Hoe je gesprekken met AI-chatbots kunt omzetten in zoekwoordonderzoek

Inleiding

Zoekwoordtools zijn goed in het weergeven van wat mensen in Google intypen. Ze kunnen echter niet laten zien wat uw bezoekers nog wilden weten nadat ze op uw site terechtkwamen en het niet konden vinden.

Als je site een AI-chatbot heeft, bestaat die tweede lijst al. Veel van die gesprekken zijn vragen van bezoekers die, in volledige zinnen en met context, een vraag stellen die je pagina niet beantwoordde. Sommige van die vragen hebben zoekvolume. Veel ervan komen helemaal niet voor in zoekwoordtools, en toch kunnen ze de reden zijn waarom iemand een productpagina verlaat zonder iets te kopen.

Dit artikel behandelt de hele cyclus, van het extraheren van de gesprekken uit je chatbot tot het controleren of de content die je op basis daarvan hebt geschreven, zijn werk heeft gedaan. De voorbeelden komen uit de e-commerce, maar de methode werkt op dezelfde manier voor een SaaS-site, een dienstverlenend bedrijf of een uitgever met een chatbot op zijn pagina’s.

Waarom chatbotvragen er anders uitzien dan zoekopdrachten

Een zoekopdracht is een beknopte vraag. Iemand die wil weten of hij schoenen die hij al gedragen heeft kan ruilen, typt ‘gedragen schoenen retourneren’ en hoopt dat Google de rest invult. In een gesprek met een chatbot op je site schrijft diezelfde persoon het hele verhaal uit: ‘Ik heb deze twee weken geleden gekocht en heb ze één keer binnenshuis gedragen, kan ik ze nog ruilen voor een halve maat groter?’

Die langere versie bevat informatie die een zoekwoordtool je niet kan geven. Het noemt het product, de situatie, de zorg en het resultaat waarop de bezoeker hoopt. Het gebeurt ook op een specifieke pagina, en een chatbot die registreert waar een gesprek begon, vertelt je welke pagina er niet in geslaagd is om de vraag te beantwoorden.

Veel van deze lange vragen zullen in een zoekwoordtool een volume van nul vertonen, wat minder zegt over de vraag dan het lijkt. Google heeft aangegeven dat 15% van de zoekopdrachten die het dagelijks ziet volledig nieuw is, dus een groot deel van de echte vragen is te specifiek of te recent om door een volumeschatting te worden opgepikt. Je chatbotlog legt ze hoe dan ook vast, omdat het registreert wat mensen hebben gevraagd in plaats van te schatten hoe vaak ze zoeken.

Hoe je chatbotgesprekken exporteert en opschoont

Begin met gesprekken van één tot drie maanden, afhankelijk van je verkeer. Je wilt genoeg hebben om te zien of dezelfde vragen terugkomen, en een paar honderd gesprekken is ruim voldoende voor een eerste doorloop.

Bij de meeste chatbot-tools kun je transcripties exporteren of er in ieder geval doorheen bladeren. Voor deze oefening heb je per gesprek de vraag van de bezoeker nodig, de pagina waarop het begon en of de bot erin geslaagd is om te antwoorden. De AI-chatbot van Elfsight slaat bijvoorbeeld elk gesprek op met een samenvatting en de pagina waarop het begon, en houdt een aparte lijst bij van de vragen die hij niet kon beantwoorden. Welke tool je ook gebruikt: de lijst met onbeantwoorde vragen is de beste plek om te beginnen, omdat dit een overzicht is van de hiaten die je content al vertoont.

Voordat je de logbestanden in een spreadsheet of in een AI-tool zet om ze te groeperen, moet je namen, e-mailadressen, telefoonnummers en ordernummers verwijderen. Je hebt de vragen nodig, niet de mensen, en door persoonlijke gegevens uit je analysebestanden te houden, voorkom je later een gesprek met je juridische afdeling.

Lees de transcripties en beschouw de samenvattingen hooguit als een snelkoppeling. Een samenvatting is de eigen interpretatie van het gesprek door het chatbotmodel, en een deel van het werk van een model vindt plaats in het model zelf voordat het ook maar een woord schrijft – iets wat moeilijk te controleren is. De transcriptie is wat de bezoeker daadwerkelijk heeft getypt, en hun exacte woorden zijn de trefwoordgegevens waar je naar op zoek bent.

Hoe je chatbotvragen in onderwerpen groepeert

Groepeer de vragen op basis van de behoefte erachter in plaats van op basis van de bewoording. “Kan ik ruilen voor een grotere maat?”, “Vallen deze klein uit?” en “Welke maat moet ik nemen als ik tussen twee maten in zit?” zijn drie verschillende formuleringen van één vraag over de maat, en ze horen in één cluster thuis.

Houd voor elke cluster bij hoeveel gesprekken deze omvat, op welke pagina’s deze voorkomt, of de bot de vraag kon beantwoorden en in welke fase de bezoeker zich bevindt. Een eenvoudig spreadsheet volstaat hiervoor.

De kolom ‘fase’ bepaalt wat je met een cluster doet. Een vraag vóór de aankoop op een productpagina, over maatvoering, compatibiliteit of de inhoud van de verpakking, is een conversieprobleem dat zich voordoet als een supportvraag. Vragen na de aankoop, zoals over retourzendingen en het volgen van zendingen, vormen een belasting voor de klantenservice die met goede content kan worden verminderd. En wanneer bezoekers vragen stellen als “is deze site betrouwbaar?” of “wie maakt dit eigenlijk?”, is de oplossing meestal een betere ‘Over ons’-pagina of zichtbare recensies – iets wat een trefwoordentool waarschijnlijk niet zal voorstellen.

Een AI-model kan in enkele minuten een eerste selectie maken en een paar honderd vragen groeperen. Controleer de clusters handmatig voordat je de tellingen vertrouwt, aangezien een model vragen kan samenvoegen die wel dezelfde woorden bevatten, maar niet dezelfde intentie.

Hoe je chatbotvragen afzet tegen de zoekvraag

Zet elke cluster om in twee of drie zoekopdrachten zoals iemand die in Google zou intypen, en voer ze in via een zoekwoordtool zoals de Keyword Finder van Ranktracker. “Ik zit tussen maat 42 en 43 in, welke moet ik nemen?” wordt “maten trailrunners”, “trailrunners tussen maten” en de merknaam plus “valt normaal”.

Als de zoekopdrachten zoekvolume laten zien en de resultatenpagina te verslaan is, biedt het cluster een kans voor content: een gids, een vergelijking of een goed antwoord dat op zichzelf kan scoren.

Als de zoekopdrachten weinig of geen zoekvolume laten zien, maar het cluster steeds weer in chats opduikt, is het antwoord nog steeds belangrijk. Zet het op de pagina waar de vraag wordt gesteld. Het levert geen nieuw verkeer op, maar het helpt de bezoekers die je al hebt, en dat zijn degenen die het dichtst bij een aankoop staan.

Kijk ook naar de resultatenpagina. Wanneer de topresultaten forumdiscussies en Reddit-berichten zijn, is de vraag reëel en zijn de antwoorden tot nu toe mager, wat meestal goed nieuws is voor een kleinere site. Als een cluster zelden in de chat voorkomt en onzichtbaar is in de zoekresultaten, laat het dan over aan je supportteam.

Waar elk antwoord op je site thuishoort

Het antwoord hoort thuis op de plek waar de bezoeker zich bevond toen hij de vraag stelde, tenzij de vraag meer dan één pagina beslaat.

Gebruik de eigen woorden van de bezoeker waar dat past. Als mensen steeds vragen “vallen deze klein uit?”, helpt een regel op de productpagina die precies dat beantwoordt (“Deze vallen ongeveer een halve maat kleiner uit, dus de meeste mensen bestellen een maat groter”) shoppers bij het scannen van de pagina, geeft het je chatbot een duidelijke bron voor de volgende keer dat iemand het vraagt, en geeft het AI-assistenten iets om te citeren wanneer ze de pagina ophalen om elders dezelfde vraag te beantwoorden.

Een verandering om rekening mee te houden: Google is op 7 mei 2026 gestopt met het weergeven van ‘FAQ rich results’. Het is nog steeds de moeite waard om FAQ-secties te schrijven voor lezers en voor je chatbot, maar ze krijgen geen extra ruimte meer in de zoekresultaten. Dat is nog een reden om het antwoord te plaatsen waar een lezer ernaar zoekt, wat vaak direct op de productpagina is in plaats van in een aparte FAQ.

Hoe weet je of de nieuwe inhoud heeft gewerkt?

De chatbot geeft je het snelste signaal. Controleer twee tot vier weken nadat je een antwoord hebt gepubliceerd hetzelfde cluster opnieuw. Als de content zijn werk doet, beginnen er minder gesprekken over op die pagina en beantwoordt de bot de rest aan de hand van de nieuwe tekst.

Zoekresultaten hebben meer tijd nodig. Voeg de zoekopdrachten uit je contentclusters toe aan een ranktracker, zoals Ranktracker’s Rank Tracker, en geef ze twee tot drie maanden de tijd voordat je ze beoordeelt.

Een kanttekening bij de chatbotcijfers: minder vragen kunnen ook betekenen dat er minder bezoekers zijn. Vergelijk het aandeel van een cluster in alle gesprekken, niet alleen het ruwe aantal, zodat een rustige maand niet wordt gezien als een succes voor de content.

Een maandelijkse routine voor zoekwoordonderzoek voor de chatbot

Zodra de eerste ronde is afgerond, zou de cyclus in een uur per maand moeten passen. Exporteer de gesprekken van de afgelopen maand, werk de clusters bij, toets de nieuwe clusters aan de hand van zoekgegevens, wijs ze toe aan pagina’s en kijk of de aanpassingen van de afgelopen maand de cijfers hebben beïnvloed.

Het is een zeldzame vorm van zoekwoordonderzoek, waarbij de zoeker de volledige vraag achterlaat, samen met de pagina waarop hij zich bevond toen hij de vraag stelde.