Retrieval: eerst opgehaald, dan geciteerd

Bij een vraag maakt het systeem eerst een of meer zoekopdrachten, haalt kandidaat-passages op uit een index of via een zoekmachine, en bepaalt welke daarvan de vraag beantwoorden. Pas daarna schrijft het model het antwoord op basis van die passages. Wie niet in die kandidatenset zit, kan niet in het antwoord verschijnen.

De eenheid is een blok tekst van enkele honderden woorden. Een lange pagina die zeven onderwerpen half behandelt levert zwakke blokken op; een pagina met duidelijke koppen en zelfstandige antwoorden levert sterke blokken. Daarom werkt de structuur kop-vraag, antwoord-eerste-zin zo goed.

Woorden die je doelgroep echt gebruikt, expliciete entiteiten, één deelvraag per sectie, geen verwijswoorden, cijfers met datum, en een schone HTML-structuur met headings. Daarnaast: snelle levering en kerninhoud die zonder JavaScript zichtbaar is, zodat crawlers zonder rendering je tekst zien.

Inhoud achter interactie, inlog of client-side rendering. Blokkades voor AI-crawlers in robots.txt of in je firewall. Passages die alleen begrijpelijk zijn met de rest van de pagina erbij. En pagina's zonder actualiteitssignaal, die bij twijfel worden overgeslagen.

Volg per vaste vraag welke bronnen worden geciteerd en of jouw domein daartussen zit. Zie je concurrenten wel en jezelf niet terwijl je content bestaat, dan heb je een ophaalprobleem — niet een contentprobleem. Kijk dan eerst naar toegankelijkheid en passage-structuur.