Hoe answer engines hun bronnen kiezen

Als ChatGPT, Perplexity, Gemini of de AI Overviews van Google een vraag beantwoorden, citeren ze een klein aantal webpagina's. Die citaties zijn geen versiering. Ze zijn het resultaat van een selectieproces, en dat proces is goed genoeg gedocumenteerd om te beschrijven. Deze pagina behandelt de mechaniek: hoe content wordt opgehaald, hoe bronnen worden gekozen, wat een pagina überhaupt kandidaat maakt, en waarom je eigen citaties meten lastiger is dan het lijkt.

Retrieval-augmented generation

Answer engines antwoorden niet alleen uit het geheugen van het model. Ze gebruiken retrieval-augmented generation (RAG): op het moment van de vraag haalt het systeem relevante documenten uit een index en genereert het vervolgens een antwoord dat daarin verankerd is. De pagina's waaruit het put, worden de citaties. Daarom is AEO überhaupt mogelijk. De trainingsdata van het model liggen vast, maar de ophaalstap draait op een levende index die jouw content kan binnenkomen en waarin je je positie kunt verbeteren.

Verankerd in de rankingsystemen

Specifiek voor Google zegt de gids van Google over AI-functies dat AI Overviews en AI Mode content selecteren via retrieval-augmented generation die verankerd is in de kernrankingsystemen van Search. De ophaalstap is geen apart, mysterieus algoritme. Dezelfde systemen die de organische ranking bepalen, bepalen wat de generatieve laag mag lezen. Content die rankt, is content die geciteerd kan worden.

Query fan-out

Google beschrijft een techniek die query fan-out heet (het uitwaaieren van een zoekopdracht in deelvragen): het systeem stuurt meerdere verwante zoekopdrachten tegelijk uit om context te verzamelen voor een enkele vraag. Het praktische gevolg is dat jouw pagina kan worden opgehaald voor een zoekopdracht die de gebruiker nooit heeft getypt. Een vraag over prijzen kan uitwaaieren naar zoekopdrachten over functies, alternatieven en installatie. Pagina's die de aangrenzende deelvragen van een onderwerp behandelen, hebben meer oppervlak waarop de ophaalstap ze kan vinden.

Hoe citaties verschijnen

De gids van Google merkt op dat AI-antwoorden prominente, klikbare links naar de onderliggende pagina's tonen. Geselecteerd worden als bron is dus zichtbare merkplaatsing op precies het moment van het antwoord, en het pad dat een lezer volgt als die wil verifiëren of de diepte in wil. Search Console van Google bevat een prestatierapport voor generatieve AI, en dat is de manier om dit verkeer uit de eerste hand te zien.

Het toegangsbewijs: geïndexeerd en snippet-geschikt

Om überhaupt kandidaat te zijn, moet een pagina crawlbaar en geïndexeerd zijn en in aanmerking komen om als snippet te verschijnen. Dat is de hele toegangseis. Volgens de gids van Google zijn er geen speciale markup of AI-specifieke bestanden nodig, negeert Google Search llms.txt, en is gestructureerde data niet vereist voor generatieve AI-functies. Google raadt expliciet af om content op te knippen of in een speciaal formaat voor AI te schrijven. Als een pagina niet als gewone snippet kan verschijnen, kan hij ook niet in een AI-antwoord verschijnen; als hij dat wel kan, is er technisch niets meer nodig.

Hoe engines buiten Google verschillen

ChatGPT, Perplexity en Claude zitten niet op de index van Google. Ze draaien hun eigen crawlers en ophaalsystemen, dus de positie van een pagina kan per engine verschillen, en hun honger naar verse content verschilt meetbaar. Een studie van 7.683 pagina's en 47.097 citaties vond dat Gemini in 78 procent van de gevallen content citeerde die in het afgelopen jaar was bijgewerkt, ChatGPT 73 procent en Perplexity 65 procent. Slechts 42 procent van de geciteerde content was recent gepubliceerd, wat betekent dat de actualiteit die de engines belonen vooral uit updates van bestaande pagina's komt en niet uit nieuwe. Als Perplexity voor jou telt, doet een oudere maar onderhouden pagina nog steeds mee; op Gemini is een verouderde pagina een gok.

Waarom citaties meten zo veel ruis geeft

Controleren of een engine je citeert klinkt simpel: vraag het en kijk. In de praktijk is de uitkomst instabiel. Over drie identieke ChatGPT-runs blijft ongeveer 2,2 procent van de geciteerde bronnen stabiel. In metingen van merkantwoorden van LLM's verklaart de taal van de vraag 26,5 tot 32,0 procent van de meetvariantie, terwijl de merkidentiteit 1,5 procent verklaart. Hóe je het vraagt beweegt de uitkomst veel sterker dan wie je bent.

Daaruit volgen twee conclusies. Ten eerste levert een enkele controle geen betrouwbaar signaal op; alleen herhaald meten over verschillende formuleringen en over tijd laat een trend zien. Ten tweede: wees voorzichtig met dashboards van leveranciers. Geen enkele tool van derden heeft toegang tot de interne systemen van Google, dus elk extern citatiecijfer is een steekproef, geen grootboek. Wat dit betekent voor je contentstrategie lees je in wat AEO is.