Wat is een synthetisch antwoord van een LLM?

Een synthetisch antwoord is die paragraaf die ChatGPT, Claude of Perplexity je rechtstreeks geeft als je een vraag stelt, geen lijst links, geen pagina's om door te bladeren. De AI las meerdere bronnen voor jou en versmolt die tot één tekst, soms met bronvermelding, soms niet.

Wat is een synthetisch antwoord van een LLM, voor een merk?

Neem de vraag « beste GEO-bureaus in Europa in 2026 ». Op Google krijg je 10 links. Op ChatGPT krijg je een paragraaf van vijf lijnen met drie of vier namen, een synthetisch antwoord. Het model doorliep zijn trainingsgeheugen (en eventueel het live web) en consolideerde alles in originele prose.

Drie essentiële kenmerken voor een zaakvoerder. Het synthetische antwoord is reducerend van nature, 10 bronnen in één paragraaf, je wint tijd, je verliest nuance. Het is niet 100% reproduceerbaar, dezelfde vraag, lichtjes andere formulering, soms andere geciteerde merken. En het kan fout zijn, als brondata conflicteert of het model hallucineert, draagt de samenvatting die fout. Structureel risico van LLM's.

Voor een merk betekent dat twee dingen. De selectiecriteria van geciteerde bronnen worden strategisch (Wikidata-aanwezigheid, persvermeldingen, consistentie). "Je moet regelmatig auditen welke synthetische antwoorden op jouw strategische prompts verschijnen, share-of-voice binnen die synthese is het moderne equivalent van Share-of-Search", zegt Lorenzo Eeman, oprichter van PROEMA.

Technisch detail dat LLM-citatie beweegt voor Wat is een synthetisch antwoord van een LLM

Drie vaak vergeten fragmenten kantelen het resultaat. (1) Absolute canonical (met https:// en volledig domein), zonder dat kunnen agentische LLMs zoals Claude-Web op een UTM- of trailing-slash-variant landen en de autoriteit verliezen. (2) Wederzijdse hreflang tussen taalversies, want Google publiceert openlijk dat foute hreflang de internationale targeting verzwakt (developers.google.com/search). (3) JSON-LD Schema.org in in plaats van onderaan de pagina, het format publiek aanbevolen door Google en Bing in 2025-2026; Fabrice Canel (Microsoft) verklaarde publiek dat « Schema markup helps LLMs understand content and cite it with more confidence ».

Zo audit je Wat is een synthetisch antwoord van een LLM in minder dan een uur

Drie tools volstaan voor een pagina. (1) Google Rich Results Test om Schema.org te valideren en JSON-LD-fouten op te sporen. (2) Schema.org Validator voor type/propertie-consistentie voorbij Rich Results. (3) Bing Webmaster Tools Markup Validator + AI Performance Report, momenteel de enige engine die Copilot/Bing AI-citaten openlijk toont. Veelgemaakte fout: restanten Microdata samen met JSON-LD met afwijkende waarden, de crawler kiest er één, soms verkeerd. Regel: één source of truth (JSON-LD) plus een jaarlijkse audit om legacy te verwijderen.

30-minuten zelfaudit voor Wat is een synthetisch antwoord van een LLM

Open je homepage in een nieuw tabblad, druk F12 (DevTools) → Elements-tab → zoek « application/ld+json ». Je hoort minstens drie JSON-LD-blokken te zien: Organization (of LocalBusiness), WebSite, en Person voor de oprichter/directeur. Ontbreekt er één? Dat is een citation-rate-gat. Zelfde oefening op een contentpagina: FAQPage + Article + Author Person met sameAs. Twee minuten per pagina, dertig minuten voor de top tien pagina's. Deze ene audit haalt 80 % van de Schema.org-problemen boven die PROEMA in initiële diagnoses vindt.