AI voor SEO is bij mij geen losse tijdbesparing meer, maar de manier waarop het SEO-werk is ingericht. Bij Websitepromotor en daarna bij Space’M Online gebruik ik AI in vrijwel elke stap van het SEO-proces, op klantsites en op mijn eigen sites learnllm.nl en zzpgeldzaken.nl.
Wat daarbij het meest is veranderd, is niet welke prompts ik gebruik, maar waar de controle zit. Welke SEO-taken ik met AI heb geautomatiseerd, welke ik bewust handmatig houd en waar de output je in de problemen brengt, verschilt sterk per taak.
De afwegingen hieronder komen uit het dagelijkse SEO-werk zelf.
Wat is AI voor SEO?
AI voor SEO is het inzetten van een taalmodel om deeltaken in zoekmachineoptimalisatie te versnellen: zoekwoorden clusteren, content opstellen, technische problemen opsporen en data interpreteren. Het model doet het herhalende werk; de SEO-specialist houdt het oordeel, de strategie en de eindverantwoordelijkheid.
De verdeling tussen model en specialist bepaalt of AI je SEO-werk versnelt of er risico aan toevoegt. Een taalmodel heeft zonder koppeling geen toegang tot zoekvolumes, rankings of backlinkdata, en vult die gegevens plausibel in wanneer je erom vraagt.
Wat is het verschil tussen AI voor SEO en SEO voor AI?
Het verschil tussen AI voor SEO en SEO voor AI zit in wat je optimaliseert. Bij AI voor SEO is het taalmodel gereedschap waarmee je je eigen SEO-werk sneller doet. Bij SEO voor AI, ook generative engine optimization of GEO genoemd, optimaliseer je een website zodat AI-zoekmachines als ChatGPT, Perplexity en de AI Overviews van Google de content oppikken en als bron noemen.
Zoekers halen de twee termen voortdurend door elkaar. In de Nederlandse zoekresultaten voor “SEO voor AI” staan vooral pagina’s over GEO, terwijl “AI voor SEO” over het gebruik van AI in het SEO-proces gaat.
De disciplines overlappen deels. Content die een AI-zoekmachine goed kan citeren, heeft een direct antwoord onder elke kop, expliciete feiten met een versie of datum en een herkenbare auteur. Dezelfde kenmerken helpen een pagina ook in de gewone zoekresultaten, dus wie AI voor SEO goed inzet, bouwt ongemerkt aan beide. Naast klassieke SEO werk ik voor mijn eigen site en voor klanten bij Space’M Online ook aan GEO, en in beide disciplines vormen die kenmerken de basis.
Hoe gebruik je AI bij zoekwoordenonderzoek?
Om AI bij zoekwoordenonderzoek te gebruiken, laat je het model clusteren en ordenen en haal je de zoekvolumes uit een echte keyword-tool. Zoekwoordenonderzoek is de enige stap in mijn SEO-proces die ik bewust niet automatiseer, omdat een model niet weet waar mensen daadwerkelijk op zoeken. Die kennis zit in zoekvolumedata en Search Console.
Een terugkerend patroon dat ik bij ChatGPT zag: bij een ingevoerd zoekwoord plaatste het model ongevraagd een zoekvolume, terwijl er geen koppeling met Ahrefs of Semrush bestaat. Die getallen zijn verzonnen en klinken plausibel voor wie zelf geen keyword-data heeft.
Clusteren op intentie, varianten aandragen en termen groeperen die bij dezelfde pagina horen gaat met een model sneller en vollediger dan met de hand. De volgorde is daarmee andersom dan in veel handleidingen: eerst de data, dan het model. Een prompt die het model dwingt om op intentie te clusteren in plaats van een platte lijst te geven:
Ik heb een website over [onderwerp]. Geef 40 relevante zoekwoorden, gegroepeerd naar zoekintentie (informationeel, commercieel, navigationeel, transactioneel). Voeg geen zoekvolumes toe; die haal ik uit een aparte tool.
In de periode dat ik ChatGPT intensief gebruikte, bouwde ik hier aparte custom GPT’s voor: één voor zoekwoordenonderzoek en één voor zoekintentie-classificatie. Een patroon dat ik daarbij tegenkwam, is dat wat in een testprompt goed werkte, in dagelijks gebruik wisselende output gaf. Een vast format in de prompt en een controle van de eerste uitkomst vangen het grootste deel daarvan af.
Wie nu zelf een custom GPT voor zoekwoordenonderzoek wil bouwen, bouwt op een functie met een einddatum: OpenAI stopt custom GPT’s op 11 december 2026 op alle plannen, en bij de migratie naar een plugin worden de instructies van de GPT een skill.
Hoe schrijf je SEO-content met AI?
Om SEO-content met AI te schrijven, laat je het model een draft maken op basis van een vaste briefing en houd je de redactie en de feiten zelf in handen. AI versnelt het schrijven van SEO-content, maar bepaalt de kwaliteit niet.
De Google-update van januari 2026 maakte het belang van die redactie zichtbaar. Bij klantsites en bij benchmarksites die ik volg, zakte content die puur door AI was gegenereerd zonder menselijke toevoeging, terwijl content met een herkenbare auteur en concrete voorbeelden stabiel bleef of groeide.
Hoe werkt een contentpipeline met de Claude API?
Een contentpipeline met de Claude API gaat op learnllm.nl en zzpgeldzaken.nl van zoekwoord naar briefing naar eerste draft, waarna Python-scripts de tekst automatisch plaatsen. Alles draait op een eigen VPS. De winst zit in snelheid en consistentie, niet in het overslaan van de redactie.
Een prompt die een draft stuurt in plaats van generieke tekst op te leveren:
Schrijf een concept voor een artikel over [onderwerp] voor [doelgroep]. Gebruik een zakelijke, directe toon. Verwerk deze punten: [3 tot 5 kernpunten]. Voeg geen algemene inleiding toe en begin direct met het antwoord op de zoekvraag.
Vier dingen zijn bij zo’n pipeline vooraf lastig in te schatten:
- Rate limits bij bulkverwerking, waardoor retry-logica en batches geen luxe zijn.
- Kosten die tijdens het bouwen hoger uitvallen dan in productie, omdat je in de testfase veel meer itereert.
- Output die via de API afwijkt van dezelfde prompt in de interface. Op Claude 4.7 en nieuwer geeft een aangepaste temperature een foutmelding, en adviseert Anthropic het gedrag via de prompt te sturen.
- Prompts die na een modelupdate anders reageren, zodat een workflow die maanden stabiel draaide een nieuwe testronde nodig heeft.
Hoe je het model aanstuurt, oftewel je prompting, is door dat laatste punt onderhoud en geen eenmalige investering.
Waarom staan cijfers beter in een database dan in de tekst?
Cijfers staan in AI-content beter in een database, omdat een taalmodel goed is in formuleren en slecht in onthouden waar een getal vandaan komt. Op zzpgeldzaken.nl staan de bedragen niet in de tekst maar in een database die ik met AI heb opgezet, en de artikelen halen ze op via shortcodes.
Een aangepast bedrag verandert daardoor overal op de site tegelijk. Een vergelijkingsartikel met tarieven in de lopende tekst klopt op de dag van publicatie en veroudert daarna elke maand een beetje. Wie de feiten uit een zelf beheerde bron haalt en het model alleen de tekst eromheen laat schrijven, houdt bovendien bij welke bron achter welk getal zit.
Hoe analyseer je SEO-data met AI?
Om SEO-data met AI te analyseren, breng je alle bronnen op één plek samen en laat je het model daar vragen over beantwoorden. Voor learnllm.nl, zzpgeldzaken.nl en de klantsites die ik bij Space’M Online beheer, heb ik BigQuery ingericht als verzamelpunt, met Search Console, Google Analytics 4, Bing Webmaster Tools en Merchant Center naast elkaar.
Twee dingen worden daarmee mogelijk die in de losse interfaces niet lukken. Vragen die bronnen combineren zijn één query, bijvoorbeeld welke pagina’s vertoningen winnen maar sessies verliezen. De historie loopt door: Search Console bewaart zelf ongeveer zestien maanden aan gegevens, terwijl data in BigQuery blijft staan.
Claude leest die data rechtstreeks uit BigQuery, waardoor een analysevraag geen export- en plakwerk meer is. Wie eerst exporteert en plakt, kijkt eens per maand; wie een vraag kan stellen, kijkt wekelijks.
De valkuil zit in het gemak. Een model dat vlot een samenvatting van je data geeft, geeft net zo vlot een samenvatting die niet klopt. Laat daarom de onderliggende query zien in plaats van alleen de conclusie, zodat te controleren is welke rijen onder het antwoord liggen.
Hoe zet je AI in voor technische SEO?
Om AI in te zetten voor technische SEO, laat je het model grote exports samenvatten en prioriteren en toets je de conclusie zelf. Een crawl of een Search Console-export bevat meer rijen dan je met de hand overziet; een taalmodel signaleert patronen en stelt een volgorde voor.
Bij het analyseren van Screaming Frog-exports gebruik ik Claude van Anthropic om crawldata te combineren met een inhoudelijke beoordeling. Een 404 herkent elke crawler; of een pagina inhoudelijk overlapt met drie andere pagina’s is een oordeel dat een model wel kan voorbereiden. Bij Space’M is een koppeling in aanbouw waarmee crawls automatisch in BigQuery landen, zodat een maandelijkse technische controle naast de rankingdata komt te staan.
Twee andere technische taken lenen zich goed voor AI. Structured data volgens schema.org gaat sneller met een model, mits je de output valideert voordat je hem plaatst. Kannibalisatie tussen eigen pagina’s herkent een model uit Search Console-data, waarna jij beslist welke pagina de zoekvraag hoort te dragen.
Hoe leg je terugkerend SEO-werk vast met AI?
Om terugkerend SEO-werk met AI vast te leggen, bouw je voor elke taak die vaker dan een paar keer langskomt een skill: een vastgelegde werkwijze met een vaste input, een vaste uitvoer en een controlepunt. Een losse prompt is per keer anders; een skill doet elke keer hetzelfde.
Vier van die skills gebruik ik het vaakst:
- Zoekwoorden verwerken in bestaande teksten, zodat een pagina wordt aangevuld in plaats van herschreven.
- Content decay bijhouden, zodat zichtbaar wordt welke pagina’s terugzakken voordat het verkeer echt weg is.
- Kannibalisatie herkennen, met een koppeling aan de rankingdata zodat het oordeel op cijfers rust.
- Linkbuilding beoordelen op basis van drie Ahrefs-exports: anchors, domeinen en backlinks.
Ik werk met één Claude project per klant, met de klantcontext in losse bestanden, en met Claude skills die daar overheen werken. De skill is de werkwijze, het project de context; dezelfde skill doet bij elke klant hetzelfde, met andere uitkomsten.
Schaal is de reden dat vastleggen nodig is. Op learnllm.nl en zzpgeldzaken.nl draag ik het risico van een fout zelf, op een klantsite draagt iemand anders dat risico, en neemt een collega dezelfde werkwijze over zonder dat ik erbij zit. Een prompt die alleen in mijn hoofd zit, werkt tot dezelfde analyse maandelijks op meerdere domeinen draait.
Voor een marketingbureau is dezelfde opbouw de stap van losse prompts per medewerker naar één werkwijze voor het hele team, en precies die stap werkt een AI-implementatie voor marketingbureaus uit met prompts, een AI-richtlijn en controlepunten per taak.
Welke AI-tools gebruik je voor SEO?
De AI-tools voor SEO vallen uiteen in twee groepen: generieke taalmodellen die je zelf aanstuurt, en SEO-software met een eigen index waarin AI onder de motorkap zit. Een taalmodel kent zonder koppeling geen zoekvolumes, backlinkprofielen of rankings, dus voor harde data blijf je afhankelijk van de tweede groep.
De tabel hieronder zet per tool naast elkaar waar die sterk in is binnen SEO-werk en hoe de beschikbaarheid is geregeld.
| Tool | Sterk voor | Beschikbaarheid |
|---|---|---|
| ChatGPT | Zoekwoordideeën clusteren, teksten herschrijven, meta-teksten | Gratis basis, betaald voor meer |
| Claude | Lange documenten analyseren, content beoordelen, scripts voor SEO-workflows | Gratis basis, betaald voor meer |
| Google Search Console | Echte querydata en posities van je eigen site | Gratis |
| BigQuery | Bronnen combineren en data bewaren voorbij de bewaartermijn van Search Console | Gratis tot een maandelijkse verwerkingslimiet, daarna betaald |
| Screaming Frog | Crawlen en technische fouten opsporen | Gratis tot 500 URL’s, daarna betaald |
| Ahrefs of Semrush | Zoekvolume, keyword difficulty, backlinkanalyse | Betaald |
De sterkste opzet combineert de twee groepen. Zelf haal ik de harde data uit Search Console, BigQuery en een keyword-tool, en gebruik ik een taalmodel om die data te interpreteren en er content omheen te bouwen.
Tussen beide groepen zit een derde soort tool die externe SEO-data en een taalmodel in één omgeving combineert. SEOptimate, een Nederlands SEO-platform, haalt zoekwoord- en backlinkdata uit DataForSEO, koppelt daar je eigen Search Console-data aan en leest via je sitemap elke pagina van je site in. Op basis van de top 10 in Google stelt het onderwerpen en interne links voor en schrijft het blogs, dienstpagina’s en productteksten. Die teksten publiceert het volgens een contentkalender naar onder meer WordPress, Shopify en Lightspeed. Via een eigen MCP-server stuur je SEOptimate ook rechtstreeks vanuit Claude aan; met een MCP-koppeling naar je CMS erbij voert Claude de wijzigingen aan beide kanten in één gesprek door. De redactie blijft daarbij bij jou: een gegenereerd artikel is een eerste versie, geen eindversie.
Hoe gebruik je AI voor lokale SEO bij dienstverleners?
Om AI voor lokale SEO bij dienstverleners te gebruiken, zet je het model in voor het opschalen van lokale content en het bewaken van consistente bedrijfsgegevens. De lokale autoriteit zelf levert een model niet.
Drie taken lenen zich voor AI binnen lokale SEO:
- Varianten van lokale landingspagina’s opstellen, die je daarna per locatie aanvult met echte informatie.
- Bedrijfsgegevens zoals naam, adres en telefoonnummer vergelijken tussen de website, het Google Bedrijfsprofiel en vermeldingen elders.
- Klantreviews samenvatten tot terugkerende signalen over wat klanten waarderen en waar ze over klagen.
Lokale autoriteit versterken blijft een kwestie van echte aanwezigheid, consistente vermeldingen en relevante content. Een lokale dienstverlener wint eerder met een paar goed onderhouden pagina’s dan met tientallen dunne, door AI gevulde varianten, en juist dat type me-too-content werd door de update van januari 2026 geraakt.
Lokale SEO is voor kleine dienstverleners vaak de eerste plek waar AI zichtbaar tijd scheelt.
Waar schiet AI tekort in SEO?
AI schiet in SEO tekort op de punten waar het werk om oordeel vraagt in plaats van om productie. Een taalmodel herkent patronen en genereert tekst, maar weegt geen commerciële belangen, kent je merk niet en heeft zonder koppeling geen toegang tot rankingdata.
Verzonnen cijfers zijn de bekendste beperking. Zoekvolumes, posities en statistieken vult een model plausibel in zonder bron, hetzelfde patroon als een AI hallucinatie in andere contexten. In technisch werk gaat het om verzonnen code-elementen: Python-functies die niet bestaan en WordPress-hooks die nergens gedocumenteerd staan, wat pas blijkt wanneer je de code draait.
Twee stillere faalpatronen kosten in de praktijk meer tijd. Bij complexe prompts met meerdere voorwaarden volgt een model een deel van de instructies en negeert het de rest zonder dat te melden. Een samenvatting van een lang document klinkt soms overtuigend en wijkt toch af van de bron, wat je alleen ontdekt door terug te gaan naar het origineel.
Strategie valt buiten wat een model voor je beslist. Welk zoekwoord bij je propositie past, welke pagina prioriteit verdient en welke content-gap commercieel de moeite waard is, blijven afwegingen van de specialist.
De laatste beperking is over-afhankelijkheid. Teams die AI ongecontroleerd inzetten, bouwen ongemerkt een voorraad dunne pagina’s op, en wanneer medewerkers los van elkaar tools gebruiken zonder afspraken, ontstaat shadow AI die lastig te overzien is.
Hoe gebruik je AI verantwoord in SEO?
Om AI verantwoord in SEO te gebruiken, bouw je bij elke taak een controlepunt in voordat de output verder gaat. Het uitgangspunt is dat AI nooit verantwoordelijk is, jij wel: een model controleert zichzelf onvoldoende, en fouten, verzonnen bronnen en plausibel klinkende onzin glippen erdoorheen tot iemand er expliciet op wijst.
Uit mijn jaren bij grootbanken neem ik het four-eyes-principe mee naar AI-werk: niets gaat de deur uit zonder tweede controle. In de praktijk betekent dat soms Claude inzetten als reviewer van ChatGPT-output, of bewust afstand nemen voordat je publiceert.
De controle-intensiteit beweegt mee met het risico van de taak. Een interne notitie vraagt minder dan een gepubliceerd artikel, en een klantadvies vraagt meer dan allebei. In mijn eigen werkwijze staan vier vaste controles:
- Een test-run op een kleine steekproef voordat een bulkverwerking start.
- Validatie van het formaat bij output die een script verder verwerkt.
- Menselijke eindredactie als laatste stap voor publicatie.
- Het loggen van prompts en uitkomsten, zodat later te herleiden is wat er is gebeurd.
Eén hiaat noem ik er eerlijk bij, omdat ik het bij veel professionals terugzie: de feitencheck op bronnen, cijfers en concrete claims gebeurt bij mij nog te weinig gestructureerd.
AI voor SEO levert het meeste op wanneer het een gedeelde werkwijze wordt in plaats van een losse truc per medewerker. Voor bureaus en dienstverleners die hun team volgens dezelfde gecontroleerde aanpak willen laten werken, legt een AI-implementatietraject de prompts, de richtlijn en de controlepunten vast op basis van het werk dat het team al doet; een kennismaking over AI implementatie van dertig minuten laat zien of dat bij jouw bureau past.
