De impact van AI op SEO

Inhoudsopgave

Search marketing staat op het punt een nieuw tijdperk te betreden. Met de komst van AI verandert het landschap in rap tempo. Als we kijken naar hoe zoekmachines tot nu toe hebben gewerkt en wat we verwachten dat er gaat veranderen, is dit baanbrekend. Zoekmachines worden kwantum.

Hoe SEO is geëvalueerd tot nu

Voordat we vooruitkijken, is het goed om stil te staan bij hoe zoekmachines op dit moment werken. De wereld van SEO bestaat uit impliciete context en expliciete context.

Impliciete context kan bestaan uit het volgende:

  • Locatie
  • Tijdstip van de dag
  • Taal
  • Zoekgeschiedenis

Expliciete context bestaat uit zoekopdrachten, bijvoorbeeld:

  • Zoekwoorden
  • Filters

Op basis van beide contexten kan opgemaakt worden waar iemand naar zoekt, en kan je jouw website hierop indelen.

In deze blog gaan we dieper induiken in het stukje expliciete context en hoe dit vandaag de dag werkt.

 

Keywords & entiteiten

De traditionele vorm van search bestaat uit een hoofdzoekwoord en longtail zoekwoorden. Het hoofdzoekwoord bestaat meestal uit één woord. Hoe algemener het zoekwoord, hoe hoger het zoekvolume en het concurrentieniveau. Algemene zoekwoorden worden ook wel shorttail zoekwoorden genoemd.

Voorbeelden van hoofdzoekwoorden:

  • Schoen
  • Kevin Hart
  • Barbie

De traditionele vorm van search bestaat uit een hoofdzoekwoord en longtail zoekwoorden. Het hoofdzoekwoord bestaat meestal uit één woord. Hoe algemener het zoekwoord, hoe hoger het zoekvolume en het concurrentieniveau. Algemene zoekwoorden worden ook wel shorttail zoekwoorden genoemd.

Voorbeelden van hoofdzoekwoorden:

  • Schoen
  • Kevin Hart
  • Barbie

Een longtail zoekterm omvat ten minste enkele woorden en is gedetailleerder dan een algemene zoekterm. In plaats van simpelweg ‘voetbalschoenen’ zou een longtail zoekterm bijvoorbeeld kunnen zijn ‘Adidas voetbalschoenen voor kinderen’. Op deze manier wordt de zoekterm specifieker door het toevoegen van het merk van de voetbalschoen en de specifieke doelgroep waarvoor deze geschikt is.

Voorbeelden van long tail zoekwoorden:

  • Sprankelende blauwe kinderschoenen
  • Grappige acteur van Ride along
  • Koop Barbie met ponykleding in Amsterdam
 

Beperkt gebruik van Schema

Zoekwoorden zijn echter beperkt; er kan geen structuur of relatie aan worden gekoppeld. Hiervoor is Schema in het leven geroepen. Entiteiten worden vertegenwoordigd via gestructureerde markup. Dit kan worden gezien als een uitbreiding van de HTML-code die zoekmachines informeert over het type inhoud dat op jouw website wordt aangeboden.

Het nadeel van Schema is dat Structured Markup ook zijn beperkingen heeft. Je kunt extra context bieden aan een pagina om meer informatie te verstrekken aan zoekmachines. Stel, je hebt een appartement in Kroatië dat je te huur aanbiedt. Het heeft een zwembad en 2 slaapkamers, perfect voor gezinnen.

Binnen schema kun je niet aangeven of een zwembad kindvriendelijk is of dat een appartement 2 slaapkamers heeft. Hierdoor kan essentiële informatie ontbreken waar mensen juist naar op zoek zijn. Dit zorgt er voor dat de huidige vorm van zoekmachines beperkingen heeft over het vergaren van informatie.

De afbeelding hierboven is een voorbeeld van hoe je deze informatie aanbiedt. Bij dit appartement kan informatie worden verschaft over het adres, de foto, het aantal kamers en enkele kenmerken zoals een zwembad.

Wat echter niet kan worden aangegeven binnen schema, is dat het huis geschikt is voor 6 personen, 2 slaapkamers heeft, 2 badkamers, een kindvriendelijk zwembad, airco, parkeerplaatsen en wifi.

Entiteiten kunnen een beperkte context vertegenwoordigen. Het nadeel is dat entiteiten en attributen van tevoren gedefinieerd moeten worden.

De afbeelding hierboven is een voorbeeld van hoe je deze informatie aanbiedt. Bij dit appartement kan informatie worden verschaft over het adres, de foto, het aantal kamers en enkele kenmerken zoals een zwembad.

Wat echter niet kan worden aangegeven binnen schema, is dat het huis geschikt is voor 6 personen, 2 slaapkamers heeft, 2 badkamers, een kindvriendelijk zwembad, airco, parkeerplaatsen en wifi.

Entiteiten kunnen een beperkte context vertegenwoordigen. Het nadeel is dat entiteiten en attributen van tevoren gedefinieerd moeten worden.

 

Modern search habits

In een ideale SEO wereld wordt er tijdens het zoeken heel veel expliciete context gebruikt. Een goed voorbeeld is als volgt:

Op basis van dit voorbeeld kan je zowel de content als schema op je website perfect insteken op een specifieke doelgroep.

Daarentegen hoe daadwerkelijk wordt gezocht naar een vakantie in Europa is als volgt:

Er worden slechts 3 à 4 woorden gebruikt om een zeer specifieke vakantie te vinden. Op basis van het voorbeeld hierboven kan alle context die je op je website hebt aangeboden, worden overgeslagen tijdens het zoeken naar een vakantie. Hierdoor is het lastiger om gevonden te worden.

Hoe mensen daadwerkelijk zoeken binnen zoekmachines:

  1. Zoeken op Google
  2. Handmatig door de getoonde resultaten bladeren
  3. Zoekopdracht op Google verfijnen
  4. Herhaal stap 2 en vervolgens stap 3

Deze manier van zoeken is het gevolg van te weinig informatie verschaffen in de zoekmachines over wat je daadwerkelijk wilt bereiken. Het is ook het resultaat van de zoekwoorden en entiteiten die tegenwoordig beschikbaar zijn, of juist niet beschikbaar zijn, voor het optimaliseren van je website.

Zoekinterfaces zijn nog steeds te zoekwoordgericht. Het gevolg hiervan is een beperkte expliciete context in zoekopdrachten.

 

GPT (generative pre-trained transformer)

Nu het AI-tijdperk is aangebroken, komt er een verandering in het search landschap. Large Language Models (LLM), zoals ChatGPT, leren en trainen zichzelf via het GPT-gedeelte. GPT staat voor generative pre-trained transformer. Het is getraind op grote hoeveelheden ongelabelde tekstgegevens van het internet, waardoor het coherente en contextueel relevante tekst kan begrijpen en genereren.

  • In andere woorden:
    GPT leert van tekst in natuurlijke taal
  • Kan verschillende ‘vormen’ van gegevens leren

Deze verandering is baanbrekend. GPT-modellen kunnen latente behoeftes veel beter begrijpen dan schema.org. Je kunt dit het beste vergelijken met het opvoeden van een kind. Door herhaaldelijk te benadrukken wat een hond is of wat een kat is, kan het GPT-model uiteindelijk een zoekintentie begrijpen zonder enige vorm van context. Daarnaast kan het GPT-model verbanden leggen uit informatie die voorheen niet mogelijk waren.

Schema.org heeft 1.400 typen gestructureerde data om uit te kiezen, terwijl GPT-4 100.000.000.000 neuronen heeft. Het onvoorstelbaar grote verschil zorgt ervoor dat er een verschuiving in search gaat komen die we nog nooit eerder hebben gezien.

Hoe slaat GPT kennis op?
‘Bij deep learning is een latente ruimte een vectorruimte waarin invoergegevens worden gecodeerd op een manier waarop het model automatisch leert.’

Door relaties te begrijpen, kan de context worden afgeleid.

In beide onderstaande voorbeelden zie je hoe dit eruit kan zien binnen search:

 

Latente ruimtes kunnen elk attribuut/relatie vertegenwoordigen. GPT-modellen kunnen context leren. Latente ruimte binnen GPT is veel groter dan schema.org.

 

Hoe ziet dit er in de toekomst uit

Op basis van de ontwikkelingen binnen AI en GPT van LLM is Google van plan om hun bestaande zoekmachines te upgraden met A.I.-functies. De nieuwe zoekmachine zal proberen in te spelen op de behoeften van gebruikers.

Hoe we zoeken, zal een grotere rol spelen in het optimaliseren van een website. Het specificeren van wat je daadwerkelijk aanbiedt, zal eenvoudiger worden. Heb je kenmerkende elementen in je product of dienst, zoals een kindvriendelijk zwembad, dan zal dat sneller gedetecteerd worden.

 

Latente behoeftes bepalen de dynamische context

Dynamische facetten kunnen expliciete context bieden. Wij voorspellen dat latente behoeftes een nog grotere rol gaan spelen. Het specificeren van de content op een website zal nog belangrijker worden. Elke filter en variatie waarop geklikt kan worden binnen de zoekresultaten zal andere resultaten bieden, bestemd voor dat specifieke onderwerp.

Dynamische context maakt huidige long tail zoekwoorden kort. Het traditionele Longtail en Shorttail verhaal zal naar onze verwachting veranderen. Een visuele weergave is hieronder:

Dit zal betekenen dat er nog meer zoekresultaten zullen ontstaan met heel weinig zoekvolume maar wat zo gespecificeerd is dat het een heel hoog conversiepercentage zal hebben. Op dit moment is Google al aan het testen met diverse resultaten en opties zoals de afbeelding hieronder.


Hoe nu verder?

Naar alle verwachtingen zijn er een aantal ontwikkelingen waar rekening mee gehouden moet worden.

  • Structured markup zal gereduceerde impact hebben
  • Voedt het GPT algoritme met inhoudrijke tekst
  • E-E-A-T wordt steeds belangrijker
  • Een zoekwoordonderzoek zal specifieker op behoeftes zijn

Neem contact op met GUD

Grow Up Digital is een full-service online marketingbureau dat bestaat uit een jong en gedreven team van marketing professionals. Samen met onze collega’s realiseren wij online groei voor onze opdrachtgevers door middel van SEO, SEA en Social Advertising.

Deel dit bericht met je netwerk

Facebook
Twitter
LinkedIn

Maandelijks binnen 5 minuten up to date?​

Ontvang net als honderden anderen maandelijks de nieuwste insights in marketing, webinars vol met praktische tips en updates van ons!​

Bedankt voor je aanvraag. Je ontvangt de whitepaper als eerste!