Een wereld die rijk is aan konijnen, is arm aan sla. 

Dat is de metafoor die Herbert A. Simon in 1971 gebruikte om uit te leggen dat een overvloed aan informatie leidt tot een schaarste in aandacht. Het is het basisidee achter de attention economy waar ieder van ons dagelijks mee worstelt: hoe verspreiden we onze beperkte voorraad aandacht over de talloze bronnen die het opeisen? 

Simon wist het toen nog niet, maar hij had zijn metafoor niet beter kunnen kiezen. Want een halve eeuw later plant informatie zichzelf voort aan een rotvaart. Een beetje zoals, welja, konijnen. Generatieve AI heeft de productiekost van tekst, beeld en video naar nul gebracht, maar ‘de sla’ – onze beschikbare aandacht – groeit niet mee. 

Wij zijn de overvloed 

Marketing- en communicatieprofessionals ervaren dit probleem langs twee kanten. Enerzijds zijn we ‘ontvangers’ zoals iedereen: arme drommels die zich elke dag een weg banen door een woekerend informatie-aanbod en daarbij steeds strengere filters hanteren. Iedereen die de laatste tijd verdacht veel ellenlange maar puntgave e-mails ontvangt, weet dat dat er niet makkelijker op geworden is.  

Aan de andere kant zijn marketing- en communicatieprofessionals ook ‘zenders’. Daar ligt het anders: wij zijn de overvloed. En het was nooit makkelijker om meer en sneller te zenden. Als generatieve AI ‘de Ring’ is, dan zijn wij ‘de Gollem’. Meer produceren aan een lagere kost? Aanlokkelijk. Vijf posts uit één schamele prompt? We wants it. Een contentkalender die zichzelf vult? My preciousss.  

Het verborgen prijskaartje van AI 

Dit volumespel is echter een straatje zonder eind. Dat ondervond ook de bekende YouTuber Hank Green (goed voor meer dan 4 miljoen abonnees) onlangs aan den lijve. Hij leunde te zwaar op AI om sneller en meer te produceren, tot zijn publiek het merkte en zich tegen hem keerde. Green gaf toe dat hij zijn eigen stem aan het uithollen was en beloofde te vertragen. 

Méér content maken en luider roepen zal je vast wel eens een aandachtspiek links of rechts opleveren, maar het leidt ook af van waar contentmarketing om draait: de schaarse aandacht van je publiek waard zijn én dat ook blijven. Daar zit het verborgen prijskaartje van AI. We rekenen graag in productiekost, in gewonnen tijd en uitgespaarde budgetten. Wat we zelden meetellen, is de reputatie die ermee op het spel wordt gezet. 

Niemand zoekt content 

Tot nader order is geen enkel publiek op zoek naar ‘content’. Ze zijn, en waren altijd al, op zoek naar meerwaarde, in welke vorm dan ook: kennis waarmee ze zichzelf kunnen onderscheiden, schurende opinies, inzichten die voortkomen uit echte ervaringen of het soort creativiteit en humor dat enkel in rare, menselijke hersenkronkels ontstaat.  

Verhoog dus eerst de lat en dan pas het volume. Begin bij alles wat voor de output komt: je positionering, je doelpubliek, je strategisch kernverhaal. Wat zijn de verhalen die alleen jij kunt vertellen? Wat is de waarde die alleen jij kunt bieden? Dat zijn de vragen die een zorgvuldig uitgewerkte contentstrategie beantwoordt. Pas als die scherp staat, versla je met één stuk de tien andere die iedereen had kunnen maken.  

Dit is geen pleidooi tegen efficiëntie. Sneller en goedkoper produceren is effectief winst, en zichtbaarheid en distributie blijven nodig. De vraag is alleen waar je die winst in investeert. Zet de lat hoog genoeg, en dan is AI een dankbare hefboom om het volume op 10 te zetten. 

Een diepgaande contentaudit is een voorbereiding die tot voor kort niet voor elke marketeer budgettair mogelijk was. Contentmarketeers moesten soms genoegen nemen met één workshop per jaar of zich baseren op een verouderde audit of analyse. Met AI kun je die bottleneck voor een groot deel weghalen en sterkere briefings maken die leiden tot relevantere content.

AI schaalt niet de output, wel het onderzoek 

Voor een gedegen contentonderzoek dien je systematisch bestaande of gewenste content te analyseren om te bepalen wat werkt, wat beter kan en waar kansen liggen voor je doelgroep. Met een AI-model, de nodige API’s, de juiste tools én expertise kun je dat werk automatiseren. Elk project en elke situatie vereist een op maat gemaakt systeem waarbij controle hebt over data-eigendom, specifieke kennis en privacy. Het bouwen van zo’n custom AI-systeem is een vak apart. Maar als je op die expertise kunt rekenen, ligt relevantere content binnen handbereik – mits je rekening houdt met enkele kanttekeningen. 

Laten we eerst enkele voorbeelden geven van hoe je AI kunt inzetten om tot relevantere content te komen.

1. Doelgroeponderzoek

   Als je je AI-agent zo traint dat hij de juiste stappen zet om een onderzoek uit te voeren en hem vervolgens voedt met de juiste context, kun je een doelgroeponderzoek grotendeels door die agent laten uitvoeren. Ben je een bedrijf wiens product of dienst heel wat reviews ontvangt, dan is dat nuttig onderzoeksmateriaal. Vroeger was het onbegonnen werk om tussen 5.000 reviews te zoeken naar relevante input voor je content. Vandaag kun je al die reviews in één keer in een database binnenbrengen en de agent op basis van jouw criteria laten bepalen welke opmerkingen interessant zijn.

   Een AI-agent kan daarnaast in een oogopslag andere relevante informatie verzamelen, zoals wanneer bepaalde comments terugkomen en tot welke inhoudelijke categorie ze behoren. Zo krijg je snel concrete inzichten in je doelgroepen. Je kunt het systeem ook zo instellen dat dit geautomatiseerd gebeurt, zodat je steeds toegang hebt tot actuele input. 

   Je kunt nog een stap verder gaan in het analyseren en verfijnen van je doelgroepen. Gebruik de inzichten die je AI-agent verzamelt met marketing automation en je kunt doelgroepen hypersegmenteren op basis van hun gedrag, interesses en behoeften. Zo ontstaat de mogelijkheid om content steeds verder te personaliseren.

2. Concurrentiemonitoring

   AI-modellen kunnen ook gebruikt worden om op grotere schaal inzichten te verzamelen over je concurrenten. Je kunt bijvoorbeeld de Meta Ad Library API koppelen aan je AI-systeem, zodat die automatisch informatie over advertenties van concurrenten verzamelt en analyseert. Zo kun je zien wat ze adverteren, wanneer en met welke creaties.

   Je kunt het AI-systeem die informatie laten verwerken in digests waaruit je nuttige thema’s kunt filteren of blinde vlekken kunt ontdekken. Vanuit een geautomatiseerde workflow kun je meldingen sturen zodra een concurrent iets nieuws publiceert. Zo kun je de concurrentie nauw op de voet volgen en sneller nieuwe opportuniteiten voor content ontdekken. 

3. Opvolging publieke databronnen

   Een interessante bron voor contentcreatie die vroeger onbenut bleef, zijn publieke databronnen zoals overheidspublicaties, publicaties van toezichthouders, … Neem wetgeving als concreet voorbeeld. Een nieuwe regel of verplichting is maanden op voorhand publiek en genereert vrijwel altijd een golf aan vragen. Wie dat opvolgt, kan toekomstige vragen anticiperen. Je kunt een AI-systeem zo bouwen dat het die publicaties op de voet volgt, meldingen stuurt wanneer er iets verschijnt en de informatie meteen samenvat of volgens thema ordent.

   Maar denk bijvoorbeeld ook aan wat je met weerdata kunt doen. Heb je een product dat weersgevoelig is, dan kan je een campagne via een AI-systeem in real time aan weerdata koppelen. Zo kun je op vragen van je doelgroep anticiperen en proactief antwoorden bieden. De mogelijkheden zijn legio… 

4. Zoekgedrag en GEO-analyse

   Een contentmarketeer kan veel, maar 10.000 zoekwoorden analyseren in enkele seconden tijd is menselijk niet mogelijk. Met een goed getraind AI-systeem kan dat wel. Enerzijds willen we op basis van zoekgedraganalyse inhoud creëren die onze doelgroepen echt helpt. Anderzijds willen we er vandaag ook voor zorgen dat die content zichtbaar en relevant is binnen AI-chatbots zoals Google Gemini, ChatGPT of Claude (GEO). De vraag is dan: welke inhoudelijke thema’s en vragen spelen binnen onze doelgroep, en hoe kunnen we daar met onze content op inspelen?

   Met slimme prompts rond specifieke vragen, behoeften en frustraties van de doelgroep kun je verschillende AI-chatbots die vragen laten beantwoorden. Je gebruikt verschillende chatbots tegelijk omdat ze niet noodzakelijk hetzelfde gedrag of dezelfde antwoorden vertonen. Vervolgens herhaal je die bevraging op regelmatige tijdstippen, bijvoorbeeld elke drie uur. Dat doe je bewust, want als je een prompt slechts één keer ingeeft, kan het antwoord sterk beïnvloed worden door het moment waarop je de vraag stelt. Door dezelfde prompts herhaaldelijk aan verschillende chatbots voor te leggen, verzamel je een bredere dataset en probeer je die toevalligheid zoveel mogelijk uit te filteren. 

   Vervolgens analyseer je welke inhoudelijke thema’s steeds terugkomen binnen de context die voor jou relevant is. Welke onderwerpen komen structureel aan bod? Welke informatie gebruiken AI-modellen om hun antwoorden op te bouwen? En vooral: op welke thema’s kunnen we inspelen voor onze klanten of doelgroepen? AI helpt ons dus niet alleen om content voor GEO te optimaliseren, maar ook om te ontdekken welke content onze doelgroepen écht nodig hebben. 

Van AI-inzichten naar menselijke briefings 

De rode draad doorheen dit verhaal: AI kan vandaag op enorme schaal concrete inzichten halen uit allerhande bronnen, van reviews en zoekdata tot concurrentiecommunicatie en overheidsdata. Soms zijn dat inzichten van vandaag, waarop je binnen enkele dagen inspeelt met een artikel, post of opinie. Soms keert eenzelfde inzicht wekenlang terug. Dan is het geen incident meer, maar een thema dat thuishoort in je contentplan of zelfs aanleiding kan zijn om je positionering bij te sturen. 

Maar een verzameling inzichten is nog geen strategie. De echte waarde zit in de interpretatie. Waarom stelt de doelgroep bepaalde vragen? Over welke topics communiceren concurrenten nog niet? En vooral: hoe kan je hier geloofwaardig op inspelen voor je klant? Net daar blijven strategie en creativiteit typisch menselijke sterktes. AI kan ons veel sneller tonen wat er gebeurt. Maar de interessante vraag blijft: wat gaan wij ermee doen? Kortom, het interpreteren en evalueren van AI-inzichten gebeurt nog altijd het beste door de contentmarketeer, die op basis daarvan een briefing opstelt. 

Niet te vergeten: die contentbriefing op basis van AI-inzichten heeft ook een niet te onderschatten impact op de werkwijze van je team. De output die je van AI krijgt, is anders, breder, op een andere manier opgebouwd of afkomstig van andere bronnen. Marketeers moeten dus weten hoe ze met die informatie omgaan en hoe ze er efficiënt content uit kunnen maken. Iedereen in het team – van strategie tot uitvoering – zal zich moeten aanpassen. 

Niet elke bron laat geautomatiseerde analyse toe 

AI maakt het makkelijker om informatie uit allerlei bronnen te verzamelen. Maar dat betekent niet dat elke bron zomaar beschikbaar is voor geautomatiseerde analyse. De vraag die je als marketeer moet stellen, is dus niet alleen of de informatie betrouwbaar is, maar ook of je ze überhaupt mag gebruiken. 

LinkedIn is daar een goed voorbeeld van. De algemene voorwaarden van het platform staan scraping van concurrentiepagina’s niet toe. Je moet dus nadenken over hoe je op een toegestane manier concurrentiële intelligentie kunt opbouwen. Niet elke bron geeft je toestemming om de informatie automatisch te verzamelen of te analyseren. 

Besluit: AI versnelt, mensen bepalen de relevantie 

Relevantere content maken met behulp van inzichten gegenereerd door AI? Het kan, mits je: 

• de inzichten van AI juist interpreteert; 

• waakt over de geloofwaardigheid en merkidentiteit van je klant; 

• de bronnen en de output nakijkt op betrouwbaarheid én gebruiksrechten; 

• je werkwijze en die van je team erop afstemt; en 

• strategie en creativiteit aan mensen overlaat. 

Kortom, AI kan contentmarketeers helpen om sneller en op grotere schaal te luisteren, verbanden te leggen en kansen te ontdekken die vroeger buiten bereik lagen. De winst zit duidelijk dus niet in het produceren van zoveel mogelijk content, maar in het vermogen om beter te bepalen welke content ertoe doet, voor wie en op welk moment.

Perplexity, ChatGPT, Gemini, Claude, maar even goed SEMrush, Canva of Hubspot… Het aanbod large language models (LLM’s) en tools op basis van AI is groot, maar ook meteen voor iedereen toegankelijk. En dat heeft zo zijn gevolgen binnen content marketing. 

“Kennis is heel laagdrempelig toegankelijk geworden voor iedereen door de LLM’s”, weet Jef De Busser (Content Director bij HeadOffice) . “Maar expertise is de lessen en het inzicht die je hebt als je kennis over een lange periode toepast. Veel mensen verwarren kennis met expertise op het moment dat ze met AI gaan experimenteren. Expertise opbouwen kost tijd, energie, mensen en veel testen en is precies waar een agency zich in kan onderscheiden. Aan klantenkant voelen we ook dat er een reality check begint te komen na de hype. Het is toch niet zo gemakkelijk om het echt goed te doen.” 

Oordeel en intuïtie 

Dat klinkt herkenbaar voor Jonas Vandroemme (Managing Partner bij com&co). Hij tilt het naar het niveau van beslissingen. “Voor mij is judgement een kernwoord in de waarde van een agency”, zegt Vandroemme. “Het is vrij eenvoudig om kennis, output, in een vingerknip te verkrijgen. Maar wélke keuze de slimmere is, en dat oordeel kunnen vellen, is gebouwd op de tientallen cases die je in je carrière gezien hebt, op dingen die je uitgeprobeerd hebt en die achteraf een foute keuze bleken.” Dat oordeelkundig vermogen zit voor hem niet alleen op strategie, maar evengoed op creativiteit. De waarde van dat op kennis en ervaring gebaseerde oordeel is de kern van wat een agency doet. Of zou dat moeten zijn. 

Simon Heylen (Head of Studio bij Mediamixer) vult aan met een begrip dat voor hem nauw verwant is: intuïtie. “Intuïtie is altijd een belangrijke trade geweest voor een creatief of een art director, maar nu nog veel belangrijker. Intuïtie kun je niet zomaar aanleren; dat zit voor een stuk in jezelf en groeit door ervaring. Noem het gerust een getraind talent. Zeker in deze age of AI wordt dat menselijke element veel belangrijker.” 

Vermijd shit in shit out

Oordelen over wat er uit AI-modellen komt, is belangrijk. Maar er de juiste dingen in stoppen, is dat evenzeer. Daarvan is Sander van Dijcke (Managing Partner bij Propaganda Group) overtuigd. 

“Agencies kunnen zich onderscheiden in wat we in de modellen steken: data, processen, inzichten, sectorinzichten, cases, feedbackloops”, zegt Van Dijcke. Individuele prompts vindt hij daarbij overschat: “Als het model niet degelijk getraind is, zijn individuele prompts een beetje ruis.” Voor Jonas Vandroemme zit daar toch een nuance in: “In je prompt zit ook al judgement”, herhaalt hij z’n punt. “Ik denk dat we zelf onderschatten hoeveel we al sturen met onze prompts. En dus vanuit de opgebouwde expertise.” 

Oordeel hangt af van soort content 

Voor contentmarketeers gaat het natuurlijk niet enkel om strategische output. Ook de creatie van beelden en tekst kan via AI. Daarbij rijst de vraag naar authenticiteit. Kan AI-gegenereerde tekst evenveel vertrouwen opwekken als iets dat een mens schreef? Jonas Vandroemme is resoluut: “Authenticiteit is geen strategie.” Volgens hem is niet alleen belangrijk wat er wordt gezegd, maar ook die wie het wordt gezegd. “De uitdaging is niet zozeer de content op zich”, aldus de Managing Partner van com&co, “maar wie de spreker is, van wie het komt. Dat gaat over welke expertise, welke trackrecord, welke lived experience er zit in wat die persoon te vertellen heeft.” Vandroemme ziet grote spelers daarom steeds bewuster inzetten op executive profiling: mensen naar voren schuiven als herkenbare spreekbuizen in plaats van anonieme merkcontent. Zo creëer je authoriteit, wat ook voor GEO – gevonden worden via LLM’s – belangrijk is. 

Volgens Jef De Busser heeft alles te maken met het soort content: “Als je een productomschrijving voor een nieuwe rugzak op een website ziet, verwacht je geen oordeel maar technische informatie. Of dat met AI gemaakt is, is minder relevant. Maar als je naar het nieuws surft, verwacht je een journalistiek judgement. Je gaat ervan uit dat verschillende partijen gehoord zijn. Daar is validatie door mensen cruciaal.” Een mismatch tussen dat verwachtingspatroon en hoe een merk AI inzet, leidt volgens Sander van Dijcke vrijwel gegarandeerd tot een tegenreactie: “Als hoe je AI in een bepaalde context gebruikt niet matcht met de merkbelofte, krijg je een tegenreactie.”  

Bij dat judgement ligt het risico vooral bij junior profielen. Daarvoor waarschuwt Simon Heylen: “Hoe meer junior iemand is, hoe minder kritisch die soms is op de output van een AI-tool.” Zijn remedie ligt in mentorship: “Juniors moeten het proces kunnen schaduwen, zodat ze begrijpen waaróm een bepaalde keuze gemaakt wordt.” 

Geef AI tijd 

Als besluit zoomt Kato Derks (Content Creative bij Publicis Groupe Belgium) uit. Zij denkt dat het vertrouwen in AI nog moet groeien, vergelijkbaar met hoe eerdere media werden onthaald: “Zelfs videogames en strips waren ooit uit den boze of werden in het verdomhoekje gezet. Als je zo denkt, heeft AI zeker een kans om vertrouwd te worden, mits regulering. Maar het is allemaal heel snel gegaan, en niet meer volledig in handen van mensen; dat is het grootste verschil. Ik denk dat menselijk involvement cruciaal is, ook in de (soms wettelijke) omkadering.” Judgement dus, op alle niveaus. 

Het zoekgedrag van consumenten is op korte tijd fundamenteel veranderd. Even terugdenken aan de laatste query’s die je zelf invoerde, volstaat wellicht om dat te beseffen. De kans is groot dat je in de zoekbalk van Google, Bing of Safari geen keywords, maar een volledige vraag typte. Waar je dan eerst een AI-samenvatting en geen lijst blauwe links voor in de plaats kreeg. Of misschien liet je de zoekmachines wel helemaal achterwege en was ChatGPT, Claude of Perplexity het uitverkoren klankbord. 

Dat meer dan 70% van de zoekopdrachten intussen eindigt zonder klik, zoals becijfert door volgens SparkToro en SimilarWeb, bewijst dat je niet alleen bent. Large Language Models (LLM’s) nemen vandaag een centrale rol in en staan erom bekend gebruikers van een uitgebreid voorgekauwd antwoord te voorzien, met in het beste geval een paar bronverwijzingen.  

Dat betekent een aardverschuiving voor merken en organisaties. Waar ze tot voor kort gewoon konden focussen op keywords en zichtbaarheid, op een plekje in de kruin van de zoekresultatenpagina met vele websitebezoeken in het vooruitzicht (SEO), is het nu zaak om door AI beschouwd te worden als kennisbron (GEO). Als dé kennisbron, zelfs. De revolutie van gevonden worden naar gekozen worden is een feit. 

Op zoek naar correcte citaties 

Meer dan eens vormt de output van zo’n LLM het eindstation van een zoekopdracht. Daar valt voor de contentmarketeer een duidelijke, tweeledige doelstelling uit af te leiden: als merk aan bod komen in die output, en dan vooral op de juiste manier. Want AI-vermeldingen zijn geen toeval. Enkel wie leesbaar is voor mensen én voor LLM’s, mag rekenen op citaties en zorgt ervoor dat het merkverhaal correct gereproduceerd en uitgedragen wordt.  

Die leesbaarheid kent een aantal technische en inhoudelijke kerncomponenten, met op kop coherentie, betrouwbaarheid en structurele helderheid. Anders dan zoekmachines halen LLM’s geen webpagina’s op; ze interpreteren, vatten samen en bevelen aan. Dat vraagt een actieve optimalisatie van contentstrategieën en merkplatformen. Generative Engine Optimisation of GEO dus.  

Audit: waar sta je vandaag? 

In kaart brengen hoe je merk of organisatie op dit moment scoort in de AI-chatbots en -overviews, is de eerste stap. Ofwel: welke relevante prompts resulteren (niet) in een vermelding en hoe worden we precies omschreven of geparafraseerd? In aanloop naar een bijgestuurde strategie is het voorts nuttig om na te gaan hoe de concurrenten het doen en welke prompts of vragen leven bij de beoogde doelgroep. 

Een audit let onvermijdelijk op een reeks technische factoren, zoals crawlbaarheid en metadata, maar ook op de visuele architectuur van websites, webpagina’s en contentitems. Een duidelijke structuur, met overzichtelijke navigatiemenu’s, (tussen)titels en definitieblokken, maakt net als een vraaggestuurde contentopbouw en (strategische) FAQ’s het verschil in AI-land. En natuurlijk blijven ook SEO en keywords belangrijk – GEO is eerder een gesofisticeerde uitbreiding dan iets geheel nieuws. 

Bouwen aan duurzame autoriteit 

Gevonden worden teert op een combinatie van structuur en kwaliteit. De structuur brengt je onder de aandacht, de kwaliteit garandeert dat je verhaal resoneert. Een contentstrategie die beide factoren samenbrengt, stelt je in staat om uit te groeien tot een autoriteit binnen een bepaalde sector, tot een baken van expertise en een referentie voor mens en machine.  

Gefragmenteerde boodschappen moeten plaatsmaken voor een consistente verhaallijn over verschillende kanalen heen, losse artikels voor topic clusters. De toekomst is aan de ecosystemen, die idealiter ook versterking krijgen van een vleugje (organische) PR. Externe signalen, vermeldingen en doorverwijzingen door anderen, waren altijd al belangrijk maar zijn dat nog meer nu digitale systemen op zoek gaan naar dé autoriteit in een veld. 

Of dit alles niet sterk doet denken aan waar content marketing in essentie om draait? Een juiste bedenking. Terwijl AI als instrument veeleer bedreven is in basic SEO-optimalisatie – en door AI ontwikkelde content opvallend genoeg afgestraft wordt door LLM’s – drukken contentmarketeers en GEO-specialisten vaak op precies dezelfde knoppen.