Hoe GEO-klaar is de Belgische markt? Een audit van 100 websites

Elke keer als ik met een ondernemer of marketeer over GEO praat, komt op een bepaald moment dezelfde vraag naar boven: hoe goed doen andere bedrijven dit eigenlijk? Iedereen heeft een onderbuikgevoel, maar niemand had tot nu toe harde cijfers om dat gevoel tegenaan te leggen. Dat gemis was voor mij de directe aanleiding om zelf honderd sites te auditeren, met als doel een echte GEO-benchmark voor Belgische websites neer te zetten.

Ik koos daarbij bewust voor vier sectoren met een sterk verschillend digitaal profiel: webshops, B2B SaaS-bedrijven, cybersecurity-spelers en een restgroep van overige sectoren. Elke site werd op dezelfde manier doorgelicht, op vijf pijlers:

1. Crawlbaarheid meet iets eenvoudigs: staat je site geïndexeerd bij Google, en sluit je de twee belangrijkste AI-zoekbots, die van ChatGPT en Perplexity, niet per ongeluk buiten? Sta je gewoon open en geïndexeerd, dan haal je hier het volle punt.
2. Structured data telt of de drie belangrijkste soorten machineleesbare data aanwezig zijn: een Organization-schema dat vastlegt wie je als bedrijf bent, een Article-schema dat je content identificeert, en een FAQPage-schema dat vraag-antwoordblokken machineleesbaar maakt. Hoe meer van die drie aanwezig zijn, hoe hoger de score op dit onderdeel.
3. Entity- en auteursautoriteit kijkt niet naar of je een auteursnaam toont, maar naar of je die naam ook bewijst. Staat de naam gelinkt naar een echte auteurspagina, is er een onderliggend Person-schema, en heeft die persoon of dat bedrijf een Wikidata-item? Dit onderdeel meet dus letterlijk het verschil tussen zelf beweren dat je een expert bent en dat machinaal kunnen aantonen.
4. Content en feitendichtheid: rekent puur de feitendichtheid: hoeveel harde statistieken, data en verifieerbare feiten zitten er per honderd woorden in je tekst.
5. Integriteit en freshness checkt of een site consequent is. Klopt de zichtbare publicatiedatum met wat er in de onderliggende schema-data staat? En als er een FAQ op de pagina staat, komt die dan ook effectief overeen met wat het FAQ-schema beweert? Een site zonder FAQ wordt hier niet voor gestraft: die pijler draait dan uitsluitend om de datumconsistentie.

Die pijlers wegen samen door tot één GEO Readiness Score per site, zodat sectoren en individuele bedrijven eerlijk met elkaar te vergelijken zijn in plaats van los van elkaar beoordeeld te worden.

De cijfers bleken verbazingwekkend. In dit artikel loop ik door wat deze audit blootlegt, sector per sector en signaal per signaal, en wat die patronen betekenen voor wie zelf aan de slag wil.

Het eerste getal: een gemiddelde van 51,6 op 100

De vijf deelscores hierboven tellen samen tot een gewogen eindcijfer op 100 punten.

De gemiddelde GEO Readiness Score over de honderd onderzochte sites komt uit op 51,6, met een koploper uit de B2B SaaS-sector op 79. Geen enkele site uit de steekproef haalt de bovenste categorie "excellent" (80+). Achter dat gemiddelde schuilt een markt die zich verdeelt in vier duidelijke groepen:

• 4% scoort kritiek
• 28% zwak
• 40% matig
• 28% sterk

Meer dan één op de drie sites blijft dus technisch en structureel onder de maat voor citatie door AI-zoeksystemen, terwijl niemand het punt bereikt waarop je van een echt volwassen GEO-implementatie kan spreken.

Een derde van de markt is niet verifieerbaar voor AI-systemen

35% van de onderzochte sites is wat we "GEO-blind" noemen: geen Organization-schema, geen Person-schema en geen auteursschema. Deze sites zijn voor een AI-systeem wel gewoon bereikbaar en crawlbaar, maar bevatten geen enkele gestructureerde ingang waarlangs een taalmodel kan bevestigen wie ze zijn, wat ze doen, of wie er achter hun content staat. Zonder die verificatie valt een citatie doorgaans weg, ook al is de site zelf perfect vindbaar.

Dat cijfer verbergt een scherp sectorverschil. Webshops zijn veruit het vaakst GEO-blind, met 53,8% van de onderzochte webshops zonder enige vorm van entiteitsherkenning, tegenover slechts 20% bij B2B SaaS-bedrijven. De verklaring ligt niet bij onwil, maar bij platformkeuzes. Veel webshops draaien op e-commerceplatformen zoals Shopify, Magento of Lightspeed, die vooral Product- en WebSite-schema standaard meeleveren, maar zelden Organization- of Person-schema zonder bijkomende configuratie. B2B SaaS-bedrijven werken vaker met WordPress of Webflow, platformen die dat soort schema makkelijker laten toevoegen via plugins of custom code.

Het gevolg is een structureel nadeel voor precies de sector die het dichtst bij de eindklant staat. Een webshop die voor een AI-systeem onverifieerbaar blijft als entiteit, verliest niet alleen citaties in informatieve vragen, maar ook het soort vertrouwenssignaal dat nodig is om in een vergelijkende aanbeveling te worden opgenomen.

Auteurschap en Person-schema: twee losse knoppen, zelden samen omgedraaid

Een zichtbare auteursnaam is een van de sterkste signalen om E-E-A-T aan te tonen, maar pas als die naam ook doorlinkt naar een echte auteurspagina. Pas wanneer je daar bovenop een Person-schema aan koppelt, maak je die cirkel helemaal rond: de naam, de pagina en de machineleesbare identiteit bevestigen elkaar, en precies die combinatie zorgt voor een optimale AI-leesbaarheid van een blogartikel.

De cijfers spreken voor zicht:

• 67 sites met een zichtbare auteursnaam
• 35,8% linkt door naar een profiel of auteurspagina
• 16,4% combineert die link met een onderliggend Person-Schema

Van de 67 sites met een zichtbare auteursnaam linkt slechts 35,8% die naam door naar een profiel of auteurspagina, en amper 16,4% combineert die link met een onderliggend Person-schema. De overgrote meerderheid van bedrijven die wel een naam bij een artikel zetten, laat die naam dus zonder enige verificatie staan.

Voor een AI-systeem is dat een gemiste kans op twee vlakken tegelijk. Een auteursnaam zonder link biedt geen enkele manier om die persoon te herleiden tot een reëel, controleerbaar profiel. Een Person-schema zonder zichtbare naam in de content mist dan weer de verbinding tussen de tekst en de expertise erachter. Pas de combinatie van beide laat een taalmodel toe om expertise daadwerkelijk aan een geverifieerde persoon te koppelen, en precies die combinatie blijft in 83,6% van de gevallen achterwege.

FAQ-schema: veelbelovend format, nauwelijks technisch ondersteund

21 van de 100 sites tonen zichtbare FAQ's aan hun bezoekers, maar slechts 2 daarvan, ofwel 2% van alle onderzochte sites, voorzien ook het onderliggende FAQPage-schema dat een AI-systeem toelaat die vragen en antwoorden machinaal te herkennen. De overige 19 sites bouwen dus wel het format op dat mensen overtuigt, zonder de laag toe te voegen die een taalmodel toelaat diezelfde content rechtstreeks te citeren.

Dat is een opvallend gemiste kans, omdat FAQ-content op zich al goed aansluit bij hoe AI-systemen antwoorden opbouwen: kort, direct, één vraag per antwoord. Het ontbrekende schema is meestal geen inhoudelijk probleem, eerder een technische stap die overgeslagen wordt bij de implementatie. Wie al FAQ-content op de site heeft staan, wint dus relatief snel terrein door enkel het schema toe te voegen, zonder de tekst zelf te moeten herschrijven.

Wikidata: waar webshops verrassend voorop lopen

AI-modellen vertrouwen een claim over jouw merk pas echt zodra die extern bevestigd wordt, en niet enkel op je eigen website staat. Wikidata is zo'n onafhankelijke, gestructureerde bron die een LLM gebruikt om te bepalen wie of wat je eigenlijk bent. Zonder die externe bevestiging blijf voor een AI-model onzeker, wat de kans op citatie en aanbeveling verkleint.

24% van de sites heeft een Wikidata-item, en hier draait het sectorbeeld helemaal om. Webshops scoren hier het hoogst met 46,2%, terwijl ze op vrijwel elke andere metric onderaan bungelen. De verklaring ligt waarschijnlijk niet bij een bewuste GEO-strategie, maar bij de aard van de bedrijven zelf: veel van de onderzochte webshops zijn gevestigde, fysiek aanwezige retailmerken die al langer bestaan en om andere redenen, zoals naamsbekendheid of media-aandacht, al een Wikidata-item hebben gekregen.

Dat maakt Wikidata-aanwezigheid het enige signaal in deze audit waarbij webshops een structureel voordeel hebben, ook al is dat voordeel eerder toeval dan strategie. Voor bedrijven die zelf nog geen Wikidata-item hebben, blijft het wel een van de meest onderschatte stappen om buiten de eigen site autoriteit op te bouwen, precies omdat een AI-model een claim op de eigen website zwaarder laat wegen zodra die extern bevestigd wordt.

Bot-blocking: bijna nooit een bewuste keuze

8% van de onderzochte sites blokkeert retrieval-bots actief, de bots die live een pagina bezoeken op het moment dat een gebruiker een vraag stelt aan ChatGPT of Perplexity. Van de 8 sites die minstens één AI-bot blokkeren, blokkeren ze meteen alle 6 onderzochte bots tegelijk, trainings- en retrievalbots door elkaar.

Dat patroon wijst op een generieke beveiligingsregel die alle AI-verkeer in één klap weert, eerder dan een doordachte GEO-keuze. niet toevallig cybersecurity-bedrijven blokkeren AI-bots verreweg het vaakst: 5 van de 8 sites die specifiek retrieval-bots blokkeren zijn cybersecurity-bedrijven.

Voor een sector die zelf continu waarschuwt voor ongecontroleerde toegang, is dat een begrijpelijke reflex, maar wel een dure. Een cybersecurity-bedrijf dat OAI-SearchBot of PerplexityBot weert, sluit zichzelf onmiddellijk uit van elke kans om vermeld te worden op het moment dat een potentiële klant een vraag stelt over precies hun vakgebied.

Organization- en Article-schema: losse puzzelstukken, zelden een geheel

Slechts 31 van de 100 sites combineren zowel Organization- als Article-schema. 18 sites hebben enkel Organization-schema, 16 hebben enkel Article-schema, en 35 hebben geen van beide. Schema-implementatie in deze markt is dus overwegend fragmentarisch: bedrijven voegen losse stukjes toe zonder ze samen te binden tot een herkenbaar geheel.

Dat is problematisch, omdat een AI-model losse schema-blokken niet automatisch aan elkaar koppelt. Zonder expliciete verwijzingen tussen een Organization-node en de bijhorende Article-nodes moet een taalmodel zelf gokken of een artikel effectief bij die specifieke organisatie hoort. Een samenhangende @graph-structuur, waarin elk onderdeel via een vast @id naar de andere verwijst, lost dat gokwerk op, maar blijft in deze steekproef eerder uitzondering dan regel.

Fact density: de helft van de markt haalt het niveau van "degelijke" content niet

Volgens de KDD 2024-studie van Aggarwal et al. (Princeton, Georgia Tech, Allen Institute for AI, IIT Delhi) behoort Statistics Addition tot de best presterende tactieken om de zichtbaarheid van content in generatieve zoekmachines te verhogen. Op de GEO-bench-benchmark behaalde deze topgroep een relatieve verbetering van 30 tot 40%.

12% van de onderzochte websites heeft een fact density lager dan 1. Dit wil zeggen dat deze websites weinig tot nauwelijks gebruik maken van verifieerbare, controleerbare feiten in hun teksten.

Wat deze audit betekent voor je eigen site

Vijf patronen komen telkens terug in deze honderd sites, en elk daarvan is met beperkte inspanning bij te sturen.

1. Voeg Organization- en Article-schema samen toe, niet los van elkaar. Losse schema-blokken laten een AI-model gokken naar het verband. Een @graph-structuur met expliciete @id-verwijzingen legt dat verband vast.
2. Combineer een zichtbare auteursnaam altijd met een link én een Person-schema. Slechts 16,4% van de sites met een auteursnaam doet dit vandaag, wat betekent dat deze ene aanpassing een directe voorsprong oplevert op het gros van de markt.
3. Voeg FAQPage-schema toe aan bestaande FAQ-content. Bij 19 van de 21 sites met zichtbare FAQ's ontbreekt enkel deze technische stap, niet de inhoud zelf.
4. Blokkeer nooit alle AI-bots in één beweging. Onderscheid trainingsbots van retrieval-bots in je robots.txt-bestand en je CDN-instellingen, zoals slechts 1 van de 9 blokkerende sites in deze steekproef effectief deed.
5. Vervang vage verwoordingen door verifieerbare, controleerbare feiten. Statistics addition kan de citatiekans tot 40% verhogen.

Conclusie: wie nu begint, heeft meteen een voorsprong

Honderd sites uit vier verschillende sectoren en evenveel verschillende bedrijfsgroottes laten hetzelfde beeld zien: technisch staat de markt er, ondanks alle aandacht voor AI de laatste jaren, behoorlijk zwak voor. Een gemiddelde van 51,6 op 100, een derde van de markt onverifieerbaar voor AI-systemen, en de helft die zelfs de basisdrempel voor fact density niet haalt, zijn geen uitzonderingen van een paar achterblijvers. Het is het gemiddelde beeld van de markt zelf.

Voor de bedrijven in deze steekproef is dat een gemiste kans. Voor jouw bedrijf is het net het tegenovergestelde: een window dat vandaag nog wagenwijd openstaat. Begin je nu met het implementeren van de technische GEO-fundamenten, gecombineerd met een structurele opbouw van je content en gericht werk aan je topical authority, dan bouw je een voorsprong op die het gros van je sector vandaag simpelweg nog laat liggen.