Het nieuwe startpunt voor lokale vindbaarheid
Steeds vaker begint een lokale zoektocht niet meer in Google, maar in een AI-chat.
De vraag is dan niet: “Welke websites zijn er?” Maar: “Wat is een goede [vak] bij mij in de buurt?”
Het antwoord is geen lange lijst meer. Het is een shortlist. Sta je daar niet tussen, dan ziet die klant je niet.
Waarom dit zo snel verandert
Voor lokale MKB-bedrijven verschuift niet alleen het kanaal, maar ook het moment waarop je in beeld komt.
Via AI krijgt iemand vaak direct een paar namen voorgeschoteld. Volgens Frankwatching verandert zo stilletjes waar nieuwe klanten vandaan komen.
Dat is geen theorie.
In mei liep er een geautomatiseerde AI-vindbaarheidscheck op 170 Nederlandse MKB-bedrijven, verdeeld over 10 sectoren en 44 plaatsen.
De harde cijfers
De check gaf elk bedrijf een score van 0 tot 100.
Daarbij keek men naar de vraag of een bedrijf opduikt bij een typische klantvraag voor die branche en plaats. Ook telde mee wat generatieve AI kan lezen, zoals schema.org-markup en vermeldingen op onafhankelijke platforms.
De uitkomst is scherp:
- Gemiddelde GEO-score: 29
- Mediaan: 27
- 83 procent scoorde onder de 40
- Slechts 1 procent haalde 80 of hoger
- 9 procent kwam tot 60 of hoger
- Bij 126 van de 170 bedrijven verscheen het bedrijf helemaal niet
De resultaten zijn ook blind getoetst in ChatGPT, Claude en Perplexity.
Niet elke sector doet het even slecht
De verschillen per branche zijn groot.
Advocaten en juristen scoorden het laagst, met 57 kantoren en een gemiddelde GEO-score van 24. Daarna volgden accountants met 28, tandartsen met 32, cosmetische klinieken met 38 en fysiotherapeuten met 39.
In de dataset stonden fysiotherapeuten en cosmetische klinieken bovenaan.
Wat beter scorende bedrijven anders doen
De best scorende bedrijven doen niets magisch.
Ze maken het een AI gewoon makkelijker om te snappen wie ze zijn en waarom ze ertoe doen.
De belangrijkste patronen:
- Schema.org-markup, vooral voor LocalBusiness, Service en FAQPage
- Vermeldingen op onafhankelijke platforms, zoals KvK, brancheorganisaties, reviewplatforms en lokale media
- Content die echte vragen beantwoordt, vooral goede FAQ’s
De rode draad is helder: wie alleen een nette website heeft, maar weinig context daarbuiten, laat te weinig sporen achter.
llms.txt is niet de hoofdknop
llms.txt kan helpen als een toekomstbestendige inhoudsopgave voor AI-assistenten en agents.
Maar volgens het artikel heeft het nu nog geen aantoonbare invloed op je positie in AI-antwoorden.
De echte les is dus simpel: wacht niet op een nieuwe standaard. Bouw nu aan herkenbaarheid, structuur en externe bevestiging.
Wat je vandaag al kunt doen
Test jezelf zoals een klant dat doet.
Open ChatGPT of Perplexity en vraag: “Wat is een goede [jouw branche] in [jouw plaats]?”
Sta je ertussen, of alleen je concurrent? Dan zie je meteen waar de winst ligt.
Pak daarna deze drie stappen op:
- Voeg schema.org-markup toe op je belangrijkste pagina’s
- Zorg voor consistente vermeldingen op gezaghebbende, onafhankelijke plekken
- Schrijf pagina’s rond klantvragen, niet alleen rond je aanbod
De echte conclusie
AI-zoeken is voor lokale bedrijven nog niet overal groot.
Maar de verschuiving is al bezig.
En omdat de meeste MKB-bedrijven nu nog zwak of onvindbaar zijn, is dit hét moment om voorsprong te pakken.
Niet door harder te roepen, maar door beter herkenbaar te worden.
