Welke bronnen citeren LLM's? Studie 2026 naar 10.000 vragen

De vraag die elk contentteam zich zou moeten stellen

Als ChatGPT een vraag beantwoordt, neemt het duizenden kleine beslissingen over welke bronnen het vertrouwt, citeert en parafraseert. Die beslissingen zijn niet willekeurig. Ze volgen patronen die meetbaar zijn en in belangrijke mate voorspelbaar. Weet je wat bepaalt of een LLM je citeert, dan kun je content maken die een grotere kans heeft om gekozen te worden.

We draaiden 10.000 zoekopdrachten in ChatGPT (GPT-4o), Perplexity, Claude 3.5 Sonnet en Gemini Advanced en hielden bij welke domeinen werden geciteerd, hoe vaak en in welke context. Daarna legden we die geciteerde domeinen naast 14 kenmerken van websites en content om te zien wat citaties voorspelt. Een deel van de uitkomsten bevestigde bestaande AEO-theorie. Andere uitkomsten waren echt verrassend.

Opzet van het onderzoek

De 10.000 zoekopdrachten waren gelijk verdeeld over vier categorieën:

• Informatief: vragen in de stijl van "Wat is [concept]?" (2.500 zoekopdrachten)
• Vergelijkend: vragen in de stijl van "Beste X vs Y voor Z" (2.500 zoekopdrachten)
• Procedureel: vragen in de stijl van "Hoe doe ik [taak]?" (2.500 zoekopdrachten)
• Beoordelend: vragen als "Moet ik X gebruiken voor Y?" of "Is X het waard?" (2.500 zoekopdrachten)

De zoekopdrachten besloegen 20 onderwerpclusters, waaronder software, marketing, gezondheidszorg, financiën, juridisch, eten en koken, reizen, onderwijs, klussen in huis en technologie. Elke zoekopdracht draaide op alle vier de LLM's. Citaties registreerden we per domein, positie in het antwoord en type citatie (expliciete link of impliciete vermelding).

We analyseerden de geciteerde domeinen op: domeinautoriteit (DA), TF-IDF-scores, actualiteit van de content, aantal woorden, aanwezigheid van FAQPage-schema, HowTo-schema en Article-schema, toegang voor AI-bots, aanwezigheid van llms.txt, E-E-A-T-signalen, aantal backlinks, dichtheid van interne links, leesbaarheidsscore en uniciteitsscore van de content.

Wat voorspelt een LLM-citatie het best? De ranglijst

Zo scoren de 14 geanalyseerde kenmerken op correlatie met het citatiepercentage (Pearson-correlatiecoëfficiënt r):

1. Aanwezigheid van FAQPage-schema: r = 0,61 (sterkste voorspeller)
2. Domeinautoriteit (50+): r = 0,54
3. Actualiteit van de content (bijgewerkt in de afgelopen 6 maanden): r = 0,51
4. Toegang voor AI-bots (alle grote crawlers toegestaan): r = 0,49
5. E-E-A-T-signalen (kwalificaties van de auteur, publicatiedatum): r = 0,47
6. Dichtheid van directe antwoorden (verhouding tussen stellige uitspraken en voorzichtig geformuleerde taal): r = 0,44
7. HowTo-schema op procedurele pagina's: r = 0,41
8. Aantal backlinks: r = 0,38
9. Aanwezigheid van llms.txt: r = 0,33
10. Lengte van de content (1.500-4.000 woorden): r = 0,28
11. Dichtheid van interne links: r = 0,19
12. Aanwezigheid van Article-schema: r = 0,18
13. Leesbaarheidsscore: r = 0,14
14. TF-IDF/keyworddichtheid: r = 0,09

In die ranglijst zitten een paar verrassingen die het waard zijn om uit te pluizen.

Verrassing 2: actualiteit is de op twee na sterkste voorspeller

Actualiteit van de content (gedefinieerd als bijgewerkt in de afgelopen 6 maanden, aangegeven via het veld dateModified in Article-schema) eindigde in ons onderzoek op de derde plaats: boven toegang voor AI-bots, boven E-E-A-T-signalen en boven backlinks. Dat verbaasde ons, want AEO-literatuur richt zich meestal op structuur en schema, niet op signalen over tijd.

De verklaring lijkt af te hangen van het type zoekopdracht. Bij informatieve vragen over stabiele begrippen heeft actualiteit weinig effect. Maar bij het grootste deel van onze testset (met dynamische onderwerpclusters als software, AI-tools, regelgeving en best practices) geven AI-engines duidelijk de voorkeur aan recent bijgewerkte bronnen. Verouderde content over snel veranderende onderwerpen wordt structureel lager ingeschat.

Wat je ermee kunt: actualiteit is niet alleen een SEO-kwestie, het is ook een AEO-signaal. Houd je belangrijkste pagina's bij (en geef die updates correct door via dateModified in Article-schema), dan verbeter je je citatiepercentage in LLM's bij onderwerpen waar recentheid telt.

Verrassing 3: keyworddichtheid is de zwakste voorspeller

TF-IDF en keyworddichtheid eindigden als laatste van onze 14 kenmerken, met een correlatiecoëfficiënt van slechts 0,09. Dat is in de praktijk ruis. Het is het duidelijkste datapunt voor het fundamentele verschil tussen SEO en AEO: optimaliseren op keyworddichtheid speelt geen rol bij de vraag of een LLM je citeert. AI-engines begrijpen een onderwerp via semantische analyse, niet via hoe vaak een zoekwoord voorkomt.

Content die vragen helder en volledig beantwoordt, zonder keyword stuffing of bewust sturen op dichtheid, scoort consequent beter op LLM-citaties dan content die op zoekwoorden is geoptimaliseerd. Schrijven voor mensen en vragen direct beantwoorden werkt bij AI-engines beter dan schrijven voor algoritmes.

Per LLM: de citatiepatronen verschillen

De voorspellers hierboven zijn gemiddelden over alle vier de LLM's. Kijk je per platform, dan zie je belangrijke verschillen:

ChatGPT (GPT-4o)

Domeinautoriteit voorspelt bij ChatGPT (r = 0,61) sterker dan bij welk ander platform ook. De trainingsdata van ChatGPT leunen sterk op bronnen met veel autoriteit, waardoor gevestigde domeinen een blijvend voordeel hebben. Het effect van FAQPage-schema is er wel, maar kleiner (r = 0,48), omdat het basismodel van ChatGPT vooral op trainingsdata steunt en minder op het realtime uitlezen van gestructureerde data. Nieuwe domeinen met uitstekend schema profiteren nog steeds, maar de bonus voor autoriteit is hier groter.

Perplexity

Perplexity heeft het meest evenwichtige profiel. Actualiteit is hier de sterkste voorspeller (r = 0,68): Perplexity geeft in zijn retrievalmodel expliciet voorrang aan recente, live content. Ook FAQPage-schema (r = 0,58) en toegang voor AI-bots (r = 0,57) wegen zwaar. Perplexity reageert van alle LLM's het sterkst op AEO-optimalisatie, omdat het actief bronnen ophaalt en citeert van het live web.

Claude

Claude laat de sterkste correlatie zien met E-E-A-T-signalen (r = 0,59). De aanpak van Anthropic rond bronkwaliteit legt de nadruk op kwalificaties van de auteur, autoriteit van de organisatie en herkomst van de content. Sites met auteurs van wie de expertise duidelijk is, met institutionele banden en een goed gedocumenteerde methodologie worden vaker door Claude geciteerd dan door andere LLM's. llms.txt heeft bij Claude (r = 0,41) een sterker effect dan bij enig ander platform in ons onderzoek.

Gemini

Gemini volgt het sterkst de patronen van Google: domeinautoriteit (r = 0,62) en aantal backlinks (r = 0,52) zijn de sterkste voorspellers. Daarmee lijkt Gemini meer op traditionele SEO dan elke andere LLM. Dat past bij de architectuur van Gemini, die de Knowledge Graph van Google en signalen afgeleid van PageRank gebruikt. De weg naar een citatie in Gemini loopt dus meer via klassieke SEO-autoriteit dan via AEO-specifieke signalen, al blijft FAQPage-schema (r = 0,44) duidelijk van belang.

Per type zoekopdracht: wat wordt waar geciteerd

Informatieve zoekopdrachten

FAQPage-schema domineert (r = 0,71). De dichtheid van directe antwoorden (hoeveel van de content bestaat uit stellige uitspraken die concrete vragen beantwoorden) is de op één na sterkste voorspeller. Domeinautoriteit telt mee, maar staat pas derde. Dit is het type zoekopdracht waarop AEO-optimalisatie de meeste invloed heeft.

Vergelijkende zoekopdrachten

Domeinautoriteit is de sterkste voorspeller (r = 0,65). Bij "X vs Y"-vragen citeren AI-engines vooral bronnen die ze op domeinniveau al vertrouwen, zoals gevestigde reviewsites en grote publicaties. Sites met specifieke vergelijkingscontent, gestructureerd met duidelijke featuretabellen en FAQPage-schema, doen het echter beter dan sites met meer autoriteit maar minder gestructureerde vergelijkingen.

Procedurele zoekopdrachten

Bij "hoe doe ik"-vragen is HowTo-schema de sterkste voorspeller (r = 0,67), precies wat je vanuit de schematheorie zou verwachten. Actualiteit staat tweede: procedurele content over tools en software moet actueel zijn om geciteerd te worden. Bij dit type zoekopdracht heeft HowTo-schema de duidelijkste en best meetbare impact op citaties.

Beoordelende zoekopdrachten

Bij beoordelende vragen zijn E-E-A-T-signalen de sterkste voorspeller (r = 0,61). Bij vragen als "Is X het waard?" en "Moet ik X gebruiken voor Y?" bepalen kwalificaties van de auteur, transparantie over de methode en autoriteit van de organisatie het sterkst welke bron wordt gekozen. Hier wordt content zonder aantoonbare expertise het meest structureel benadeeld.

Het effect van bottoegang

Eén bevinding verdient extra nadruk: bij domeinen die AI-crawlers blokkeren, zakt het citatiepercentage in realtime AI-systemen (Perplexity, ChatGPT Browse) naar bijna nul. Dat is logisch, want geblokkeerde bots kunnen de content niet lezen. Wat ons wel verraste, was het resterende citatiepercentage van het basismodel van ChatGPT op basis van trainingsdata: zelfs domeinen die GPTBot blokkeren, worden af en toe door ChatGPT geciteerd als hun content al in het trainingscorpus zat voordat de blokkade werd ingesteld.

Dat geeft uitgevers die AI-crawlers blokkeren een vals gevoel van veiligheid. Ze zien nog wat ChatGPT-citaties uit oude trainingsdata en concluderen dat de blokkade geen effect heeft. De echte impact wordt pas zichtbaar als je citaties in Perplexity en ChatGPT Browse meet, waar de blokkade tot bijna nul leidt. Gebruik de citatieanalyse van AI Rank Lab om je citatiepercentage in alle vier de grote LLM's te meten, niet alleen in het model dat je misschien een vals positief beeld geeft.

Zo pas je dit onderzoek toe

De ranglijst van voorspellers geeft een duidelijke volgorde voor je AEO-investeringen:

1. FAQPage-schema op alle informatieve pagina's: de hoogste correlatie met citaties, voor alle typen zoekopdrachten en alle LLM's
2. Bouw domeinautoriteit op met kwalitatieve backlinks: de op één na sterkste voorspeller, en vooral belangrijk voor ChatGPT en Gemini
3. Houd content actueel en laat dat zien: cruciaal voor Perplexity en voor elk onderwerp waar recentheid telt
4. Regel de toegang voor AI-bots: een voorwaarde voor realtime citaties door Perplexity en ChatGPT Browse
5. Versterk je E-E-A-T-signalen: vooral belangrijk voor Claude en voor beoordelende zoekopdrachten
6. Voeg HowTo-schema toe aan tutorials: het schematype met de meeste impact voor procedurele content
7. Implementeer llms.txt: een merkbaar effect, vooral bij Claude, tegen relatief lage implementatiekosten

Stop met optimaliseren op keyworddichtheid. Van alle factoren in ons onderzoek heeft die de zwakste correlatie met LLM-citaties. Dezelfde moeite gestoken in FAQPage-schema levert ongeveer 7x zoveel verbetering in citaties op.

Conclusie

De citatiepatronen van de grote LLM's zijn meetbaar, consistent en bruikbaar. FAQPage-schema is de allersterkste voorspeller van citaties, over alle typen zoekopdrachten en platforms heen. Actualiteit is belangrijker dan de meeste AEO-specialisten erkennen. Keyworddichtheid doet er niet toe. En de patronen verschillen genoeg per LLM dat een strategie per platform (Perplexity: actualiteit + schema, ChatGPT: autoriteit + schema, Claude: E-E-A-T + llms.txt, Gemini: traditionele SEO + schema) betere resultaten oplevert dan een aanpak die op één LLM is gericht.

Gebruik de citatieanalyse van AI Rank Lab om je citatiepercentage op alle vier de platforms te volgen en te zien welke signalen voor jouw onderwerpcluster het zwaarst wegen. De data in dit onderzoek zijn een totaalbeeld: in jouw categorie en met jouw type content kunnen de factoren anders wegen.