De rol van structured data in generative search

Structured data wordt vaak gepresenteerd als de sleutel tot citaties in AI-antwoorden. Dat is niet aangetoond. Het maakt wel duidelijk wie je bent en wat je pagina is. Zie het als hygiëne en entiteit: het moet goed staan, maar het is geen groeimaatregel.

Wat structured data eigenlijk doet

Structured data, meestal in de vorm van schema.org-markup, is een vertaallaag. Het zet wat een mens impliciet begrijpt om in iets wat een machine expliciet kan lezen. Een pagina met een datum, een auteur en een onderwerp lijkt voor jou vanzelfsprekend. Schema zet het onomwonden neer:

• Wat dit is: een artikel, een dienst, een persoon, een veelgestelde vraag.
• Wie erachter zit: de auteur en de organisatie.
• Hoe het samenhangt: met welke andere entiteiten dit verbonden is.

Wat levert het op in generative search?

Dat het meer citaties oplevert, is niet bewezen. Het effect verschilt per engine. Eén experiment liet een groot effect zien voor Google AI Overviews, en niets voor ChatGPT en Gemini. Een andere expert vond geen bewijs dat schema meer doet dan waarvoor het bedoeld is. Behandel een effect op citaties dus als hypothese.

Merkbekendheid verklaart meer van AI-zichtbaarheid dan techniek. Een goed gebouwde site van een onbekend merk blijft vaak onzichtbaar, hoe netjes de markup ook is.

Voor Google is er wel harde data. In 121 gepubliceerde SEO-tests leverde schema in 2 van de 13 tests verkeer op. Het werkt vooral als er een zichtbaar rich result aan hangt: review- en prijsschema gaven +20%.

De schematypes die je inricht

Je hoeft niet alles te markeren. Begin bij de types die duidelijk maken wie je bent:

• Organization en Person: leg vast wie je bent met een vaste @id, koppel auteurs aan die entiteit en zet in sameAs alleen profielen van hetzelfde merk.
• Article / BlogPosting: geef auteur en publicatiedatum mee aan je content.
• FAQPage: alleen voor vragen die zichtbaar op de pagina staan. De zichtbare tekst is wat telt.
• BreadcrumbList: verduidelijk waar een pagina in je structuur staat, uit dezelfde bron als de breadcrumbs in je HTML.
• Service / Product: beschrijf je aanbod machineleesbaar.

Laat deze types naar elkaar verwijzen via een samenhangende @graph: je artikelen naar hun auteur, je auteur naar je organisatie. Zo definieer je elke entiteit één keer en verwijst elke pagina daarnaar.

Doe het goed

Het grootste risico is markup die niet klopt met de pagina. Een breadcrumb-link weghalen zonder de schema aan te passen kostte in een test 5,5%. Een paar principes:

• Markeer alleen wat echt op de pagina staat. Geen verzonnen reviews of nep-datums.
• Wijzig HTML en schema samen. Haal ze waar het kan uit één bron.
• Houd het consistent. Dezelfde entiteit hoort overal dezelfde identiteit te hebben.
• Valideer wat je publiceert. Een snelle controle voorkomt stille fouten.

Een fundament, geen groeimaatregel

Mijn advies: behandel schema niet als een afvinklijstje, maar als de manier waarop je je merk aan machines uitlegt. Doe het goed, houd het kloppend en verkoop het niet als citatiegroei.

Hoe je het inricht, met een voorbeeld dat je kunt kopiëren, lees je in Schema markup voor AI-zichtbaarheid. Wil je weten of jouw structured data klopt en compleet is? Neem contact op voor een technische check.