De meeste adviezen over “content voor AI” zijn zelf een commodity
De instructie om “geweldige content voor AI te maken” is overal te vinden, en bijna alles zegt hetzelfde: schrijf behulpzame, goed gestructureerde pagina’s en voeg schema toe. Dat advies is waar, generiek en nutteloos, omdat het beschrijft wat iedereen al doet.
We wilden een hardere antwoord, dus keken we naar ons eigen werk. We haalden de 10 beste artikelen die WISLR publiceert naar voren, plus de data erachter. Het patroon was scherp genoeg om de vraag te beslechten. In de afgelopen 30 dagen werden die 10 artikelen meer dan 4.000 keer geciteerd in de grote LLM’s, en in klassieke zoekmachines houden ze gemiddelde posities van 4 tot 8 vast. Onze brede commodity-gidsen, op hetzelfde domein en met dezelfde autoriteit erachter, komen niet in de buurt, omdat de onderwerpen verzadigd zijn en niets onze pagina onderscheidt.
Dit artikel is de analyse: wat de data laat zien, wat de 10 artikelen gemeen hebben, en hoe je hetzelfde draaiboek op je eigen content toepast.
De data: zelfde domein, tegenovergestelde uitkomsten
De helderste manier om te zien wat AI beloont, is twee soorten content op één site te vergelijken, omdat de domeinautoriteit constant blijft. Zoekpositie is niet langer het scorebord. Wat telt is of een LLM naar de pagina grijpt wanneer het een antwoord opbouwt. In de afgelopen 30 dagen werden de 10 onderstaande artikelen meer dan 4.000 keer geciteerd in de grote AI-engines.
Afgelopen 30 dagen · wislr.com artikelenset
Dit zijn de non-commodity-artikelen die die citaties aandrijven. Elk richt zich op iets nieuws, specifieks of onderbouwd met data die we zelf genereerden, en elk houdt ook een sterke klassieke zoekpositie vast (september 2025 tot en met juni 2026):
| Artikel | Gem. positie | Vertoningen |
|---|---|---|
| OpenAI KPIs and Success Metrics | 4.53 | 114 |
| The Shopify Agentic Plan | 6.38 | 269 |
| Shopify Same-Domain Checkout Analytics | 6.48 | 1,436 |
| Pros and Cons of the Cloudflare /crawl Endpoint | 6.63 | 3,417 |
| Best Cloudflare /crawl Settings | 6.67 | 2,369 |
| AI Bot Behavior Log Analysis | 7.07 | 1,232 |
| AEO Readiness Comparison | 7.61 | 741 |
| Storebot-Google Checkout Verification | 7.82 | 317 |
| Shopify CDN Request Logging | 8.55 | 2,081 |
Ter contrast publiceert hetzelfde domein ook competente commodity-gidsen die zich richten op zoekopdrachten als “shopify redirects”, “301 redirect shopify” en “shopify url redirects”. Die pagina’s behalen elk honderden vertoningen, dus Google begrijpt duidelijk waar ze over gaan. Toch breken ze niet door, omdat duizenden pagina’s dezelfde vraag al beantwoorden en niets aan de onze een model een reden geeft om die te verkiezen. De redirect-pillarpagina alleen al verzamelt 14.916 vertoningen op een volledig verzadigde zoekopdracht.
Zelfde domein. De artikelen die geciteerd worden zijn de artikelen die niemand anders had kunnen schrijven.
Het patroon in één regel
Op een vast domein zijn onderwerpkeuze en originele data wat je geciteerd krijgt. Die keuzes zijn de reden dat deze set artikelen in 30 dagen meer dan 4.000 LLM-citaties trok. Autoriteit is niet de hefboom die de meeste merken denken dat het is.
Wat we onderzochten
De 10 artikelen beslaan februari tot en met mei 2026 en behandelen AI-botgedrag, het Cloudflare crawl-endpoint, Shopify checkout-verificatie, het meten van LLM-verkeer, agentic commerce en een groeiraamwerk met zes poorten. Voor elk noteerden we de stelling, de originele data erachter, de structuur en de Search Console-prestaties. Vervolgens legden we de query-level data naast elkaar om niet alleen te zien welke pagina’s scoorden, maar precies waarvoor.
De querydata draagt het grootste deel van het bewijs, dus lees het direct.
Het verraad: we worden meegezogen in vragen waar niemand voor optimaliseerde
Klassieke SEO richt zich op zoekwoorden. Content wordt nu meegezogen in antwoorden op volledige, rommelige, specifieke vragen, en daar komen de citaties vandaan. WISLR’s queryrapport laat de vorm van die prompts zien. Hier zijn echte zoekopdrachten waarvoor het domein op de eerste pagina verschijnt, dezelfde vragen waarvoor LLM’s in onze artikelen reiken om ze te beantwoorden:
| Zoekopdracht | Gem. positie |
|---|---|
| “which is better for measuring referral traffic coming from llms, profound or growthx? provide a definitive answer, along with a list of pros and cons specific to measuring referral traffic from llms for each.” | 4.78 |
| “shopify ventures readiness probe” | 1.99 |
| “cloudflare /crawl endpoint pricing” | 4.95 |
| “cloudflare crawl cost” | 4.0 |
| “openai kpi” | 5.67 |
| “linkupbot” | 7.85 |
| “meta-webindexer” | 8.0 |
De eerste is geen zoekwoord. Het is een prompt, in zijn geheel in een zoekbalk of een AI-tool geplakt, die twee benoemde producten vergelijkt met een specifiek verzoek om voor- en nadelen. We scoren ervoor omdat een van onze artikelen die exacte vraag in die exacte vorm beantwoordt. De rest zijn benoemde entiteiten die zo specifiek zijn dat het veld aan concurrerende pagina’s vrijwel leeg is: een enkele bot, de prijs van een enkel endpoint, een enkele probe.
Dit is de werkdefinitie van non-commodity-content. Het beantwoordt een vraag die te nieuw, te specifiek of te data-afhankelijk is om door iemand anders al goed beantwoord te zijn. Alles hieronder gaat over hoe de 10 artikelen daar bewust komen.
Het draaiboek: zeven dingen die de beste 10 gemeen hebben
Claim het nieuwheidsvenster
Wees de eerste competente pagina over iets dat dit kwartaal is gelanceerd.
Zes van de 10 artikelen behandelen dingen die een kwartaal eerder nauwelijks bestonden: het Cloudflare /crawl-endpoint, Shopify's Agentic Plan, Storebot-Google checkouts, en de protocolstack van ACP, AP2 en MCP. Het eerste specifieke antwoord in dat gat wordt de standaardcitatie.
Schrijf de uitleg op de dag dat een functie wordt gelanceerd, niet het kwartaal erna.
Publiceer getallen die alleen jij hebt
First-party data is het sterkste signaal in de set.
- 288.566 serverlogs geanalyseerd: ChatGPT-User-verkeer vervijfvoudigde in zeven weken, GPTBot vuurde 152 verzoeken af in een burst van 3 minuten.
- 89x verkeersvermenigvuldiger door volledige rendering, gemeten over vijf Shopify-winkels.
- 1.543 checkout-botverzoeken gelogd over 55 dagen, waaronder 64 login-probes.
- 517 Shopify-winkels gescand (3,1% draaide Bazaarvoice), plus 616 klantvragen gewonnen.
Publiceer een getal dat nergens anders bestaat en je wordt de enige bron om te citeren. Daarom staat "cloudflare crawl cost" op positie 4.
Je hebt geen datateam nodig. Een logexport, een test die je uitvoerde, of een scan van je eigen categorie is genoeg.
Eén vraag per kop, bovenaan beantwoord
Maak van elke kop een echte vraag en beantwoord die in de eerste twee zinnen.
Het checkout-artikel vraagt "Hoe snel brengt GPTBot een productcatalogus in kaart?" en beantwoordt dat vervolgens voordat het nuance toevoegt. Dat levert op zichzelf staande passages op die een retrievalsysteem in zijn geheel kan overnemen en in een antwoord kan plaatsen.
Geef eerst het antwoord, leg dan uit, nuanceer daarna.
Benoem alles met precisie
Benoem de exacte bot, API en het protocol in plaats van de generieke categorie.
Niet "AI-crawlers" maar Storebot-Google, GPTBot, OAI-SearchBot, ClaudeBot, PerplexityBot, Meta-WebIndexer en LinkupBot. Niet "agentic commerce-standaarden" maar het /crawl-endpoint, Catalog API, ACP, AP2, MCP en het Universal Commerce Protocol. Precieze namen verkleinen het veld aan concurrerende pagina's: "linkupbot" en "meta-webindexer" scoren op positie 8 alleen omdat die exacte tekenreeksen, gedefinieerd, in de tekst voorkomen.
Benoem het specifieke ding en definieer het vervolgens in gewone taal.
Elke zin draagt een bewering
Snijd opvulling weg zodat de pagina dicht zit met citeerbare feiten.
Zinsneden als "in het huidige snelle digitale landschap" geven een model niets om uit te halen. Begin met feiten, getallen, datums en mechanismen zodat het grootste deel van de pagina als citeerbaar materiaal leest.
Als een zin geen feit, getal of stap toevoegt, verwijder hem.
Laat de structuur het schema genereren
Schrijven in vraag-en-antwoordvorm laat FAQ- en Dataset-schema er gratis uitvallen.
Omdat de koppen al vragen met directe antwoorden zijn, zendt de lay-out automatisch Article-, FAQPage- en Dataset-gestructureerde data uit. Het checkout-artikel levert een volledig Dataset-schema uit dezelfde 1.543 gelogde verzoeken.
Structureer één keer, bedien de menselijke lezer en de machinelezer samen.
Volgordelijke diepgang, isoleer niet
Verbind één raamwerk met meerdere bewijsstukken in plaats van één uitdijende pagina.
Het raamwerk van de Zes Poorten benoemt de strategie; de botstudies, checkout-analyse en Cloudflare-tests bewijzen elke poort. Ze linken naar elkaar en geven lezers en crawlers een samenhangende thematische kaart.
Bouw een verbonden set specifieke antwoorden, elk gelinkt aan het raamwerk.
De paginatypes die geciteerd worden
De zeven principes leveren een kleine set herhaalbare formats op. Elk is een thema dat je bewust kunt bouwen, en elk wordt geciteerd voor een ander soort vraag. De onderstaande voorbeelden komen van WISLR en onze zustersite redirects.net, die hetzelfde draaiboek op een ander onderwerp uitvoert.
De datastudie
Je analyseert iets dat alleen jij kunt waarnemen en publiceert de getallen. De AI-botloganalyse rust op 288.566 serverlogbestanden; de checkout-studie logt 1.543 botverzoeken. Een LLM die "hoe gedragen AI-bots zich op ecommerce-sites" beantwoordt, moet naar de pagina grijpen die de data heeft. Bouw het wanneer je een getal kunt genereren dat nergens anders bestaat. Voorbeeld: AI Bot Behavior Log Analysis →
De gecontroleerde test of benchmark
Je voert dezelfde procedure uit over meerdere gevallen en rapporteert wat er gebeurde. Het Cloudflare /crawl-artikel testte het endpoint over vijf Shopify-winkels en vond een 89x renderingverkeersvermenigvuldiger en kosten per pagina. Dit is het format dat geciteerd wordt voor "hoeveel kost X" en "is X de moeite waard". Bouw het wanneer een tool of functie nieuw genoeg is dat niemand het nog heeft gemeten. Voorbeeld: Pros and Cons of the Cloudflare /crawl Endpoint →
De vergelijking of koopgids
Je zet benoemde opties naast elkaar op expliciete criteria. De AEO-toolsvergelijking van redirects.net rangschikt AirOps, Profound, Peec AI en Scrunch op prijs, dekking en gebruikssituatie, en haar sterkste zet is de premisse uitdagen dat de vier überhaupt hetzelfde soort product zijn. WISLR's AEO-gereedheidsvergelijking doet hetzelfde voor gidsen. Dit format wint de "X vs Y"- en "beste tool voor Z"-prompts, behorend tot de vragen met de hoogste intentie die aan een LLM worden gesteld. Bouw het wanneer kopers actief kiezen tussen benoemde alternatieven. Voorbeeld: AEO Tools Compared →
De uitleg van een nieuwe functie
Je schrijft de definitieve uitleg op de dag dat een platform iets lanceert, en claimt het nieuwheidsvenster voordat het veld zich vult. Het Shopify Agentic Plan en de same-domain checkout-artikelen beantwoorden "hoe werkt dit nu echt" terwijl die vraag nog geen goed antwoord op het web heeft. Bouw het op het moment dat een platform dat je behandelt een API, een bot of een beleidswijziging lanceert. Voorbeeld: The Shopify Agentic Plan →
De documentatiecorrectie
Je test de officiële documentatie en publiceert waar die fout is. De redirect-gids van redirects.net ontdekte via testen dat slechts 4 van Shopify's vermelde gereserveerde URL-prefixen redirects daadwerkelijk blokkeren, en bracht een ongedocumenteerde limiet van 1.024 tekens aan het licht. Een model dat de officiële bron afweegt tegen een geteste correctie, neigt ertoe beide naar boven te halen, wat jou in het antwoord plaatst. Bouw het wanneer je hands-on bewijs hebt dat de canonieke bron onvolledig of onjuist is. Voorbeeld: Creating Shopify URL Redirects →
Het profiel van een benoemde entiteit
Je definieert één specifieke entiteit volledig: wat het is, wat het doet, hoe je het identificeert. De botstudie profileert GPTBot, Storebot-Google, ClaudeBot, Meta-WebIndexer en anderen afzonderlijk. Deze pagina's bezitten de "wat is X"- en "wat doet X"-prompts omdat de entiteit precies benoemd is en het veld aan concurrerende pagina's vrijwel leeg is. Bouw het voor elke bot, API, protocol of product dat specifiek genoeg is dat weinig anderen het hebben gedocumenteerd. Voorbeeld: Storebot-Google Checkout Verification →
Het raamwerk of het volgordelijke draaiboek
Je benoemt het werk en zet het op volgorde. De Zes Poorten van AI-Kanaalgroei geeft een strategie een structuur waar een lezer naar kan handelen. Raamwerken worden geciteerd wanneer iemand vraagt "hoe moet ik X aanpakken", omdat een benoemd, volgordelijk model citeerbaarder is dan losse tips. Bouw het wanneer je het werk vaak genoeg hebt gedaan om het patroon te zien dat anderen niet kunnen zien. Voorbeeld: The Six Gates of AI Channel Growth →
De blinde-vlek-exposé
Je laat zien wat de standaardtools missen en laat vervolgens zien hoe je het meet. De LLM-verkeersartikelen tonen hoe GA4 AI-ondersteunde conversies verliest en wat je in plaats daarvan moet bijhouden. Dit format wordt geciteerd voor "waarom toont mijn analytics X niet" en "hoe meet ik X". Bouw het wanneer de voor de hand liggende tool stilletjes faalt bij iets belangrijks. Voorbeeld: LLM Traffic Is a Blind Spot in Your Analytics →
De contraire stelling met data
Je doet een bewering die ingaat tegen de aanname en onderbouwt die vervolgens met first-party bewijs. "Je AI-kanaal is een onderzoeksmotor, geen verkoopkanaal" herkadert hoe merken hun AI-verkeer lezen, ondersteund door gedragsmatige reisdata. Bouw het wanneer je data in tegenspraak is met wat iedereen aanneemt dat waar is. Voorbeeld: Your AI Channel Is a Research Engine →
De conceptintroductie
Je bezit een term door die helder en volledig te definiëren. De kortere fundamentele stukken claimen een concept zodat de definitie die AI herhaalt de jouwe is. Bouw het voor een opkomende term die nog geen enkele canonieke uitleg heeft. Voorbeeld: Understanding AI Visibility →
Een herhaalbare checklist
Voordat je publiceert, leg je het stuk langs de dingen die de beste 10 gemeen hebben:
- Nieuwheid of specificiteit. Is dit te nieuw, te specifiek of te data-onderbouwd om het veld druk te laten zijn? Als een zoekopdracht al tien sterke pagina’s toont, verander dan de invalshoek.
- First-party bewijs. Bevat het artikel ten minste één getal, testresultaat of waarneming die nergens anders bestaat?
- Vraagkoppen. Is elke sectiekop een echte vraag, volledig beantwoord in de eerste twee zinnen?
- Benoemde entiteiten. Worden de specifieke producten, bots, API’s en protocollen exact benoemd, niet generiek beschreven?
- Beweringsdichtheid. Is de pagina grotendeels substantie, met feiten, getallen, datums en stappen die het werk doen? Schrap de zinnen die er geen toevoegen.
- Schema uit structuur. Vallen het FAQ- en eventueel Dataset-schema vanzelf uit de manier waarop het stuk geschreven is?
- Verbonden, niet geïsoleerd. Linkt het naar een raamwerk en citeert het ondersteunend bewijs, zodat het binnen een thematische kaart zit?
Content die alle zeven doorstaat, is moeilijk te commoditiseren, want wat het citeerbaar maakt is precies wat concurrenten niet kunnen kopiëren: jouw data, jouw specificiteit en jouw timing.
Veelgestelde vragen
Wat maakt dat content scoort in AI-engines in plaats van alleen in klassieke zoekmachines?
Specificiteit en primair bewijs. AI-engines citeren de bron die een vraag het meest direct en volledig beantwoordt, en ze belonen benoemde entiteiten, exacte getallen en op zichzelf staande passages. In WISLR’s eigen data trokken de 10 artikelen die gebouwd zijn op first-party onderzoek en precieze benoemde entiteiten in de afgelopen 30 dagen meer dan 4.000 LLM-citaties en staan ze op gemiddelde zoekposities van 4 tot 8. Brede commodity-gidsen op hetzelfde domein concurreren in een verzadigd veld waar niets de ene pagina onderscheidt. Het verschil zit in onderwerpkeuze en originele data, niet in domeinkracht.
Waarom faalt commodity-content zelfs op een gezaghebbend domein?
Omdat duizenden pagina’s dezelfde vraag al beantwoorden, en een model geen reden heeft om de jouwe te verkiezen. WISLR’s commodity-gidsen richten zich op zoekopdrachten als “shopify redirects” en “301 redirect shopify”, die elk honderden maandelijkse vertoningen behalen op vragen die duizenden andere pagina’s al beantwoorden. De pagina’s zijn competent en het domein wordt vertrouwd, maar niets onderscheidt ze. Commodity-onderwerpen zijn een verzadigde markt waar de enige overgebleven hefboom pure autoriteit is.
Hoe belangrijk is origineel first-party onderzoek voor AI-zichtbaarheid?
Het is het sterkste signaal in onze data. WISLR’s best presterende artikelen zijn gebouwd op data die alleen WISLR heeft: 288.566 serverlogbestanden geanalyseerd, een gecontroleerde test met vijf winkels van het Cloudflare crawl-endpoint, 1.543 gelogde checkout-botverzoeken, een scan van 517 Shopify-winkels en 616 verzamelde klantvragen. AI-engines citeren bij voorkeur primaire bronnen omdat primaire bronnen de plek zijn waar nieuwe feiten ontstaan.
Hoe moet ik een artikel structureren zodat een AI-engine het kan citeren?
Schrijf één vraag per kop en beantwoord die volledig in de eerste twee zinnen onder die kop, voordat je nuance toevoegt. Dit levert op zichzelf staande passages op die een model kan overnemen zonder de omringende context nodig te hebben. Koppel de tekst aan FAQ-schema en, waar er onderliggende data is, Dataset-schema.
Wat is non-commodity-content en hoe vind ik er onderwerpen voor?
Non-commodity-content beantwoordt een vraag die te nieuw, te specifiek of te data-afhankelijk is om door iemand anders al goed beantwoord te zijn. Vind het door te letten op net gelanceerde producten, API’s, bots en protocollen, door één niveau specifieker te gaan dan het voor de hand liggende zoekwoord, en door tests uit te voeren of logs op te halen die getallen genereren die alleen jij hebt. WISLR staat op positie 1,99 voor “shopify ventures readiness probe” juist omdat bijna niemand anders erover heeft gepubliceerd.
Hoe lang moet content voor AI zijn?
Zo lang als nodig is om de vraag volledig te beantwoorden en niet langer. WISLR’s artikelen variëren van ongeveer 1.000 woorden voor één scherpe definitie tot meer dan 10.000 woorden voor de meest diepgaande gidsen. Lengte is een uitkomst van volledigheid, geen doel.
Kan ik AI gebruiken om content te schrijven die andere AI-engines zullen citeren?
Je kunt AI gebruiken om te schetsen en te structureren, maar de citeerbare substantie moet van jou komen. Een model kan jouw serverlogs, jouw winkelscan of jouw gecontroleerde test niet verzinnen. Het duurzame voordeel zit in de first-party data en de specifieke, verifieerbare beweringen die je op de pagina brengt. Gebruik AI om dat materiaal te ordenen en aan te scherpen tot vindbare passages, niet om generieke uitleg te genereren die al op duizend andere plekken bestaat.