Je hebt voor lezers geschreven. Nu moet je ook voor machines schrijven

Inleiding

Je hebt jarenlang geleerd hoe je voor mensen moet schrijven. Korte zinnen. Actieve zinsconstructies. Een pakkende openingszin in de eerste alinea. Je kent de regels.

Maar er is een nieuw publiek dat je content leest – en dat geeft niets om je pakkende openingszin.

AI-systemen – ChatGPT, Perplexity, Google’s AI Overviews en andere – verwerken en vatten nu webcontent op grote schaal samen. Wanneer iemand een van deze tools een vraag stelt over jouw branche, put het uit pagina’s die het met zekerheid kan ontleden, extraheren en citeren. De vraag is: is die van jou er een van?

Het frustrerende is dat teksten die voor mensen geweldig zijn, voor machines bijna onleesbaar kunnen zijn. Niet omdat de inhoud slecht is, maar omdat de structuur het moeilijk maakt om de betekenis eruit te halen.

Hieronder leest u hoe dat er in de praktijk uitziet en wat u eraan kunt doen.

Het probleem is niet wat u zegt, maar hoe u het zegt.

Wanneer een taalmodel een pagina leest, ervaart het uw inhoud niet op dezelfde manier als een mens. Het profiteert niet van de context die in de alinea's is opgebouwd. Het pikt geen impliciete betekenis op. Het extraheert: het haalt individuele zinnen of secties eruit en gebruikt deze om een antwoord samen te stellen.

Dat verandert wat 'goed schrijven' betekent.

Bekijk deze twee versies van dezelfde zin eens:

Versie A: "Onze oplossing helpt teams op één lijn te blijven en meer gedaan te krijgen."

Versie B: "De projectmanagementsoftware van Acme vermindert miscommunicatie tussen teams door het bijhouden van taken te centraliseren in één dashboard."

Versie A klinkt warmer. Versie B klinkt zakelijker.

Maar versie B is degene die een AI zal citeren. Deze noemt het bedrijf, specificeert wat het product doet en identificeert het probleem dat het oplost – allemaal in één zin die volledig op zichzelf staat. Versie A, uit de context gehaald, betekent bijna niets.

Schrijven voor extractie: een eenvoudig raamwerk

U hoeft niet uw hele website te herschrijven. U moet alleen iets anders nadenken over elk belangrijk stukje inhoud.

De kernvraag is: als iemand deze alinea uit de context zou halen, zou deze dan nog steeds iets duidelijk en specifiek overbrengen?

Hier is een praktische manier om die test toe te passen:

1. Geef uw entiteiten expliciet een naam. Schrijf niet “ons platform” – schrijf de naam van het platform. Schrijf niet “deze aanpak” – zeg wat de aanpak is. AI-systemen bouwen betekenis op vanuit benoemde entiteiten. Voornaamwoorden en generieke verwijzingen geven hen niets om zich aan vast te houden.

2. Definieer voordat je kwalificeert. Begin met de feiten en voeg daarna nuance toe. “Het bouncepercentage daalde met 40% na het herstructureren van de navigatie” is extraheerbaar. “Na enkele wijzigingen in de manier waarop gebruikers door de site navigeerden, verbeterde de betrokkenheid aanzienlijk” is dat niet.

3. Zorg dat elke paragraaf één vraag beantwoordt. De beste content voor AI-opvraging is georganiseerd rond afzonderlijke vragen: Wat is dit? Voor wie is het bedoeld? Welk probleem lost het op? Hoe werkt het? Elke paragraaf moet de vraag zelfstandig kunnen beantwoorden.

4. Vermijd losse context. Een zin die begint met "Zoals eerder vermeld..." of "Voortbouwend op het bovenstaande..." wordt zinloos wanneer deze wordt geëxtraheerd. Herhaal wat nodig is. Herhaling die voor een menselijke lezer overbodig lijkt, is juist nuttig voor een machine.

De structurele laag onder de tekst

Zelfs perfect geschreven content kan AI-systemen niet bereiken als de onderliggende structuur de leesbaarheid voor machines niet ondersteunt.

Hier gaat het verder dan schrijfstijl en komt een technische laag om de hoek kijken waar de meeste contentmakers nog niet eerder over hebben hoeven nadenken.

Een paar dingen die hier van belang zijn:

• Schema-markup – gestructureerde gegevens die AI-gestuurde zoeksystemen niet alleen vertellen wat er op uw pagina staat, maar ook wat voor soort informatie het is. Voor platforms zoals Google's AI-overzichten heeft schema een goed gedocumenteerde invloed op hoe inhoud wordt geïnterpreteerd en weergegeven. Voor LLM's zoals ChatGPT en Perplexity is de relatie minder direct – maar een duidelijke structuur en semantische signalen maken uw inhoud nog steeds gemakkelijker te verwerken en nauwkeurig weer te geven.

• Kophiërarchie - duidelijke, beschrijvende koppen (H1, H2, H3) geven AI-systemen een overzicht van uw inhoud. Vage koppen zoals "Meer informatie" of "De volgende stap" geven geen bruikbare informatie.

• llms.txt – een voorgestelde conventie (nog geen officiële standaard), vergelijkbaar in concept met robots.txt, die AI-crawlers expliciete richtlijnen geeft over de structuur van uw site en wat ze mogen gebruiken. Het werd geïntroduceerd door onderzoeker Jeremy Howard en is door verschillende grote AI-crawlers overgenomen – maar de acceptatie is nog ongelijkmatig, en veel sites die het bestand hebben, hebben niet geverifieerd of het daadwerkelijk correct wordt gelezen.

Tools die speciaal voor deze laag zijn ontwikkeld – zoals de AI-zichtbaarheidstool Geordy – bestaan juist omdat dit niet iets is wat de meeste contentteams handmatig kunnen beheren. Geordy genereert automatisch de gestructureerde formaten die AI-systemen gebruiken om uw content te begrijpen en te citeren: schema, llms.txt, YAML, Markdown en meer, aangeboden vanaf uw eigen domein zonder uw bestaande site aan te raken.

Hoe dit er in de praktijk uitziet

Laten we een voorbeeld uit de praktijk nemen. Stel dat u een klein accountantskantoor runt en u heeft een gedegen uitlegpagina geschreven over kwartaalaangifte voor freelancers.

Op dit moment, wanneer iemand ChatGPT vraagt "wanneer moeten freelancers driemaandelijkse belastingaangifte doen", staat uw pagina mogelijk niet tussen de geciteerde pagina's – zelfs als deze goed geschreven is en hoog scoort in Google. Enkele veelvoorkomende redenen:

• Uw belangrijkste informatie is verwerkt in vloeiende tekst die moeilijk uit de context te halen is.

• Zonder een duidelijk gestructureerde FAQ-sectie is het voor AI-systemen moeilijker om te bepalen welk deel van uw pagina direct antwoord geeft op een specifieke vraag.

• De naam van uw bedrijf en de specifieke diensten zijn niet duidelijk gekoppeld aan de beweringen die worden gedaan.

De oplossing is niet het herschrijven van de hele pagina. Het is het toevoegen van een duidelijk gestructureerde FAQ-sectie met expliciete schema-markup, ervoor zorgen dat de naam van uw kantoor bij elke belangrijke bewering wordt vermeld, en ervoor zorgen dat uw koppen op vragen zijn gebaseerd in plaats van op onderwerpen.

"Kwartaalaangiftetermijnen" wordt "Wanneer zijn de kwartaalaangiftetermijnen voor freelancers?" Dezelfde informatie. Veel beter te extraheren.

Het publiek is gegroeid – uw schrijfstijl moet dat ook

Dit betekent niet dat u alles moet laten varen wat de inhoud leesbaar maakt voor mensen. Goed schrijven blijft goed schrijven.

Maar de definitie van “goed” is verbreed. Content die vandaag de dag werkt, moet twee doelgroepen bedienen: de persoon die uw pagina leest, en het AI-systeem dat uw pagina mogelijk citeert in een antwoord dat iemand anders ontvangt – zonder dat die persoon uw site ooit heeft bezocht.

Dat tweede publiek heeft andere behoeften. Het kan geen conclusies trekken. Het kan geen context vasthouden. Het haalt informatie eruit en geeft die weer.

Schrijf voor beide. Structureer voor beide. En controleer of de technische laag onder uw content daadwerkelijk ondersteunt wat u probeert over te brengen – want op dit moment is dat voor de meeste sites niet het geval.

Dat is een kloof die het waard is om te dichten.