FAQPage schema voor AI-citaties

Ja, FAQPage-schema is nog steeds zinvol, maar niet meer om de reden waarvoor de meeste bedrijven het ooit hebben toegevoegd. Google heeft de FAQ rich results uit de zoekresultaten gehaald, dus dat uitklapbare blok onder je link verdwijnt. Toch blijft de onderliggende Q&A-structuur een van de meest extraheerbare contentvormen voor AI-engines zoals ChatGPT, Perplexity en Google’s AI Overviews. In dit artikel lees je wat er precies veranderd is, waarom FAQ-structuur nog werkt voor AI, en hoe je het correct implementeert met copy-paste JSON-LD voor B2B.

Wat is er precies veranderd bij Google?

Google toont sinds 7 mei 2026 geen FAQ rich results meer in de zoekresultaten. Dat is het sluitstuk van een proces dat al in 2023 begon. Toen kondigde Google aan dat FAQ rich results enkel nog zouden verschijnen voor gezaghebbende overheids- en gezondheidswebsites. De reden was simpel: het FAQ-blok werd massaal misbruikt om meer ruimte in de SERP in te pikken, vaak met vragen die niemand stelde.

In mei 2026 trok Google de stekker er definitief uit voor iedereen. In juni 2026 verwijdert Google ook het bijbehorende rapport in Search Console, het zoekverschijningsfilter en de ondersteuning in de Rich Results Test. De documentatiepagina over FAQPage is intussen ook weggehaald.

Belangrijk om te weten: je hoeft je bestaande FAQPage-markup niet te verwijderen. Google negeert het simpelweg voor de weergave, het veroorzaakt geen fouten en het schaadt je SEO niet. Verwijderen is optioneel, niet verplicht. Dat onderscheid is cruciaal, want het betekent dat het schema vrij blijft om een andere rol te spelen: voer voor AI.

Waarom werkt FAQ-structuur nog voor AI-engines?

FAQ-structuur werkt voor AI omdat ze elke vraag koppelt aan één zelfstandig, afgebakend antwoord, precies het soort blok dat een taalmodel makkelijk kan oppikken. Een AI-engine die een antwoord samenstelt, zoekt naar passages die op zichzelf staan en een concrete vraag volledig beantwoorden. Een Q&A-paar is daar de zuiverste vorm van.

Maar wees eerlijk over hoe dat technisch werkt, want daar gaan veel GEO-adviezen de mist in. AI-modellen lezen je JSON-LD niet als gestructureerde data. Gecontroleerde tests in 2026 wijzen erop dat een taalmodel je schema verwerkt als gewone tekst, niet als een apart datalaag die het apart interpreteert. Met andere woorden: het schema zelf is geen magische citatieknop.

De winst zit ergens anders. Door FAQPage-schema te implementeren, dwing je jezelf om je content in een strak Q&A-patroon te gieten: een duidelijke vraag, gevolgd door een kort en compleet antwoord. Dat zichtbare patroon op de pagina is wat AI-engines extraheren. Het schema is dus geen oorzaak, maar een discipline die het juiste contentpatroon afdwingt. Daarbovenop helpt nette structured data Google nog steeds om je content te begrijpen voor AI Overviews en AI Mode, ook al verschijnt het rich result niet meer.

Wil je dieper begrijpen hoe AI je pagina leest en extraheert, lees dan onze gids over content-architectuur voor AI-extractie. FAQ-schema is daar één tactiek binnen een breder geheel.

Hoe implementeer je FAQPage-schema?

Je implementeert FAQPage-schema met een blokje JSON-LD in de <head> of <body> van je pagina, met daarin elke vraag als Question en elk antwoord als acceptedAnswer. De gouden regel: het schema moet exact overeenkomen met de vragen en antwoorden die zichtbaar op de pagina staan. Verborgen FAQ’s of antwoorden die afwijken van de zichtbare tekst zijn een slecht idee, voor mensen en voor AI.

Hier is een copy-paste voorbeeld voor een B2B-context dat je aanpast naar jouw situatie:

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "Voor welke bedrijven is jullie oplossing geschikt?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Onze oplossing is gebouwd voor B2B-bedrijven met een complexe verkoopcyclus en meerdere beslissers. Typisch werken we met organisaties van 20 tot 500 medewerkers in dienstverlening, software en industrie."
      }
    },
    {
      "@type": "Question",
      "name": "Hoe snel zien we resultaat?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "De meeste klanten zien de eerste meetbare effecten binnen drie tot zes maanden. De exacte termijn hangt af van je uitgangspositie, je sector en de competitiviteit van je markt."
      }
    },
    {
      "@type": "Question",
      "name": "Wat kost een samenwerking?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Een traject start typisch vanaf een vast maandbedrag dat we afstemmen op je doelen en scope. Tijdens een gratis intake bepalen we samen welke aanpak past bij je budget en ambitie."
      }
    }
  ]
}
</script>

Validatie doe je niet meer via Google’s Rich Results Test, want die ondersteunt FAQ niet langer. Gebruik in plaats daarvan een algemene schema-validator zoals de Schema Markup Validator van Schema.org om te controleren of je JSON-LD syntactisch klopt.

Welke vragen zet je in je FAQ voor B2B?

Zet de vragen in je FAQ die je kopers letterlijk intypen of aan een AI-assistent stellen, niet de vragen die jou goed uitkomen. Dat verschil bepaalt of je geciteerd wordt of genegeerd. In B2B betekent dit concreet:

Geschiktheidsvragen: “Voor welk type bedrijf is dit?”, “Werkt dit ook voor een team van X mensen?” AI-engines gebruiken dit soort content om koper en oplossing te matchen.
Vergelijkende vragen: “Wat is het verschil tussen X en Y?” Dit is waar veel B2B-aankooponderzoek begint en waar AI graag een helder antwoord uit lift.
Bezwaar- en risicovragen: “Wat als het niet werkt?”, “Hoe lang duurt de implementatie?” Eerlijke antwoorden hierop bouwen vertrouwen, bij de lezer en bij het model.
Prijs- en proceskaders: je hoeft geen exact tarief te noemen, maar geef wel een eerlijk kader zodat het antwoord bruikbaar is.

Formuleer elke vraag zoals een mens ze stelt, in volzinnen, niet als trefwoord. En houd elk antwoord kort en volledig: twee tot vier zinnen die op zichzelf staan, zonder verwijzing naar “zoals hierboven”. Die zelfstandigheid is precies wat een AI-engine nodig heeft om je passage te extraheren. Wil je dit goed afstemmen op je doelgroep, dan helpt onze gids over GEO voor B2B je verder.

Wat zijn de grenzen van FAQ-schema?

FAQ-schema is geen garantie op citaties en zeker geen vervanging voor goede content. Het is een versterker, geen motor. Wie denkt dat een blokje JSON-LD plots de zichtbaarheid in ChatGPT verdrievoudigt, komt bedrogen uit. De cijfers over het directe effect spreken elkaar tegen, en dat zegt genoeg: er is geen wondermiddel.

Wat wel altijd waar is: een pagina die echt het beste antwoord op een vraag bevat, geschreven in heldere zelfstandige blokken, wint. Het schema maakt dat antwoord iets makkelijker vindbaar en ondubbelzinnig. Begin dus nooit bij het schema. Begin bij de vraag van je koper en bij een antwoord dat het waard is om geciteerd te worden. FAQ-schema is daarna lage-inspanning, geen risico, en doet logisch werk binnen een breder GEO-fundament. Hoe dat fundament eruitziet, lees je in onze complete GEO-gids, en hoe je specifiek in Google’s AI Overviews terechtkomt.

De korte samenvatting

Google toont geen FAQ rich results meer sinds mei 2026, maar dat maakt FAQPage-schema niet zinloos. AI-engines lezen je JSON-LD niet als data, maar de strakke Q&A-structuur die het schema afdwingt is uitstekend extraheerbaar. Voor B2B is het goedkope verzekering: lage inspanning, geen risico, en het versterkt hoe AI je content begrijpt. De echte winst zit in de discipline eronder, niet in het schema zelf. Begin bij de vragen die je kopers echt stellen, geef zelfstandige antwoorden, en laat het schema het bevestigen.

Wil je weten hoe je hele site klaar is voor AI-zoekmachines en welke quick wins het meeste opleveren voor jouw leads? Bekijk onze aanpak voor vindbaarheid in AI-zoekmachines of plan je gratis intake.

FAQPage-schema implementeren voor AI-citaties (na de Google-deprecatie)