Zoekwoordenonderzoek met AI: sneller brainstormen, valideren met data
Gebruik AI voor het taalwerk en echte zoekdata voor de keuzes. Laat een taalmodel brainstormen over onderwerpen, zoektermvarianten, klantvragen en clusters; dat gaat sneller en breder dan handmatig. Valideer daarna elke kandidaat met echte cijfers uit Google Keyword Planner, Search Console of een SEO-tool met Nederlandse data, want AI verzint zoekvolumes en concurrentiescores. Kies vervolgens op vier criteria: volume, intentie, haalbaarheid en omzetkans. Zo combineer je de snelheid van AI met de zekerheid van data.
- Laat AI brainstormen, clusteren en intenties labelen; dat taalwerk versnelt een taalmodel enorm.
- Zoekvolumes en concurrentiescores uit een taalmodel zijn verzonnen; valideer altijd met echte data.
- Kies zoekwoorden op vier criteria: volume, intentie, haalbaarheid en omzetkans.
- Herhaal het onderzoek elk kwartaal, want zoekgedrag verschuift richting AI-assistenten.
Een taalmodel bedenkt in een paar minuten meer zoektermkandidaten dan jij in een middag. Alleen: vraag je datzelfde model naar zoekvolumes, dan krijg je overtuigend klinkende cijfers die nergens op gebaseerd zijn. Dit artikel geeft je een werkwijze in vier stappen die het beste van beide werelden pakt: AI voor snelheid, data voor beslissingen.
Wat AI goed kan, en waar het je bedriegt
Taalmodellen zoals ChatGPT en Gemini zijn getraind op taal, niet op zoekdata. Dat verklaart precies waar ze sterk en zwak zijn.
Sterk:
- Brainstormen over onderwerpen en invalshoeken vanuit het perspectief van je klant.
- Varianten en synoniemen genereren, inclusief spreektaal die jij als specialist zelf niet gebruikt.
- Zoekopdrachten labelen op intentie en groeperen op onderwerp.
- Vraagvormen bedenken voor FAQ-secties en informatieve artikelen.
Onbetrouwbaar:
- Zoekvolumes. Een taalmodel heeft geen toegang tot actuele zoekdata en vult dat gat met aannemelijk klinkende getallen.
- Concurrentie-inschattingen. Hoe moeilijk een term is, hangt af van de actuele zoekresultaten, en die kent het model niet.
- Actualiteit. Nieuwe termen en seizoenspieken vallen buiten de trainingsdata.
De vuistregel voor deze hele werkwijze: alles wat taal is mag van AI komen, alles wat een getal is komt uit een databron.
Stap 1: brainstormen vanuit je eigen praktijk
Een generieke prompt levert generieke zoekwoorden op die elke concurrent ook krijgt. Voed het model daarom eerst met context: wat je verkoopt, aan wie, in welke regio en welke vragen klanten je stellen.
Ik ben [vak] in [regio]. Mijn klanten zijn [doelgroep].
Ze stellen vragen als: [drie echte klantvragen].
Geef 30 zoekopdrachten die deze doelgroep in Google
zou intypen, verdeeld over oriënteren, vergelijken
en kopen.Vraag daarna gericht door: naar probleemtaal in plaats van vaktermen, naar vergelijkingsvragen tussen oplossingen en naar long-tail-zoekwoorden met duidelijke koopintentie. Juist die specifieke varianten mist een handmatige brainstorm al snel.
Werk je liever eerst zonder AI, dan vind je in het overzicht met negen methodes om zoekwoorden te vinden ook bronnen als klantmails, reviews en Google zelf. Die twee routes vullen elkaar aan: echte klanttaal als input maakt elke AI-brainstorm beter.
Stap 2: clusteren en intentie labelen
Na de brainstorm heb je een lange, rommelige lijst. Ook dat opruimwerk versnelt AI. Plak de lijst in het model en vraag twee dingen tegelijk: groepeer termen die dezelfde vraag uitdrukken, en label elke groep met de zoekintentie (informatie zoeken, vergelijken of kopen).
Controleer het resultaat steekproefsgewijs, want hier sluipen twee fouten in:
- Het model groepeert soms op woordovereenkomst in plaats van betekenis, waardoor termen met een heel andere vraag onterecht bij elkaar staan.
- Intentielabels worden gegokt bij dubbelzinnige termen. Toets die door de term zelf te googelen en te kijken welk type pagina’s Google nu toont.
Het resultaat van deze stap: clusters die elk één pagina of artikel kunnen worden, met een duidelijke plek in de klantreis.
Stap 3: valideren met echte data
Nu pas komen de cijfers. Haal elke kandidaat door minstens één echte databron:
- Google Keyword Planner. Gratis te gebruiken via een Google Ads-account; levert volume-indicaties plus extra varianten. Zonder lopende campagnes zie je ruime bandbreedtes in plaats van exacte getallen.
- Google Search Console. Toont op welke zoekopdrachten je site nu al vertoond wordt, inclusief positie en klikken. De rijkste bron voor bestaande sites.
- Een SEO-tool met Nederlandse cijfers. Die combineert volume, concurrentie en je eigen posities in één overzicht, zoals het zoekwoordenonderzoek met Nederlandse data in ViRank.
Schrap alles waar aantoonbaar geen vraag naar is en beoordeel de rest op vier criteria: is er volume, past de intentie bij een pagina die jij kunt maken, is de concurrentie haalbaar en kan de zoeker klant worden? Een term hoeft niet op alle vier uit te blinken, maar een term die op twee of meer punten faalt, verdient geen artikel.
Stap 4: van gevalideerde lijst naar planning
Een gevalideerde lijst is pas iets waard als er content uit volgt. Wijs elk cluster toe aan een paginatype: een koopgerichte term aan een product- of dienstpagina, een vergelijkingsvraag aan een vergelijkend artikel, een informatievraag aan een blog- of kennisbankpagina.
Plan daarna op volgorde van omzetkans, niet op volgorde van volume: een kleine koopgerichte term brengt vaak meer omzet binnen dan een groot volume vol oriënterende zoekers. Herhaal de hele cyclus elk kwartaal. Zoekgedrag verschuift, zeker nu een deel van de vragen rechtstreeks aan AI-assistenten wordt gesteld, en je Search Console-data wordt elke maand rijker.
Veelgemaakte fouten bij zoekwoordenonderzoek met AI
- Zoekvolumes uit ChatGPT overnemen. Die getallen zijn verzonnen, hoe stellig ze ook klinken. De fix: elk getal komt uit Keyword Planner, Search Console of een SEO-tool.
- Prompten zonder eigen context. Zonder input over doelgroep en aanbod krijg je dezelfde lijst als iedereen. De fix: start elke prompt met je vak, regio en echte klantvragen.
- Clusters blind overnemen. Woordovereenkomst is geen betekenisovereenkomst. De fix: neem per cluster een steekproef en googel dubbelzinnige termen zelf.
- Engelse voorbeelden laten vertalen. Vertaalde zoektermen matchen zelden met hoe Nederlanders echt zoeken. De fix: laat het model in het Nederlands werken en valideer met Nederlandse data.
- Eén keer onderzoeken en nooit meer. Zoekgedrag verandert per seizoen en per jaar. De fix: zet een kwartaalherhaling in je agenda of automatiseer de monitoring.
De grootste tijdvreter in deze werkwijze is stap 3: elk cluster langs losse databronnen slepen. ViRank trekt die validatie naar één scherm: Nederlandse zoekvolumes, concurrentiescores en je huidige positie per zoekwoord, met een prioritering die meeweegt wat een term je kan opleveren. De kandidatenlijst uit je AI-brainstorm plak je erin en je ziet direct welke termen een artikel waard zijn. Probeer ViRank 14 dagen gratis; de proefperiode vraagt geen creditcard en stopt vanzelf.