GEO-strategie in 2026: mijn GEO-flywheel in 4 stappen

GEO-strategie is geen eenmalig project maar een terugkerende cyclus van vier stappen: audit, optimalisatie, autoriteit en monitoring. Dat model noem ik het GEO Flywheel, en het is de aanpak die ik bij elk klantproject opnieuw doorloop, van eerste nulmeting tot maandelijkse opvolging. In dit artikel neem ik je stap voor stap mee door die cyclus, met de exacte tools, verhoudingen en prompts die ik zelf gebruik.

Een vliegwiel draait niet één keer en stopt dan. Het bouwt vaart op, en elke volgende ronde kost minder moeite dan de vorige. Zo werkt GEO ook. De eerste audit voelt vaak als een berg werk, maar wie de vier stappen consequent blijft herhalen, merkt dat optimalisatie, autoriteitsopbouw en monitoring stilaan in elkaar overvloeien tot één doorlopend ritme. Laten we samen door die vier stappen lopen, in de volgorde waarin ik ze zelf toepas.

Wat is het GEO Flywheel?

Het GEO Flywheel bestaat uit vier fasen die elkaar continu opvolgen: eerst breng je de huidige situatie in kaart, dan los je de grootste technische en inhoudelijke knelpunten op, vervolgens bouw je vertrouwen op buiten je eigen site, en ten slotte meet je of dat alles effectief tot meer citaties leidt. Die laatste stap voedt meteen de volgende audit, en zo sluit de cirkel zich telkens opnieuw.

Wie deze vier fasen als een lijst met afvinkbare taken behandelt, mist de kern van het model. Het draait om herhaling: elke monitoringronde levert nieuwe inzichten op die de volgende audit scherper maken, en elke audit stuurt op zijn beurt de volgende optimalisatieronde bij.

Stap 1: audit, welke zaken brengen we in kaart?

Een GEO-audit brengt drie zaken in kaart voor je aan optimalisatie begint: de technische fundamenten van de website, de kwaliteit van de bestaande content, en een nulmeting van je huidige zichtbaarheid in AI-antwoorden. Zonder die drie basislijnen werk je in het duister: je weet dan wel dát je iets aanpast, maar niet of het ook effect heeft.

Technische fundamenten controleren

De technische audit start bij de vraag of AI-crawlers je site überhaupt kunnen bereiken en begrijpen. Ik controleer of retrieval-bots zoals OAI-SearchBot en Claude-SearchBot worden toegelaten via het robots.txt-bestand, en of de belangrijkste pagina's al voorzien zijn van correct opgestelde schema-markup. Deze technische laag bespreken we uitgebreider in ons artikel over technische GEO-fundamenten, maar de kern voor deze stap is simpel: zonder technische toegankelijkheid heeft geen enkele volgende stap in dit flywheel effect.

Content en copywriting analyseren

Daarnaast analyseer ik de bestaande content en copywriting op drie punten: is er voldoende content aanwezig, is ze geschreven op een manier die AI-retrieval bevordert, en zijn er al content clusters opgebouwd rond kernonderwerpen. Ik kijk hierbij specifiek naar de fact density van een pagina, hoeveel verifieerbare, concrete informatie er per alinea staat, en naar of de tekst al is opgebouwd in behapbare, op zichzelf staande stukken. De onderliggende vraag is telkens dezelfde: begrijpen taalmodellen op basis van deze content wie je bent en wat je precies aanbiedt?

De nulmeting: twee meetpunten

Een nulmeting geeft je een vertrekpunt om vooruitgang tegen af te zetten, en ik gebruik daarvoor twee complementaire bronnen. Ten eerste kijk ik in GA4 naar organische sessies. Een groot deel van de klantverkenning gebeurt vandaag al binnen het gesprek met een taalmodel zelf, maar toch zien we na een geslaagde GEO-optimalisatie vaak een merkbare stijging in organisch verkeer. De verklaring hiervoor ligt in hoe die gesprekken verlopen: ChatGPT plaatst je bedrijf in een shortlist naast enkele andere kandidaten, en de potentiële klant gaat vervolgens zelf verder op zoek om te bepalen wie voor zijn situatie de beste keuze is. Die vervolgstap levert het organische bezoek op dat je in GA4 terugziet.

Ten tweede meet ik de AI Visibility Score via een gespecialiseerde tool zoals Visiblie. Zo'n tool toont hoe vaak je merk verschijnt binnen een vastgelegde set prompts, en vormt daarmee het tweede been van je nulmeting naast de GA4-cijfers.

Stap 2: optimalisatie, welke knelpunten pak je eerst aan?

Optimalisatie richt zich op de knelpunten met de hoogste impact op korte termijn, geïdentificeerd tijdens de audit, en valt in de praktijk uiteen in twee sporen: schema-markup en contentherstructurering. Waar schema vroeger als een nice-to-have gold binnen SEO, is het voor GEO een must-have geworden: zonder gestructureerde data moet een taalmodel gokken wie je bent, en gokwerk is precies wat je wil vermijden.

Schema en de entity graph

De uitrol van een JSON-LD entity graph, met Organization-, Person- en Article-schema die onderling naar elkaar verwijzen, staat bij elk optimalisatietraject bovenaan de lijst. We bespraken deze @graph-structuur en de valkuilen erbij, zoals een vergeten placeholdernaam in je Organization-node, al uitgebreider in ons artikel over GEO implementeren. Voor deze stap in het flywheel volstaat het te onthouden dat losse, niet-gekoppelde schema-blokken een AI-model dwingen tot giswerk, terwijl een geneste structuur elke twijfel wegneemt over welk artikel bij welke auteur en welk merk hoort.

Content herstructureren: answer-first en concrete cijfers

Na de technische laag kijk ik naar de kernpagina's op de website, met twee vragen in het achterhoofd: welke pagina's hebben dringend nood aan een answer-first herstructurering, en waar staat nog vage taal in plaats van concrete cijfers en statistieken? Een pagina die met een lange inleiding start voor ze tot de kern komt, verliest een taalmodel al voor het eerste concrete feit gelezen is. Vage formuleringen zoals "onze aanpak werkt efficiënter" geven een taalmodel dan weer niets tastbaars om over te nemen, in tegenstelling tot een concreet cijfer met een bronvermelding erbij. Deze twee ingrepen, herstructureren en concretiseren, leveren doorgaans de grootste directe winst op binnen een optimalisatieronde.

Lees hier het uitgebreide artikel over copywriting voor LLM's.

Topical coverage: de fundering onder externe autoriteit

Externe autoriteit werkt pas wanneer je eigen site voldoende samenhangende content biedt om naar terug te verwijzen. Zonder die interne basis heeft een vermelding op Wikidata, Reddit of in vakmedia weinig om aan vast te haken.

De reden is simpel. Een taalmodel knipt een samengestelde vraag op in kleinere deelvragen, en zoekt voor elk van die deelvragen apart naar de beste bron. Een site met slechts één artikel over een onderwerp kan dan onmogelijk overal opduiken, terwijl een site met meerdere onderling verbonden artikelen bij elke deelvraag een eigen kanshebber heeft staan.

Diezelfde logica geldt voor earned media. Een vakblad of een Reddit-thread citeert alleen content die ergens al bestaat: zonder voldoende dekking van de deelonderwerpen binnen je kernthema is er simpelweg niets om naar te verwijzen, hoe hard je ook aan externe autoriteit werkt.

In de praktijk controleer ik dit op twee manieren. Eerst breng ik in kaart welke deelvragen binnen een kernonderwerp nog geen eigen artikel hebben, zodat de witte vlekken zichtbaar worden. Daarna kijk ik hoe sterk de bestaande artikelen onderling naar elkaar linken, want hoe dichter dat netwerk, hoe meer artikelen elkaars autoriteit versterken in plaats van los naast elkaar te bestaan.

Dat vertaalt zich bij ons naar één centrale gids per kernonderwerp, omringd door artikelen die elk een specifieke deelvraag beantwoorden en onderling naar elkaar linken.

Content freshness: elke drie maanden herzien

Ik herhaal dit optimalisatieproces elke drie maanden en werk bestaande pagina's telkens bij om voldoende content freshness te behouden. Taalmodellen geven aantoonbaar de voorkeur aan pagina's met de meest recente en relevante informatie: URL's die AI-systemen citeren zijn gemiddeld 25,7% "verser" dan URL's in de klassieke organische zoekresultaten, blijkt uit een analyse van 17 miljoen citaties door Ahrefs.

Een recentere studie van Seer Interactive, gebaseerd op 47.097 citaties verspreid over 7.683 pagina's bij ChatGPT, Gemini en Perplexity tussen maart en juni 2026, bevestigt dat patroon met harde cijfers: drie op de vier geciteerde pagina's waren binnen het voorbije jaar bijgewerkt, en van die groep was meer dan de helft zelfs in de laatste drie maanden nog aangepast. Dat onderbouwt rechtstreeks waarom een kwartaalritme, en niet een jaarlijkse opfrisbeurt, het minimum is om relevant te blijven. Diezelfde studie voegt een eerlijke nuance toe: Perplexity beloont net ouder, gezaghebbend evergreen-materiaal sterker dan ChatGPT en Gemini, dus voor content die op dat platform moet scoren, weegt bewezen autoriteit soms zwaarder dan een verse aanpassingsdatum.

Stap 3: autoriteit, waar bouw je vertrouwen op buiten je site?

Autoriteit opbouwen betekent zichtbaar worden op de externe platformen die taalmodellen gebruiken als basis voor zowel hun trainingsdata als hun live retrieval, aangezien AI-systemen bevestiging buiten je eigen website zwaarder laten wegen dan wat je zelf over jezelf beweert. Aanwezigheid op deze platformen bepaalt rechtstreeks in welke mate een model de entiteit achter je merk vertrouwt.

Wikidata en Wikipedia

Wikidata geldt als het belangrijkste open-access kennisregister op het web, met machinaal verwerkbare relaties en ondersteuning voor attributen zoals ORCID iD's voor auteurs en officiële registers voor bedrijven. Een beleidsconform Wikidata-item stelt AI-systemen in staat om je entiteit definitief te disambiguéren: het model weet dan met zekerheid welk bedrijf, welke persoon of welk product je bedoelt, in plaats van te moeten raden tussen gelijkaardige namen.

Reddit en discussieplatformen

LLM-ontwikkelaars zoals OpenAI en Google beschikken over rechtstreekse datalicenties met Reddit, en dat heeft directe gevolgen voor hoe vergelijkende vragen worden beantwoord. Google sloot in februari 2024 een contentlicentie met Reddit ter waarde van ongeveer 60 miljoen dollar per jaar, meldde de Columbia Journalism Review. OpenAI volgde drie maanden later met een vergelijkbare licentieovereenkomst, waarbij Reddit-CEO Steve Huffman het platform destijds omschreef als een van de grootste open archieven van actuele, menselijke gesprekken op het web. Die datalicenties leverden Reddit in 2024 in totaal zo'n 130 miljoen dollar op, ongeveer 10% van de totale omzet van het bedrijf, volgens cijfers gedeeld door marketinganalist Scott Galloway.

Bij een vraag als "wat zijn de ervaringen met software X?" halen retrieval-systemen hun informatie doorgaans rechtstreeks uit recente Reddit-discussies, en actieve, organische aanwezigheid op relevante subreddits beïnvloedt daardoor rechtstreeks welke aanbevelingen een AI-systeem doet. Die toegang verschilt wel per platform: Anthropic sloot tot dusver geen licentieovereenkomst met Reddit af, en het platform klaagde het bedrijf in juni 2026 aan wegens vermeend ongeautoriseerd scrapen, meer dan honderdduizend keer sinds medio 2024. Dat verschil sluit aan bij het onderscheid dat we eerder al maakten tussen retrieval- en trainingbots: welke data een taalmodel mag gebruiken, en onder welke voorwaarden, hangt af van het platform en de specifieke licentieafspraak, niet van een universele regel die voor elk AI-systeem hetzelfde is.

Vakmedia en branchepublicaties

Nieuwsartikelen, onderzoekspublicaties en interviews op gerenommeerde derdensites versterken wat je zou kunnen noemen de contextuele co-referentie van je merk: hoe vaker en hoe consistenter je naam opduikt naast een bepaald onderwerp op onafhankelijke, gezaghebbende sites, hoe sterker een taalmodel die link als vaststaand feit gaat behandelen. Contentwerk op je eigen site en een gerichte inspanning om vermeldingen te verdienen op deze platformen versterken elkaar dus voortdurend.

Co-citing: autoriteit door associatie

Co-citing betekent dat een taalmodel binnen één antwoord meerdere bronnen samen aanhaalt, en die combinatie verraadt in welk entiteitennetwerk het jouw merk plaatst. Wordt jouw content consequent samen met de erkende autoriteiten in je vakgebied geciteerd, dan neemt een taalmodel je op in diezelfde vertrouwde omgeving en bouw je autoriteit op door het gezelschap waarin je verschijnt. Word je nooit samen met die spelers aangehaald, of enkel naast zwakkere bronnen, dan blijft die autoriteitsoverdracht simpelweg uit, ook al is je eigen content op zich sterk. Volgens Beatrice Gamba, Head of Innovation bij WordLift, werkt deze dynamiek het best wanneer je content expliciet en accuraat verwijst naar de erkende namen, tools en bronnen in je niche, in plaats van eromheen te schrijven zonder ze te benoemen, en wanneer je die vermeldingen combineert met verifieerbare partnerships en externe artikelen die je in één adem noemen met die autoriteiten.

Stap 4: monitoring, hoe meet je of het werkt?

Monitoring vraagt om een vaste, herhaalbare set prompts, een Prompt Map, omdat AI-antwoorden dynamisch worden gegenereerd en je zichtbaarheid dus onmogelijk met één losse vraag kan meten. Een volwaardige Prompt Map bestaat uit 50 tot 100 vastgelegde prompts, verdeeld over vier intentiecategorieën, die je maandelijks herhaalt om resultaten over tijd te kunnen vergelijken.

Vier intentiecategorieën

Informatieve prompts stellen een vraag als "wat is [vakbegrip] en hoe wordt het toegepast?" en peilen naar hoe je merk scoort bij educatieve zoekintenties. Commercieel oriënterende prompts vragen naar "de belangrijkste oplossingen voor [branchespecifiek probleem]" en liggen dichter bij een aankoopbeslissing. Transactionele of vergelijkende prompts stellen expliciet een vergelijking voor, zoals "vergelijk [eigen merk] met [directe concurrent] op het gebied van [functie]". Lokale of regionale prompts ten slotte vragen naar "de meest gekwalificeerde [dienstverlener] in [regio]", en zijn vooral relevant voor bedrijven met een geografisch afgebakende markt.

Wat je meet hangt af van de prompt, niet de categorie

Deze vier categorieën bepalen welke vraag je stelt, maar minstens even belangrijk is hoe je het antwoord beoordeelt, en dat hangt niet af van de intentiecategorie maar van of je eigen merk of dat van een concurrent al in de prompt zelf voorkomt. Prompts zonder merknaam, wat de meeste informatieve, commerciële en lokale vragen zijn, meet je op presence: kom je ongevraagd naar voren? Dit blijft je enige eerlijke zichtbaarheidssignaal. Prompts waarin je eigen merk expliciet genoemd wordt, typisch binnen de transactionele of vergelijkende categorie, meet je op sentiment in plaats van op mention rate, aangezien die laatste hier toch al rond de 100% ligt en dus niets onderscheidends vertelt. Prompts waarin een concurrent met naam genoemd wordt, meet je op citations: niet of jij verschijnt, maar welke bronnen de AI aanhaalt om die concurrent te onderbouwen.

Ook hier houd ik een verhouding aan van ruwweg 80% unbranded, 10% branded en 10% competitor, zodat je onbevangen presence-score het cijfer blijft waarop je daadwerkelijk stuurt.

Maandelijks herhalen over de kernsystemen

Ik draai deze volledige set maandelijks over de kernsystemen, ChatGPT Search, Gemini, Claude en Google AI Overviews, zodat ik niet alleen zie óf ik zichtbaar ben, maar ook waar de verschillen tussen platformen precies zitten. Naast deze AI-visibility rapportering neem ik, net zoals bij de nulmeting, ook de organische trafiek in GA4 mee. Zo sluit de monitoringfase het flywheel af en levert ze meteen de input voor de volgende auditronde.

Bronnen & verder lezen

Voor de technische fundamenten achter dit flywheel, zoals robots.txt-configuratie en schema-implementatie, verwijzen we naar onze artikelen over technische GEO-fundamenten en over wat GEO precies is en hoe je het implementeert. Het inzicht over co-citing komt van het onderzoek van Beatrice Gamba voor MLforSEO naar hoe taalmodellen autoriteit toekennen via gezamenlijke citaties. Let op: dit is een blogartikel van een opleidingsplatform, geen collegiaal getoetst onderzoek, vandaar de directe naamsattributie in de tekst zelf.

De cijfers over Reddits datalicenties komen uit de Columbia Journalism Review (Google-deal en de rechtszaak tegen Anthropic) en een AP-bericht via Yahoo Tech (OpenAI-deal). Het cijfer over de totale licentie-inkomsten van Reddit in 2024 is gebaseerd op cijfers gedeeld door marketinganalist Scott Galloway. De statistiek over content freshness komt van Seer Interactive en van Ahrefs' analyse van 17 miljoen AI-citaties.