Stel dat een prospect aan ChatGPT vraagt: “Wat is de beste outreach tool voor kleine B2B-teams die met HubSpot werken?” Binnen één seconde verschijnt een shortlist. Geen SERP. Geen advertenties. Geen blogscroll. Gewoon: een aanbeveling.
En dat gebeurt vaker dan veel marketeers denken. Ik zie bij mijn eigen SaaS-klanten inmiddels regelmatig dat prospects hen voor het eerst ontdekken via ChatGPT zonder ooit Google te hebben geopend.
De kwaliteit van dat verkeer is opvallend hoog. Webflow rapporteert dat hun ChatGPT-bezoekers converteren op 24%, tegenover ongeveer 4% via Google. Ahrefs analyseerde hun eigen data: AI-zoekverkeer is goed voor 0,5% van de bezoekers, maar 12,1% van de aanmeldingen (bron). Dat is 23 keer hoger dan de gemiddelde bezoeker. Surfer SEO rapporteert dat ongeveer 25% van hun nieuwe klanten nu via AI-assistenten binnenkomt. Die bezoekers komen voorverkocht binnen. De AI heeft ze al verteld dat jij de juiste keuze bent, nog voordat ze jouw website bezoeken.
Daardoor verschuift de vraag van “Sta ik op pagina 1?” naar: “Verschijn ik in de shortlist?” Voor veel SaaS-bedrijven is het antwoord: nee. Niet door gebrek aan kwaliteit, maar door gebrek aan begrijpelijkheid voor AI-modellen.
In deze gids laat ik zien hoe je dat verbetert, gebaseerd op wat ik in de praktijk zie werken bij tientallen SaaS-bedrijven.
Ga direct naar
TL;DR
- AI-assistenten zoals ChatGPT en Perplexity vervangen Google als startpunt voor SaaS-kopers: zij geven direct een shortlist in plaats van een lijst zoekresultaten.
- Zichtbaarheid draait daarom niet meer om ranken, maar om begrijpelijk, feitelijk en consistent genoeg zijn om door AI-modellen genoemd te worden.
- Je vergroot die zichtbaarheid door een AI-vriendelijke content-architectuur te bouwen: best-of- en use-case pagina’s, eerlijke vergelijkingen en alternatieven, korte stats/quotes die AI kan oppakken, duidelijke founder-positionering, echte FAQ’s, structured data en persvermeldingen, machine-leesbare YouTube-transcripts, authentieke reviews én LinkedIn Pulse content.
In het kort: SEO brengt je naar Google; structuur + duidelijkheid + betrouwbaarheid brengen je in LLM-shortlists.
Hoe AI-modellen écht zoeken: Query Fan-Out en contextmatching
1. AI ontleedt elke nuance in de vraag
Het AI-model haalt uit één zin:
- de rol van de gebruiker
- de organisatiegrootte
- de techstack
- budgetindicaties
- intentie (oriëntatie vs. evaluatie)
- use-case
- belangrijke constraints
2. Vervolgens genereert het AI-model tientallen micro-zoekopdrachten
Eén vraag wordt opgesplitst in een hele swarm van doelgerichte queries:
- “Tools voor koude e-mails onder de 200 euro voor HubSpot-gebruikers”
- “Beste software voor koude outreach voor bureaus met Close CRM”
- “Outreach-platforms gericht op deliverability voor kleine teams”
- “Goedkope alternatieven voor [concurrent X]”
Dit query fan-out mechanisme is de reden dat je content nooit moet schrijven voor één keyword. Je schrijft voor honderden varianten van intentie die je nooit in Google Keyword Planner zult terugvinden.
3. Het AI-model haalt actief bewijs op via RAG
Veel moderne AI-assistenten zoals Perplexity, ChatGPT Search en Google AI Overview gebruiken RAG: Retrieval-Augmented Generation. Dat betekent dat het model tijdens het beantwoorden van een vraag niet alleen redeneert vanuit zijn interne kennis, maar live fragmenten uit het web ophaalt om zijn antwoord te onderbouwen.
Bij dat ophalen geeft het model vooral de voorkeur aan korte, feitelijke en verifieerbare stukjes tekst. Denk aan een compacte quote die een inzicht scherp formuleert, een enkele zin met een relevante statistiek, een duidelijke definitie of een kort FAQ-antwoord dat een vraag precies afdekt.
Dit soort fragmenten zijn makkelijk te extraheren en voelen voor AI veilig om te herhalen. Daardoor worden ze vaak de bouwstenen van het uiteindelijke antwoord.
Quotes, cijfers en andere extractable facts werken daardoor zo goed in een AI-first contentstrategie: ze sluiten aan op wat RAG-systemen zoeken, begrijpen en durven citeren.
4. Het AI-model filtert op begrijpelijkheid + betrouwbaarheid (niet op ranking)
Het kijkt naar:
- extractability: HTML, bullets, headings, tabellen
- consistentie: komen dezelfde feiten elders terug?
- neutraliteit: geen promotiepraat
- derde-partij bevestiging: Reddit, G2, persberichten, docs
- betrouwbaarheid: geen conflicterende prijzen of claims
- recency: is de info up-to-date?
Pas daarna komt de aanbeveling.
AI voelt daardoor niet als een zoekmachine maar als een beoordelaar: het opent jouw dossier, checkt of alles klopt, kijkt of anderen je bevestigen en beslist dan of je in de shortlist hoort.
Waarom deze verschuiving naar AI search juist voor SaaS een enorme kans is
- wie het duidelijkst schrijft
- wie het meest consistent is
- wie het meest wordt bevestigd
- wie de beste context biedt voor een specifieke vraag
Start met onderzoeken naar wie AI vandaag aanbeveelt
Voordat je content gaat (her)schrijven, moet je eerst begrijpen hoe AI-modellen jouw categorie op dit moment zien. ChatGPT, Perplexity en Google AI laten afhankelijk van het model zien welke bronnen ze gebruiken, welke toolopties ze aanbevelen en welke argumenten ze belangrijk vinden. Dat geeft inzicht in welke spelers AI vertrouwt en welke informatie het model nodig heeft om een shortlist te bouwen.
Minstens zo waardevol: achterhalen welke vragen prospects eigenlijk stellen. AI-modellen tonen die namelijk óók en die lijken verrassend veel op SEO’s klassieke “People Also Ask”-patronen.
Je vindt relevante vragen via:
- Perplexity’s autosuggest: zodra je begint te typen, toont Perplexity de exacte microvragen waar echte gebruikers én het model zelf mee werken.
- ChatGPT prompt trails: door vervolgvraag-suggesties te bekijken zie je welke varianten het model logisch vindt (bijv. “beste X voor kleine teams”, “alternatieven voor Y”, “werkt dit met Z?”).
- Google AI Overviews + “People Also Ask”: deze blokken zijn nog steeds een goudmijn voor echte intenties want AI-vragen lijken er sterk op.
- SEO-tools zoals AlsoAsked, AnswerThePublic of Ahrefs: verrassend genoeg blijven deze relevant, omdat ze laten zien hoe mensen vragen formuleren en dit is precies wat AI probeert te imiteren.
- Conversatie-logs van je eigen sales team, support en customer succes: één van de meest onderschatte bronnen hiervoor is je eigen organisatie: sales, support en customer success zitten dagelijks op de vragen die AI later moet beantwoorden.
- welke concurrenten stelselmatig genoemd worden,
- in welke contexten (use-case, teamgrootte, budget, stack),
- welke bronnen telkens terugkeren (Reddit, G2, YouTube, niche blogs, productdocs),
- welk type content het model het liefst citeert (best-of, comparison, alternatieven, tutorials, technische walkthroughs),
- welke argumenten AI blindelings reproduceert, zelfs als ze verouderd zijn.
Je weet daarna niet alleen wie zichtbaar is, maar ook waarom. Dat maakt gerichte optimalisatie mogelijk.
Misschien mis je een use-case die elke concurrent expliciet beschrijft. Misschien steunt Perplexity vooral op lange technische documentatie. Misschien baseert ChatGPT zich op verouderde data uit een SaaS-directory. Misschien speelt één Reddit-thread een disproportionele rol in jouw categorie.
Dit onderzoek maakt zichtbaar wat AI al van je categorie heeft gevormd en laat zien waar jij kunt corrigeren, aanvullen of domineren.
Een korte praktijkobservatie (en waarom dit geen theorie is)
Wat mij de afgelopen maanden opviel in mijn werk met B2B SaaS-teams, is dat dit géén theoretische verschuiving is. Steeds meer klanten vertellen dat nieuwe prospects hen voor het eerst zagen in ChatGPT en niet in Google. Ze horen het terug in demo-aanvragen, in salesgesprekken, en zelfs in onboarding: “Ik vroeg ChatGPT om de beste tools voor X en jullie kwamen naar voren.”
Ik zie dit vaak bij bedrijven die hun traditionele SEO goed op orde hebben. Zonder dat ze het doorhebben, hebben ze precies de soorten pagina’s die AI-modellen graag citeren: duidelijke uitleg, harde feiten, vergelijkingen, use-cases, consistente terminologie. In een AI-first landschap werkt dat in het voordeel.
Hetzelfde merk ik in mijn eigen vakgebied. Vraag je een LLM naar B2B SaaS marketing of naar mijn content, dan verschijn ik regelmatig in de antwoorden. Niet omdat ik daar expliciet op optimaliseer, maar omdat AI-modellen patronen oppikken: consistente taal, herhaalbare argumenten, duidelijke positionering. Als je die patronen bewust vormgeeft, word je zichtbaar op plekken waar je vroeger nooit had verwacht te verschijnen.
AI beloont geen nieuwe trucjes. Het beloont helderheid, consistentie en uitleg die klopt. Dat was altijd al goed werk.
Hoe je content maakt voor vindbaarheid in ChatGPT, Perplexity, Claude en Google AI
Voor zichtbaarheid in AI-modellen moet je aan drie voorwaarden voldoen: je website moet goed door AI te doorzoeken zijn, vervolgens moet AI begrijpen wat je doet en dat gebeurt via de content op je eigen site. Daarna moet AI je ook durven aanbevelen en daarvoor kijkt het naar wat anderen over je zeggen via externe bronnen. Die bevestiging bepaalt of een model je opneemt in een shortlist.
Eerst bouw je begrijpelijkheid (interne signalen), daarna vertrouwen (externe signalen). Beide zijn nodig om in ChatGPT, Perplexity, Claude en Google AI naar voren te komen.
Deel 1: Techniek op orde voor LLMs
1. Zorg dat LLM crawlers je website kunnen indexeren
Controleer altijd of de crawlers van LLMs jouw website kunnen doorzoeken. Het komt namelijk nog wel eens voor dat ze geblokkeerd worden. Bijvoorbeeld Cloudflare of Akamai houdt ze standaard tegen door CDN- of WAF-instellingen, zonder dat je je hiervan wellicht bewust bent.
De AI Crawler Allowlist draait vooral om het voorkomen van iets wat in de praktijk vaak onzichtbaar misgaat: AI-crawlers die je site niet kunnen bereiken doordat ze per ongeluk worden geblokkeerd. Denk aan bots zoals GPTBot, ChatGPT-User, ClaudeBot, PerplexityBot of OAI-SearchBot.
Door je robots.txt expliciet goed te configureren en deze crawlers toe te staan, zorg je ervoor dat AI-systemen je content überhaupt kunnen lezen en meenemen in hun antwoorden of indexen. Het gaat dus minder om “extra optimalisatie” en meer om het wegnemen van technische drempels die je zichtbaarheid in AI-gedreven zoekomgevingen kunnen beperken.
2. Server side rendering check: ziet AI je content eigenlijk wel?
Dit is zo’n technische check die verrassend vaak iets blootlegt. Want veel SaaS-sites draaien op moderne frameworks zoals Next.js of Nuxt. Mooi, snel, flexibel. Maar ze leunen ook vaak zwaar op client-side rendering. En daar gaat het soms mis.
Als je belangrijkste content pas via JavaScript binnenkomt, is de kans groot dat AI-crawlers die informatie niet (volledig) zien. Of maar half. Of helemaal niet. En dat betekent in de praktijk: je product lijkt minder compleet dan het is.
Een simpele reality check helpt hier het meest. Pak je belangrijkste pagina’s en doe een view-source of curl. Kijk gewoon wat er in de ruwe HTML staat.
Zie je daar je productnaam, pricing en belangrijkste features? Dan zit je goed. Zo niet, dan heb je niet per se een designprobleem, maar wel een zichtbaarheid-probleem in AI-context.
Het is echt zo’n optimalisatie die direct effect kan hebben op hoe goed je website überhaupt wordt opgepikt door AI-systemen.
3. Geef aan wanneer je content is aangepast
AI en search kijken steeds sterker naar hoe recent je content is. Daarom draait dit om drie dingen: je CMS dat dateModified goed bijhoudt, je sitemap die met lastmod meebeweegt, en een vast ritme om je belangrijkste pagina’s te updaten. Zorg dus dat je die eerste 2 technische zaken in je website hebt aangepakt.
Het signaal wat je hiermee afgeeft: dit is levende content.
4. Voeg structured data toe zodat AI je content beter kan interpreteren
Structured Data is vaak zo’n ding dat “er wel op zit”, maar in de praktijk nauwelijks wordt benut. Meestal blijft het bij een FAQ of een SoftwareApplication schema en dat is het dan. Zonde eigenlijk, want je laat best veel context liggen.
Schema’s zoals:
- SoftwareApplication
- FAQ
- Organization
- Person schema voor founders
- HowTo
- Product
- Review
maken dat AI je pagina niet alleen leest, maar ook interpreteert.
Structured data is voor AI wat ondertiteling is voor video: het maakt het begrijpelijker, betrouwbaarder en verwerkbaarder.
Deel 2: Maak AI-vriendelijke content op je eigen site (internal signals)
1. Bouw een ecosysteem van “Best-of” en “Best Tool voor [Use Case]” pagina’s
Dit klinkt als klassieke SaaS SEO. Klopt, en ik bespreek het ook in mijn artikel over SaaS SEO. Maar de functie is veranderd.
Vroeger schreef je best-of pagina’s om verkeer te vangen via Google; nu functioneren dezelfde pagina’s als referentiemateriaal voor AI-modellen. Ze gebruiken dit soort content om categorieën te begrijpen, criteria te herkennen en oplossingen logisch naast elkaar te zetten. Wat ooit pure bottom-of-funnel content was, wordt nu input voor hoe een model je markt definieert en welke producten het daarin aanbeveelt.
AI-modellen reageren sterk op:
- “Beste [categorie] software”-pagina’s
- “Beste tools voor [use case]”
- “Welke tool past bij…” scenario’s
Niet omdat ze willen ranken, maar omdat dit de pagina’s zijn die hen helpen de structuur van een categorie te begrijpen.
Mensen vragen namelijk niet: “Vertel me iets over CRM-software.”
Maar:
“Wat is de beste CRM voor kleine teams die remote werken?” “Wat is het beste alternatief voor HubSpot als je onder €200 wilt blijven?” “Wat zijn de beste low-touch onboarding oplossingen voor B2B SaaS?”
Dat zijn bijna één-op-één de vragen die AI-modellen moeten beantwoorden.
Wanneer jij zulke pagina’s publiceert en structureert:
- met heldere criteria,
- neutrale beschrijvingen,
- duidelijke tabellen,
- scenario’s waarin elke tool goed of minder goed past,
dan worden dit topkandidaten voor citatie in AI-antwoorden. Ze worden een ankerpunt voor de query fan-out, een soort centrale hub waar veel micro-queries samenkomen.
Ze hoeven niet commercieel te zijn, ze moeten informatief zijn. Je mag concurrenten opnemen. Sterker nog, dat raad ik aan: leg eerlijk uit wanneer jouw oplossing wél en niet past, want dat is wat AI vertrouwt.
2. Maak een bibliotheek van use-case pagina’s die AI kan matchen met intentie
- onboarding automatisering
- outbound voor agencies
- lead scoring voor kleine teams
- rapportage voor PLG bedrijven
- multi-channel outreach voor SDR-teams
Daarom:
- creëer één pagina per use-case
- beschrijf het probleem, de doelgroep, de workflow, de beperkingen
- schrijf alsof je AI probeert te helpen een keuze te maken
Praktisch voorbeeld: use cases als echte workflows voor AI Search
Een nuttige manier om over use cases na te denken, is door te kijken hoe sommige bedrijven echte workflows documenteren in plaats van alleen features te beschrijven. Storylane maakt bijvoorbeeld interactieve demo’s die kopers door specifieke taken leiden zoals hoe buig je tekst in Canva of hoe koppel je Salesforce met Jira. Hun aanpak leverde inmiddels 787 demopagina’s op die direct in AI-gestuurde zoekresultaten verschijnen (bron).
3. Bouw vergelijkingspagina’s die eerlijker is dan je concurrenten durven zijn
In AI-gedreven omgevingen vervullen vergelijkingspagina’s een andere rol dan in klassieke SEO. Ze overtuigen geen bezoekers meer, ze helpen AI-modellen begrijpen hoe oplossingen zich tot elkaar verhouden. Dat vraagt om een eerlijkere en concretere toon dan voorheen.
AI wil helderheid, geen promotiepraat. De pagina moet onderscheiden, niet overtuigen. Waar ben jij sterker? Waar is de concurrent sterker? Welk type team past beter bij welke tool? En wanneer is jouw product géén goede keuze?
AI-modellen nemen dit soort pagina’s sneller mee als objectieve bron, omdat ze scenario’s en trade-offs expliciet maken. Veel vergelijkingspagina’s ranken niet eens hoog in Google, maar worden wél geciteerd door AI omdat ze semantisch rijk, neutraal en duidelijk zijn.
4. Publiceer “Alternatieven voor [Concurrent]” pagina’s die AI kan citeren
Alternatieven-pagina’s bestaan al zolang er SaaS-marketing is, maar hun functie is veranderd. Waar ze vroeger vooral werden gemaakt om ondersteunde zoekwoorden te vangen (“[X] alternative”), gebruiken AI-modellen ze nu als bron om categorieën scherp te definiëren en producten logisch te groeperen. Ze worden dus minder gelezen door mensen en veel vaker geïnterpreteerd door modellen die proberen te begrijpen welke oplossingen op elkaar lijken – en waarom.
Dit is een van de meest impactvolle pagina’s in een AI-first wereld. Waarom?
Omdat gebruikers in AI-systemen massaal vragen naar alternatieven. Perplexity en ChatGPT ontvangen gigantisch veel vergelijkingsvragen:
“Wat zijn de beste Instantly alternatieven?”
“Wat lijkt op Asana maar is simpeler?”
“Wat zijn de beste alternatieven voor Outreach?”
Dit soort pagina’s worden door AI gezien als:
- contextueel rijk
- nuttig
- vergelijkend
- neutraal (mits goed geschreven)
- ideaal voor citatie
Wanneer je deze pagina’s maakt op basis van feiten en niet marketingtaal, ontstaan ze als kleine “autoriteitsmagneten”.
5. Voeg korte quotes, cijfers en bronvermeldingen toe
AI-modellen citeren opvallend vaak compacte, verifieerbare brokjes informatie: één zin met een relevant cijfer, een korte quote of een duidelijke bronvermelding. Uit GEO-onderzoek blijkt dat dit soort tekstuele elementen tot wel 40% hogere zichtbaarheid (bron) geven in generatieve AI-antwoorden simpelweg omdat modellen deze fragmenten makkelijker kunnen extraheren en gebruiken.
Het werkt vooral goed wanneer het gaat om eigen data (benchmarks, ratios, deliverability cijfers, product metrics) of betrouwbare externe bronnen. Maar hou het wel kort: LLM’s gebruiken meestal één of twee zinnen per fragment.
Kort gezegd: hoe compacter en verifieerbaarder het feit, hoe groter de kans dat AI het aanhaalt.
6. Founder positioning: waarom AI je merk anders moet leren beschrijven
AI-modellen beschrijven SaaS-tools vaak in dezelfde generieke termen, tenzij je zelf actief taal aanreikt die jouw product onderscheidt. Dat betekent dat je de visie van de founder, de echte positionering, expliciet moet verwerken in je content. Niet als marketingpraat, maar als consistente taal die AI-modellen kunnen herkennen en herhalen.
Bijvoorbeeld: Zonder gedetailleerde positioning ziet AI je als “een projectmanagementtool”. Met geïntegreerde founder-taal wordt dat: “een tool ontworpen voor remote teams die asynchrone samenwerking centraal stelt.”
Die precisie ontstaat niet vanzelf. Je bereikt dit door:
- de onderscheidende value proposition in founder-woorden vast te leggen,
- 3–5 kernboodschappen door al je content te verweven,
- diezelfde taal terug te laten komen in helpdocs, vergelijkingen en FAQ’s,
- regelmatig te checken hoe AI-modellen je product omschrijven,
- en bij te sturen wanneer hun beschrijving afwijkt van jouw positioning.
AI reproduceert dan wat jou uniek maakt, niet alleen wat je doet.
Dit is ook de exacte manier hoe ik nu al jaren content maak: via een video-interview met de founder van 1 uur per maand maak ik blogs, LinkedIn social posts, YouTube video’s en nieuwsbrieven. Ontdek hier het Authority Accelerator proces.
7. Voeg echte FAQ’s toe aan je belangrijke pagina’s
FAQ’s werken goed in AI Search. Niet alleen vanwege structured data, maar vooral omdat AI-modellen vraag-antwoordfragmenten heel makkelijk kunnen extraheren en hergebruiken. LLM’s genereren bij elke zoekopdracht tientallen microvragen (“werkt dit met HubSpot?”, “hoe zit het met pricing?”, “wat zijn alternatieven?”), en een goede FAQ sluit daar precies op aan.
FAQ’s zijn krachtige ankerpunten voor AI: ze zijn kort, feitelijk, neutraal en semantisch rijk. Dat is precies het soort informatie dat modellen durven te citeren. Voeg daarom echte FAQ-secties toe aan de pagina’s waar je het meeste van AI verwacht: productpagina’s, use-case content, comparison guides en alternatievenpagina’s. Ook in blogs werken ze goed. Gebruik vragen die prospects écht stellen, en houd de antwoorden compact en concreet.
Ze helpen AI je product correct en volledig te beschrijven.
8. Technische documentatie is het meest onderschatte interne signaal in B2B SaaS
GrowthX analyseerde een miljoen AI-antwoorden. Documentatiepagina’s (technische docs, integratiegidsen, API-referenties) worden 8,6 keer vaker geciteerd door AI dan andere pagina’s op dezelfde site, specifiek tijdens productoriëntatie.
De meeste SaaS-bedrijven behandelen hun docs als een customer success-resource. AI behandelt ze als gezaghebbend bewijs.
De reden is structureel. Docs zijn specifiek, consistent en beantwoorden exacte vragen zonder marketingpraat. AI-systemen beschouwen ze als betrouwbare bronnen, omdat de informatie verifieerbaar is en zelden zichzelf tegenspreekt.
Staan jouw docs achter een login of worden ze niet geïndexeerd? Dat is het eerste wat je aanpakt. Daarna behandel je elke integratiegids en use-case walkthrough als een product marketing asset, niet als supportmateriaal.
9. Actualiteit is een belangrijk signaal
AirOps analyseerde AI-citatiepatronen over een grote contentverzameling (bron). 83% van de citaties kwamen van pagina’s die in de afgelopen 12 maanden waren bijgewerkt. Meer dan 60% van pagina’s die binnen zes maanden waren vernieuwd.
Je beste content van twee jaar geleden verliest elk kwartaal AI-zichtbaarheid, zolang je er niets aan doet.
Het goede nieuws is dat een volledige herschrijving elke zes maanden niet nodig is. Je kunt bijvoorbeeld een nieuw klantvoorbeeld toevoegen, een statistiek update. FAQ-blok toevoegen of de introductie opfrissen. Die kleine updates resetten het freshness-signaal en kosten een fractie van nieuwe content. Bouw een kwartaalreview in je contentkalender en behandel het zoals je pipeline-onderhoud behandelt, niet als een klusje tussendoor.
Deel 3: Bouw AI-vertrouwen met citations buiten je eigen site (external signals)
1. Gebruik persberichten om je online entiteit te versterken
Persberichten zijn een vergeten wapen in het AI-tijdperk. AI-modellen houden van persberichten omdat:
- ze feitelijk zijn
- ze consistent zijn
- ze verschijnen op talloze domeinen
- ze producten, features, prijzen en integraties eenduidig beschrijven
Een goed persbericht helpt AI-modellen om een solide, samenhangend beeld van jouw product te vormen (“entity resolution”), vooral wanneer elders informatie inconsistent is. Het doel is niet media-aandacht, maar AI-vertrouwen opbouwen.
2. Voeg je SaaS toe aan best-of artikelen op websites
Een van de beste manieren om AI-bekendheid te vergroten, is door te verschijnen in best-of lijstjes, zoals ‘Top 10’, ‘Beste tools voor…’ en ‘Beste alternatieven voor…’ artikelen die overal op internet te vinden zijn. Je vindt deze lijsten door te zoeken in Google.
AI-modellen geven de voorkeur aan gestructureerde, scanbare bronnen. Gebruikers ook. Deze lijsten vormen de externe validatielaag die AI-modellen gebruiken om te bepalen of je product een plaats in een shortlist verdient.
3. Produceer YouTube-video’s die fungeren als “machine-leesbare kennisbanken”
AI-modellen lezen YouTube-transcripties alsof het long-form blogartikelen zijn. Dat maakt video’s veel waardevoller dan alleen een marketingmiddel: ze worden een bron van duidelijke, praktische, feitelijke informatie die AI kan hergebruiken in aanbevelingen.
Vooral korte, inhoudelijke video’s werken goed:
- Workflow-walkthroughs (“Hoe onze tool een outreach-campagne opzet in 5 minuten”)
- Use-case demonstraties (“Hoe kleine teams pipeline discipline verbeteren met X”)
- Integratie-uitleg (“Zo verbind je onze tool met HubSpot of Close CRM”)
- Neutrale vergelijkingen (“Wanneer kies je voor X, wanneer voor Y?”)
Deze video’s bevatten precies wat AI moeilijk vindt in traditioneel geschreven content: concrete stappen, echte schermen, natuurlijke taal, specifieke terminologie en context. Daardoor functioneren ze als semantisch rijke bronnen die gemakkelijk geciteerd of gebruikt worden als onderbouwing in AI-antwoorden.
Het opvallende: bijna geen enkel SaaS-team benut dit nog. Daardoor kan een simpele 3–5 minuten walkthrough vandaag meer AI-zichtbaarheid opleveren dan een lange blogpost, juist omdat de transcriptie zoveel begrijpbare informatie bevat.
Lees ook: videomarketing voor SaaS.
4. Zorg voor zichtbare, echte menselijke reviews (Reddit, G2, Capterra)
Voor een AI-model is G2 geen marketing, het is gestructureerde, verifieerbare input. Omdat AI niet zelf kan testen of een product goed werkt, vormen reviews een van de weinige manieren waarop het model risico’s kan inschatten. AI-modellen integreren:
- upvotes
- sentiment
- authenticiteit
- context
- variatie in meningen
Reddit-bijdragen worden vaak gebruikt als menselijk signaal. Reageer in relevante sub-reddits maar zorg voor inhoudelijke reacties. G2 en Capterra versterken je geloofwaardigheid doordat ze de enige gecentraliseerde plekken zijn waar gebruikerservaringen als feiten worden gezien.
Lees ook mijn artikel: Reddit marketing voor B2B SaaS.
5. LinkedIn is nu de #2 bron voor AI-citations (en Pulse speelt een sleutelrol)
Uit een grootschalige SEMrush-analyse van 230.000 prompts (ChatGPT, Google AI en Perplexity,) blijkt dat LinkedIn inmiddels de op één na meest geciteerde bron is in AI-antwoorden direct na Reddit.
Uit onderzoek van Spotlight komt dit ook naar voren: AI-tools citeren LinkedIn-bronnen 4 tot 5 keer vaker dan een jaar geleden. Meer dan 78% van alle LinkedIn-citations komt uit LinkedIn Pulse-artikelen. Long-form content die direct is gekoppeld aan een persoonlijk profiel zien LLMs structureel als betrouwbaarder dan anonieme blogs of generieke contentwebsites.
LinkedIn Pulse-artikelen geven AI meerdere verificatiesignalen tegelijk: een herkenbare auteur, een professionele geschiedenis, niche-expertise en inhoudelijke consistentie. AI hoeft niet te “gokken” of een bron betrouwbaar is: de entiteit persoon + onderwerp klopt.
Voor SaaS-bedrijven betekent dit dat LinkedIn niet langer alleen een distributiekanaal is, maar een citatiebron voor AI search. Door founders of subject matter experts structureel vragen te laten beantwoorden die kopers aan AI stellen (“Hoe evalueer je X?”, “Wanneer faalt Y?”, “Wat zijn echte alternatieven voor Z?”), vergroot je de kans dat jouw merk letterlijk wordt ingebouwd in AI-antwoorden.
Dit maakt LinkedIn Pulse tot een toegankelijk alternatief naast Reddit: minder anoniem, beter te controleren en direct verbonden aan jouw merk.
Hoe meet je of AI-zichtbaarheid echt effect heeft?
AI Search vraagt om andere meetlatten dan traditionele SEO. Je kijkt niet naar posities, maar naar aanwezigheid: hoe vaak verschijnt jouw product in AI-antwoorden binnen jouw categorie? Dat is je praktische share of voice, geen competitief scoreboard maar een indicator dat AI je product herkent en relevant vindt.
Minstens zo belangrijk is de aard van de vermelding. Word je alleen genoemd als “ook een optie”, of geeft AI context over je sterke punten, typische use-cases of prijsniveau? Dat verschil vertelt meer over je informatiekwaliteit dan over je zichtbaarheid.
Omdat AI-verkeer vaak indirect binnenkomt, eerst via een aanbeveling en later via branded search of directe navigatie, draait attributie minder om klikgedrag en meer om herkenning. Je ziet het terug in drie plekken: een stijging in merkzoekopdrachten (brand lift), kwalitatief betere inbound-leads, en antwoorden in onboarding zoals: “Ik kwam jullie tegen in ChatGPT.”
Meet niet of AI je “bovenaan” zet, dat concept bestaat niet in AI Search. Meet of AI je begrijpt, kan uitleggen en durft te noemen. Dáár begint het effect.
Tip 1: De brand lift meet ik zelf altijd via een Looker Studio Dashboard op basis van Google Search Console (GSC) data. In GSC kan je namelijk precies zien hoeveel kliks er op je merk zijn in de zoekresultaten van Google.
Tip 2: zorg dat je op al je webforms een open veld toevoegt met de vraag: Hoe heb je ons gevonden? Hopelijk komt hier steeds meer ChatGPT of een andere AI-assistent naar voren.
Moet je AI zichtbaarheid meten met tools?
Je hebt hiervoor geen zwaar analyticsplatform nodig. Veel van wat ertoe doet, begint met handmatige check-ins: simpelweg kijken welke antwoorden ChatGPT, Perplexity en Google AI geven op de vragen die jouw prospects stellen. Dat is vaak al inzichtelijker dan welk dashboard dan ook.
Daarnaast bestaan er inmiddels meerdere AI Share-of-Voice tools en LLM citation trackers die helpen trends te zien over tijd, maar ze vervangen het handmatige werk niet. Ze versnellen vooral het signaleren van patronen: wie AI vandaag noemt, hoe vaak, en op basis van welke bronnen.
Tools kunnen je dus helpen, maar het fundament blijft hetzelfde: AI begrijpt en beschrijft je alleen goed als je informatie klopt, consistent is en overal hetzelfde verhaal vertelt.
FAQ: Zijn best-of en vergelijkingpagina’s bij GEO niet gewoon oude SEO-tactieken?
SaaS-marketeers maken deze pagina’s al jaren. Het verschil zit niet in de vorm, maar in wie ze nu leest.
Vroeger schreef je ze voor mensen die in Google op zoek waren naar een shortlist. Nu worden dezelfde pagina’s gebruikt door AI-modellen om te begrijpen hoe jouw categorie werkt, welke oplossingen op elkaar lijken, en wat jou onderscheidt.
Voor AI zijn dit geen conversiepagina’s meer, maar documentatiebronnen. Het model haalt er structuur, definities en scenario’s uit, en gebruikt die informatie om aanbevelingen te doen in andere gesprekken, soms zelfs zonder ooit naar jouw website te linken. Dat is nieuw.
Waar je vroeger optimaliseerde voor één zoekwoord, optimaliseer je nu voor tientallen varianten die een model zelf genereert. En waar je vroeger probeerde mensen te overtuigen, probeer je nu een model te helpen jou correct samen te vatten.
De pagina’s lijken hetzelfde, maar hun functie is fundamenteel veranderd: van verkeer vangen naar betekenis leveren.
FAQ: Wat is het verschil tussen AI Search, GEO, AIO en LLM SEO?
AI Search = zoeken via ChatGPT, Perplexity en Google AI. Je krijgt niet tien blauwe links, maar een direct antwoord of shortlist.
GEO (Generative Engine Optimization) = optimaliseren om genoemd en aanbevolen te worden in die AI-antwoorden. Het gaat om zichtbaarheid in output.
AIO (AI Optimization) = de bredere strategie om AI-modellen je product goed te laten begrijpen en correct te positioneren. Het is het fundament waarop GEO rust.
LLM SEO / AI SEO = klassieke SEO-principes toepassen op hoe taalmodellen content lezen en extraheren (structuur, entiteiten, semantiek).
In het kort: SEO is voor Google. AIO zorgt dat AI weet wie je bent. GEO zorgt dat AI je noemt wanneer het ertoe doet.
FAQ: Moet je ChatGPT en Perplexity anders optimaliseren voor GEO?
ChatGPT en Perplexity lijken qua gebruik op elkaar, maar onder de motorkap werken ze heel verschillend en dat zie je terug in welke content ze oppikken. ChatGPT leunt sterk op de index van Bing en geeft daarom de voorkeur aan content die helder gestructureerd is: duidelijke opbouw, FAQ’s, vergelijkingstabellen en expliciete uitleg die makkelijk te extraheren is. Het model kiest bronnen die overzichtelijk en direct interpreteerbaar zijn.
Perplexity pakt het anders aan. Dit model crawlt zelf het web en beoordeelt content meer zoals een onderzoeker dat zou doen: het beloont diepgang, volledigheid en feitelijke uitwerking. Het is kritisch op teksten die oppervlakkig, promotioneel of semantisch dun zijn, en citeert liever pagina’s die een onderwerp uitgebreid en onderbouwd behandelen.
ChatGPT geeft de voorkeur aan content die makkelijk te extraheren is. Perplexity geeft de voorkeur aan content die grondig en onderbouwd is.
Dat betekent niet dat je twee aparte strategieën moet voeren, maar wel dat goede AI-content beide dimensies bedient: helder genoeg voor ChatGPT, volledig genoeg voor Perplexity.
Conclusie
De opkomst van AI-modellen maakt het speelveld niet per se spannender voor SaaS-bedrijven, maar wel eerlijker. Veel van wat werkt, is helemaal niet nieuw: duidelijk zijn, precies uitleggen wat je doet, niet overclaimen, transparant zijn over je sterke en zwakke punten, en zorgen dat anderen je verhaal kunnen bevestigen.
Het enige verschil is dat je uitleg nu niet alleen voor mensen moet kloppen, maar ook voor systemen die die uitleg proberen te interpreteren. Bedrijven die dat serieus nemen, bouwen geen “AI-strategie”. Ze bouwen gewoon een beter fundament onder hun positionering. Dat klinkt minder spectaculair dan de hype rond GEO doet vermoeden. Het is ook precies wat werkt.
