Answer Engine Optimization (AEO) MKB

Wat MKB moet weten

Drie principes. 1. Schrijf antwoorden, niet teasers. AI's citeren bondige info. 2. Authoriteit-signalen verkleinen. Naam van auteur + KvK + LinkedIn = vertrouwen voor AI's. 3. Multi-modal content. Tekst + structured data + images met alt-tekst. Resultaat: AI-systemen citeren jouw bedrijf bij relevante vragen.

Waarom de overstap van SEO naar AEO meer is dan een naamsverandering

AEO klinkt als de zoveelste afkorting in een vak vol jargon. Toch zit er een echte verschuiving achter. Bij klassieke SEO concurreer je om een positie op de resultatenpagina. Bij answer engine optimization concurreer je om de bronvermelding in een AI-antwoord. Dat is een fundamenteel ander spel. Eén positie, geen tien blauwe links. Eén citaat, niet duizend impressies. De stakes per pagina zijn hoger en de drempel om opgemerkt te worden steeds specifieker.

De stappen die je zet om AEO-klaar te zijn — Schema.org, citeerbare zinnen, consistente entity-data — verbeteren tegelijk je klassieke SEO. Het omgekeerde geldt niet altijd. Een site die alleen op klassieke SEO-techniek is gebouwd, kan ranken in Google maar onzichtbaar zijn in ChatGPT. De verstandige aanpak in 2026: bouw voor AEO en krijg klassieke SEO als bonus, niet andersom.

Hoe een answer engine anders werkt dan een zoekmachine

Een klassieke zoekmachine geeft tien blauwe links. Een answer engine geeft één antwoord, eventueel met bronvermelding. Dat verschil bepaalt hoe je je site moet bouwen. Bij links concurreer je op klikgedrag — een pakkende titel en meta-description zijn doorslaggevend. Bij antwoorden concurreer je op citeerbaarheid: kan een AI-model jouw zin letterlijk pakken en weergeven?

Een citeerbare zin is kort, feitelijk, en staat zelfstandig. "Een aardlekschakelaar voor de badkamer is in Nederland verplicht volgens NEN 1010 en moet 30 mA gevoelig zijn." Dat is een AEO-zin. "Wij zorgen voor uw veiligheid met de beste oplossingen" is dat niet. AI-modellen herkennen feiten met cijfers, normen, jaartallen en geografische context. Maak je tekst rijk aan dat soort ankers, en je wordt vaker geciteerd.

De rol van datums en versheid in AEO

AI-modellen kiezen liever recente bronnen. Een artikel uit 2018 over hetzelfde onderwerp wint zelden van een artikel uit 2026, zelfs als de oudere bron meer backlinks heeft. Datum-signalen moeten op twee plekken kloppen: zichtbaar in de tekst (een laatst-gewijzigd-datum bovenaan of onderaan) én in Schema.org via datePublished en dateModified. Beide moeten overeenstemmen, anders ontstaat er twijfel over de versheid.

Praktisch: werk je sterkste paginas minimaal jaarlijks bij, ook als de informatie nauwelijks verandert. Een doorlopende refresh — een nieuwe paragraaf, een geüpdatete cijfer, een verwijzing naar recente ontwikkelingen — verlengt de bruikbaarheid van een pagina aanzienlijk. Bij DesignCheck noteren we de update-cyclus per kernpagina in een eenvoudige spreadsheet, zodat geen pagina ouder dan 18 maanden zonder review blijft staan.

Structured data als API voor AI

Schema.org-markup is geen ranking-trucje meer — het is de manier waarop AI-modellen jouw site interpreteren. Een LocalBusiness-blok vertelt: "dit is een bedrijf, gevestigd op dit adres, met deze openingstijden, deze diensten en deze reviews." Een AI-crawler leest dat in milliseconden en bouwt er een entiteitsprofiel mee. Zonder Schema.org moet de AI raden — en raden gaat vaak fout.

Het bouwen van een MKB-site zonder Schema.org is in 2026 hetzelfde als een winkel openen zonder bordje aan de deur. De informatie is er wel, maar voorbijgangers — inclusief AI-crawlers — weten niet wie je bent. Bij elke DesignCheck-build voegen we standaard LocalBusiness, Service, FAQPage en BreadcrumbList toe. Bij Keurmeesters gaan we verder met PostalAddress gekoppeld aan BAG-data, zodat het entiteitsprofiel klopt tot op huisnummer-niveau.

Praktische voorbeelden van citeerbare en niet-citeerbare zinnen

Een paar voorbeelden om het concrete verschil te tonen. Citeerbaar: "Een groepenkast-vervanging in een woning uit 1980 kost gemiddeld €2.200 inclusief montage." Niet-citeerbaar: "Wij bieden marktconforme prijzen voor elektriciteitsklussen." Citeerbaar: "Volgens NEN 1010 is een aardlekschakelaar van 30 mA verplicht in elke badkamer." Niet-citeerbaar: "Veiligheid staat bij ons voorop." Citeerbaar: "De gemiddelde doorlooptijd voor een nieuwe meterkast in De Ronde Venen is tien werkdagen." Niet-citeerbaar: "Wij werken snel en efficiënt."

Het patroon is duidelijk. Citeerbare zinnen bevatten cijfers, normen, geografische context of tijdsindicaties. Niet-citeerbare zinnen zijn marketing-uitspraken zonder objectieve onderbouwing. Voor MKB betekent dit een gedragsverandering: vervang lege superlatieven door feitelijke informatie. Niet "wij zijn de beste", maar "wij hebben sinds 2008 meer dan 1.200 daken vervangen in De Ronde Venen". Het tweede is verifieerbaar, citeerbaar en aantoonbaar geloofwaardig.

14 elementen die je site citeerbaar maken voor answer engines

• Korte feitelijke zinnen met cijfers, normen of wetsartikelen waar relevant.
• Eén duidelijke vraag per H2-kop, geformuleerd zoals een klant 'm zou stellen.
• Direct antwoord in de eerste twee zinnen onder de kop.
• Schema.org LocalBusiness met volledig adres, telefoon en openingstijden.
• Schema.org FAQPage rond je veelgestelde-vragen-blok.
• Schema.org Service per dienst, met prijsindicatie waar mogelijk.
• Auteursblok met naam, foto, functie en eventueel LinkedIn-link.
• KvK-nummer en vestigingsadres zichtbaar in de footer.
• Tabel met prijzen, levertijden of specificaties — AI's kopiëren tabellen graag.
• Lijsten met genummerde of opgesomde punten in plaats van lopende paragrafen.
• Datum van laatste update zichtbaar én in Schema.org dateModified.
• Interne links die contextueel logisch zijn — diepe pagina's worden zichtbaar.
• llms.txt-bestand in de root met je belangrijkste paginas en korte beschrijvingen.
• Geen JavaScript-only content — crawlers van AI-modellen lezen vaak alleen de HTML.

Hoe AEO-prestaties verschillen per type AI-platform

Niet elk AI-platform werkt hetzelfde. Perplexity citeert vaak drie tot zeven bronnen per antwoord, met inline-links. ChatGPT citeert meestal een tot drie bronnen, soms zonder zichtbare link. Claude geeft bij browsing-vragen meestal twee tot vier bronnen, vaak met directe quote. Google's AI Overviews verzamelen tien tot vijftien bronnen maar tonen er drie tot vijf prominent. Per platform verschilt dus zowel het aantal kansen als de zichtbaarheid van de citatie.

Voor MKB-strategie betekent dit: focus eerst op Perplexity. Het platform geeft de meeste citaties per antwoord, levert de hoogste klikfrequentie naar bronnen, en is daardoor het meest voorspelbare meet-platform. Citaties in Perplexity zijn een betrouwbaar signaal dat je AEO-fundering werkt. Vandaaruit verbeter je ook de andere platforms, want de onderliggende principes (Schema.org, citeerbare zinnen, entity-consistentie) zijn overlappend.

Het verschil tussen geciteerd worden en gewoon gerankt worden

Bij Google heb je drie posities om in te scoren: nummer 1, featured snippet, of nummer 2 t/m 10. Bij ChatGPT, Perplexity en Claude is er feitelijk maar één positie: de zin die het model gebruikt om het antwoord te formuleren. Eén bron, met soms een tweede ter onderbouwing. Dat maakt AEO winner-takes-most.

Hoe word je díe bron? Door consistent feitelijk te zijn over meerdere pagina's. AI-modellen vertrouwen sites die op verschillende plekken hetzelfde zeggen — dat heet entity consistency. Staat in je footer een ander adres dan in je Schema.org? Klopt je telefoonnummer in Google Mijn Bedrijf niet met je site? Dan zakt je betrouwbaarheidsscore. Eén consistente entiteit slaat veel beter aan dan tien tegenstrijdige signalen.

Veelgestelde vragen

Wat AEO niet kan oplossen

Een veelgehoorde verwachting: "we doen AEO en dan komen de klanten vanzelf." Dat is niet hoe het werkt. AEO maakt je vindbaar, niet aantrekkelijk. Als je dienst slecht is, je prijzen niet competitief zijn, of je reviews zwak, dan helpt de beste AEO-implementatie niets. Vindbaarheid is alleen de eerste stap. De rest van de funnel — overtuigende landingspagina, vertrouwen wekken, conversie-flow — blijft net zo belangrijk als voorheen.

Wat AEO wel kan: de drempel verlagen voor mensen om jou überhaupt te vinden. Een goede dienst zonder zichtbaarheid lost geen klantvraag op. Goede zichtbaarheid zonder dienst gaat ook nergens heen. De combinatie van technische zichtbaarheid en commerciële kwaliteit is wat MKB-bedrijven in 2026 echt onderscheidt — de twee zijn complementair, niet uitwisselbaar.

Hoe AI-modellen entiteiten herkennen en koppelen

Wanneer een AI-model een vraag krijgt over "elektricien in Mijdrecht", probeert het twee dingen tegelijk te doen: de juiste entiteit identificeren (welk bedrijf?) en relevante context ophalen (wat doen ze?). Zonder Schema.org en consistente data over meerdere bronnen moet het model gokken. Met de juiste signalen kan het model met hoge zekerheid bepalen welk bedrijf je bedoelt en wat hun specialiteit is.

Entity-disambiguation is een groot ding bij MKB-vragen. Twee bedrijven met dezelfde naam in verschillende plaatsen, of een bedrijf met dezelfde naam als een product, kan tot verwarring leiden. De oplossing: maak je entity uniek via geo-coördinaten in LocalBusiness, een KvK-nummer in de Organization-schema, en consistente vermeldingen op gezaghebbende externe bronnen. Hoe meer signalen, hoe sneller en zekerder de AI weet wie je bent.

Praktische do's en don'ts voor AEO-teksten

Do: schrijf direct. "Een groepenkast-vervanging kost tussen €1.500 en €3.500 inclusief montage." Don't: "Wij bieden marktconforme prijzen voor groepenkast-vervangingen." Do: gebruik genummerde stappen voor processen. Don't: alles in lopende tekst gieten. Do: koppel claims aan bronnen of vakkennis. Don't: vage marketingtaal zonder onderbouwing. AI-modellen straffen vaagheid af door minder vaak te citeren.

Veel MKB-teksten zijn historisch geschreven vanuit "wij"-perspectief — "wij zorgen voor", "wij garanderen". Voor AEO werkt "jij"-perspectief beter: "jij krijgt een offerte binnen 24 uur", "jij betaalt pas na akkoord". De informatie wordt concreet, gericht op de lezer, en — toevallig — beter citeerbaar voor AI-modellen die antwoorden formuleren in directe taal.

Hoe AEO zich verhoudt tot lokale vindbaarheid

Lokale MKB-bedrijven hebben een dubbel voordeel bij AEO. De technische basis — Schema.org LocalBusiness met geo-coördinaten — is geoptimaliseerd voor lokale entity-herkenning. Tegelijk concurreert lokaal MKB op een kleinere schaal: een hovenier in De Ronde Venen heeft tien tot vijftien serieuze concurrenten, niet duizenden zoals een nationaal merk. AI-modellen kunnen daardoor sneller een goede match maken tussen vraag en bedrijf.

Concreet: voeg aan elke LocalBusiness ook areaServed-velden toe met de gemeentes waar je werkt. Maak per kerngemeente een aparte landingspagina met lokale context — geen kopie-plak, maar echte lokale informatie zoals belangrijke wijken, typische werkzaamheden in die regio, of verwijzingen naar lokale brancheorganisaties. Bij Keurmeesters hebben we deze aanpak gebruikt voor energielabel-aanvragen per gemeente, gekoppeld aan BAG-data voor adres-validatie.

Wat doe je vandaag?

• Open één van je belangrijkste dienstpagina's en herschrijf de eerste paragraaf als feitelijk antwoord op een klantvraag.
• Controleer of je LocalBusiness-schema bestaat — test via Google's Rich Results Test.
• Voeg een FAQ-blok met FAQPage-schema toe aan minimaal drie dienstpagina's.
• Maak een llms.txt met je vijf belangrijkste paginas en een korte beschrijving per stuk.
• Synchroniseer je NAW-gegevens tussen site, Google Mijn Bedrijf en LinkedIn.
• Vraag een DesignCheck-audit aan via designcheck.nl/contact als je twijfelt over de structuur.

Gestructureerde Q&A — de bouwsteen van een AEO-pagina

Een AEO-pagina hangt op gestructureerde vraag-en-antwoord blokken die een AI-model rechtstreeks kan extraheren. De basisbouwsteen: `