JSON-LD en gestructureerde data: waarom ze niet volstaan voor ChatGPT, Perplexity en Gemini

Gestructureerde data worden niet op dezelfde manier gelezen door generatieve AI's

JSON-LD en gestructureerde schema's (Schema.org) stellen Google al jaren in staat uw content te begrijpen. ChatGPT, Perplexity, Gemini en Claude verwerken ze echter anders. Deze AI-engines analyseren de ruwe HTML, extraheren de semantische context, maar geven niet noodzakelijk voorrang aan gestructureerde markup zoals het traditionele SEO-algoritme doet. Veel merken ontdekken te laat dat hun onberispelijke gestructureerde data geen enkele citatie of aanbeveling van AI-assistenten opleveren. De reden: deze modellen hechten meer gewicht aan leesbare tekstuele content, de omringende context en de autoriteit van het domein dan aan geïsoleerde JSON-LD-tags.

Waarom AI-engines uw JSON-LD negeren of verkeerd interpreteren

JSON-LD wordt vaak genegeerd als het gedeeltelijke of inconsistente data bevat

Generatieve AI's vertrouwen niet absoluut op gestructureerde tags. Als uw JSON-LD een adres, telefoonnummer of prijzen bevat, maar de zichtbare tekst van de pagina tegenstrijdige of gedetailleerdere informatie bevat, neigen de modellen ernaar de leesbare tekst te verkiezen. Ze passen een soort interne consistentiecontrole toe: als de tag en de content niet overeenstemmen, worden ze sceptisch.

Tekstuele context primeert op metadata

In tegenstelling tot Google, dat gestructureerde data extraheert en indexeert in afzonderlijke velden, werken generatieve AI's volgens het principe van contextueel begrip. Ze lezen uw pagina zoals een menselijke gebruiker dat zou doen: titel, paragrafen, lijsten en dan tags. Als uw JSON-LD aangeeft dat u een restaurant bent met een score van 4,8 sterren, maar nergens in de zichtbare tekst vermeldt u die score, kan de AI de gestructureerde data negeren en een antwoord verzinnen of deze helemaal niet citeren.

De formaten verschillen per AI: sommige parsen de standaard JSON-LD niet

Perplexity en Claude gebruiken soms crawlers die de voorkeur geven aan tekstuele HTML-content. Gemini, als Google-product, houdt meer rekening met JSON-LD, maar zelfs bij Google beïnvloeden gestructureerde data de generatie van antwoorden niet op dezelfde manier als ze de zoekrangschikking beïnvloeden. ChatGPT, als het geen directe webtoegang heeft (afhankelijk van de versie), ontvangt voorverwerkte contentfragmenten waarin de gestructureerde markup gedeeltelijk verloren kan gaan.

Hoe ChatGPT, Perplexity, Gemini en Claude uw gestructureerde tags werkelijk verwerken

ChatGPT: Bing-integratie en prioriteit voor leesbare content

ChatGPT met internettoegang steunt gedeeltelijk op Bing voor contentbronnen. JSON-LD wordt niet systematisch gebruikt om antwoorden te extraheren. In plaats daarvan indexeert ChatGPT de hoofdtekst en legt logische verbanden. Als u expliciet in uw tekst vermeldt "Ons product kost 49 euro" en u die prijs ook in JSON-LD markeert, zal ChatGPT uw pagina waarschijnlijk citeren. Maar als er alleen gestructureerde markup is zonder duidelijke tekstuele context, zal de AI uw content niet goed begrijpen en deze niet aanbevelen.

Perplexity: belang van tekstuele dichtheid en duidelijke citaties

Perplexity bouwt zijn antwoorden op door expliciet bronnen te citeren. Het analyseert de toegankelijke content en zoekt passages die de gebruiker kan verifiëren. JSON-LD alleen verschijnt nooit in een antwoord van Perplexity, omdat deze tool ontworpen is om tastbare bewijzen te tonen. Een goed geschreven en informatieve paragraaf daarentegen, zelfs zonder gestructureerde markup, zal geciteerd worden. Dit betekent dat het voor Perplexity belangrijker is om een duidelijke, goed georganiseerde en gedetailleerde tekst te hebben dan een perfecte JSON-LD.

Gemini: betere ondersteuning van JSON-LD, maar niet automatisch

Gemini, als Google-product, profiteert van de integratie met Google Search en houdt meer rekening met gestructureerde data. Dit activeert echter niet automatisch citaties. Gemini leest de content altijd in zijn geheel. Een correct geïmplementeerd LocalBusiness-schema helpt Gemini uw context beter te begrijpen, maar forceert zijn aanbeveling niet. De consistentie tussen uw metadata en uw content blijft cruciaal.

Claude: diepgaande tekstanalyse, weinig steun op metadata

Claude werkt als een zeer aandachtige lezer van de ruwe tekst. Ze crawlt geen pagina's rechtstreeks, maar ontvangt de content via integraties. Haar contentleveranciers (zoals Anthropic's API of integratiebronnen) leveren doorgaans geformatteerde tekst in plaats van ruwe HTML met JSON-LD. Bijgevolg is Claude volledig afhankelijk van de duidelijkheid en structuur van de zichtbare tekst.

Wanneer JSON-LD werkelijk nuttig is voor AI's

Voor goed gedefinieerde entiteiten (bedrijven, evenementen, producten)

JSON-LD blijft effectief wanneer het een duidelijke entiteit beschrijft en de tekst dit bevestigt. Als u bijvoorbeeld een SEO-bureau in Parijs bent en u een Organization-schema opneemt met uw adres, telefoon en website, herkennen AI's gemakkelijker uw activiteitsdomein. Dit verbetert de kans dat Gemini of een toekomstig AI-aanbevelingssysteem u als autoriteit over het onderwerp aanduidt.

Voor de verrijking van resultaten van spraak- en visueel zoeken

Conversationele AI's die geïntegreerd zijn in spraakassistenten (Alexa, Google Assistant, Siri) steunen meer op gestructureerde data. Als u zich naast ChatGPT ook op deze platforms richt, wordt JSON-LD strategisch. Maar voor tekstuele antwoordmachines zoals Perplexity of Claude is de impact beperkt.

Voor desambiguatie en kruisvalidatie

Wanneer een AI een ambigue query tegenkomt (bijvoorbeeld "Parijs" kan de stad of het mythologische personage zijn), helpen gestructureerde data bij de desambiguatie. Een correct geformatteerde JSON-LD vertelt het systeem: "We hebben het over de stad Parijs, met deze breedtegraad en lengtegraad." Dit verbetert de relevantie van de antwoorden.

GEO-specifieke aanpassingen om uw data aantrekkelijker te maken voor AI's

1. Verrijk uw zichtbare tekst met aanvullende informatie naast de JSON-LD

Reken niet alleen op de JSON-LD. Elke belangrijke data (adres, openingstijden, prijzen, specialiteiten) moet duidelijk in de leesbare content verschijnen. Creëer toegewijde secties: "Onze openingstijden" (met de tekst), "Onze tarieven" (met details), "Onze locatie" (met geografische context). De AI's zullen deze secties lezen en ze associëren met de gestructureerde markup voor een dubbel begrip.

2. Gebruik geneste schema's voor geografische en sectorale context

In plaats van een eenvoudig LocalBusiness-schema, nest u gespecialiseerde schema's: LocalBusiness + ProfessionalService voor een medische praktijk, LocalBusiness + Restaurant voor een etablissement. Voeg geo-eigenschappen toe zoals GeoShape of Place om uw dekkingsgebied nauwkeurig af te bakenen. Dit helpt AI's uw aanbod geografisch te contextualiseren.

3. Valideer de consistentie tussen JSON-LD en zichtbare content

Regelmatige audit: controleer of de informatie in JSON-LD exact overeenkomt met de zichtbare content. Als uw schema "Maandag-Vrijdag 9u-18u" zegt, maar uw pagina vermeldt "Open 8u-19u", detecteren de AI's de inconsistentie en vertrouwen ze uw content minder. Gebruik tools zoals de Rich Results Test van Google om te controleren of uw markup geldig is, en vergelijk dan handmatig met de tekst.

4. Creëer unieke content rond uw gestructureerde data

Een artikel van 300-500 woorden schrijven dat uw lokale aanbod detailleert, is effectiever dan een geïsoleerde JSON-LD. Als u bijvoorbeeld een loodgieter in Lyon bent, markeer dan niet alleen uw dienst als LocalBusiness. Schrijf ook: "Spoedinterventie in Lyon: wij dekken de 9 arrondissementen, 24/7 beschikbaar" met concrete details. Dit geeft AI's rijke context om u aan te bevelen.

5. Voeg citaties en sociale bewijzen toe in de zichtbare tekst

Generatieve AI's waarderen bewijzen. In plaats van te vertrouwen op een Schema Review-score, vermeldt u expliciet: "Onze klanten geven ons gemiddeld 4,8 sterren op Google (150+ reviews)" of "Bekijk onze projecten op ons portfolio." Link naar betrouwbare externe bronnen. Dit versterkt uw geloofwaardigheid voor de AI-engines.

6. Structureer uw FAQ's met een FAQPage-schema + gedetailleerde content

Het FAQPage-schema in JSON-LD wordt door sommige AI's genegeerd, maar Perplexity en Gemini zoeken actief naar FAQ-secties. Markeer uw FAQ in JSON-LD voor Google, maar structureer uw vragen en antwoorden ook op een zeer leesbare en gedetailleerde manier. De AI's zullen de zichtbare tekst lezen en uw antwoorden als bronnen citeren.

Praktijkvoorbeeld: hoe AI's een LocalBusiness-markup verwerken

Beschouw een tandartspraktijk in Marseille. De JSON-LD bevat: naam, adres, telefoon, openingstijden, tarieven, aangeboden diensten. Dit is wat elke AI doet:

Perplexity: Crawlt de pagina, negeert de JSON-LD volledig, zoekt leesbare tekst die tandheelkundige diensten, tarieven of reviews vermeldt. Het citeert een paragraaf zoals "Dr. Martin biedt tandsteenverwijdering aan voor 80 euro", maar vermeldt nooit de gestructureerde markup.

Gemini: Gebruikt de JSON-LD om zijn begrip van het domein te verrijken (tandarts, Marseille, diensten). Genereert een antwoord dat dit begrip combineert met de tekstuele content. Als de tekst en de markup overeenstemmen, genereert het een nauwkeuriger antwoord.

ChatGPT: Leest vooral de zichtbare tekst. Herkent dat het een tandartspraktijk in Marseille is door de content te lezen. Zou het adres of telefoonnummer kunnen vermelden als ze duidelijk in de tekst staan. Citeert de JSON-LD niet.

Claude: Hangt af van de manier waarop de content aan haar wordt doorgegeven. Als die als ruwe HTML wordt geleverd, parset ze de tekst en negeert ze de JSON-LD. Als die als voorverwerkte tekst wordt geleverd, heeft ze er nooit een spoor van gezien.

Samenvatting van de belangrijkste verschillen: JSON-LD in SEO vs. in GEO

In traditionele SEO gebruikt Google JSON-LD intensief om gestructureerde data te indexeren in afzonderlijke velden. Uw Review-schema beïnvloedt rechtstreeks de rich snippets van resultaten. De markup is een officiële component van de ranking.

In GEO (generatieve AI's) is JSON-LD een secundair precisie-instrument. Generatieve AI's werken volgens het model van tekstueel begrip en context. De gestructureerde markup helpt bij desambiguatie en verbetert het interne vertrouwen van het model, maar activeert niet automatisch citaties of aanbevelingen. De leesbare, duidelijke en gedetailleerde tekstuele content blijft de sleutel.

Checklist om uw gestructureerde data te optimaliseren voor generatieve AI's

• Valideer uw JSON-LD met de Rich Results Test van Google. Corrigeer elke fout.
• Dupliceer de belangrijkste informatie in de zichtbare en leesbare tekst van uw pagina.
• Creëer unieke content rond uw lokale of sectorale expertisedomein (minstens 300 woorden).
• Strikte consistentie: zorg ervoor dat elke data in JSON-LD ook in de tekst bestaat met dezelfde informatie.
• Toon de bewijzen: vermeld expliciet de reviews, certificeringen, realisaties, niet alleen in tags.
• Organiseer hiërarchisch: gebruik duidelijke titels (H2, H3) zodat de AI's uw content goed segmenteren.
• Test in Perplexity en Gemini: stel vragen gerelateerd aan uw activiteit en controleer hoe u aanbevolen wordt (of niet).
• Volg de evolutie: de AI's passen hun aanpak voortdurend aan. Herzie uw strategieën elk kwartaal.