Mijn eerste engine koos een onderwerp en schreef een artikel. Daarna ging hij door naar het volgende.
Toen las ik mijn eigen cijfers pas echt. Wat bleek: het grootste probleem van de site was helemaal geen gebrek aan artikelen. Eén belangrijke zoekterm stond versnipperd over zes eigen pagina's die tegen elkaar concurreerden - hun posities in Google zakten allemaal. En dat patroon zat op minstens vijf plekken in de site.
Dus bouwde ik hem om. De engine onderzoekt nu eerst de héle site en bepaalt welke actie nodig is. Hij kan concurrerende pagina's samenvoegen of verouderde artikelen bijwerken. Een nieuw artikel schrijven is de laatste optie.
Ik bouw de engine voor vindbaarheid in Google (SEO) én voor vermelding in AI-antwoorden, zoals die van ChatGPT en de AI-overzichten van Google (GEO). Voor beide gebruikt hij de eigen informatie van het bedrijf.
Deze vragen helpen je beoordelen hoe een systeem tot zijn keuzes komt.
Mijn engine leest de eigen Google Search Console: 1.643 zoekterm-pagina-combinaties over 90 dagen, aangevuld met zoekvolume en gegevens over concurrentie. Die cijfers gebruikt hij om te bepalen welke content moet worden aangepast of toegevoegd.
De engine bekijkt de zoekposities, dekking, interne links en indexatie. Zo vindt hij ook pagina's die elkaar beconcurreren, zoals de zes eigen pagina's voor één zoekterm.
De engine kijkt of een artikel moet worden bijgewerkt wanneer de positie zakt, de zoekresultaten veranderen of een concurrent iets nieuws plaatst. Hij gebruikt de eerdere metingen bij elke nieuwe analyse.
Ik heb een systeem dat snel artikelen produceert van dichtbij onderzocht. Hieronder vergelijk ik die werkwijze met die van mijn eigen engine.
Het onderzochte systeem kiest een onderwerp en schrijft, zonder eerst te bekijken wat de site nodig heeft.
Mijn engine onderzoekt eerst de website en kijkt of pagina's moeten worden samengevoegd of bijgewerkt. Een nieuw artikel schrijven is de laatste optie.
Elk artikel heeft dezelfde opbouw, met hetzelfde aantal secties en precies vijf veelgestelde vragen. Ook als het onderwerp om een andere aanpak vraagt.
De opbouw hangt af van het onderwerp. Mijn regel is dat elk artikel eigen informatie moet toevoegen, bijvoorbeeld cijfers of een ervaring uit de praktijk. Anders publiceer ik het niet.
Technische slordigheid onder de motorkap: dubbele metadata die zichzelf tegenspreekt, een auteursnaam die alleen in de code bestaat.
Ik gebruik één bron voor de tekst en metadata om tegenstrijdigheden te voorkomen. De auteur staat met naam en biografie bij het artikel.
Gezondheidsclaims worden gepubliceerd zonder voorafgaande controle op de regels.
De engine controleert de tekst vóór publicatie op de regels voor claims en houdt teksten tegen die niet door die controle komen. Daarna is nog menselijk akkoord nodig.
De engine doorloopt vijf stappen. Niets gaat live zonder menselijke goedkeuring. Correcties van mij of de klant worden opgeslagen als instructies voor de volgende uitvoering.
Zie hem live draaien in een kijksessie →De engine draait. De eerste volledige publicatiecyclus moet nog volgen, dus het effect op de zoekposities is nog niet gemeten. De gebruikte data en de bevindingen uit de analyse kun je hieronder bekijken.
datapunten uit eigen Search Console per analyse (90 dagen, 1.382 unieke zoektermen)
aan datakosten voor een volledige zoekwoordanalyse
advies uit de analyse: zes concurrerende eigen pagina's samenvoegen tot één pagina
nulmeting vastgelegd (mei 2026): 79 klikken en 5.310 vertoningen per 28 dagen · na de publicatiecyclus volgt hier een vergelijking met de nulmeting
In een sprint bouw ik een agentic OS: één AI-systeem dat kennis bewaart en taken uitvoert. Het second brain is daarbinnen het geheugen- en kennisdeel; AI-agents voeren het werk uit. Een SEO-engine kan daar onderdeel van zijn en gebruikt jouw vakkennis, cijfers en afspraken over je merk. Via "Samen doorbouwen" kan ik het daarna blijven aanpassen op basis van jouw ervaringen en correcties.