Dual optimization: SEO en GEO samen aanpakken

Dual optimization is SEO en GEO samen aanpakken, voor beide soorten AI.

Er gebeurt een splitsing in AI die de meeste zichtbaarheidsstrategieën negeren:

• Publieke AI doorzoekt live het web en citeert bronnen.
• Private AI antwoordt enkel vanuit wat het tijdens de training geleerd heeft, zonder ooit het web te raadplegen.

Het verdict: kies niet tussen SEO en GEO. Wie maar één van de twee werelden bedient, is onzichtbaar in de andere.

Dual optimization is mijn term voor de aanpak die beide werelden tegelijk bedient. Eén strategie voor wat AI vindt op het web, en één voor wat AI al weet uit zijn trainingsdata.

Wat het in de praktijk betekent

In de praktijk betekent dat: je SEO én je GEO samen aanpakken in plaats van als losse projecten. GEO staat voor Generative Engine Optimization, het zichtbaar maken van je merk in AI-antwoorden.

Hieronder leg ik uit waarom dat nodig is, hoe de twee werelden verschillen en waar ze elkaar versterken.

Meet het zelf: zie hoe klaar je pagina is om door AI geciteerd te worden met de gratis GEO-check.

In welke twee werelden zoekt je prospect je?

In de publieke AI-wereld met webtoegang, en in de private AI-wereld zonder. Je potentiële klant beweegt zich door allebei, vaak zonder het te beseffen.

Eén prospect, twee antwoorden

Stel: een prospect vraagt ChatGPT met zoekfunctie naar oplossingen in jouw categorie. Hij ziet jouw content geciteerd.

Diezelfde prospect werkt bij een bedrijf met een interne AI-assistent zonder webtoegang. Die antwoordt op dezelfde vraag vanuit pure trainingskennis.

In die tweede situatie kan je volledig afwezig zijn, ook al scoor je perfect in de eerste.

Het risico van één wereld

Dat is precies het risico van maar één wereld bedienen:

• Enkel de webwereld: onzichtbaar in interne bedrijfsdeployments, in offline en embedded AI, en kwetsbaar wanneer retrieval faalt.
• Enkel de trainingswereld: trage opbouw, en je mist alle realtime kansen.

De publieke AI-wereld (met grounding)

Dit zijn systemen die actuele informatie van het web ophalen:

• Platformen: Google AI Mode en AI Overviews, ChatGPT search, Perplexity, Claude met zoekfunctie, Microsoft Copilot met webtoegang.
• Kenmerken: realtime ophalen uit geïndexeerde content, citaties die naar je pagina linken, en versheid die echt meetelt.
• Zichtbaarheidsmechanisme: je content wordt opgehaald, geëvalueerd en eventueel geselecteerd. Je selectiekans, extractiekwaliteit en citatiedekking bepalen of je in het antwoord komt.

In Perplexity zie je die wereld letterlijk. Klik onder een antwoord op de bronnen:

De 10 bronnen achter het antwoord van Perplexity, één klik vanaf de voettekst, oktober 2026.

Elk van die tien bronnen is een pagina die werd opgehaald en geselecteerd.

Dit is grotendeels het terrein van SEO, aangevuld met AI-specifieke technieken. De hefbomen zijn contentkwaliteit, heldere structuur, versheid en autoriteitssignalen.

Hoe dat ophalen technisch werkt, lees je in grounding: hoe AI bepaalt wat waar is.

De private AI-wereld (zonder grounding)

Dit zijn systemen die enkel antwoorden vanuit hun parametrische kennis, dus de kennis die in de modelgewichten zit:

• Deployments: interne bedrijfsassistenten, embedded AI in producten zonder zoekfunctie, offline toepassingen, en API-gebruik zonder tools.
• Kenmerken: geen realtime ophaling, antwoorden beperkt tot de trainingsdata, geen citaties naar actuele bronnen.
• Zichtbaarheidsmechanisme: je merk verschijnt alleen als het in de modelgewichten zit. Merksaillantie en de sterkte van je associaties bepalen of je genoemd wordt.

Zo ziet een antwoord zonder bronnen eruit. Let op wat ontbreekt onder de tekst:

ChatGPT gratis (tijdelijke chat), 17 oktober 2026: drie bullets, ongeveer 70 woorden, geen bronnen.

Geen enkele link, dus geen enkele pagina die je met SEO had kunnen winnen.

Hier helpt klassieke contentoptimalisatie niet rechtstreeks. De hefbomen zijn drie dingen:

• aanwezigheid in bronnen waarop modellen getraind worden;
• een consistente boodschap over al die bronnen heen;
• autoriteit in de juiste publicaties.

Waarom tellen beide werelden?

Omdat private AI vandaag overal zit, en omdat trainingsdata ook meeweegt wanneer AI wél zoekt.

Gaat niet alles richting grounding?

Misschien denk je: is publieke AI met zoekfunctie niet gewoon de toekomst? Gaat alles niet vanzelf richting grounding?

Niet noodzakelijk. En zelfs als dat zo zou zijn, duurt die overgang jaren.

Ook AI met zoekfunctie zoekt niet altijd

Anthropic schrijft in de documentatie van zijn webzoektool dat Claude zelf bepaalt wanneer het zoekt, op basis van de vraag.

Bij vaste kennis, zoals gevestigde feiten of uitleg van concepten, antwoordt Claude volgens die documentatie direct zonder te zoeken.

Dan telt alleen wat het model al weet.

Private AI is alomtegenwoordig

Grote organisaties rollen AI intern uit met weinig of geen webtoegang. Vaak om veiligheids- en compliancereden, of gewoon vanwege de kosten.

Denk aan een verzekeraar die een interne assistent alleen op eigen documenten laat draaien.

Vraagt een medewerker zo’n systeem naar leveranciers of oplossingen, dan antwoordt het vanuit trainingskennis.

Zit je daar niet in, dan besta je voor die medewerker niet.

Trainingsdata kleurt ook het publieke antwoord

Trainingsdata speelt ook mee wanneer er wél grounding is, op drie manieren:

• Selectievoorkeur: het is aannemelijk dat modellen vaker content kiezen van merken die ze al “kennen” uit de training, ook als er actief opgehaald wordt. De aanbieders publiceren dat mechanisme niet, dus het is een werkhypothese, geen gedocumenteerde regel.
• Vertrouwen in de formulering: over merken met sterke trainingsaanwezigheid spreekt een model zelfverzekerder. Een zwakke aanwezigheid geeft voorzichtige, gehedgde taal, zelfs als je content geselecteerd wordt. Bijvoorbeeld “een mogelijke optie is” in plaats van “de gevestigde speler is”.
• Context en kadering: trainingsdata bepaalt hoe een model opgehaalde informatie interpreteert en kadert.

Met andere woorden: je private aanwezigheid kleurt mee hoe goed je publieke optimalisatie werkt.

Daarom zie ik dual optimization niet als luxe, maar als strategische volledigheid.

Wil je dieper in dat fundament duiken? Lees dan de ultieme GEO-handleiding.

Wat is het verschil tussen SEO, GEO en dual optimization?

SEO wint bij retrieval, GEO wint in de trainingsdata, dual optimization dekt beide. Onderstaande tabel zet de drie naast elkaar:

Vuistregel: SEO is je snelle hefboom, GEO je trage maar duurzame. Samen geven ze je zowel een snelle start als een blijvende plek.

Wil je de definities eerst scherp? Zie SEO en GEO in onze wiki.

Hoe win je in de publieke wereld bij retrieval?

Door je selectiekans en citatiekwaliteit te maximaliseren wanneer AI-systemen webcontent ophalen en evalueren.

De vier lagen

Ik werk dat in vier lagen uit:

1. Retrieval-optimalisatie. Zorg dat je content überhaupt opgehaald wordt: brede onderwerpsdekking, een sterke SEO-basis (indexering, autoriteit), versheid en een vraaggerichte structuur.
2. Selectie-optimalisatie. Win de selectie eens je opgehaald bent: semantische compressie zodat je goed extraheerbaar bent, hoge informatiedichtheid, directe antwoorden en heldere koppen die de vraag spiegelen.
3. Extractie-optimalisatie. Maximaliseer de extractiekwaliteit eens je geselecteerd bent: zelfstandige fragmenten die los overeind blijven, expliciete benoeming van entiteiten en strategische plaatsing van kerninformatie.
4. Platform-optimalisatie. Pas je aan platformspecifiek gedrag aan en monitor je prestaties over verschillende AI-zoekproducten heen.

Hoe je die zelfstandige fragmenten schrijft, lees je in content chunking voor AI-zoekmachines.

Snel zichtbaar, en meetbaar

Het voordeel van deze wereld: resultaten zijn relatief snel zichtbaar.

Volgens Google hebben sommige wijzigingen binnen enkele uren effect, andere pas na enkele maanden, en je kan continu blijven bijsturen.

Je kan het ook meten. Bing Webmaster Tools toont hoe vaak AI-antwoorden je pagina’s citeren:

Ons eigen Bing AI Performance-rapport: 60,3K citaties en gemiddeld 140 geciteerde pagina’s over drie maanden.

Dat is je citatiefrequentie uit de tabel hierboven, in één rapport.

Wat er daarna op je site gebeurt, volg je in GA4. Hoe, lees je in ChatGPT-verkeer meten in GA4.

Meer over het onderscheid tussen de twee disciplines vind je in GEO vs SEO.

Hoe word je zichtbaar in de trainingsdata?

Door sterke merkassociaties op te bouwen in de bronnen waarop modellen leren. Dan noemen en aanbevelen ze je ook zonder iets op te halen.

De vier lagen

Ook dit werk ik in vier lagen uit:

1. Aanwezigheid in trainingsbronnen. Kom in bronnen die waarschijnlijk meewegen bij training: encyclopedieën zoals Wikipedia, gevestigde nieuwsmedia, academische publicaties, institutionele bronnen en toonaangevende vakmedia.
2. Consistente associatie. Zorg voor één boodschap over al die bronnen heen: dezelfde positionering, dezelfde categorie-associatie, dezelfde koppeling tussen je merk en je kernattributen. Tegenstrijdige boodschappen creëren verwarde associaties.
3. Autoriteitsopbouw. Bouw signalen die zich vertalen naar de training: erkenning door experts, spreek- en publicatieplekken in gezaghebbende kanalen, en relaties met analisten.
4. Volgehouden aanwezigheid. Blijf zichtbaar over meerdere trainingscycli heen. Geen losse campagne, maar een aanhoudende aanwezigheid in relevante bronnen.

Voor laag 1 en 2 helpen deze gidsen: een Wikipedia-pagina voor je B2B-bedrijf en entiteitsconsistentie voor AI-zichtbaarheid.

Voor laag 3 lees je digital PR voor AI-citaties.

Een langetermijnspel

Dit is een langetermijnspel. De invloed op trainingsdata duurt maanden tot jaren, en modelupdates volgen onregelmatige schema’s.

Maar de resultaten zijn duurzaam.

Meet of AI je al kent

Onze ervaring: in de logbestanden van de sites die we analyseren, groeit het aantal AI-agents dat langskomt jaar na jaar sterk. Hoe je dat zelf nakijkt, lees je in log file analyse voor SEO.

Of je merk al in de modelkennis zit, meet je met brand salience in AI.

Wat GEO precies inhoudt, lees je in wat is GEO.

Waar versterken SEO en GEO elkaar?

In twee lussen die elkaar voeden. Dual optimization is geen twee losse inspanningen, maar één geïntegreerde aanpak.

Twee versterkende lussen

Ik zie twee lussen:

• Van publiek naar privaat. Je content wordt geciteerd in AI-antwoorden, mensen delen en bespreken die antwoorden, die discussies belanden in de trainingscorpus, en toekomstige modellen leren zo jouw associaties. Je private zichtbaarheid groeit dus mee.
• Van privaat naar publiek. Een model met sterke merkassociaties herkent je bij retrieval, die herkenning geeft een gunstige evaluatiebias, je selectiekans stijgt, en meer citaties versterken de cyclus opnieuw.

Die eerste lus maakt dat je publieke zichtbaarheid van vandaag je private zichtbaarheid van morgen opbouwt. Dat gebeurt in vier stappen die zichzelf blijven versterken:

Content die beide werelden bedient

Sommige content bedient bovendien meteen beide werelden.

Een grondige gids op je eigen site doet drie dingen tegelijk:

• hij wordt opgehaald en geciteerd (publiek);
• hij kan door andere publicaties geciteerd worden, en zo in trainingsbronnen belanden;
• hij vestigt expertise die in beide werelden meetelt.

Origineel onderzoek doet net hetzelfde. Het geeft unieke waarde voor selectie én wordt opgepikt door gezaghebbende media, zie origineel onderzoek voor AI-citaties.

Hoe je je middelen verdeelt

Voor de meeste organisaties werkt een gefaseerde aanpak het best.

Begin met nadruk op de publieke kant voor snelle winst. Bouw ondertussen de private infrastructuur op, en schuif geleidelijk richting evenwicht naarmate je autoriteit rijpt.

Waar je de nadruk legt, hangt af van je vertrekpunt:

Hoe je dat in euro’s vertaalt, lees je in SEO- en GEO-budget verdelen.

Een goede contentstructuur helpt in beide werelden, want fragmenten die los overeind blijven worden vlotter geëxtraheerd. Daarover lees je meer in website-architectuur voor SEO.

Wat is de enterprise-blinde vlek?

Interne AI in grote organisaties. Dat is het surface dat de meeste strategieën missen.

Waar het antwoord vandaan komt

Een medewerker vraagt zijn interne AI: “wat zijn de beste oplossingen voor deze categorie?”

Het antwoord komt dan uit drie bronnen:

• de basistraining van het model;
• eventuele interne fine-tuning;
• interne documenten van het bedrijf.

Je webcontent telt daar niet mee. Je laatste persbericht doet er niet toe.

Enkel je aanwezigheid in de trainingsdata, en mogelijk in het interne kennisbestand van het bedrijf, bepaalt of je opduikt.

Wat je eraan doet

Voor categorieën waar enterprise-kopers tellen, betekent dat drie dingen:

1. Investeer in de basistraining beïnvloeden: alle private strategieën hierboven.
2. Kom in bronnen die bedrijven al vertrouwen.
3. Zorg voor aanwezigheid in partner- en analistencontent die bij hun beslissingen meeweegt.

Dat is precies de zichtbaarheid die je met een puur SEO-gerichte aanpak nooit zou bereiken.

Veelgestelde vragen

Wat is dual optimization precies?

Dual optimization is het tegelijk optimaliseren voor twee soorten AI: systemen die live het web doorzoeken en systemen die enkel antwoorden vanuit hun trainingsdata.

In de praktijk combineer je je SEO en je GEO (Generative Engine Optimization) tot één geïntegreerde aanpak. Zo blijf je zichtbaar, hoe iemand AI ook gebruikt.

Moet ik kiezen tussen SEO en GEO?

Nee. Wie maar één wereld bedient, laat gaten vallen: enkel SEO maakt je onzichtbaar in interne en embedded AI, enkel GEO mist alle realtime kansen.

De twee versterken elkaar bovendien, dus de winst zit net in de combinatie. Een sterke SEO-basis is meteen de fundering waarop je GEO verder bouwt.

Waarom telt private AI zonder webtoegang nog mee?

Omdat een groot deel van de AI-interacties parametrisch verloopt. Bedrijven rollen interne assistenten uit zonder webtoegang, en AI zit ingebed in producten zonder zoekfunctie.

Zelfs op publieke platformen wordt niet altijd gegrond. In al die gevallen verschijn je alleen als je in de trainingsdata zit.

Waar begin ik als ik beide wil aanpakken?

Start met de publieke laag, want daar boek je het snelst resultaat: zorg dat je content opgehaald, geselecteerd en goed geëxtraheerd wordt.

Bouw ondertussen je autoriteit en consistente boodschap op in gezaghebbende bronnen. Die parametrische zichtbaarheid kost tijd, maar levert duurzame resultaten op.

Hulp nodig?

Wil je dit vertalen naar uitvoering? Bekijk hoe we dit aanpakken met AI-vindbaarheid.

Verder lezen

• Hoe de nieuwe AI-zoekarchitectuur werkt (retrieval, generatie en RAG)
• Wat is RAG, uitgelegd voor marketeers