volledige artikel van Chat37: Welke pagina’s op je website moet je aanpassen voor GEO? Concrete checklist

Het volledige artikel van Chat37 bevat de uitgewerkte checklist per pagina, de opbouw van locatiepagina’s, de inhoud van een llms.txt-bestand en het vierstappenplan met logboek inclusief bronverwijzingen.

Het kort: 5 praktijk-takeaways

  1. 01 — Begin met vijf pagina's

    Homepage, dienst- of productpagina’s, locatiepagina’s, over-ons en FAQ leveren het meest op. Werk pagina voor pagina met een JA/NEE/N.v.t.-lijst. Kijk vooral naar pagina’s die nu al verkeer trekken: een perfecte homepage helpt weinig als de pagina’s die AI-systemen daadwerkelijk citeren verouderd zijn.

  2. 02 — Antwoord bovenaan, feiten controleerbaar

    Zet het antwoord op de kernvraag in de eerste twee alinea’s, gebruik koppen die de klantvraag weerspiegelen en vervang marketingtaal door controleerbare feiten: diensten, werkgebied, jaren ervaring, certificeringen. Voeg reviews toe. Een AI-model dat informatie niet kan lezen of verifiëren, gebruikt die simpelweg niet.

  3. 03 — Schema valideren, niet alleen plaatsen

    Gebruik Organization-, LocalBusiness-, Article- en FAQPage-schema in JSON-LD waar dat past. Valideer altijd met de Rich Results Test en Schema Markup Validator: in een audit van 5.000 sites had 71% schema, slechts 22% foutloos. Alles in de markup moet ook zichtbaar op de pagina staan; herhaal na CMS-updates.

  4. 04 — Robots.txt en rendering eerst

    Controleer of GPTBot, ClaudeBot en PerplexityBot niet per ongeluk in robots.txt geblokkeerd staan, en of je kerntekst zonder JavaScript-rendering in de HTML staat. Dit kost minuten. Een llms.txt-bestand is optioneel: in een experiment raakte slechts 0,1% van de AI-crawlerverzoeken dat bestand. Eerst basis, dan kers.

  5. 05 — Nulmeting met echte klantvragen

    Typ vijf tot tien echte klantvragen in ChatGPT of Perplexity en noteer datum, platform, of je genoemd wordt en welke concurrenten wél verschijnen. Herhaal dezelfde vragen zes weken na je aanpassingen. Zo meet je effect in plaats van te gokken; geen enkele check garandeert immers een citatie.

Waar AI dit goed kan — en waar niet

Een GEO-audit is grotendeels tekst- en structuurwerk, en dat is precies waar taalmodellen sterk in zijn. Laat een model je dienstenpagina herschrijven zodat het antwoord in de eerste alinea staat, koppen omzetten naar klantvragen, of een concept-FAQ maken op basis van vragen uit je mailbox. Ook het genereren van JSON-LD voor Organization of LocalBusiness gaat snel, en een model kan prima anchorteksten als “lees meer” opsporen in een export van je interne links. Voor dit soort taken volstaat een klein, lokaal draaiend model; je hoeft er geen zware cloud-API voor aan te zetten.

Drie nuances. Ten eerste: door een LLM gegenereerd schema bevat regelmatig verkeerde properties of verzonnen types. Valideer altijd, plaats nooit blind. Ten tweede: laat AI nooit feiten invullen die je niet zelf hebt aangeleverd. Verzonnen certificeringen, jaartallen of reviews zijn precies wat AI-systemen aan de andere kant proberen te verifiëren, en het is bovendien misleidend. Ten derde: klantvragen uit e-mails of telefoonnotities bevatten persoonsgegevens. Anonimiseer voordat je ze in een publieke chatbot plakt, of gebruik een model dat op eigen infrastructuur draait.

Tot slot: je nulmeting via ChatGPT is een steekproef, geen meting. Antwoorden wisselen per sessie, model en moment. Meet daarom vaker, met vaste vragen, en trek conclusies uit de trend, niet uit één antwoord.