AEO (Answer Engine Optimization)
Optimalisatie specifiek gericht op het geciteerd worden in directe antwoordblokken, zoals AI Overviews of voice assistants. De term wordt in de praktijk vaak als synoniem of naaste buur van GEO gebruikt.
Deze lijst verzamelt de kernbegrippen uit generative engine optimization.
Optimalisatie specifiek gericht op het geciteerd worden in directe antwoordblokken, zoals AI Overviews of voice assistants. De term wordt in de praktijk vaak als synoniem of naaste buur van GEO gebruikt.
Onderzoek dat aantoont dat statische GEO-heuristieken op zich onvoldoende zijn, omdat retrieval-algoritmes voortdurend wijzigen. Optimalisatie moet zich daarom telkens opnieuw aanpassen.
Onderzoek naar hoe live webretrieval de taalstructuur van AI-antwoorden verandert: minder hedging en een daling van 44% in positieve emotie binnen Google AI Overviews.
Het opdelen van een pagina in kleinere, inhoudelijk samenhangende tekstfragmenten, die een retrieval-systeem elk apart kan ophalen en beoordelen. Dit is de reden waarom elke alinea op zichzelf begrijpelijk moet blijven.
Het percentage gegenereerde antwoorden binnen een promptset dat minstens één directe inline link naar jouw website bevat.
Inline verwijzen naar gezaghebbende externe bronnen binnen je eigen tekst. Aangetoond effect: een stijging in zichtbaarheid van 30% tot 115%, wat deze tactiek tot de krachtigste losse ingreep maakt.
Raamwerk van Google dat binnen GEO vertaald wordt naar concrete micro-copy: autoriteit bewijs je via first-party data en expertcitaten, in plaats van ze enkel te beweren.
De aangetoonde, systematische voorkeur van AI-zoeksystemen voor onafhankelijke, journalistieke bronnen boven merk-eigen content, zoals beschreven in onderzoek van Chen en collega's aan de University of Toronto (2025).
Het netwerk van geverifieerde entiteiten en hun onderlinge relaties, waarmee taalmodellen betrouwbaarheid en identiteit vaststellen. Dit netwerk vormt de kern van hoe een AI-systeem je merk herkent.
De dichtheid aan harde statistieken, geverifieerde entiteiten of specifieke data per 100 woorden tekst. De streefnorm ligt op minstens één per 100 woorden.
Gestructureerde data gekoppeld aan redactionele vraag-en-antwoordblokken, die de citatiekans van die content significant verhoogt.
Wetenschappelijk raamwerk van Liu en Xu (arXiv, 2026) dat aantoont dat citatiegedrag sterker bepaald wordt door document-brede structurele en taalkundige kenmerken dan door trefwoordmanipulatie.
De discipline die tekstfragmenten zo optimaliseert dat een taalmodel ze selecteert, vertrouwt en citeert in een gegenereerd antwoord. GEO mikt op een vermelding binnen de tekst van het antwoord zelf, in tegenstelling tot klassieke SEO, die een positie in een lijst met links nastreeft.
Voorzichtige formuleringen zoals "kan wellicht" of "lijkt erop dat". Taalmodellen die live webretrieval gebruiken, tonen tot 60% minder hedging in hun antwoorden, wat betekent dat je eigen content stelliger en feitelijker geschreven moet zijn dan klassieke marketingcopy.
Het structuurprincipe waarbij de kern van het antwoord meteen bovenaan de pagina staat. Onderzoek toont dat 44,2% van alle AI-citaties uit het eerste derde deel van een pagina komt.
Een uitgebreide variant van llms.txt, met de volledige tekstinhoud van gelinkte pagina's samengevoegd in één markdown-bestand. Vooral relevant bij omvangrijke kennisbanken.
Een markdown-bestand in de rootmap van een website dat een token-efficiënte, gecureerde routekaart van de site biedt aan AI-agents.
Meer dan 844.000 sites hadden dit bestand begin 2026 al aangemaakt, al relativeerde Google het zelf als hulpmiddel voor crawl-efficiëntie zonder directe invloed op citaties.
Lokale entiteitssignalen gekoppeld aan bijvoorbeeld Google Business Profile en Apple Maps, relevant voor geografisch gerichte AI-assistenten.
De bredere discipline die de geaggregeerde autoriteit van een merk over externe platforms zoals pers, fora en sociale media beheert, als aanvulling op on-page GEO.
Hoe vaak een merk of entiteit genoemd wordt in AI-antwoorden, los van of er ook een link of citatie bij staat. Deze metriek ligt breder en minder strikt dan Citation Rate.
Een complexe vraag die een AI-agent alleen kan beantwoorden door meerdere opeenvolgende retrieval-stappen uit te voeren en de deelantwoorden samen te voegen.
Een verfijning van Word Count Impression, waarbij zinnen vroeg in het antwoord zwaarder doorwegen dan zinnen die verderop staan.
Het toevoegen van een direct, herleidbaar citaat van een expert die met naam en functie genoemd wordt. Aangetoond effect: een stijging in zichtbaarheid van 22% tot 41%.
De architectuur waarbij een taalmodel eerst relevante tekstfragmenten ophaalt uit een index of het live web, en die fragmenten vervolgens gebruikt om een antwoord samen te stellen. Vrijwel elke GEO-tactiek speelt in op deze technische basis.
Een schema.org-eigenschap die een entiteit koppelt aan geverifieerde externe registers zoals Wikidata, LinkedIn of de KBO, om entiteitsverwarring bij AI-systemen te voorkomen.
Meet of een merk positief aanbevolen, neutraal vermeld, of met kwalitatieve voorbehouden gepresenteerd wordt binnen een AI-antwoord.
De klassieke optimalisatie van volledige pagina's voor topposities in de statische zoekresultatenpagina, gericht op organisch klikverkeer naar de website.
De belangrijkste GEO-metriek: de waarschijnlijkheid dat een merk genoemd wordt binnen het samengestelde antwoordvolume van meerdere taalmodellen op een vaste set strategische prompts. Jack Smyth en Tom Roach (Jellyfish) introduceerden het concept eind 2024.
Markup die aangeeft welke tekstsecties bij voorkeur letterlijk voorgelezen of geciteerd moeten worden door voice- en AI-assistenten.
De tactiek waarbij vage, kwalitatieve claims vervangen worden door concrete, meetbare cijfers. Aangetoond effect: een stijging in zichtbaarheid van 37% tot 40%.
Gestructureerde markup die taalmodellen rechtstreeks gebruiken om entiteiten aan hun interne kennisgrafiek te koppelen. Drie of meer schema-types op een pagina verhogen de citatiekans met 13%.
De methode waarmee GEO-monitoringtools dagelijks duizenden gesimuleerde zoekopdrachten uitvoeren over meerdere AI-systemen, om Share of Model betrouwbaar te berekenen.
Het onderscheid dat bepaalt hoe je robots.txt-bestand ingericht moet worden. Trainingsbots zoals GPTBot, ClaudeBot en CCBot kan je blokkeren zonder schade aan je actuele zichtbaarheid.
Retrievalbots zoals OAI-SearchBot, ChatGPT-User, Claude-SearchBot en PerplexityBot moet je expliciet toelaten, anders verdwijn je uit AI-antwoorden. In Nederland blokkeert 21,1% van de onderzochte sites onbewust minstens één van deze bots.
De objectieve, encyclopedische schrijfstijl zonder promotietaal, die taalmodellen herkennen als betrouwbaar. De vergelijking met de toon van Wikipedia dekt de lading het best.
Het aandeel woorden in een AI-antwoord dat rechtstreeks herleidbaar is tot jouw brontekst. Deze metriek meet hoezeer je eigen copy de feitelijke bouwstenen van het antwoord levert.