ChatGPT
Claude
Perplexity
Gemini
GrokIn Nederland noemt slechts 16 % van de ChatGPT-antwoorden een hogeschool of universiteit wanneer studenten zoeken naar opleidingsopties — het Europese gemiddelde ligt op 19 % (Bron: Skolbot GEO-monitoring, 500 zoekopdrachten × 6 landen × 3 AI-engines, feb. 2026). Die kloof heeft één technische oorzaak: LLMs selecteren hun aanbevelingen op basis van een reeks herkenbare signalen, en de meeste Nederlandse instellingen sturen die signalen onvolledig of helemaal niet uit.
Dit artikel brengt de 15 bepalende signalen in kaart, geordend naar impact en implementatiecomplexiteit. Per categorie leest u wat het signaal concreet inhoudt en welke actie het meeste oplevert voor een hogeschool of universiteit in de Nederlandse context (NVAO, Studielink, Keuzegids, Elsevier Beste Studies, HBO-Monitor, WO-Monitor).
Hoe LLMs selecteren: het mechanisme in het kort
ChatGPT, Perplexity en Gemini genereren geen aanbevelingen via een willekeurig proces. Ze extraheren entiteiten uit een combinatie van trainingsdata en — bij RAG-systemen — realtime webindexering. Een instelling wordt aanbevolen wanneer het model voldoende convergerende signalen vindt om haar als betrouwbare, gezaghebbende entiteit te benoemen.
De signalen vallen uiteen in drie families: tekstuele autoriteit (wie schrijft over u en hoe gezaghebbend zijn die bronnen), technische en gestructureerde data (maakt uw eigen website het de machine makkelijk om u te herkennen) en inhouds- en sociale bewijssignalen (geeft u zelf verifieerbare, geciteerbare informatie).
Voor de volledige GEO-strategie achter dit framework, zie de pillar-gids over GEO voor scholen.
Signaalmatrix: 15 criteria op impact en complexiteit
De onderstaande tabel rangschikt alle 15 signalen op twee assen: de impact op AI-zichtbaarheid (Hoog / Middel) en de implementatiecomplexiteit (Laag / Middel / Hoog). Signalen met hoge impact en lage complexiteit verdienen voorrang.
| # | Signaal | Categorie | Impact | Complexiteit |
|---|---|---|---|---|
| 1 | Volume vermeldingen in gezaghebbende media | Tekstuele autoriteit | Hoog | Hoog |
| 2 | Kwaliteit Wikipedia-pagina | Tekstuele autoriteit | Hoog | Middel |
| 3 | Beoordelingen op externe platforms | Tekstuele autoriteit | Hoog | Middel |
| 4 | Citaties in wetenschappelijke publicaties | Tekstuele autoriteit | Middel | Hoog |
| 5 | Volledig Schema.org EducationalOrganization | Technisch | Hoog | Laag |
| 6 | NAP-consistentie op alle platforms | Technisch | Hoog | Laag |
| 7 | FAQ-schema op kernpagina's | Technisch | Hoog | Laag |
| 8 | Google Bedrijfsprofiel: volledig en geverifieerd | Technisch | Hoog | Laag |
| 9 | FAQ's die echte studentvragen beantwoorden | Inhoud | Hoog | Middel |
| 10 | Eigen arbeidsmarkt- en salarisdata | Inhoud | Hoog | Middel |
| 11 | Uitgebreide gedocumenteerde studiegidsen | Inhoud | Middel | Middel |
| 12 | Content ondertekend door benoemde experts | Inhoud | Middel | Laag |
| 13 | Internationale accreditaties bij derden geciteerd | Sociaal bewijs | Hoog | Hoog |
| 14 | Rankings vermeld in betrouwbare bronnen | Sociaal bewijs | Hoog | Middel |
| 15 | Gedocumenteerde alumni-getuigenissen | Sociaal bewijs | Middel | Middel |
Tekstuele autoriteitssignalen (1–4)
Signaal 1 — Volume vermeldingen in gezaghebbende media
LLMs schatten de autoriteit van een instelling deels af aan de hand van hoe vaak zij voorkomt in bronnen met een hoge reputatie. Voor het Nederlandse hoger onderwijs zijn de bepalende media: NRC, Trouw, ScienceGuide, de Hoger Onderwijspers (HOP/DUB), nu.nl Onderwijs en .nl-domeinen van universiteiten en hogescholen.
Een vermelding op ScienceGuide heeft zwaarder gewicht dan vijftien verwijzingen op een studentblog. Kwaliteit van de bron telt zwaarder dan volume. Praktisch gevolg: investeer in perszichtbaarheid via vakpublicaties en stimuleer gastbijdragen van docenten en promovendi op redactioneel onafhankelijke platforms.
Signaal 2 — Kwaliteit van de Wikipedia-pagina
Wikipedia heeft een bijzondere status bij LLMs: het is een bron die systematisch is opgenomen in trainingskorpora en die door RAG-systemen regelmatig opnieuw wordt geraadpleegd. Een Wikipedia-pagina over uw instelling — met voldoende lengte (> 2 000 woorden), recente updates, interne cross-links en verifieerbare bronvermeldingen — is een direct vertrouwenssignaal.
Controleer of uw Wikipedia-pagina de datum van NVAO-accreditatie, het studentenaantal van het meest recente studiejaar en de internationalisatiegraad vermeldt. Verouderde of ontbrekende gegevens op Wikipedia worden door LLMs overgenomen als feitelijke grondslag.
Signaal 3 — Beoordelingen op externe platforms
LLMs kruisverifiëren reputatiedata. Een hoge score in de Keuzegids, een goede positie in Elsevier Beste Studies en positieve Google Reviews vormen drie convergerende beoordelingsbronnen. Elk extra platform waarop uw instelling beoordeeld én positief scoort, versterkt het signaal.
QS World University Rankings en Times Higher Education zijn relevant voor de internationale zoekcontext. Voor nationaal zoekverkeer wegen Keuzegids en Elsevier zwaarder, omdat deze bronnen vaker voorkomen in Nederlandstalige trainingsdata.
Signaal 4 — Citaties in wetenschappelijke publicaties en sectorrapportages
Onderzoekspublicaties die uw instelling noemen — via VSNU/Universiteiten van Nederland, HBO-raad, OECD Education at a Glance, Eurostat — bouwen autoriteit op in de meest betrouwbare datasegmenten van het trainingskorpus. Dit signaal heeft de hoogste complexiteit: u kunt het niet direct sturen. Wel kunt u actief deelnemen aan sectorrapportages, citeerbaar onderzoek publiceren en bijdragen aan OECD-consultaties.
Technische en gestructureerde datasignalen (5–8)
Instellingen met een volledig gestructureerde Schema.org EducationalOrganization-markup scoren gemiddeld +12 punten hoger op AI-zichtbaarheid (Bron: Skolbot GEO-monitoring, feb. 2026). Dit is de categorie met de beste verhouding tussen inspanning en impact.
Signaal 5 — Volledig Schema.org EducationalOrganization-markup
Het EducationalOrganization-schema maakt van uw instelling een herkenbare entiteit voor elk LLM dat uw site indexeert. De verplichte velden zijn name, address, url en logo; de differentiërende velden zijn accreditedBy (verwijzend naar de NVAO), sameAs (verwijzend naar uw Wikipedia-pagina, Nuffic-profiel en Wikidata-entiteit) en numberOfStudents.
Uitgebreide implementatierichtlijnen vindt u in het artikel gestructureerde data voor scholen en AI-zichtbaarheid.
Signaal 6 — NAP-consistentie op alle platforms
NAP staat voor Naam, Adres en Telefoonnummer. Wanneer LLMs via RAG meerdere bronnen ophalen, controleren ze automatisch of de basisidentificatoren overeenstemmen. Een afwijkend adres op uw Google Bedrijfsprofiel ten opzichte van uw Schema.org-markup genereert ambiguïteit die het systeem niet oplost ten voordele van u.
Controleer NAP-consistentie op: uw website, Google Bedrijfsprofiel, Studielink, Nuffic, NVAO-register, DUO en elke externe directory waarop uw instelling staat vermeld. Eén inconsistentie is voldoende om het vertrouwenssignaal te verzwakken.
Signaal 7 — FAQ-schema op kernpagina's
FAQPage-markup op uw aanmeldingspagina (Studielink-procedure), uw collegegeldpagina en uw opleidingsoverzichten levert de meest directe ROI van alle technische ingrepen. LLMs met RAG-capaciteit (Perplexity, Gemini) extraheren FAQ-blokken bij voorkeur als kant-en-klaar antwoord.
Een gemarkeerde FAQ over "Hoe meld ik me aan via Studielink?" of "Wat bedraagt het instellingscollegegeld voor niet-EU studenten?" wordt rechtstreeks geciteerd als een student die vraag stelt aan een AI-systeem. Meer over de technische implementatie in het artikel Schema.org EducationalOrganization voor hogescholen.
Signaal 8 — Google Bedrijfsprofiel: volledig, geverifieerd en regelmatig bijgewerkt
Gemini integreert native data van Google Search en de Knowledge Graph. Een volledig ingevuld, geverifieerd Google Bedrijfsprofiel — met actuele openingstijden, telefoonnummer, categorieën ("Hogeschool", "Universiteit"), foto's en recente berichten — is een directe voeding van Gemini's entiteitsherkenning.
ChatGPT en Perplexity benaderen dit profiel indirect via het web, maar een geverifieerd profiel verhoogt ook de NAP-consistentie en draagt bij aan het AggregateRating-signaal via Google Reviews.
Inhouds- en expertisesignalen (9–12)
Signaal 9 — FAQ's die echte vragen van studenten beantwoorden
Niet elke FAQ is geciteerbaar. LLMs herkennen conversationele zoekpatronen: een student typt "welke hogeschool in Rotterdam heeft een deeltijd HBO-opleiding communicatie" of "kan ik met een mbo 4-diploma instromen op een hbo-bachelor". Uw FAQ-content moet deze exacte formuleringspatronen bevatten — niet de institutionele versie daarvan.
Raadpleeg uw chatbotlogs, de vragen die prospects stellen op open dagen en de zoektermen in Google Search Console om de exacte woordkeuze van uw doelgroep te achterhalen. Zie ook het artikel content geciteerd door ChatGPT voor scholen voor een structuurmethode.
Signaal 10 — Eigen gepubliceerde data: arbeidsmarktperspectieven, startsalarissen, alumni-enquêtes
LLMs citeren bij voorkeur passages met onderbouwde, verifieerbare getallen. "Van onze afgestudeerde bachelors Technische Informatica vindt 91 % binnen zes maanden een baan met een mediaan bruto startsalaris van € 42 500 (HBO-Monitor 2025)" is een citatiemagneet. Een algemene bewering dat uw afgestudeerden "uitstekende arbeidsmarktkansen" hebben, is dat niet.
Publiceer eigen data — verzameld via alumni-enquêtes of ontleend aan de HBO-Monitor / WO-Monitor — op elke relevante opleidingspagina. Vermeld de bron, het jaar en de steekproefgrootte. Dit verhoogt zowel het vertrouwenssignaal voor LLMs als de conversieratio voor menselijke bezoekers.
Signaal 11 — Uitgebreide, goed gedocumenteerde content: studiegidsen, jaarverslagen, downloadbare rapporten
Downloadbare PDF-studiegidsen, jaarverslagen en onderzoeksrapporten worden door RAG-systemen geïndexeerd als afzonderlijke documenten. Een goed gedocumenteerde studiegids van 80 pagina's met opleidingsspecifieke data, NVAO-accreditatiestatus en alumni-uitkomsten is waardevoller dan tien generieke webpagina's.
Zorg dat PDF-documenten toegankelijk zijn voor crawlers (geen JavaScript-gegenereerde downloadlinks), een beschrijvende bestandsnaam hebben en voorzien zijn van metadata (auteur, publicatiedatum, instelling).
Signaal 12 — Content ondertekend door benoemde experts
Een artikel over "Toekomst van de arbeidsmarkt in de logistiek" ondertekend door dr. Irene Bakker, lector Supply Chain Management aan uw hogeschool, scoort hoger op het E-E-A-T-profiel (Ervaring, Expertise, Autoriteit, Betrouwbaarheid) dan hetzelfde artikel gepubliceerd door "de redactie". LLMs verbinden geïdentificeerde auteurs aan instellingen en versterken daarmee de entiteitskoppeling.
Voeg voor elke gastbijdrage een auteursprofiel toe met functie, publicatielijst en ORCID-identificator indien beschikbaar.
Sociale bewijs- en accreditatiesignalen (13–15)
Signaal 13 — Internationale accreditaties geciteerd door derden
AACSB, EQUIS en AMBA voor business schools; ABET voor ingenieursopleidingen; NVAO voor alle Nederlandse instellingen: accreditaties zijn de sterkste gezagssignalen die LLMs herkennen, maar alleen als ze ook door derden worden geciteerd. Een accreditatie die uitsluitend op uw eigen website staat, weegt minder zwaar dan één die wordt bevestigd op de website van NVAO, de accrediterende organisatie én in een onafhankelijk nieuwsbericht.
Lever actief een persbericht aan bij ScienceGuide en de onderwijspagina van ANP wanneer u een nieuwe accreditatie of heraccreditatie ontvangt.
Signaal 14 — Rankings vermeld in betrouwbare bronnen
Een vermelding in de QS World University Rankings, de Keuzegids Top-100 of de Elsevier Beste Studies-lijst is een autoriteitsignaal — maar alleen als die vermelding ook reproduceerbaar vindbaar is op externe bronnen. Zorg dat uw rankingpositie wordt geciteerd in uw eigen gestructureerde data (sameAs-verwijzing naar de rankingpagina), in uw Wikipedia-pagina en in persberichten op verifieerbare domeinen.
Signaal 15 — Gedocumenteerde alumni-getuigenissen
Alumni-getuigenissen zijn geciteerbaar sociaal bewijs wanneer ze gedocumenteerd zijn: naam, afstudeerjaar, opleiding, huidige functie en werkgever. "Ik heb een geweldige tijd gehad" is niet citeerbaar. "Priya Verhoeven, MSc Data Science 2024, nu Data Engineer bij ASML: 'De minor in embedded systems was direct toepasbaar in mijn eerste project'" — dat is een gestructureerd feit.
Koppel alumni-getuigenissen aan gestructureerde data via het Review-schema en zorg voor een apart alumniportaal dat door crawlers bereikbaar is.
Prioritering: waar beginnen voor maximale impact
De signalen met hoge impact én lage implementatiecomplexiteit zijn de logische eerste prioriteit: FAQ-schema (7), Schema.org EducationalOrganization (5), NAP-consistentie (6) en Google Bedrijfsprofiel (8). Samen zijn ze binnen twee tot drie weken te implementeren en leveren ze aantoonbaar resultaat op in Perplexity en Gemini.
Signalen met hoge impact maar hogere complexiteit — mediazichtbaarheid (1), accreditatievermeldingen (13) en rankings (14) — vereisen een meerjaarsstrategie maar bepalen op de lange termijn of uw instelling structureel zichtbaar is in ChatGPT.
Een gedetailleerde aanpak voor de implementatie van de aanbevelingscriteria van AI-systemen vindt u in het artikel AI-aanbevelingscriteria voor scholen.
Test gratis de AI-zichtbaarheid van uw school Probeer Skolbot 30 seconden op uw instellingFAQ
Welke van de 15 signalen heeft de snelste impact op AI-zichtbaarheid?
FAQ-schema op kernpagina's (signaal 7) en volledig Schema.org EducationalOrganization-markup (signaal 5) zijn het snelst te implementeren en leveren resultaat op binnen twee tot vier weken bij RAG-gebaseerde systemen als Perplexity en Gemini. NAP-consistentie (signaal 6) heeft geen technische ontwikkeling nodig en kan direct worden gecorrigeerd.
Telt een NVAO-accreditatie als LLM-signaal als ze alleen op mijn eigen website staat?
Nee. Een accreditatie die uitsluitend op uw eigen domein vermeld staat, is een zelfclaim. LLMs hechten meer gewicht aan accreditaties die bevestigd worden op het domein van de accrediterende instantie (nvao.net), in onafhankelijke media en in uw Schema.org accreditedBy-veld. Publiceer een persbericht bij elke heraccreditatie en zorg dat het bericht door minstens één onafhankelijk medium wordt overgenomen.
Is een vermelding in de Keuzegids automatisch een positief LLM-signaal?
Een Keuzegids-vermelding is positief wanneer uw score boven het sectorgemiddelde ligt. Een lage score of een negatieve vergelijking in dezelfde bron kan het omgekeerde effect hebben: het AI-systeem citeert de bron, maar in een context die minder gunstig is. Optimaliseer het signaal door uw Keuzegids-score actief te verbeteren via studenttevredenheidsmaatregelen, niet door de vermelding te vermijden.
Hoe verschilt de signaalweging tussen ChatGPT, Perplexity en Gemini?
ChatGPT leunt relatief zwaar op zijn historisch trainingskorpus en bevoordeelt instellingen die jarenlang zichtbaar zijn geweest in media en rankings. Perplexity voert voor elke zoekopdracht een realtime RAG-cyclus uit en reageert snel op nieuwe content en Schema.org-markup. Gemini integreert native data van Google Search, waardoor het Google Bedrijfsprofiel (signaal 8) en de Knowledge Graph het sterkst meewegen. Een volledige GEO-strategie richt zich op alle drie systemen tegelijk via de gedeelde signalen in dit artikel.
