Case · de SEO/GEO-engine

Iedereen bouwt tegenwoordig een SEO-machine. Daarom werkt hij niet.

Met AI zet je in een paar dagen een systeem neer dat artikelen schrijft en publiceert. Klinkt geweldig. Maar zonder gronding in jouw vak schrijft zo'n machine je site kapot - op schaal. Dit is het verhaal van mijn eigen engine, en waarom het verschil niet in het schrijven zit maar in het lezen.

Echt gebeurd, op mijn eigen site

De machine die het probleem groter had gemaakt

Mijn eerste engine kon één ding: schrijven. Onderwerp kiezen, artikel genereren, klaar voor de volgende. Precies wat iedereen nu bouwt.

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 - Google wist niet welke hij moest tonen, dus zakten ze allemaal. En dat patroon zat op minstens vijf plekken in de site.

Had mijn schrijvende engine die nacht gedraaid, dan had hij het probleem vergroot. Meer artikelen, meer versnippering, lagere posities.

Dus bouwde ik hem om. De engine is nu geen blog-schrijver meer, maar een beheerder van je vindbaarheid: hij leest eerst de staat van de héle site, en beslist dan wat het meeste oplevert - samenvoegen wat elkaar beconcurreert, verversen wat wegzakt, of pas als laatste optie: iets nieuws schrijven. Schrijven is de laatste reflex, niet de eerste.

En dat geldt trouwens voor twee werelden tegelijk: klassiek vindbaar zijn in Google (SEO) én geciteerd worden in AI-antwoorden van ChatGPT en Google's AI-overzichten (GEO, Generative Engine Optimization). Beide draaien op hetzelfde fundament: gronding.

De test voor elke "SEO met AI"-belofte

Drie vragen die het verschil blootleggen

Stel ze aan iedereen die je een AI-contentmachine wil verkopen. Stel ze ook aan mij.

VRAAG 1

Is hij gegrond in de harde cijfers?

Mijn engine leest de eigen Google Search Console: 1.643 zoekterm-pagina-combinaties over 90 dagen, verrijkt met zoekvolume en concurrentie-data. Elke content-beslissing heeft een cijfer eronder. Een kale chatbot heeft geen enkel cijfer - die gokt.

VRAAG 2

Kent hij de website?

Posities, dekking, interne links, indexatie - en dus ook de plekken waar eigen pagina's elkaar beconcurreren. Daarom víndt mijn engine dingen als "zes pagina's vechten om één zoekterm". Dat kan geen tool zien die alleen maar schrijft.

VRAAG 3

Kent hij het verloop van je posities?

Een artikel wordt bij mij ververst als de positie zakt, de zoekresultaten verschuiven of een concurrent iets nieuws plaatst - niet op een kale timer. De monitoring van vandaag voedt de beslissing van morgen. Het systeem leert van elke run.

Het eerlijke verschil

De snelle machine vs de gegronde engine

Ik heb zo'n snelgebouwd systeem van dichtbij ontleed (naam doet er niet toe). Dit is wat je dan ziet, tegenover wat gronding oplevert.

De snelle machine kiest een onderwerp en schrijft. Altijd schrijven, nooit kijken wat de site nodig heeft.

De gegronde engine leest eerst de site-staat en kiest: samenvoegen, verversen of nieuw. Schrijven is de laatste optie.

Elke post uit dezelfde mal: altijd hetzelfde aantal secties, altijd precies vijf FAQ-vragen. Die template-geur herkennen Google en je lezers allebei.

De opbouw beweegt mee met het onderwerp, en er geldt een harde regel: elk artikel moet iets bevatten dat nergens anders staat - eigen data, eigen praktijk, een echte anekdote. Geen informatiewinst? Dan wordt er niet gepubliceerd.

Technische slordigheid onder de motorkap: dubbele metadata die zichzelf tegenspreekt, een auteursnaam die alleen in de code bestaat.

Eén bron voor content én metadata, dus die kunnen elkaar niet tegenspreken. En een echte auteur met een echte bio - dat is waar AI-zoekmachines op controleren.

Geen besef van regels: gezondheidsclaims die een toezichthouder direct afkeurt, gewoon live gezet.

Compliance is een poort vóór publicatie, geen hoop achteraf: de engine kent de claim-regels van het vak en houdt tegen wat niet mag - voordat er ook maar een zin live gaat.

Onder de motorkap, zonder jargon

Zo loopt één run

Vijf stappen, elke keer weer: eerst kijken, dan beslissen, dan pas maken - en niets gaat live zonder een menselijke akkoord-vink. Elke correctie die ik of de klant geeft, wordt een leerregel voor de volgende run. Het systeem wordt dus elke maand een beetje meer van jou.

Zie hem live draaien in een kijksessie →
seo-engine · één run
stap 1lezensite-staat gelezen: 1.643 datapunten uit eigen Search Console
stap 2beslissengevonden: 6 pagina's vechten om 1 zoekterm → hoogste rendement = samenvoegen, niet schrijven
stap 3makenconcept gemaakt, gegrond in eigen data + merkregels
stap 4poortcompliance-check en informatiewinst-gate: 1 concept tegengehouden
stap 5lerenwacht op akkoord-vink · correctie van de reviewer opgeslagen als leerregel
volgende run leest weer eerst
Eerlijk over waar dit staat

De cijfers die er nu al zijn

Ik ga je hier geen ranking-grafieken beloven die er nog niet zijn. De engine draait; de eerste volledige publicatie-cyclus is de volgende mijlpaal. Wat er nu al staat, is de gronding zelf - en die kun je controleren.

1.643

datapunten uit eigen Search Console per analyse-run (90 dagen, 1.382 unieke zoektermen)

$0,18

aan data-kosten voor een complete keyword-analyse - gronding hoeft niet duur te zijn, wel grondig

6 → 1

de zwaarste vondst: zes concurrerende eigen pagina's, terug naar één sterke - zonder een letter nieuwe content

nulmeting vastgelegd (mei 2026): 79 klikken en 5.310 vertoningen per 28 dagen · als de publicatie-cyclus draait, komt het voor/na-blok hier

Wat dit voor jou betekent

Niet deze engine gekopieerd, maar jóuw engine

Dit is wat een sprint voor jouw bedrijf bouwt: geen sjabloon-machine, maar een systeem dat gegrond is in jóuw vak, jóuw cijfers en jóuw merkregels. En via "Samen doorbouwen" wordt hij daarna elke maand slimmer van jouw correcties - dat is precies waar die uren voor zijn.

Bekijk de ladder: zo stap je in → Eerst 30 minuten meekijken