90 dagen GEO stappenplan starten: wat citeren AI-modellen echt?

Het korte antwoord

Een 90 dagen GEO stappenplan starten betekent dat je in drie meetbare fases test of AI-modellen jouw content citeren: een nulmeting (dag 1 tot 20), een optimalisatieronde (dag 20 tot 60) en een validatieronde (dag 60 tot 90). Je kiest 15 tot 25 vraagpatronen die je doelgroep aan ChatGPT, Perplexity of Google AI Overviews stelt, meet welke bronnen nu al geciteerd worden, past structuur en autoriteit aan, en meet opnieuw. Het doel is niet één viral artikel, maar een herhaalbaar proces: zien welke aanpassingen citatiekans aantoonbaar verhogen, voordat je daar budget en contentcapaciteit structureel op inzet.

Belangrijkste punten

• Onderzoekers van Princeton en IIT Delhi toonden aan dat gerichte contentoptimalisatie de zichtbaarheid van een bron in generatieve AI-antwoorden met tot 40% kan verhogen (arXiv, Princeton University / IIT Delhi).
• Volgens Pew Research Center leverde in maart 2025 ongeveer 18% van de Google-zoekopdrachten een AI-samenvatting op, en klikten gebruikers bij zo'n samenvatting nog maar in 8% van de bezoeken door naar een traditioneel resultaat, tegenover 15% zonder samenvatting (Pew Research Center via Search Engine Roundtable).
• 88% van de AI-samenvattingen in diezelfde studie citeerde drie of meer bronnen, maar slechts 1% van alle bezoeken resulteerde in een klik op een link binnen die samenvatting: citatie zonder klik is dus de realiteit waarmee je moet rekenen.
• Werk in sprints van drie weken met een vaste meetset van 15 tot 25 vragen, zodat je verschuivingen in citatiegedrag kunt toeschrijven aan specifieke aanpassingen, niet aan ruis.
• Schema.org, in 2011 gezamenlijk opgezet door Google, Microsoft, Yahoo en Yandex, blijft de structurerende laag die zowel klassieke zoekmachines als generatieve AI-systemen gebruiken om content te interpreteren (llmoptimisation.fr).

Waarom lukt het de meeste teams niet om GEO-resultaten hard te maken?

De meeste marketingteams die net starten met GEO testen één artikel, kijken een week later toevallig in ChatGPT, zien hun merk wel of niet genoemd, en trekken daar een conclusie uit. Dat is geen test, dat is giswerk. Het probleem zit niet in motivatie, het zit in de afwezigheid van een vast testritme met vaste vragen, vaste meetmomenten en een vaste definitie van wat een "citatie" precies is.

Marketingmanagers die net starten met GEO lopen daardoor tegen vier terugkerende knelpunten aan. Ten eerste ontbreekt een nulmeting: zonder te weten wat AI-modellen vóór je aanpassingen al citeerden, kun je achteraf niets toeschrijven aan je eigen werk. Ten tweede wordt content vaak geschreven voor Google, niet voor de manier waarop een taalmodel een antwoord samenstelt uit fragmenten, wat een heel ander schrijfpatroon vraagt. Ten derde ontbreekt structurele opvolging: een artikel wordt gepubliceerd en daarna niet meer aangepast, terwijl GEO juist vraagt om herhaald testen en bijschaven. Ten vierde is er simpelweg geen tijd: content schrijven, meten en herschrijven kost weken die een marketingmanager naast de rest van het werk niet heeft.

Daar komt de onzekerheid rond regelgeving bij. Vanaf 2 augustus 2026 gelden onder de Europese AI-verordening transparantieverplichtingen uit Artikel 50, die aanbieders en gebruikers van generatieve AI-systemen verplichten gebruikers te informeren wanneer zij met AI interacteren of AI-gegenereerde content zien (artificialintelligenceact.eu). Dat verandert niets aan hoe je voor citatie optimaliseert, maar het onderstreept dat AI-gedreven zoekervaringen definitief mainstream en gereguleerd worden, niet een experiment dat vanzelf overwaait.

Wat gaat er mis als je GEO behandelt als een los SEO-project?

Veel teams proberen GEO te runnen met dezelfde tools en dezelfde cadans als klassieke SEO: een keyword-lijst, een paar artikelen, een kwartaalrapportage. Dat werkt niet, om drie redenen.

Ten eerste meten klassieke SEO-tools rankingposities, niet citaties. Een artikel kan op positie 3 staan in Google en toch nooit genoemd worden in een ChatGPT-antwoord, omdat het model andere signalen weegt: structuur, directe antwoordbaarheid, aantoonbare autoriteit. Ten tweede is de meetfrequentie te laag. AI-modellen worden regelmatig bijgewerkt en citatiegedrag verschuift per update; een kwartaalrapportage mist die bewegingen volledig. Ten derde ontbreekt vaak de koppeling met wat er écht gebeurt op je eigen site. Je kunt wel zien dát je genoemd wordt in Perplexity, maar zonder koppeling aan Search Console-data weet je niet of dat ook tot verkeer, aanvragen of omzet leidt.

De Pew-cijfers maken de inzet duidelijk: bij 18% van de zoekopdrachten krijgt de gebruiker al een AI-samenvatting te zien, en het klikgedrag daarbinnen is extreem laag (Pew Research Center). Dat betekent dat citatie zonder klik de nieuwe standaard is: je merk moet genoemd worden, ook als dat zelden direct verkeer oplevert. Wie dat niet meet, optimaliseert in het duister. Dit is precies waarom een eenmalige test niets zegt en waarom je een terugkerend 90 dagen GEO stappenplan nodig hebt in plaats van een eenmalige actie. Voor een breder overzicht van welke tactieken anno 2026 nog standhouden, is het de moeite waard om te kijken naar welke tactieken voor AI-citaties in 2026 nog werken.

Hoe zet je het 90 dagen GEO stappenplan concreet op?

Een GEO-testprogramma is een herhaalbaar proces van meten, aanpassen en opnieuw meten, niet een eenmalige contentactie. Het 90 dagen GEO stappenplan starten valt het best uiteen in drie fases van ongeveer drie weken elk, met tussentijdse evaluatiemomenten.

Fase 1: nulmeting en vraaginventarisatie (dag 1 tot 20)

Stel eerst 15 tot 25 realistische vragen samen die jouw doelgroep aan ChatGPT, Perplexity of Google AI Overviews zou stellen: vergelijkende vragen, prijsvragen, "beste optie voor..."-vragen. Test deze handmatig of via een monitoringtool en leg per vraag vast: wordt je merk genoemd, welke bronnen worden wel genoemd, en in welke volgorde. Dit is je referentiepunt. Zonder deze stap kun je in week 10 niet bewijzen dat jouw aanpassingen iets hebben veranderd. Koppel deze fase direct aan GEO-optimalisatie als discipline, zodat je vanaf dag 1 meet wat er geciteerd wordt in plaats van pas achteraf. Een uitgebreider stappenplan voor deze testfase staat beschreven in GEO in 90 dagen testen: zo meet je citaties door AI-modellen.

Fase 2: structuur- en autoriteitsoptimalisatie (dag 20 tot 60)

In deze fase pas je content aan op basis van wat de nulmeting liet zien. De onderzoekers achter het GEO-BENCH framework van Princeton en IIT Delhi lieten zien dat gerichte optimalisatie, zoals het toevoegen van citeerbare statistieken en duidelijke bronvermeldingen, de zichtbaarheid van een bron in generatieve antwoorden met tot 40% kon verhogen (arXiv). Concreet betekent dit: herschrijf antwoorden zo dat ze zelfstandig te citeren zijn (een directe claim, gevolgd door onderbouwing), voeg gestructureerde data toe via schema.org-markup, en zorg dat elk artikel een duidelijke entiteit (je merknaam, je product) herhaaldelijk en consistent noemt.

Fase 3: validatie en opschaling (dag 60 tot 90)

Herhaal exact dezelfde vragenset uit fase 1 en vergelijk. Welke vragen leveren nu wel een citatie op die er eerder niet was? Welke aanpassingen correleren met die verschuiving? Dit is het moment om te beslissen welke tactieken je structureel inzet op je volledige contentcluster, in plaats van op de handvol testartikelen.

Zelf aan de slag:

• Leg in week 1 een vaste set van 15 tot 25 testvragen vast en herhaal die exact in week 9, zonder tussentijds de vragen te wijzigen.
• Documenteer per vraag welke bronnen genoemd worden, niet alleen of jouw merk genoemd wordt.
• Voeg in fase 2 bij elk artikel minstens één directe, citeerbare antwoordalinea toe van 40 tot 60 woorden.
• Koppel schema.org-markup (Article, FAQPage, Organization) aan elk getest artikel voordat je opnieuw meet.
• Bepaal vooraf een drempelwaarde: pas als een tactiek bij minstens een derde van je testvragen een meetbare verschuiving oplevert, schaal je hem op.

Welke manier helpt je echt om GEO-tools en aanpakken te vergelijken?

Wie net begint, raakt snel verdwaald tussen tientallen tools die allemaal "AI-zichtbaarheid meten" beloven. Het is daarom verstandig om eerst een duidelijk afwegingskader te hebben voordat je een tool kiest. Een goed startpunt is welke vergelijking je echt helpt bij het kiezen van de juiste SEO-tool, waarin de belangrijkste criteria (dekking van AI-modellen, koppeling met echte sitedata, taalondersteuning) naast elkaar worden gezet.

In de praktijk komt het neer op drie vragen die je jezelf stelt voordat je kiest: meet het systeem citaties over meerdere AI-modellen tegelijk of alleen één? Wordt de data gekoppeld aan wat er écht op je site gebeurt, zoals Google Search Console-cijfers, of blijft het bij losse momentopnames? En kan het platform niet alleen meten, maar ook de content zelf bijsturen op basis van die meting? De meeste standalone monitoringtools doen alleen het eerste. Launchmind combineert meten met publiceren: content wordt geoptimaliseerd voor zowel Google als AI-zoekmachines in één beweging, en stuurt zichzelf bij op echte Search Console-data in plaats van op een losstaand dashboard dat niemand dagelijks checkt. Concrete voorbeelden van hoe dat in de praktijk uitpakt, staan in onze succesverhalen.

Hoe voorkom je dat je 90 dagen GEO stappenplan vastloopt in losse artikelen?

Een veelgemaakte fout is dat teams hun testartikelen als losse eenheden behandelen: één artikel over onderwerp A, één over onderwerp B, zonder onderlinge verbinding. AI-modellen citeren echter vaker bronnen die autoriteit opbouwen over een compleet onderwerp, niet over losse fragmenten. Een hub-and-spoke structuur, waarbij een pijlerpagina verwijst naar verdiepende subartikelen die elkaar onderling versterken, vergroot de kans dat een model jouw domein als geheel als betrouwbare bron herkent.

Stel je een marketingmanager voor bij een B2B-softwarebedrijf met 40 medewerkers. In week 1 van het 90 dagen GEO stappenplan test ze 20 vragen rond haar productcategorie en ziet dat haar merk in geen enkele ChatGPT-reactie voorkomt, terwijl twee concurrenten wel drie tot vier keer genoemd worden. In week 6, na het herschrijven van acht artikelen tot een samenhangend cluster met citeerbare antwoordalinea's en schema-markup, test ze opnieuw dezelfde 20 vragen: haar merk verschijnt nu bij zes van de twintig vragen. Geen revolutie, maar wel een meetbare, toeschrijfbare verschuiving die ze aan haar directie kan laten zien, inclusief welke specifieke aanpassing daaraan bijdroeg.

Dit soort opschaling is precies waar handmatig werken vastloopt: acht artikelen herschrijven, markup toevoegen, en dat elke drie weken herhalen kost een marketingteam weken die er structureel niet zijn. Een AI-collega die dagelijks publiceert, clusters bouwt en zichzelf bijstuurt op Search Console-data, zoals Alex, neemt dat herhalende werk over zonder dat de kwaliteit terugloopt, en elk artikel gaat pas live na jouw goedkeuring, met een Google-preview per mail.

Veelgestelde vragen

Hoeveel tijd kost het om een 90 dagen GEO stappenplan op te zetten?

De opzet van de vragenset en nulmeting kost meestal twee tot drie werkdagen verspreid over de eerste twee weken. De grootste tijdsinvestering zit in fase 2, het herschrijven en structureren van content, wat afhankelijk van de clustergrootte enkele weken in beslag neemt als dit handmatig gebeurt.

Welke tools gebruik je om te testen wat AI-modellen citeren?

Je kunt beginnen met handmatig testen in ChatGPT, Perplexity en Google AI Overviews met een vaste vragenlijst, en de resultaten bijhouden in een spreadsheet. Voor opschaling naar meerdere modellen en talen tegelijk is een platform nodig dat citaties monitort én koppelt aan je eigen contentpubicatie, zodat meten en bijsturen één proces worden in plaats van twee losse stappen.

Waarom zie ik mijn merk wel in Google maar niet in ChatGPT-antwoorden?

Dit komt doordat AI-modellen andere signalen wegen dan klassieke rankingfactoren: directe antwoordbaarheid, gestructureerde data en herhaalde, consistente vermelding van je merknaam in context wegen zwaarder dan alleen een goede positie in zoekresultaten. Schema.org-markup, in 2011 gezamenlijk opgezet door Google, Microsoft, Yahoo en Yandex, helpt beide systemen om de aard van je content te herkennen, maar lost het verschil in weging niet volledig op (llmoptimisation.fr).

Moet ik me zorgen maken over AI-regelgeving tijdens mijn GEO-traject?

De Europese AI-verordening verplicht vanaf 2 augustus 2026 wel transparantie over AI-gegenereerde content richting eindgebruikers, maar classificeert generatieve AI zoals ChatGPT niet als hoogrisicosysteem (Europees Parlement). Voor je GEO-strategie betekent dit vooral dat je transparant blijft over je eigen contentproces, niet dat je optimalisatiemethoden worden beperkt.

Hoe meet ik of mijn GEO-inspanningen ook echt tot zichtbaarheid leiden?

Meet drie lagen tegelijk: of je merk genoemd wordt in AI-antwoorden op je vaste vragenset, of je artikelen beter presteren in Google Search Console op gerelateerde zoekwoorden, en of dat samen leidt tot meetbaar verkeer. Voor meer achtergrond over hoe je merkvermeldingen specifiek in ChatGPT meet, is ChatGPT-merkvermeldingen meten een goed vervolgartikel.

Conclusie

Een 90 dagen GEO stappenplan starten is geen marketingtruc, het is de enige manier om met zekerheid te weten of je content daadwerkelijk geciteerd wordt door ChatGPT, Perplexity en Google AI Overviews, in plaats van te gokken op basis van een paar losse screenshots. De drie fases, nulmeting, optimalisatie en validatie, geven je een herhaalbaar proces waarmee je elke drie weken kunt bijsturen op basis van echte data, niet op onderbuikgevoel.

De grootste hindernis is zelden kennis, het is capaciteit: acht tot twintig artikelen herschrijven, markup toevoegen, vragenlijsten herhalen en resultaten documenteren kost tijd die de meeste marketingteams naast hun dagelijkse werk niet structureel vrij kunnen maken. Wil je dit traject zonder dat het je eigen agenda overneemt? Boek een vrijblijvend gesprek en bespreek hoe een 90 dagen GEO stappenplan er voor jouw merk concreet uitziet, of bekijk de tarieven om te zien wat continue GEO-optimalisatie in de praktijk kost.

Over het bedrijf

Launchmind is de AI-collega die elke dag SEO-content schrijft, controleert en publiceert op je eigen blog, in 8 talen, en zichzelf bijstuurt op echte Search Console-data. Het bedrijf richt zich op marketingmanagers, ondernemers en CMO's van MKB- en scale-upbedrijven die weten dat content werkt, maar er structureel niet aan toekomen.