Eén modelfamilie, drie manieren om aan antwoorden te komen
Drie Google-surfaces beantwoorden dezelfde vraag op drie verschillende manieren. Werk je in search, dan is het verschil tussen grounded en generatief geen weetje. Het bepaalt wat je moet doen om geciteerd te worden.
Mensen praten over "ranken in AI" alsof het één ding is. Dat is het niet. Google draait één modelfamilie over drie surfaces, en elke surface beslist anders waar een antwoord vandaan komt.
Dat is het bruikbare deel. Je bouwt geen tweede website voor robots. Je zorgt dat één site opgehaald, gerankt en geciteerd kan worden op elk pad dat een antwoord kan nemen, in plaats van alleen op de hoofdzoekterm die je toevallig volgt.
Gemini (de app): generative-first
Hoe het antwoord ontstaat. Antwoorden worden standaard gegenereerd uit de trainingsdata van het model. Grounding op Google Search treedt selectief in werking, wanneer het model besluit dat een vraag verse of verifieerbare informatie nodig heeft.
Waar antwoorden vandaan komen. Vooral uit de modelgewichten, oftewel het parametrische geheugen: wat het model al heeft geleerd. Als het wél grondt, haalt het live resultaten uit Search op en toont het ondersteunende links. Maar grounding is hier optioneel, niet de standaard.
Waarom het uitmaakt. Merkvermeldingen in de Gemini-app hangen sterk af van aanwezigheid in de trainingsdata, niet van de rankings van deze week.
- Je merk is goed vertegenwoordigd in het trainingscorpus: gezaghebbende dekking, een aanwezigheid op Wikipedia, een gevestigde entiteit.
- Of grounding werd getriggerd voor die vraag en je rankt goed in live Search.
- De meeste antwoorden komen uit het modelgeheugen. Is je merk nieuw, niche of dun gedekt vóór de trainingscutoff, dan besta je niet voor het model.
- Uitstekende rankings redden je niet bij vragen die het model zonder grounding beantwoordt.
De zet: bouw duurzame aanwezigheid als entiteit. Dekking door derden, consistente entiteitsdata en content waar het model daadwerkelijk van heeft kunnen leren.
AI Overviews: grounded-first
Hoe het antwoord ontstaat. Eerst wordt opgehaald. Een aangepast Gemini-model synthetiseert een samenvatting uit documenten die de rankingsystemen van Google al hadden opgehaald, en het verschijnt alleen bij hoog vertrouwen.
Waar antwoorden vandaan komen. De live zoekindex, de Knowledge Graph en de Shopping Graph. De geciteerde links wijzen naar de pagina's waaruit de samenvatting is opgebouwd.
Waarom het uitmaakt. Klassieke retrievability regeert nog steeds. Kun je niet opgehaald en gerankt worden, dan kun je niet geciteerd worden.
- Je zit in de opgehaalde, rankbare set voor de zoekopdracht.
- Een passage op je pagina ondersteunt direct een bewering in het gesynthetiseerde antwoord.
- Schone, extraheerbare tekst en versheid helpen. Ahrefs vond dat door AI geciteerde URL's ongeveer 26% verser zijn dan organische resultaten.
- Er is volgens Google geen speciale schema nodig om in aanmerking te komen.
- Je bent niet op te halen:
noindex,nosnippet, blokkades of simpelweg zwakke retrieval. - Of geen passage op je pagina ondersteunt een bewering die gedaan wordt.
- Citeren gebeurt op passageniveau. Een toppositie garandeert geen citatie meer, al vergroot het je kansen nog altijd sterk: de overlap met de top 10 loopt over studies heen van ongeveer 17% tot 76%.
- Reken niet op onderdrukking bij YMYL. Ongeveer 88% van de zorggerelateerde zoekopdrachten triggert inmiddels een AI Overview.
De zet: schrijf citeerbare passages. Heldere, op zichzelf staande beweringen die zelfstandig een subintentie beantwoorden, in plaats van pagina's die alleen maar ranken.
AI Mode: grounded plus fan-out
Hoe het antwoord ontstaat. Query fan-out splitst je vraag op in meerdere deelvragen, die parallel worden gezocht. Gemini redeneert daarna over het geheel om één conversationeel antwoord te componeren.
Waar antwoorden vandaan komen. De webindex, de Knowledge Graph en realtime data zoals shopping, lokaal en financieel, gesynthetiseerd met uitgaande links. Elk antwoord is grounded in retrieval.
Waarom het uitmaakt. Je optimaliseert niet langer voor één zoekopdracht. Je optimaliseert voor de tientallen deelvragen waarin die uiteenvalt.
- Je rankt op een van de parallelle deelvragen die de fan-out genereert, niet alleen op de hoofdterm.
- Pagina's die over fan-out-zoekopdrachten heen ranken hebben ongeveer 161% meer kans om geciteerd te worden, volgens Ahrefs en Surfer.
- Diepe thematische dekking en sterke entiteitsdata vergroten je oppervlak.
- Je optimaliseerde voor één zoekwoord terwijl het antwoord werd samengesteld uit een dozijn deelvragen waar je nooit op mikte.
- Slechts ongeveer 20% van de citaties in AI Mode komt uit de organische top 20, volgens seoClarity.
- Relevantie op passageniveau is het toegangsbewijs, maar autoriteit werkt nog steeds als filter, zeker in YMYL.
De zet: breng de fan-out in kaart. Dek de cluster van verwante intenties rond elke commercieel belangrijke zoekopdracht, niet alleen de zoekopdracht zelf.
Wat je echt moet veranderen
Drie surfaces, drie manieren om te falen. Het werk splitst netjes langs de lijn tussen grounded en generatief.
Voor de generatieve surface: bouw de entiteit. Je optimaliseert jezelf dit kwartaal niet het geheugen van een model in. Wat wél beweegt is duurzame dekking door derden, consistente entiteitsdata op de plekken waar Google identiteit met elkaar rijmt, en genoeg inhoudelijke content zodat het model iets te leren heeft. Dit is traag werk en het stapelt op.
Voor de grounded surfaces: schrijf passages, niet alleen pagina's. Een pagina die rankt is het instapkaartje. Wat geciteerd wordt is een passage die een bewering zo helder formuleert dat je hem eruit kunt tillen en hij nog steeds klopt. Op zichzelf staand, specifiek en gekoppeld aan een subintentie die iemand daadwerkelijk heeft.
Stop met het meten van één zoekopdracht. Als AI Mode een vraag ontleedt in een dozijn deelvragen, dan zegt het volgen van de hoofdterm je bijna niets over de vraag of je in het antwoord aanwezig bent. Breng de subintenties rond de commercieel belangrijke zoekopdrachten in kaart, en dek ze af.
Niets daarvan vraagt om een aparte AI-strategie die je op je site schroeft. Het vraagt dat diezelfde site leesbaar is voor systemen die nu antwoorden samenstellen in plaats van links opsommen. En het vraagt om meting die kan zien wat die systemen werkelijk deden, wat een ander probleem is, en één waarover we hebben geschreven in de drie signalen die het monitoren waard zijn.
Zie welke AI-surfaces je daadwerkelijk citeren.
WISLR meet het AI-kanaal op je eigen first-party data: welke crawlers je pagina's lezen, welke antwoorden ernaar verwijzen en wat dat verkeer doet zodra het binnenkomt. Waarheid op serverniveau in plaats van een share-of-voice-schatting.