Een technische auditscore is een drempel, geen hefboom

Veel GEO-audits leveren een cijfer op: 71 van 100, 8 van 19, een kleurtje per onderdeel. Dat cijfer vertelt je of je onder een drempel zit. Het vertelt je niet of je genoemd wordt. Onder de drempel — crawler geblokkeerd, tekst pas na JavaScript, laadtijd catastrofaal — ben je onzichtbaar en helpt niets anders. Boven de drempel koopt elk extra punt je vrijwel niets.

Dat is een genuanceerdere stelling dan "auditscores zeggen niets", en het is de enige die het bewijs draagt. Hieronder wat er gemeten is, en wat een audit dan wél zou moeten opleveren.

Wat er gemeten is, op schaal

Het beste onderzoek hierover komt niet uit Nederland. Search Engine Land publiceerde in januari 2026 een analyse van 107.352 pagina's die prominent verschijnen in Google AI Overviews en AI Mode. Er is gekeken naar de rangcorrelatie tussen prestatiecijfers en zichtbaarheid, op paginaniveau in plaats van met goed/fout-drempels.

−0,12 tot −0,18.

Zo sterk is de samenhang tussen laadtijd en AI-zichtbaarheid, gemeten over

107.352 pagina's die prominent in AI Overviews en AI Mode verschijnen. Voor

layoutverschuiving is het −0,05 tot −0,09. Dat zijn zwakke verbanden.

De auteur vat het samen als: Core Web Vitals werken niet als groeiknop voor AI-zichtbaarheid, ze werken als randvoorwaarde. Goede prestaties leveren geen voorsprong op; ernstig falen levert wél achterstand op.

Dat onderscheid is de hele kern van dit artikel. Een audit die je van 71 naar 85 helpt, verkoopt je een verbetering waarvan het effect in deze data niet te zien is. Een audit die ontdekt dat je firewall GPTBot weigert, verkoopt je iets wat wel degelijk beslissend is.

Het tweede onderzoek dat telt is van Ahrefs, mei 2026. Zij volgden 1.885 pagina's die tussen augustus 2025 en maart 2026 JSON-LD-schema toevoegden, en zetten die af tegen 4.000 controlepagina's die dat niet deden — een before-and-after met vergelijkingsgroep, niet een momentopname. Uitkomst: Google AI Overviews −4,6%, Google AI Mode +2,4%, ChatGPT +2,2%. Die laatste twee zijn niet van ruis te onderscheiden; die eerste is klein maar wél statistisch significant, en dus de verkeerde kant op.

Schema toevoegen deed dus niets. En dat is precies het onderdeel dat in vrijwel elke GEO-audit als actiepunt bovenaan staat.

Het verschil tussen die twee onderzoeken en de Nederlandse cijfers hieronder zit vooral in omvang en opzet:

Onderzoek	Omvang	Opzet	Uitkomst
Search Engine Land (jan 2026)	107.352 pagina's	Rangcorrelatie op paginaniveau	LCP −0,12 tot −0,18; techniek is randvoorwaarde
Ahrefs (mei 2026)	1.885 pagina's + 4.000 controles	Before-and-after met vergelijkingsgroep	Schema toevoegen: AIO −4,6%, rest ruis
Yellify (juli 2026)	80 merken, 1.200 tests	Momentopname, eigen GEO-score	Geen verband tussen score en vermelding
Estrelle (mei 2026)	100 sites, 1 vraag per site	Momentopname, 19 criteria	Contrastgevallen, geen coëfficiënt

De eerste twee dragen de conclusie. De laatste twee illustreren hem voor de Nederlandse markt.

Het tegenbewijs, want dat is er ook

Als ik hier stop, doe ik hetzelfde als de partijen die ik bekritiseer. Dus: dezelfde Ahrefs-analyse laat over zes miljoen URL's zien dat pagina's die door AI geciteerd worden bijna drie keer zo vaak JSON-LD hebben als pagina's die dat niet worden.

Dat is een positieve samenhang, en hij is groot. Ahrefs zegt er zelf bij dat het vermoedelijk verstrengeling is: schema staat op sites die überhaupt beter onderhouden worden, met betere content en meer links. Hun eigen before-and-after ondersteunt die lezing — als schema de oorzaak was, had het toevoegen ervan iets moeten doen, en dat deed het niet.

Maar de ruwe correlatie is er. Wie zegt "er is geen verband", verzwijgt hem. Het eerlijke antwoord is: er is een verband tussen schema en geciteerd worden, en er is geen bewijs dat het schema de oorzaak is.

De Nederlandse cijfers, met hun beperkingen

Twee Nederlandse partijen hebben dit jaar onafhankelijk van elkaar een vergelijkbare meting gedaan. Beide zijn blogonderzoek van consultants die GEO-diensten verkopen, beide zijn klein, en beide zijn opvallend eerlijk over hun eigen beperkingen. Dat maakt ze bruikbaar als illustratie voor de Nederlandse markt, niet als bewijs.

Yellify testte in juli 2026 80 merken uit 16 branches met 1.200 tests: per merk drie koopvragen zonder merknaam, voorgelegd aan vijf modellen. Daarnaast kreeg elk merk een eigen technische score van 0 tot 100 — nadrukkelijk niet Lighthouse of Core Web Vitals, maar een zelf samengestelde GEO-score over tien criteria. Mediaan 76, hoogste 91, laagste 51. Gemiddeld werd een merk in 37,4% van de tests spontaan genoemd.

Het sterkste patroon zit op branche­niveau. Goede doelen scoorden technisch het hóógst, gemiddeld 86,6, en werden in 28,0% van de tests genoemd. Media en nieuws scoorden technisch het láágst, 61,0, en werden in 44,0% genoemd. Twee branches, tegenovergestelde technische kwaliteit, en de zwakste techniek wordt vaker genoemd.

Er circuleert uit datzelfde onderzoek een pakkender voorbeeld: Albert Heijn scoort 71 op techniek en wordt in 100% van de tests genoemd, terwijl Rijksoverheid.nl 91 scoort en nooit genoemd wordt. Die getallen kloppen, maar ik gebruik ze hier niet als bewijs, en dat is met opzet. De auteur schrijft er zelf bij dat Rijksoverheid.nl juist een van de meest geciteerde bronnen is in Nederlandse AI-antwoorden over regelgeving, en dat het verschil zit in de gestelde vraag: niemand stelt een koopvraag waarop een overheidssite het antwoord is. Dat is geen tegenspraak maar een andere vraag. Hij voegt er expliciet aan toe dat zestien branches te weinig is om een verband uit te rekenen, en dat hij dus geen coëfficiënt claimt.

Wie dat voorbeeld tóch als bewijs opvoert, gebruikt het tegen de uitdrukkelijke waarschuwing van de onderzoeker in. Dat is precies de vorm van selectief citeren waar dit artikel over gaat.

De tweede Nederlandse meting komt van Estrelle, mei 2026: 100 websites uit 17 sectoren. Hun kernbevinding staat er letterlijk als "techniek ≠ aanbeveling", met contrastgevallen: een e-commercesite die 10 van de 19 punten haalt en 0 van de 9 op aanbeveling, tegenover een hardloopspecialist met 0 van de 19 en 9 van de 9. Ook hier de beperking erbij: die 19 punten gaan vrijwel volledig over structured data, en de aanbevelingsscore is gebaseerd op één sectorvraag per site, voorgelegd aan drie modellen. Eén vraag per site is te weinig om een contrastgeval hard te maken.

Waarom techniek dan tóch eerst moet

Dit artikel is geen pleidooi om de techniek te laten zitten, en dat is een belangrijk verschil.

Onder de drempel is techniek beslissend, en daar is het bewijs juist hard. In serverlogonderzoek over 569 miljoen GPTBot-verzoeken en 370 miljoen van Claude is bij die crawlers geen JavaScript-uitvoering waargenomen: staat je tekst pas in de pagina nadat er JavaScript heeft gedraaid, dan zien ze een lege huls. Google stelt indexering en snippet-geschiktheid als harde voorwaarde om als bronvermelding in AI Overviews te verschijnen. En een firewall of beveiligingsplugin die een crawler weigert, maakt al het andere werk zinloos — dat is een blokkade, geen suboptimale score.

Die drie controles kosten samen een halve dag en zijn de enige waarvan het effect vaststaat. Ze staan alleen zelden bovenaan in een audit, omdat ze geen mooi cijfer opleveren: het antwoord is ja of nee.

Wat een audit dan wél moet opleveren

Vier dingen, en een score is er geen van.

Ten eerste: komen de crawlers binnen? Per crawler apart getoetst, want GPTBot, OAI-SearchBot, PerplexityBot en ClaudeBot worden lang niet altijd hetzelfde behandeld. Dit is een ja-of-nee-vraag met een ja-of-nee-antwoord.

Ten tweede: staat je tekst in de ruwe HTML? Open de broncode en zoek een zin die op het scherm staat. Vind je hem niet, dan is dat je probleem, en geen enkele hoeveelheid schema lost het op.

Ten derde, en dit ontbreekt in vrijwel elke audit: op welke van jouw koopvragen word je niet genoemd, en welke pagina wordt daar in jouw plaats opgehaald? Dat is de enige uitkomst die je vertelt wat je moet schrijven. Een score vertelt je hooguit dat er iets mis is, niet wat.

Ten vierde: wat is de meetopzet achter dat antwoord? Hoeveel vragen, hoe vaak dezelfde vraag herhaald, over welke systemen, en met welke marge. Zonder dat is "je zichtbaarheid is 34%" een getal zonder betekenis.

Een audit die vier goede antwoorden geeft en geen cijfer, is meer waard dan een audit met een dashboard vol kleurtjes. Dat verkoopt alleen slechter, en dat is precies waarom de markt vol staat met scores.

Waar wij staan

Wij leveren geen auditscore. Wij meten wekelijks 100 koopvragen op ChatGPT, Gemini, Perplexity en Google AI Overviews met een bevroren vragenset, drie meetronden per week, per systeem apart gerapporteerd, en we controleren de crawlertoegang en de rendering als eerste stap omdat de rest daarzonder niet meedoet. Wat we in de gaten vinden schrijven we zelf en publiceren we na jouw goedkeuring.

Wat dat kost staat op de prijzenpagina, de crawlerkant op AI-crawlers op je site, en hoe de meting werkt op AI-zichtbaarheid laten meten.