Generatieve engine-optimalisatie (GEO) is niet langer een laboratoriumexperiment, maar een praktische beslissing geworden voor elk bedrijf met een fysieke vestiging. Wanneer een potentiële klant ChatGPT, Gemini, Perplexity of Google’s AI Overview vraagt “welke garage bij mij in de buurt werkt met hybrides”, concurreert je Google Business Profile niet langer alleen om een plek op de kaart: het concurreert om de bron te zijn die het model citeert. En niet alle platforms gedragen zich hetzelfde.
Deze analyse vergelijkt de opties die vandaag zinvol zijn voor een lokaal bedrijf dat wil verschijnen in generatieve antwoorden, met hun werkelijke beperkingen en zonder beloftes van gegarandeerde resultaten. Want GEO toegepast op lokale bedrijven is geen magie: het is een mix van gestructureerde data, entiteitsconsistentie en content die modellen ondubbelzinnig kunnen extraheren.
Wat er precies wordt vergeleken en waarom het ertoe doet
Voordat we in de materie duiken, is het goed om het terrein af te bakenen. Bij lokale GEO zijn er vier fronten waarop een bedrijf kan acteren:
- Google Business Profile (GBP) als primaire bron van lokale entiteit.
- Gestructureerde LocalBusiness-data op de eigen website, met schema.org.
- Citaten en NAP-consistentie in directories en aggregators.
- Lokale content op de website (servicepagina’s per stad, veelgestelde vragen met concrete antwoorden).
Elke optie heeft een ander gewicht afhankelijk van de generatieve engine. En hier verschijnt de eerste serieuze beperking: er bestaat geen GEO-dashboard. Er is geen tool die je vertelt “je bedrijf verschijnt in 34% van de antwoorden van Perplexity voor lokale zoekopdrachten”. Elke aanbieder die die data met absolute precisie belooft, blaast de meting op. Wat je wél kunt doen, is een systematische handmatige monitoring van prompts en de serverlogs bekijken om crawls van AI-bots te detecteren.
Vergelijking van populaire opties voor lokale GEO
1. Google Business Profile: de basis die bijna niemand volledig optimaliseert
Het GBP blijft de bron die de meeste modellen raadplegen wanneer de zoekopdracht een lokale intentie heeft, omdat Google zijn eigen AI Overviews voedt en omdat veel assistenten kaartgegevens gebruiken. Het voordeel is dat het gratis is en al bestaat voor de meeste bedrijven. Het nadeel is dat het halfslachtig wordt geoptimaliseerd.
In de praktijk is het niet het invullen van het profiel dat het verschil maakt voor GEO, maar drie dingen: goed gekozen secundaire categorieën, specifieke attributen en berichten in natuurlijke taal die concrete diensten beschrijven. Een veelgemaakte fout die ik zie bij dienstverlenende bedrijven is de GBP-beschrijving gebruiken als slogan (“de beste professionals tot uw dienst”) in plaats van als bron van extraheerbare feiten (“wij repareren condenserende ketels binnen een straal van 20 km, met RITE-certificering”). Modellen extraheren feiten, geen slogans.
Duidelijke beperking: het GBP bepaalt niet hoe modellen je citeren. Je kunt een onberispelijk profiel hebben en toch dat een assistent een concurrent blijft aanbevelen omdat diens website een betere semantische structuur heeft. GBP is een noodzakelijke voorwaarde, geen voldoende.
2. Gestructureerde LocalBusiness-data op de eigen website
Hier verliezen de meeste lokale bedrijven punten. Het LocalBusiness-schema (en zijn subtypen zoals Restaurant, AutoRepair of Dentist) maakt het mogelijk adres, openingstijden, telefoonnummer, servicegebied en diensten te declareren. De generatieve engines die het open web crawlen (Perplexity, assistenten met navigatie) gebruiken deze markeringen om entiteiten te disambiguëren.
Een concreet geval dat de waarde illustreert: een bedrijf met twee vestigingen in dezelfde stad dat beide adressen declareerde in één generieke LocalBusiness. De assistenten mengden openingstijden van de ene vestiging met het adres van de andere. Opsplitsen in twee LocalBusiness-entiteiten met verschillende @id’s en branchOf corrigeerde de verwarring in de antwoorden. Het was niet onmiddellijk of nauwkeurig meetbaar, maar de datafout was objectief.
Belangrijke nuance: gestructureerde data zijn geen schakelaar. Google gebruikt ze voor rich results, maar externe taalmodellen parsen ze niet altijd op dezelfde manier. Als je schema de zichtbare tekst van de pagina tegenspreekt, kan het model het negeren of vasthouden aan de tekstuele versie.
3. Citaten en NAP-consistentie
De consistentie van naam, adres en telefoonnummer (NAP) blijft relevant, maar de functie ervan in GEO verschilt van die in klassieke lokale SEO. Generatieve modellen bouwen een representatie van je entiteit op basis van meerdere bronnen; als ze variaties vinden (“Calle Mayor 14” vs “C/ Mayor, 14, bajo”), daalt het vertrouwen in de entiteit.
De populaire optie hier zijn aggregators en directories (Yelp, Gouden Gids, kamers van koophandel, beroepsverenigingen). Niet allemaal wegen ze even zwaar. Volgens de officiële documentatie van Google over hoe lokale entiteiten worden gevormd, hebben gezaghebbende en consistente bronnen meer kans om te worden gebruikt. In de praktijk kan voor een lokaal B2B-bedrijf een vermelding in de betreffende beroepsvereniging meer waard zijn dan tien generieke directories.
Dit werkt niet voor: bedrijven zonder stabiel fysiek adres (pure aan-huis-diensten, digitale nomaden). In die gevallen is de lokale entiteit per definitie zwak en moet GEO steunen op een gedeclareerd servicegebied en servicecontent, niet op adrescitaten.
4. Lokale content op de website: servicepagina’s en FAQ
De optie met de meeste verbeterruimte en tegelijk de duurste. Generatieve modellen citeren tekstfragmenten die rechtstreeks antwoord geven op een vraag. Een pagina “Loodgieter in [wijk]” met generieke paragrafen levert weinig op. Een pagina die antwoordt “hoe lang duurt een loodgieter-spoedoproep in wijk X”, “welke ketelmerken installeren wij” en “wat doen we als de storing in het weekend is”, levert extraheerbaar materiaal op.
Het patroon dat in mijn ervaring het beste werkt, is dat van veelgestelde vragen met antwoorden van twee of drie zinnen, elk op zichzelf staand en met verifieerbare gegevens (werkelijke openingstijden, servicegebied, merken, certificeringen). Modellen geven de voorkeur aan fragmenten die zonder extra context te begrijpen zijn.
Waarschuwing: honderd stadspagina’s genereren met bijna identieke tekst werkt averechts. Modellen en Google detecteren duplicatie en de entiteit verliest geloofwaardigheid. Beter vijf pagina’s met echte lokale informatie (wijken, referenties, cases) dan vijftig met een template.
Beknopte vergelijkingstabel
| Optie | Inspanning | Impact op generatieve antwoorden | Belangrijkste beperking |
|---|---|---|---|
| Google Business Profile | Laag | Hoog bij lokale zoekopdrachten met kaart | Bepaalt niet de citatie door het model |
| Schema LocalBusiness | Gemiddeld | Gemiddeld-hoog bij assistenten die het web crawlen | Moet overeenkomen met de zichtbare tekst |
| NAP-citaten | Gemiddeld | Gemiddeld, als versterking van de entiteit | Weinig nuttig zonder fysiek adres |
| Lokale content + FAQ | Hoog | Hoog als het specifiek en niet gedupliceerd is | Vereist onderhoud en echte gegevens |
Hoe je meet zonder jezelf voor de gek te houden
Meten is het lastige deel. Er is geen standaardmetriek voor “GEO-zichtbaarheid”. Wat je wél kunt doen:
- Een lijst definiëren van 15-20 echte klantprompts (geen keywords) en elke maand handmatig controleren in welke assistenten je verschijnt en met welke citatie.
- De serverlogs bekijken en filteren op user-agents van AI-bots (OpenAI, Perplexity, Google-Extended). Als ze je niet crawlen, citeren ze je niet.
- In Search Console controleren of er lange conversationele zoekopdrachten verschijnen die je voorheen niet had.
Wat je niet moet doen, is vertrouwen op tools die “percentage vermeldingen in AI” beloven zonder hun methodologie uit te leggen. Veel ervan zijn gebaseerd op kleine steekproeven en zijn niet reproduceerbaar.
Welke optie te kiezen afhankelijk van het type bedrijf
Er is geen eenduidig antwoord. Voor een restaurant met veel toeristische rotatie wegen het GBP en de reviews zwaarder dan het schema. Voor een tandartspraktijk met gespecialiseerde diensten maken de FAQ-content en de gestructureerde data het verschil. Voor een ambachtelijk beroep (elektriciens, slotenmakers) heeft NAP-consistentie in beroepsverenigingen en sectorale directories een waarde die generieke directories niet repliceren.
Als ik zou moeten prioriteren voor een lokaal bedrijf dat begint: eerst een volledig en eerlijk GBP, daarna LocalBusiness-schema op de website, dan drie of vier servicepagina’s met echte FAQ’s, en tot slot citaten. De volgorde omdraaien leidt er meestal toe dat je geld uitgeeft aan directories zonder dat de basis op orde is.
Conclusie zonder beloftes
GEO toegepast op lokale bedrijven bevindt zich in een vroege fase. Platforms veranderen hun bronnen, modellen actualiseren hun indexeringen en wat vandaag een bedrijf citeert, doet dat morgen misschien niet meer. Wat blijft, is de logica: consistente entiteiten, verifieerbare data en content die concrete vragen beantwoordt. Wie je “gegarandeerde positionering in ChatGPT” verkoopt, verkoopt lucht. Wie je voorstelt de entiteit, de data en de lokale content op orde te brengen, doet het werk dat volgens de officiële documentatie van de belangrijkste engines de meeste kans heeft om geciteerd te worden.