Word je nog gevonden als niemand meer googelt?

Het begon bij ons met een pagina die we vergeten waren

Wij hebben een aantal labels en een aantal websites. Bij een van die sites kwamen ineens veel leads binnen. Geen groot label, weinig vacatures, niks bijzonders aan.

Dus vroeg ik het gewoon. Hoe ben je bij ons gekomen?

Het antwoord was steeds hetzelfde. Via ChatGPT, of op een andere AI-manier.

Ik wilde weten waarom. Dat is mijn standaardreflex. Als iets goed gaat en ik snap niet waarom, dan word ik onrustig. Dus heb ik het laten uitzoeken door Bryan.

Wat bleek. Die leads kwamen binnen via een verborgen pagina. Ooit gemaakt voor een radiocommercial, ik denk twee jaar geleden. Vol logo's en informatie. Niet te vinden via onze eigen navigatie. Na dat project waren we vergeten hem weg te halen.

Onze best presterende pagina was dus een pagina die we vergeten waren. Dat is grappig en ongemakkelijk tegelijk, want het was puur toeval en het laat zien hoe weinig we in de gaten hadden van wat er gebeurde.

7,2 miljoen mensen

Bryan gaf me de cijfers waar ik om vroeg. In Nederland gebruiken 7,2 miljoen mensen dagelijks AI. Van dat aantal is grofweg 4,4 tot 4,6 miljoen werkend, op basis van de laatste CBS-cijfers. En van de jongvolwassenen tussen 18 en 30 jaar doet ruim dertig procent het dagelijks.

Gebruiken is dan alles. Ook een recept opzoeken. Elke vorm van chatten met een taalmodel telt mee.

Maar dat is precies het punt. Wie er dagelijks mee praat over het avondeten, vraagt het ook of jouw bedrijf een goede werkgever is. En dan komt er niet een lijstje van tien blauwe linkjes terug waar je zelf uit kunt kiezen, maar één antwoord.

Ik heb daar wel een kanttekening bij, en Bryan ook. Wat AI vertelt is niet altijd waar. Hij schat dat in drie van de tien gevallen de cijfers niet kloppen. Het blijft dus aan jou om de bron te checken. Alleen: hoeveel mensen doen dat?

Is dit IT of is dit marketing?

Die vraag stelde ik hem recht op de man af. Zijn antwoord kwam meteen.

Absoluut marketing. Het gaat niet over het beheren van een IT-systeem. Het gaat over het beheren van je website. En dat ligt doorgaans bij marketing.

Dat vond ik verhelderend, want ik zie het op precies dit punt misgaan bij organisaties. Marketing wijst naar IT, IT heeft andere prioriteiten, en ondertussen gebeurt er niks.

Je hebt de techneut wel nodig om het mogelijk te maken. Maar het is jouw probleem. Bryan zegt er iets bij dat ik mooi vind: als je je erin vastbijt en gewoon uitzoekt hoe het zit, kan iedereen dit. Ongeacht of je een front-end opleiding hebt gevolgd.

De drie dingen waar je begint

Ik ben bedrijfseconoom, geen techneut. Dus liet ik het me uitleggen in Jip-en-Janneketaal. Dat is mijn generatie.

Het start bij de opbouw van je website. Kijk samen met je webbouwer of je pagina server side rendered is. Dat betekent dat je content in een blok wordt ingeladen in de code, in plaats van stukje bij beetje via JavaScript.

Het tweede is schema markup. Dat is een stukje code waarmee je aangeeft wat voor type content je aanbiedt. Heb je een vacature, dan heet dat een job posting. Daaronder zitten variabelen: wat is de locatie, wat gaat iemand gemiddeld verdienen, wat is het minimum en het maximum. Die componenten vertellen supersnel aan een model dat dit relevante informatie is die goed te citeren valt, omdat het is wat de gebruiker vraagt.

Het derde is content, en dan specifiek een pagina met veelgestelde vragen.

Bryan legde ook uit waarom zo'n FAQ werkt, en dat had ik nog nooit zo gehoord.

Een taalmodel stelt niet jouw vraag

Ik dacht altijd dat een taalmodel jouw vraag beantwoordt. Dat klopt niet.

Jij stelt een vraag. Het model maakt daar een hele reeks vragen van. Een fan out, noemt Bryan dat. Die reeks gaat langs verschillende bronnen. En uit al die bronnen samen wordt een antwoord gesynthetiseerd.

Daarom werkt een FAQ zo goed. Niet omdat het mooi staat op je site. Maar omdat jouw antwoord dan klaarligt op het moment dat het model erom vraagt.

Met een belangrijke voorwaarde. Stel die vragen op de manier waarop je denkt dat kandidaten ze stellen. Niet zoals je marketingafdeling ze zou formuleren.

Zelfs bij de hele grote organisaties is dit een van de eerste dingen die wordt opgepakt. Dat zegt genoeg over wat het oplevert.

En dan het stuk buiten je eigen site

Het derde advies van Bryan gaat over platformen die veel invloed hebben binnen jouw markt. Kijk hoe je je content ook op andere plekken kunt aanbieden.

Voor HR is dat bijvoorbeeld HR in de praktijk. Voor recruitment een Werf&. Voor IT een Computable. Of Recruiters United. Voor elke sector is dat weer anders. In de volksmond heet dat community management.

Ik heb hem gevraagd hoeveel hij daarvoor betaald krijgt. Nul, zei hij. Ik geloof hem.

Waar het om gaat is dit. Wat er buiten je merk om gebeurt telt mee. Ben je zichtbaar op de juiste plekken? Is je verhaal daar consistent met wat er op je eigen site staat?

De klacht uit 2021 die nog steeds meetelt

Dit was voor mij het meest confronterende deel van het gesprek.

Stel een taalmodel eens deze vraag over je eigen bedrijf: wat zijn de nadelen van werken bij deze organisatie? Het is een vraag die vaak gesteld wordt.

Wat Bryan bij klanten terugziet is dat goed gedocumenteerde nadelen van soms wel vijf jaar oud nog steeds terugkomen in de antwoorden. En dat ze worden gepresenteerd als waarheid.

Dat kan van alles zijn. Een oude review. Een passage in een jaarverslag. Een bericht van een vakbond. Als er geen informatie tegenover staat die dat specifiek weerlegt, blijft het staan.

Reputatieschade liep vroeger via mensen, en mensen vergeten dingen. Een taalmodel niet. Die herhaalt het aan iedereen die ernaar vraagt, jaren later nog.

De kandidatenreis is stuk

In de oude wereld waren wij in control over waar kandidaten binnenkwamen. Je had een candidate journey. Ze kwamen binnen op de homepage, kregen een mooie video, liepen keurig door de stapjes, en kwamen uit bij de vacaturepagina. Daar was je de baas over.

Bij SEO waren alle geheimen inmiddels wel bekend en kon je je plek redelijk kopen.

Wat taalmodellen doen is die hele journey veranderen. Mensen stappen op een ander moment in. Ze vormen al een beeld van jouw werkgeversmerk voordat ze ooit je website hebben gezien. Dus slaan ze de homepage over en gaan ze in een keer door naar de vacaturepagina.

Dat is een probleem en een kans tegelijk, want als dat beeld positief is, dan ligt de conversie van die mensen fors hoger dan bij het traditionele bezoek. Alleen moet dan wel elke pagina van je site klaar zijn voor iemand die halverwege binnenkomt, en daar zijn de meeste sites niet op gebouwd.

Werkt het? Vraag om bewijs

Bryan werkt vooral voor corporates. Dus vroeg ik hem of het al werkt.

Hij noemde ProRail. Daar is een aantal dingen slim aangepast in de structuur van de webpagina's. Het resultaat is dat de aanwas op moeilijk vervulbare vacatures toenam. Die vacatures zijn inmiddels ingevuld. In een relatief korte periode.

Zonder nieuwe campagne en zonder groter mediabudget dus. Alleen betere structuur.

Voor een MKB-bedrijf zoals het onze is dat goed nieuws. Het mediabudget van ProRail hebben we niet, maar de structuur van onze eigen pagina's repareren, dat kunnen we wel.

Meten, en dan pas veranderen

Het slimste wat we zelf hebben gedaan, deden we voordat we iets veranderden.

Een nulmeting. Voor Bryan was dat vanzelfsprekend. Voor mij was het een eyeopener.

We hebben eerst gemeten hoe we ervoor stonden in de taalmodellen, met PromptWatch. Pas daarna zijn we dingen gaan aanpassen. Nu, drie a vier maanden verder, kan ik echt zien wat werkt en wat niet, en wat we extra kunnen doen.

PromptWatch stuurt ook wekelijks adviezen. Dat vind ik ergens grappig en ergens eng, want die adviezen worden vervolgens met AI voor je uitgeschreven. Dat is precies de AI-cirkel waar ik als mens een beetje bang voor ben. Ik geloof namelijk dat de dingen die wij doen werken juist omdat er soms iets geks in zit. Iets menselijks.

Bryan is er duidelijk over dat meten maar een deel is. Software meet vooral je eigen kant. Het gaat ook over wat er buiten je merk om gebeurt, over consistentie, en over de vergeten pagina's. Waarom presteert deze pagina wel en die andere niet?

Hij is er ook eerlijk over dat er meer tooling is dan de zijne. Ahrefs en Semrush hebben er inmiddels iets voor. Dat vond ik netjes.

Versplinterd, en straks juist niet

Bij SEO was er in de praktijk een kanaal. Dat heette Google.

Bij AI ligt het versplinterd. ChatGPT heeft in Nederland nog steeds veruit het grootste marktaandeel, maar dat brokkelt langzaam af. Gemini, Claude en Copilot boeken terreinwinst. Copilot deels via gedwongen winkelnering, want wie binnen Microsoft werkt krijgt hem erbij. Dat maakt hem niet minder gebruikt.

Google zelf heeft er eigenlijk drie. Gemini als taalmodel. AI Overview, dat eerste stuk boven de gewone zoekresultaten. En de AI-modus.

Elk van die modellen werkt anders en indexeert anders. Bryan verwacht geen grote winnaar. Hij denkt dat de modellen qua marktaandeel redelijk bij elkaar uitkomen, en dat elk model een eigen specialisme kiest.

Je optimaliseert dus niet meer voor één zoekmachine, je moet op tien plekken tegelijk hetzelfde verhaal vertellen. Dat vind ik het lastigste aan dit onderwerp.

En dan komt de omkering. Eind 2027 komen volgens Bryan de eerste devices waarin een taalmodel standaard is ingebouwd. Weg van een telefoon vol apps, naar een centrale interface die alle apps voor je aanroept. Je zegt dat je een Uber wilt naar de Keizersgracht, en aan de achterkant gebeurt het gewoon.

Op mijn leeftijd mag ik dan weer een keer omschakelen. Prima.

Maar denk even door wat dat betekent voor vindbaarheid. Bij Google had je nog tien pagina's en scrolde je nog wel eens door. Bij een agent is er geen pagina twee. Je zit in de top drie of je bestaat niet.

Waar het misgaat

Ik wilde ook de andere kant horen. Waar gaat het mis?

Bryan noemde een organisatie die een AI-budget had neergezet en er in vier maanden doorheen was. Alle tokens op. Ik dacht nog: misschien hebben ze in die vier maanden fantastisch werk geleverd. Dat was niet zo. Er was nothing to show.

Hij ziet ook een beweging ontstaan waarin men doorkrijgt dat het allemaal niet zo zaligmakend is als gedacht. En vooral: dat het duur kan zijn.

Waar hij zelf van wakker ligt zijn de MCP's. Een laag boven op je data waarmee je nog meer kunt automatiseren en waarmee acties ook echt worden uitgevoerd. Handelingen van mensen worden dan steeds minder. En dan is hij bang dat we net iets te veel op de machine gaan vertrouwen.

Zijn stelling: laat een machine geen existentiele keuzes voor je maken. Zeker niet als er geld mee gemoeid is.

Daar ben ik het mee eens. En ik vind het opmerkelijk dat de man die dit voor zijn brood doet, degene is die de rem erop zet.

De gouden tip

Ik heb hem tot slot om de gouden tip gevraagd voor MKB-bedrijven zoals het onze.

Tien minuten per dag. Meer niet. Lees je in. Snap wat het is, wat het doet en wat het kan. Na een paar maanden heb je een beeld gevormd en kun je je directie fatsoenlijk adviseren in plaats van meepraten.

Hij had makkelijk kunnen zeggen dat je hem moet inhuren. Dat zei hij niet. Zijn AI Rebels-playbook deelt hij op verzoek, in gewone taal, met de stappen erin.

Mijn eigen tip komt daar bovenop. Ga het doen, en meet wat je doet zodat je ziet wat er verandert. Je kunt eindeloos luisteren naar gelul over hoe het zou moeten, maar daar is nog nooit iemand beter van geworden. Het gaat om de praktische invulling.

Ik geloof dat wie nu meedoet die voorsprong houdt. De modellen zijn nog in ontwikkeling, en juist daarom valt er nu marktaandeel te pakken.

En probeer er vooral plezier in te hebben, want het is een soort spelletje. Een spelletje waarvan je de score nu voor het eerst kunt zien.

Olfertjan Niemeijer is oprichter en managing consultant van Independent Recruiters Group en host van Recruitment Pioneers, een LinkedIn Live-show over recruitment-innovatie en AI. Bryan Peereboom is mede-oprichter van AI Rebels.

#RecruitmentPioneers #GEO #Recruitment