Entiteiten ontdekken met AI: van begrip naar bruikbare pagina

Entiteiten ontdekken met AI helpt je onderzoeken welke begrippen, verbanden en antwoorden aandacht nodig hebben op je website. Begin met je bestaande teksten en echte klantvragen. Laat AI suggesties doen, controleer de onderbouwing en bepaal daarna of je een pagina aanvult, een interne link legt of een afzonderlijke uitleg maakt.

Begin met de beslissing die je klant moet nemen

Een lijst met honderd relevante termen geeft je nog geen bruikbaar contentplan. Daarvoor moet je weten wat iemand probeert te begrijpen of te kiezen. Neem een fietsenwinkel met een bestaande pagina over elektrische stadsfietsen. Een bezoeker wil bijvoorbeeld weten welke fiets past bij dagelijks woon-werkverkeer en of opladen op kantoor mogelijk is.

De eerste onderzoeksvraag is dan: beantwoordt de huidige pagina die keuze voldoende? Verzamel de tekst, de bijbehorende productinformatie en concrete vragen die medewerkers krijgen. Noteer ook wat elders op de website al wordt uitgelegd. Zo voorkom je dat een AI-suggestie voor een nieuwe accupagina leidt tot een tweede versie van een bestaande koopgids.

Baken je onderzoek klein af. Kies één hoofdonderwerp en de pagina’s die daar direct bij horen. Binnen je SEO-strategie bepaal je waarom juist dit onderwerp aandacht krijgt: veel onduidelijke productkeuzes, verouderde uitleg of terugkerende vragen. De analyse krijgt daarmee een doel dat je achteraf kunt beoordelen.

Het verschil tussen een entiteit, zoekterm en verwant begrip

Een entiteit is iets dat binnen een context herkenbaar te onderscheiden is, zoals een organisatie, locatie of specifiek productmodel. In ons fictieve voorbeeld verkoopt fietsenwinkel Rivier het fictieve fietsmodel Rivier Stad 5. Die modelnaam verwijst naar een bepaalde fiets. Het algemene woord ‘fiets’ benoemt vooral een categorie. Welke labels een analysetool gebruikt, kan verschillen; houd in je eigen werkblad concrete modellen en algemene begrippen herkenbaar uit elkaar.

Een zoekterm is wat iemand intypt, bijvoorbeeld ‘elektrische fiets opladen op kantoor’. Die zoekterm kan meerdere begrippen bevatten en een behoefte uitdrukken zonder een specifiek product te noemen. Daarom kun je een entiteitenlijst niet rechtstreeks omzetten in een lijst pagina’s.

Een synoniem is een andere aanduiding voor hetzelfde bedoelde begrip. ‘E-bike’ en ‘elektrische fiets’ worden vaak zo gebruikt. Controleer wel of jouw assortiment en lezer er dezelfde categorie mee bedoelen. Een inhoudelijk verwant begrip, zoals accucapaciteit, is iets anders: het hoort bij de uitleg over een elektrische fiets, maar betekent niet hetzelfde.

Context lost dubbelzinnigheid op. ‘Rivier’ kan een waterloop of onze fictieve winkel zijn. In ‘Rivier verkoopt de Stad 5’ wijst het werkwoord op de winkel. Ook ‘bereik’ kan iets anders betekenen in een productbeschrijving dan in een marketingrapport. Laat AI daarom altijd de passage tonen waarin een begrip staat.

Het semantische veld rond elektrische stadsfietsen bestaat hier uit samenhangende begrippen zoals accu, opladen, ondersteuning, woon-werkafstand en onderhoud. Dat veld helpt je uitleg ordenen. Het is geen afgebakende verzameling die je volledig moet opnemen om een Google-autoriteitsscore te verdienen.

Verzamel teksten met voldoende herkomst en context

Maak voor iedere onderzochte pagina een kleine invoerset: URL, titel, hoofdtekst, relevante productspecificaties en datum waarop je de tekst hebt overgenomen. Bewaar koppen bij de alinea’s. Zonder kop kan een voorwaardelijke uitleg gemakkelijk worden gelezen als een algemene belofte.

Voeg klantvragen apart toe en vermeld de herkomst, bijvoorbeeld een geanonimiseerde vraag aan de winkel of een vraag uit een contactformulier. Scheid die vragen van zelfbedachte voorbeelden. Een AI-model mag een mogelijke lezersvraag voorstellen, maar daarmee is nog niet aangetoond dat jouw klanten die vraag stellen.

Neem bestaande zoekwoordgegevens mee wanneer je die hebt. Ze kunnen laten zien welke formuleringen aansluiten bij zoekgedrag. Zoekwoordenonderzoek en begrippenanalyse vullen elkaar daarbij aan: het ene onderzoekt onder meer hoe mensen zoeken, het andere onderzoekt wat je tekst benoemt en uitlegt.

Ontbreken gegevens, noteer dat dan. ‘Nog geen klantvragen verzameld’ is bruikbaarder dan een door AI verzonnen lijst die later als onderzoek wordt behandeld. Bij een onoverzichtelijke website kan een SEO-audit eerst helpen vaststellen welke pagina’s hetzelfde onderwerp behandelen en waar een inhoudelijke beoordeling moet beginnen.

Maak een begrippenkaart met drie lagen

Onderstaand werkblad is een statische begrippenkaart die je kunt overnemen in een spreadsheet of document. Het berekent niets automatisch. Je gebruikt het om vermoedens vast te leggen, bewijs te verzamelen en paginakeuzes te onderbouwen.

Zet bovenaan het hoofdonderwerp en de klantbeslissing. Werk vervolgens in drie lagen. De eerste laag bevat kernbegrippen die nodig zijn om de huidige pagina te begrijpen. De tweede laag bevat verwante begrippen die een relevante vervolgvraag oproepen. De derde laag bevat vermoedelijke ontbrekende antwoorden. Juist die laatste laag vraagt broncontrole: een suggestie is nog geen vastgesteld hiaat.

Het volgende oefenvoorbeeld is volledig fictief. De winkel, het model, de bronpassages en de beschreven pagina’s bestaan alleen voor dit werkblad. De voorgestelde technische informatie moet in een echte situatie worden gecontroleerd in de documentatie van het betreffende product.

Voeg zelf kolommen toe voor verantwoordelijke, status en controledatum. Gebruik bijvoorbeeld ‘voorgesteld’, ‘bewijs ontbreekt’, ‘bevestigd’ en ‘verwerkt’. Een lege bronkolom betekent dat je de suggestie nog niet als feitelijke publicatieopdracht kunt doorzetten.

De uitkomst kan ook ‘geen wijziging’ zijn. Misschien beantwoordt de productpagina de vraag al en heeft het model die passage gemist. Of het begrip is verwant, maar helpt niemand bij de gekozen klantbeslissing. Dat zijn geldige conclusies die onnodig schrijfwerk voorkomen.

Toets drie verschillende soorten contenthiaten

Een genoemd begrip krijgt geen begrijpelijke uitleg

Bij ontbrekende begripsuitleg staat de term al op de pagina, maar moet de lezer zelf uitzoeken wat die betekent. In het voorbeeld kan ‘Wh’ zo’n geval zijn. Zoek eerst in de volledige bestaande pagina naar een definitie, tabeltoelichting of relevante verwijzing. AI kan tekst buiten de aangeleverde passage niet meenemen.

Controleer daarna of uitleg nodig is voor deze doelgroep. Een productspecialist heeft andere voorkennis dan iemand die voor het eerst een elektrische fiets koopt. Echte klantvragen helpen dat verschil beoordelen. Een korte uitleg bij de specificatie kan voldoende zijn; niet ieder begrip verdient een eigen woordenboekpagina.

Een relevante keuzevraag ontbreekt als deelonderwerp

Een ontbrekend deelonderwerp raakt een afzonderlijk onderdeel van de klantbeslissing. De koopgids bespreekt bijvoorbeeld de woon-werkafstand, maar laat de beschikbare laadplek buiten beschouwing. Controleer of een andere pagina die keuze al behandelt. Vraag ook aan medewerkers of het onderwerp daadwerkelijk terugkomt in gesprekken.

Eventueel kun je zoekresultaten bekijken om te onderzoeken welke vraag achter een formulering zit. Noteer de bekeken zoekterm en datum. Een onderwerp bij concurrenten is een onderzoekssignaal, geen verplicht hoofdstuk. Stel pas een contenthiaat vast wanneer je kunt benoemen welk relevant antwoord de bezoeker nu mist.

Begrippen staan er wel, maar hun verband blijft onduidelijk

Bij een ontbrekende entiteitsrelatie worden twee zaken genoemd zonder uit te leggen hoe ze samenhangen. De tekst noemt een uitneembare accu en opladen op kantoor, maar maakt niet duidelijk welke producteigenschap voor die wens moet worden gecontroleerd.

Laat AI de twee passages aanwijzen en de veronderstelde relatie formuleren. Controleer die relatie vervolgens in productdocumentatie en bij een inhoudelijk deskundige. Vooral oorzaak-gevolguitspraken vragen aandacht. Een model kan een aannemelijk verband presenteren terwijl voor jouw product uitzonderingen gelden. Voeg alleen de uitleg toe die je kunt onderbouwen, met de relevante voorwaarden erbij.

Kies een analysewerkwijze die je kunt controleren

Je kunt beginnen met een taalmodelprompt, met een NLP-analyse of met een combinatie van eigen zoekwoord- en zoekresultaatgegevens. De keuze hangt vooral af van je invoer en het soort vraag dat je wilt beantwoorden. Geen van deze routes beslist zelfstandig welke nieuwe pagina nodig is.

Voor een eerste onderzoek naar enkele pagina’s kun je het onderstaande promptsjabloon gebruiken. Nummer vooraf je bronpassages. Controleer daarna of iedere aangehaalde bronpassage letterlijk in de invoer staat. Een passend citaat bewijst bovendien nog niet dat de interpretatie van dat citaat klopt.

Taak: onderzoek welke begrippen en antwoorden aandacht vragen op deze pagina.
Hoofdonderwerp: [onderwerp]
Doelgroep en klantbeslissing: [beschrijving]
Bestaande pagina's: [URL en doel per pagina]
Tekst: [passages met unieke codes]
Echte klantvragen: [vragen met herkomst, of: niet beschikbaar]

Gebruik uitsluitend de aangeleverde informatie als bewijs.
Maak per suggestie één rij met:
1. Concept en categorie: concrete entiteit, algemeen begrip, synoniem of verwant begrip.
2. Exacte invoerpassage en passagecode; schrijf 'niet aanwezig' als die ontbreekt.
3. Relatie met een ander concept en de passage die deze relatie ondersteunt.
4. Mogelijk hiaat: begripsuitleg, deelonderwerp of relatie-uitleg.
5. Concrete lezersvraag.
6. Twijfel, dubbelzinnigheid en alternatieve interpretatie.
7. Ontbrekend bewijs en een voorstel voor de te controleren primaire bron.
8. Voorlopige actie: controleren, aanvullen, koppelen, apart uitwerken of niets doen.

Scheid waarnemingen van hypotheses.
Verzin geen specificaties, klantvragen, citaten of bronverwijzingen.
Claim geen effect op rankings of topical authority.

Wat documentvelden van Google Cloud en TextRazor betekenen

De v1 Entity-documentatie van Google Cloud Natural Language beschrijft onder meer de velden name, type, metadata, salience en mentions. Daarmee kun je bekijken welke entiteiten de dienst in de aangeleverde tekst annoteert en waar vermeldingen voorkomen. Beschikbare metadata kan identificatoren of URL’s bevatten, maar kan ook ontbreken.

Salience drukt op een schaal van 0 tot 1 uit hoe centraal een entiteit binnen het geanalyseerde document staat. Het is geen waarde voor Google Search, geen topical-authorityscore en geen maatstaf voor selectie als AI-bron. Een centraal genoemd product kan bovendien nog steeds slecht worden uitgelegd.

De REST-documentatie van TextRazor beschrijft selecteerbare extractors, waaronder entities en relations. Het beschreven entity-object bevat onder meer matchedText, positiegegevens, confidenceScore en relevanceScore. Die waarden horen bij annotaties van de aangeboden tekst. Ze voorspellen geen zoekpositie.

Beoordeel annotatiedrempels op je eigen voorbeeldteksten. Er is geen universele confidencegrens waarmee je alle suggesties zonder inhoudelijke controle kunt accepteren. Controleer vóór gebruik ook de gekozen API-versie, geschiktheid voor de bedoelde taal, invoergrenzen en kosten. De hier genoemde velden zijn geen garantie dat iedere dienst jouw Nederlandse teksten op de gewenste manier verwerkt.

Wil je deze analyse onderdeel maken van een bredere werkwijze, leg dan binnen je aanpak voor AI en SEO vast wie de feiten controleert en wie de uiteindelijke paginakeuze maakt.

Vertaal de begrippenkaart naar een heldere paginastructuur

Begin bij de pagina-intentie: wat moet iemand na het lezen begrijpen of kunnen beslissen? Voor de koopgids is dat bijvoorbeeld een geschikt type elektrische stadsfiets kiezen. Een korte definitie ondersteunt die keuze. Een uitvoerige modelspecifieke laadprocedure kan een andere taak dienen.

Maak vervolgens een eenvoudige onderwerphiërarchie. Bovenaan staat het hoofdonderwerp, daaronder staan de deelonderwerpen die de keuze bepalen. Definities plaats je waar een begrip voor het eerst uitleg nodig heeft. Verdiepingen krijgen alleen een afzonderlijke plek als ze een voldoende zelfstandige lezersvraag beantwoorden.

Vergelijk bij twijfel de voorgenomen tussenkoppen met de bestaande pagina. Als beide teksten dezelfde vragen in dezelfde volgorde beantwoorden, is een extra URL waarschijnlijk geen oplossing voor het informatieprobleem. Werk eerst het onderscheid uit voordat je nieuwe SEO-content laat schrijven.

Plaats een interne link waar een vervolgvraag ontstaat. Vanuit de uitleg over laden kan een beschrijvende link naar de relevante onderhoudsinformatie passen. De Google-documentatie over crawlbare links beschrijft links met een a-element en een bruikbare href, plus bondige, relevante linktekst. Er is geen magisch ideaal aantal links. Beoordeel je interne links op bestemming en context, niet op een vast quotum.

Prioriteer op klantbelang en houd wijzigingen bij

Beoordeel eerst het klantbelang. Kan het ontbrekende antwoord een verkeerde productkeuze veroorzaken, een belangrijke vervolgstap blokkeren of alleen een klein detail verduidelijken? Beoordeel daarna hoeveel uitleg ontbreekt en of betrouwbare onderbouwing beschikbaar is. Een belangrijk onderwerp zonder bewijs krijgt eerst een onderzoeksactie.

Je kunt voor intern overleg een eenvoudige volgorde gebruiken: eerst keuzevragen met bevestigde ontbrekende uitleg, daarna belangrijke vermoedens die brononderzoek vragen, vervolgens kleine verduidelijkingen. Dit is een redactionele afspraak voor jouw team. Het is geen formule voor verwachte SEO-winst.

Leg in een wijzigingslog per pagina vast: de oorspronkelijke vraag, gevonden tekortkoming, gebruikte bron, tekstwijziging, publicatiedatum en verantwoordelijke. Noteer ook gelijktijdige veranderingen, zoals een aangepaste titel, nieuwe navigatie of gewijzigde voorraad. Die informatie is nodig om latere zoekprestaties voorzichtig te interpreteren.

Vergelijk een gewijzigde pagina met ongewijzigde pagina’s

Bewaar vóór de wijziging een uitgangsmeting. Kies een periode die past bij je verkeersvolume en vergelijk die achteraf met een even lange periode. Gebruik dezelfde filters voor bijvoorbeeld land en apparaat. Noteer seizoensinvloeden, campagnes en andere omstandigheden die het beeld kunnen veranderen.

Kies daarnaast een vergelijkingspagina met een soortgelijk doel en zoekpatroon die in die periode inhoudelijk ongewijzigd blijft. Meerdere geschikte vergelijkingspagina’s kunnen helpen. Ze vormen geen perfect experiment: onderwerpen en bezoekers kunnen alsnog verschillen.

Een volledig fictief rekenvoorbeeld: de gewijzigde koopgids krijgt vóór de aanpassing 200 klikken bij 10.000 vertoningen, dus een CTR van 2%. Daarna zijn dat 240 klikken bij 12.000 vertoningen: opnieuw 2%. Het aantal klikken is met 20% gestegen, terwijl de klikverhouding gelijk blijft. Een ongewijzigde vergelijkingspagina stijgt in hetzelfde voorbeeld van 100 naar 120 klikken, eveneens 20%.

Deze verzonnen cijfers tonen geen resultaat van Niblah en bewijzen geen afzonderlijk entiteitseffect. Ze illustreren waarom je een stijging niet direct aan nieuwe begripsuitleg kunt toeschrijven. Dezelfde richting bij de vergelijkingspagina kan wijzen op een bredere verandering. Controleer ook of de lezersvraag nu daadwerkelijk duidelijk wordt beantwoord.

Het prestatierapport van Search Console bevat klikken, vertoningen, CTR en gemiddelde positie met selecteerbare perioden en dimensies. Het is geen dataset die individuele bezoekers aan conversies koppelt. Leg zulke beperkingen vast in je SEO-rapportage, zodat een grafiek niet meer bewijs lijkt te leveren dan hij bevat.

Controleer nieuwe termen en zichtbare feiten opnieuw

Plan een nieuwe inhoudelijke beoordeling wanneer het assortiment, de productdocumentatie of de klantvragen veranderen. Bij een stabiel onderwerp kan een periodieke controle volstaan. Neem nieuwe termen eerst op als voorstel in het werkblad en beoordeel opnieuw hun betekenis, bron en lezersvraag. Voeg ze niet automatisch aan bestaande teksten toe.

Entiteitenanalyse is op zichzelf geen reden om structured data toe te voegen. Onderzoek eerst of er een passende toepassing is voor de zichtbare feiten op de pagina. Volgens de inleiding van Google over structured data is JSON-LD een aanbevolen ondersteund formaat. De gegevens moeten bij de zichtbare inhoud en de toepasselijke regels passen. Geldige markup garandeert geen rich result of AI-vermelding.

Leg per bewering vast wat de bron werkelijk ondersteunt

Maak onderscheid tussen drie soorten uitspraken. ‘Deze alinea mist een uitleg van Wh’ is een redactionele beoordeling. ‘Dit product heeft een uitneembare accu’ vraagt productbewijs. ‘Deze aanpassing verhoogt onze topical authority’ is een hypothese die niet door een begrippenkaart of documentannotatie wordt bewezen.

Voor uitspraken over API-velden gebruik je de officiële documentatie van de gekozen versie als primaire bron. Voor producteigenschappen gebruik je de betreffende fabrikantdocumentatie. Voor voorwaarden van Google Search gebruik je Google Search Central. Een antwoord van een taalmodel is een aanwijzing om verder te onderzoeken, geen feitelijke onderbouwing.

Vul een controledatum pas in na de controle. Kopieer geen datum uit een ander overzicht alsof die jouw eigen beoordeling weergeeft. Is de informatie gewijzigd, onderzoek dan welke gepubliceerde passages afhankelijk zijn van die bron.

Google beschrijft in zijn richtlijnen voor generatieve AI-content dat AI kan helpen bij onderzoek en structuur. Grote hoeveelheden content zonder oorspronkelijke gebruikerswaarde kunnen echter onder misbruikbeleid vallen. Controleer dus feiten, relevantie en metadata voordat je publiceert.

Ook een volledig ingevuld werkblad bewijst geen zoekmachineautoriteit. De richtlijnen voor behulpzame content leggen nadruk op nuttige, betrouwbare informatie. E-E-A-T is daarbij geen optelbare score of afzonderlijke specifieke rankingfactor. Bedenk geen deskundigenprofiel of praktijkervaring om een artikel overtuigender te laten lijken.

Maak voor Studio Rond een feitenkaart per vermelding

Studio Rond is hier een volledig verzonnen documentvoorbeeld. Je oefent met een organisatie, het model Rond7 en twee genoemde varianten. Er is geen product onderzocht. De genoemde hoogtes horen bij de fictieve invoer; echte cijfers en meetresultaten zijn onbekend. Ook materiaal, draagvermogen, toepassing, veiligheid, beschikbaarheid en prijs blijven onbekend.

Geef iedere vermelding een eigen plek voordat je verbanden tekent. Gebruik lokale recordcodes om terug te vinden wat je beoordeelt. Die codes zijn werkafspraken binnen deze oefening, geen identificatoren uit een externe kennisbank. De herkenbare naam Studio Rond maakt de organisatie evenmin gelijk aan het model Rond7.

Onderstaande feitenkaart scheidt de bedoelde zaak van het bewijs erover. Bij de twee vermeldingen van mat is bewust geen variant ingevuld: de beschikbare informatie koppelt de kleurafwerking niet aan een bepaalde variant. Ook de vraag over een beschermmat krijgt geen verzonnen productcode.

Een ontbrekend antwoord is geen uitnodiging om de tabel op gevoel af te maken. Je kunt de twee hoogtes vergelijken, maar daaruit volgt geen toepassingsadvies. Je kunt I1 terugvinden, maar dezelfde modelnaam verruimt het bereik van die instructie niet. Houd deze beperkingen naast de feiten, zodat iemand bij het overnemen van een tabelrij de afbakening meekrijgt.

Controleer acht kandidaatregels tegen hun eigen passage

De volgende acht regels zijn doelbewust door een redacteur verzonnen. Het zijn geen resultaten van Google Cloud, TextRazor of een taalmodel. Vier regels zijn ondersteund, twee bevatten een verkeerde koppeling en twee zijn niet vast te stellen. Bewaar per regel zowel de kandidaat als het relevante invoerfragment. De korte fragmenten hieronder geven de oefeninvoer weer, geen citaten uit echte productdocumentatie.

1. Kandidaat A: Studio Rond is de organisatie. Bewaar daarnaast: organisatie Studio Rond. Status: ondersteund. De herkenning en het gekozen type passen bij deze vermelding. Handeling: behouden als organisatievermelding, zonder bedrijfsgegevens toe te voegen. Rond7 blijft een afzonderlijk modelrecord; maak van beide namen geen gezamenlijke entiteit.
2. Kandidaat B: R7-40 heeft een genoemde zithoogte van 40 centimeter. Bewaar daarnaast: variant R7-40 met een genoemde zithoogte van 40 centimeter. Status: ondersteund. De eigenschap is aan de juiste variant gekoppeld. Handeling: behouden met de variantnaam in dezelfde zin. Trek de hoogte niet door naar alle uitvoeringen van Rond7.
3. Kandidaat C: R7-45 heeft een genoemde zithoogte van 45 centimeter. Bewaar daarnaast: afzonderlijk record R7-45 met een genoemde zithoogte van 45 centimeter. Status: ondersteund. Handeling: behouden als afzonderlijk variantfeit. Voeg geen uitleg toe over wie deze hoogte zou moeten kiezen; daarvoor bevat het record geen bevestigde toepassing.
4. Kandidaat D: I1 beschrijft de opbouw van R7-40. Bewaar daarnaast: werkinstructie I1 beschrijft uitsluitend de opbouw van R7-40. Status: ondersteund. Handeling: behouden en uitsluitend naar de eigen variant verwijzen. Het woord uitsluitend blijft onderdeel van de controle, ook wanneer je de uiteindelijke linktekst korter formuleert.
5. Kandidaat E: I1 beschrijft de opbouw van R7-45. Bewaar daarnaast hetzelfde fragment over uitsluitend R7-40. Status: verkeerd gekoppeld. De documentnaam is herkend, maar de relatie met de variant klopt niet. Reparatie: vervang R7-45 door R7-40 en controleer iedere tekstplek waar deze afgeleide instructieverwijzing terechtkwam.
6. Kandidaat F: de afwerking mat is een beschermmat. Bewaar daarnaast beide vermeldingen: mat als kleurafwerking en mat in een vraag over een beschermmat. Status: strijdig met de gegeven betekenissen. De betekenisfout veroorzaakt een verkeerde koppeling. Reparatie: splits MAT-A en MAT-V; verwijder de gelijkstelling en ken geen accessoirekenmerken aan de afwerking toe.
7. Kandidaat G: K1 is geschikt voor R7-45. Bewaar daarnaast: een losse gebruikersvraag over de combinatie van R7-45 en accessoire K1; geen bevestigde compatibiliteit. Status: niet vast te stellen. De relatietoekenning presenteert een vraag als antwoord. Reparatie: schrijf dat de combinatie wordt bevraagd en dat geschiktheid onbevestigd blijft. Ook ongeschiktheid is niet aangetoond.
8. Kandidaat H: R7-40 heeft een bevestigd draagvermogen. Bewaar daarnaast: draagvermogen blijft onbekend. Status: niet vast te stellen. De kandidaat mist een onderbouwde eigenschapsrelatie. Handeling: niet publiceren als specificatie; zet het ontbrekende draagvermogen op de vragenlijst als de voorgenomen tekst dat gegeven werkelijk nodig heeft.

Noteer de foutsoort zonder onzekerheid weg te poetsen

Bij E gaat het niet om een verkeerd gelezen naam: I1 is correct overgenomen. De fout zit in het toewijzen van het document aan R7-45. Bij F is mat als woord gevonden, maar is de bedoelde betekenis verwisseld. Bij G zijn de genoemde zaken herkenbaar, terwijl hun veronderstelde relatie onbewezen is. Gebruik deze verschillen om gericht te repareren.

Een herkenningsfout zou bijvoorbeeld ontstaan wanneer je R7-40 als R7-45 overschrijft. Dat is iets anders dan beide codes correct overnemen en vervolgens dezelfde instructie aan beide hangen. Controleer daarom eerst de letterlijke vermelding, daarna de betekenis in de zin en daarna pas de relatie. Anders kan een netjes gespelde kandidaat een onjuiste bewering verbergen.

Houd K1 als afzonderlijke kandidaat uit een vraag zichtbaar. Een vermelding is voldoende om de vraag te registreren, maar bewijst geen productbestaan buiten die vraag en geen leverbaarheid. Hetzelfde geldt voor de beschermmat. Zoek in deze oefening geen aanvullende producten of externe kennisbankrecords op; daarmee zou je de afgebakende invoer ongemerkt veranderen.

Bewaar bij iedere beoordeling een kopie van de bekeken passage met recordcode, kandidaatletter en besluit. Overschrijf de oorspronkelijke kandidaat niet met de verbeterde zin. Zet de reparatie ernaast. Zo kan een volgende redacteur zien waarom de verwijzing is aangepast en hoeft die niet opnieuw te raden welke variant eerder verkeerd gekoppeld was.

Kies gereedschap voor een afgebakende controletaak

Gebruik een taalmodel voor voorstellen met terugvindbare onderbouwing

Je kunt een taalmodel laten voorstellen welke vermeldingen bij elkaar lijken te horen en welke lezersvragen openstaan. Geef daarbij de recordcodes mee en vraag per kandidaat om de ondersteunende passage. Laat het onderscheid tussen variantfeit, documentbereik en gebruikersvraag expliciet terugkomen. De informatiehouder controleert vervolgens de relaties; de redacteur verwerkt alleen het vastgelegde besluit.

Een bruikbare opdracht luidt: benoem wat deze invoer zegt over R7-45 en K1, toon de passage en vermeld welk antwoord ontbreekt. Een onbruikbare vervolgstap is het model laten kiezen welke combinatie waarschijnlijk past. Voor die keuze ontbreekt hier bewijs. Een soepel geformuleerd antwoord lost dat gebrek niet op.

Behandel NLP-velden als annotaties van het aangeboden document

De hierboven beschreven documentvelden helpen verschillende vragen uit elkaar houden. Een vermelding laat zien welk stukje tekst wordt aangewezen. Een type geeft een annotatiecategorie. Een documentgewicht betreft de positie van een begrip binnen die tekst. Geen van die gegevens bevestigt zelfstandig dat een accessoire op een variant past.

Stel uitsluitend voor deze oefening dat kandidaat G een hoge fictieve confidence krijgt. Dat verandert zijn status niet: de passage bevat nog steeds een vraag. Een herkend woord, een hoge confidence en een correcte relatie zijn drie verschillende uitspraken. Ook een hoog documentgewicht voor K1 voegt geen compatibiliteitsbewijs toe. Noteer geen gemiddelde score of succespercentage als kwaliteitsoordeel voor de acht regels.

Gebruik de beschreven velden van Google Cloud en TextRazor dus om annotaties te beoordelen, zonder ze Google Search-autoriteit of waarheid toe te kennen. In deze oefening is geen dienst aangeroepen. Er zijn geen verborgen analyseresultaten, betaalplannen of licentievoorwaarden nodig om de concrete koppelingen handmatig te controleren.

Gebruik zoekonderzoek om vragen te kiezen, niet om passendheid te bewijzen

Zoekvragen of een onderzoek naar zoekresultaten kunnen aanleiding geven om de combinatie R7-45 en K1 nader te laten beoordelen. Ze kunnen ook helpen vaststellen of verschillende formuleringen dezelfde vraag uitdrukken. Daarmee heb je nog geen technisch antwoord. Houd het onderzoek naar de informatiebehoefte apart van de inhoudelijke bevestiging door de informatiehouder.

Bouw de uitleg rond de twee bevestigde variantrecords

Gebruik in dit fictieve document een modeloverzicht met de kop Rond7: genoemde zithoogte per variant. Daaronder passen twee regels: R7-40 noemt 40 centimeter en R7-45 noemt 45 centimeter. Schrijf erbij dat dit de beschikbare variantgegevens zijn. Presenteer het overzicht niet als volledige vergelijking van eigenschappen, want materiaal en draagvermogen ontbreken.

De daaropvolgende tekstplek gaat over beschikbare instructies. Een passende verwijzing heet Opbouw van R7-40 volgens I1. Controleer dat de bestemming daadwerkelijk I1 betreft en dezelfde variant noemt. Een verkorte linktekst zoals Opbouw Rond7 zou het bereik onduidelijk maken. Houd daarom de variantnaam ook overeind in een kaartje, zoekfunctie of korte samenvatting die naar deze uitleg verwijst.

Bewaar de accessoirevraag voorlopig in het redactiedossier als: is de combinatie R7-45 en K1 bevestigd, en zo ja, onder welke voorwaarden? Richt die vraag aan de informatiehouder. Een volledige nieuwe verkooppagina voor die combinatie is niet verantwoord zolang de kernvoorwaarde onbekend blijft. Je hoeft evenmin voor ieder herkend begrip een URL te reserveren.

Als zithoogte en hoogte van de zitting in dit document dezelfde vraag aanduiden, kun je dat binnen het bestaande antwoord verduidelijken. Controleer wel of de formulering werkelijk dezelfde maat bedoelt. Het woord hoogte alleen kan te weinig context geven. Een tweede pagina voegt niets toe wanneer uitsluitend de formulering verandert en het antwoord hetzelfde blijft.

Koppel iedere voorgenomen aanvulling aan een bestaande tekstplek: variantverschillen bij het overzicht, documentbereik bij de instructieverwijzing en onzekerheid bij de relevante combinatievraag. Daarmee kun je ook een voorstel afwijzen dat een verplicht aantal concepten verlangt. De beschikbare feiten bepalen wat je kunt uitleggen; een entiteitenlijst vraagt op zichzelf geen schemawijziging.

Controleer I2 voordat je het bereik van de uitleg uitbreidt

In een vervolgronde wordt een document met de naam I2 aangeleverd. Alleen die ontvangst staat in deze controleopgave vast; de inhoud is nog niet gegeven. De gelijkenis met I1 zegt niets over toepasselijkheid. Leg de ontvangst apart vast en laat de bestaande goedgekeurde beweringen staan totdat iemand het nieuwe document werkelijk heeft gelezen.

1. Controleer het model. Welke modelnaam staat in de inhoud en welke variantcodes worden uitdrukkelijk genoemd? Noteer de passage, niet alleen de bestandsnaam. Een document over Rond7 zonder duidelijke variantafbakening geeft nog geen toestemming om beide varianten dezelfde instructie toe te wijzen.
2. Controleer de versie. Welke documentversie en eventuele productversie staan vermeld? Maak duidelijk of I2 iets vervangt, aanvult of los beschrijft. Als die verhouding ontbreekt, noteer je dat als open vraag. Nummering alleen bewijst geen opvolging.
3. Controleer de handeling. Gaat de tekst daadwerkelijk over opbouw, of over een andere handeling? Neem de beschreven taak over zonder die ruimer te maken. Een vermelding van een variant is op zichzelf geen volledige instructie voor iedere handeling.
4. Controleer de beperkingen. Welke voorwaarden en uitsluitingen staan bij de relevante passage? Bewaar die samen met het mogelijke nieuwe feit. Als I2 niets zegt over K1, blijft de compatibiliteitsvraag open, ook wanneer R7-45 wel wordt genoemd.

Scheid het wijzigingsvoorstel van gelezen bewijs en akkoord

Maak drie afzonderlijke velden. Voorstel: de instructieverwijzing uitbreiden naar R7-45. Gelezen bewijs: [letterlijke passage uit I2, versie en vindplaats]. Akkoord: [naam beoordelaar, datum en exact toegestane formulering]. Zolang het bewijsveld leeg is, blijft het voorstel een voorstel. Een ingevulde woordenlijst of akkoord op de spelling van R7-45 vervangt geen goedkeuring van deze relatie.

Veronderstel nu uitsluitend als voorwaardelijke oefening dat I2 na lezing de opbouw van R7-45 uitdrukkelijk beschrijft. Dan mag je het instructieoverzicht herzien binnen het aangetroffen bereik. Je hebt daarmee geen garantie over engineering of montage gegeven. Deze controle bepaalt welke bewering je verantwoord kunt publiceren op basis van de werkelijk gelezen tekst.

Hercontroleer vier afhankelijke plekken. De kop over beschikbare instructies moet de juiste varianten afbakenen. De tabelrij voor R7-45 krijgt alleen de bevestigde documentverwijzing. De korte samenvatting moet het verschil tussen de genoemde zithoogte en instructiebeschikbaarheid behouden. De interne verwijzing moet naar I2 leiden met een linktekst die R7-45 noemt. Controleer eventuele beperkingen op alle vier plekken.

Bewaar bij kandidaat G ook de vraagvorm

Maak het bewijsvenster groot genoeg om het verschil tussen vragen en verklaren te zien. Bewaar bij G niet alleen de namen R7-45 en K1. Neem ook op dat de vermelding een gebruikersvraag betreft en dat bevestigde compatibiliteit ontbreekt. Wie alleen twee namen naast elkaar ziet, kan later ten onrechte aannemen dat hun gezamenlijke voorkomen de koppeling ondersteunt.

Gebruik voor de interne notitie deze volledige registratie: kandidaat G; voorgestelde relatie K1 is geschikt voor R7-45; invoerrecord VRAAG-K1; waargenomen inhoud een vraag over deze combinatie; ontbrekend bewijs een bevestiging van compatibiliteit; besluit niet als geschiktheid publiceren. De voorgestelde relatie en het besluit staan zo naast elkaar zonder dat de vraag ongemerkt een antwoord wordt.

Noteer bij een antwoord van de informatiehouder precies waarop dat antwoord betrekking heeft. Een reactie over R7-40 beantwoordt de vraag over R7-45 niet. Een bevestiging dat K1 wordt genoemd, beantwoordt de vraag naar geschiktheid evenmin. Vraag bij een onduidelijke reactie om de bedoelde variant en relatie te benoemen voordat je de status aanpast.

Controleer wat een verkorte tekst nog beweert

Neem als bewust onjuist inkortingsvoorstel: Rond7 heeft twee hoogtes, een opbouwinstructie en een passend accessoire. Vergelijk ieder zinsdeel met het overdrachtsblad. De twee genoemde hoogtes hebben ondersteuning, maar horen bij afzonderlijke varianten. De instructie hoort uitsluitend bij R7-40. Het passende accessoire heeft geen bevestiging. Het probleem is dus niet alleen dat deze zin details weglaat; hij voegt een onbewezen relatie toe.

Een bruikbare korte versie binnen de oefening luidt: R7-40 noemt 40 centimeter zithoogte en R7-45 noemt 45 centimeter. I1 behandelt uitsluitend de opbouw van R7-40. Geschiktheid van K1 voor R7-45 is niet bevestigd. Controleer bij verdere inkorting opnieuw of iedere overblijvende zin dezelfde begrenzing heeft.

Laat de redacteur daarna aanwijzen waar de lezer een ruimer bereik zou kunnen afleiden: een gezamenlijke kop, samengevoegde tabelcel of verwijzing zonder variantnaam. Herstel die plek zelf. Een juiste toelichting verderop maakt een te brede kop niet vanzelf duidelijk. Bewaar het aangepaste tekstfragment naast het akkoord, zodat de volgende overdracht uitgaat van de beoordeelde formulering en haar toepassingsgebied.

Draag feiten, reparaties en open vragen afzonderlijk over

Dit ingevulde overdrachtsblad hoort bij de oorspronkelijke oefeninvoer, dus vóór een inhoudelijk beoordeeld I2. De rollen zijn fictief toegewezen: de documentbeheerder is informatiehouder, de redacteur bewaakt de formulering en de inhoudelijk beoordelaar geeft akkoord op afzonderlijke beweringen. Er wordt geen werkelijk uitgevoerd onderzoek of echte goedkeuring geclaimd.

• Ondersteunde variantfeiten: R7-40 noemt een zithoogte van 40 centimeter; R7-45 noemt een zithoogte van 45 centimeter. I1 beschrijft uitsluitend de opbouw van R7-40. Andere specificaties blijven onbekend.
• Afzonderlijke kandidaatstatussen: A ondersteund als organisatievermelding; B ondersteund voor R7-40; C ondersteund voor R7-45; D ondersteund voor I1 en R7-40; E verkeerd gekoppeld; F strijdige betekenis; G niet vast te stellen; H niet vast te stellen.
• Drie gerichte correcties: bij E de instructierelatie terugzetten naar R7-40; bij F afwerking en beschermmat splitsen; bij G de geschiktheidsclaim vervangen door de open combinatievraag. Bewaar de eerdere kandidaten naast deze reparaties.
• Passende bestaande tekstplekken: beide hoogtes in het modeloverzicht, I1 bij de instructies voor R7-40 en de betekenis van mat direct bij de betreffende vermelding. De onbeantwoorde combinatievraag blijft in het redactiedossier.
• Open K1-vraag: bevestigt de informatiehouder de combinatie met R7-45? Zo ja, welk document ondersteunt dat en welke voorwaarden gelden? Verantwoordelijke: de fictieve documentbeheerder. Status: antwoord en bewijs ontbreken.
• Ontbrekende I2-voorwaarden: modelbereik, variantbereik, versie, beschreven handeling en beperkingen moeten nog uit de inhoud blijken. Verantwoordelijke: de fictieve inhoudelijk beoordelaar. Status: geen uitbreiding goedgekeurd.

Letterlijke goedgekeurde passage binnen deze fictieve oefening: Bij Rond7 noemt het record voor R7-40 een zithoogte van 40 centimeter en het afzonderlijke record voor R7-45 een zithoogte van 45 centimeter. Werkinstructie I1 beschrijft uitsluitend de opbouw van R7-40. Over de combinatie van R7-45 en accessoire K1 is een gebruikersvraag opgenomen; de beschikbare records bevestigen geen compatibiliteit.

Geef bij overdracht ook de inkortingsgrens mee: de variantcodes en de onbevestigde status van K1 moeten behouden blijven. Een collega mag zinnen compacter maken, maar niet van I1 een algemene Rond7-instructie maken. Laat een gewijzigde samenvatting opnieuw naast de goedgekeurde passage lezen. Goedkeuring van namen strekt zich niet automatisch uit tot relaties die iemand later tussen die namen legt.

Veelgestelde vragen over entiteiten ontdekken met AI

Moet ieder gevonden begrip een eigen pagina krijgen?

Nee. Voeg een korte uitleg toe aan de bestaande pagina als die dezelfde lezersvraag ondersteunt. Overweeg een aparte pagina wanneer een zelfstandige vraag voldoende eigen, onderbouwde inhoud vraagt. Een synoniem alleen rechtvaardigt geen nieuwe pagina.

Is een hoge salience- of confidencewaarde bewijs van SEO-autoriteit?

Nee. Deze waarden horen bij de analyse van de aangeleverde tekst. Ze beschrijven aspecten van documentannotaties en zijn geen Google Search-score, rankingbelofte of bewijs dat een pagina als AI-bron wordt gekozen.

Kan ik beginnen zonder zoekwoordgegevens?

Ja. Begin met bestaande pagina’s, betrouwbare productinformatie en echte klantvragen. Noteer welke informatie ontbreekt. Zoekwoordgegevens kunnen later helpen om formuleringen en zoekintentie te onderzoeken, maar vervangen de inhoudelijke broncontrole niet.

Helpt een begrippenkaart automatisch om in AI Overviews te verschijnen?

Nee. Een begrippenkaart helpt je inhoud beoordelen, maar garandeert geen vermelding. Voor ondersteunende pagina’s gelden de gewone SEO-voorwaarden, waaronder indexering en de mogelijkheid om een snippet te tonen. Er is geen speciaal AI-bestand of extra schema vereist.

De voorwaarden uit dit laatste antwoord staan toegelicht in de Google-documentatie over AI-functies. Verkeer uit deze functies wordt binnen de Web-prestaties van Search Console meegenomen; behandel dat niet als een afzonderlijk, zuiver AI-meetrapport.

Laat één bestaande pagina en haar ontbrekende antwoorden beoordelen

Kies één pagina waar bezoekers nog vragen over stellen. Vul het werkblad in voor de belangrijkste begrippen en neem per suggestie een lezersvraag, bronpassage en voorlopige beslissing op. Daarmee maak je concreet wat je wilt verbeteren en welke controle nog nodig is.

Niblah biedt webdesign voor WordPress en Shopify en ondersteuning bij SEO. Wil je hulp bij de vertaling naar je website of webshop? Stuur via het Niblah-contactformulier de URL van die pagina, de klantbeslissing die zij moet ondersteunen en drie vragen die volgens jou nog onvoldoende worden beantwoord. Vermeld erbij of je website op WordPress of Shopify draait.