Waarom jouw productpagina onzichtbaar is voor ChatGPT (en hoe je dat nu oplost)

Niet helemaal. Want zelfs webshops die prima scoren in Google Shopping worden door ChatGPT regelmatig links gelaten. Niet omdat hun product slecht is. Maar omdat hun productpagina’s zijn geschreven voor zoekmachines, niet voor AI.

Hoe ChatGPT jouw product beoordeelt (en waarom dat anders is dan Google)

Google matcht zoekwoorden. Je optimaliseert voor “smartwatch GPS”, verschijnt in de resultaten, en klaar. Dat model begrijpen de meeste e-commerce teams goed.

ChatGPT werkt anders. Het werkt niet met zoekwoorden, maar met vragen. Niemand typt “smartwatch GPS” in ChatGPT. Ze vragen: “Welke smartwatch is ideaal voor cardio en krachttraining, waterdicht en onder €200?”

Wat er dan gebeurt, is interessant. ChatGPT knipt die vraag op in meerdere zoekopdrachten, een techniek die query fan-out heet. Eén vraag wordt er drie of vier:

“beste smartwatch cardio training” / “waterdichte smartwatch €200” / “smartwatch krachttraining hartslagmeting”

Voor elke query haalt ChatGPT real-time de top 3 uit Google Shopping op. Producten die in meerdere top 3’s voorkomen, krijgen de hoogste kans aanbevolen te worden. Google Shopping is de databron, de productpagina is de ingang.

Maar dan komt het belangrijkste punt. ChatGPT matcht niet op zoekwoorden. Het matcht op context. En dat is waar bijna elke webshop de mist ingaat.

Query fan-out: één klantvraag leidt tot meerdere parallelle zoekopdrachten. (Bron: Semrush)

Het verschil tussen een specificatie en een toepassing

“Waterdicht: ja.” Staat het op de productpagina? Goed. Maar ChatGPT doet er weinig mee.

“Waterdicht IPX7, geschikt voor hardlopen in regen en douchen na training.” Dat is iets anders. Dat is een toepassing. En dat is wat ChatGPT zoekt om een product te matchen aan de vraag van de klant.

AI-modellen zoals ChatGPT kunnen niet gokken wat er ontbreekt. Het werkt alleen met wat er daadwerkelijk op de productpagina staat. Is de informatie vaag, dan is de match zwak. Is de informatie contextueel en concreet, dan wordt het product aanbevolen.

Dat verschil wordt meteen duidelijk als je twee versies van dezelfde productpagina naast elkaar zet.

Versie A, standaard:

Garmin Forerunner 265 GPS Smartwatch. GPS: ja. Hartslagmeter: optisch. Waterdicht: 5 ATM. Batterij: 20 uur GPS. VO2 max: ja.

Versie B, geoptimaliseerd voor AI:

Garmin Forerunner 265 GPS hardloop smartwatch voor marathontraining.

Voor wie: Ideaal voor recreatieve hardlopers die 2-3x per week trainen en een marathon voorbereiden. Niet geschikt als je een volledig smart platform zoekt met apps en berichten. Dit is een sporthorloge voor mensen die serieus trainen maar geen professionele atleet zijn.

Waarom dit product: De batterijduur van 20 uur in GPS-modus betekent dat je meerdere lange duurlopen doet zonder opladen. De VO2 max meting helpt de trainingsintensiteit te optimaliseren, ook als je net begint met prestatiegericht trainen.

Gebruik: Waterdicht IPX7 voor hardlopen in regen en douchen na training. Hartslagmeting werkt nauwkeurig bij intervaltraining én lange duurlopen. GPS legt elke kilometer vast. Geschikt voor dagelijks dragen.

Versie A vertelt wat het product heeft. Versie B vertelt voor wie het geschikt is, waarom je het kiest en wanneer je het gebruikt. ChatGPT kiest Versie B.

Intent Modeling: schrijf voor vier zoekintenties

De aanpak om dit structureel goed te doen heet Intent Modeling. In plaats van één generieke productomschrijving schrijf je voor vier intenties die klanten hebben wanneer ze een product zoeken.

Informatief: wat is dit product?

De basis. Merk, type, de belangrijkste specs. Dit is het fundament, maar zonder de andere drie intenties kom je er niet mee weg.

Voorbeeld: “De Garmin Forerunner 265 is een GPS-smartwatch met optische hartslagmeting, VO2 max tracking en een batterijduur van 20 uur in GPS-modus.”

Commercieel: waarom dit product?

Niet de features, maar de voordelen. Wat lost het op? Waarom dit product en niet een ander?

Voorbeeld: “De batterijduur van 20 uur in GPS-modus betekent meerdere lange trainingen zonder opladen. Perfect voor wie niet continu aan de lader wil hangen en een halve marathon voorbereidt.”

Transactioneel: voor wie is dit?

Zo specifiek mogelijk. “Geschikt voor sporters” zegt niets. Beschrijf ook voor wie het product niet geschikt is. Dat vergroot het vertrouwen en helpt ChatGPT de juiste match te maken.

Voorbeeld: “Ideaal voor recreatieve hardlopers die 2-3x per week trainen. Minder geschikt voor zwemmers of wie een volledig smartwatch-platform zoekt met apps en berichten.”

Contextueel: wanneer gebruik je dit?

Concrete scenario’s, concrete situaties. Hier verdien je de AI-aanbeveling.

Voorbeeld: “Waterdicht IPX7: geschikt voor hardlopen in regen en douchen na training. Hartslagmeting werkt nauwkeurig bij intervaltraining én long runs. VO2 max tracking helpt bij marathonvoorbereiding. Past bij dagelijks dragen.”

Die combinatie van vier intenties geeft ChatGPT de context die het nodig heeft om een product te matchen aan een complexe klantvraag.

Schrijf zoals je klant vraagt

Vroeger optimaliseerde je voor “smartwatch GPS”, twee woorden. Nu optimaliseer je voor zinnen van tien tot vijftien woorden die mensen letterlijk aan ChatGPT stellen.

Zinnen zoals: “Welke smartwatch is geschikt voor iemand die 3x per week hardloopt en een halve marathon voorbereidt?” Of: “Sporthorloge dat waterdicht is voor zwemmen, hartslagmeting heeft en minimaal 2 dagen batterij.” Of: “Beste smartwatch voor krachttraining én cardio, eenvoudige bediening voor iemand van 45 jaar.”

Als de strekking van deze zinnen in de productpagina staat, vergroot dat de kans dat ChatGPT het product oppikt.

De lange productomschrijving schrijf je als lopende tekst, niet als een lijst met bulletpoints. AI-modellen verwerken natuurlijke zinnen beter dan opgesomde specificaties. En de klant leest het ook liever.

Structured data: ook dit moet kloppen

Content is de helft. De techniek is de andere helft.

AI-modellen gebruiken structured data (schema.org markup) om productinformatie direct te lezen, zonder de hele pagina te interpreteren. Zie het als een gestandaardiseerde datakaart die je aan zoekmachines en AI meegeeft: “Dit product heet X, kost Y, is op voorraad, heeft deze reviews.” Minimaal vereist: productnaam, beschrijving, merk, prijs, beschikbaarheid, afbeeldingen (minimaal 3, bij voorkeur 6+) en reviews.

Wat hier mis kan gaan: in de feed staat €449, op de productpagina staat €399 (actieprijs) en in de structured data staat weer €449. Google én ChatGPT lezen dit als inconsistent. Resultaat: disapproval in Merchant Center, of simpelweg genegeerd door AI.

Feed, productpagina en structured data moeten overeenkomen. Dat controleer je via de Google Rich Results Test.

Zo ziet een product rich result eruit in Google: prijs, beoordeling en afbeeldingen direct zichtbaar. (Bron: Hypotenuse AI)

Van analyse naar actie: zo pak je het aan

Het hoeft niet in één keer. Beginnen met vijf goed verkopende producten is genoeg om te zien of de aanpak werkt.

Analyseer de huidige pagina’s. Kijk per pagina kritisch: is er een korte én een lange omschrijving? Zijn er concrete use cases beschreven? Zijn er voldoende afbeeldingen die het product vanuit meerdere invalshoeken laten zien? Wat ontbreekt er nog?

Kijk wat concurrenten beter doen. Zoek in Google Shopping op de term waarop het product zou moeten ranken. Bekijk de top 3. Wat beschrijven zij wel, wat ontbreekt er nog in de eigen pagina’s? Maak de gap concreet.

Herschrijf per intentie. Pak de lange productomschrijving en werk de vier intenties erdoorheen: informatief, commercieel, transactioneel, contextueel. In alinea’s, niet in bulletpoints.

Voeg longtail-zinnen toe. Drie tot vijf zinnen die een klant letterlijk aan ChatGPT zou stellen, verwerkt in de lopende tekst. Niet als aparte sectie, maar gewoon als onderdeel van de omschrijving.

Controleer de structured data. Open het product in de Google Rich Results Test en check of prijs, beschikbaarheid, afbeeldingen en reviews kloppen en consistent zijn met de feed en de productpagina.

Stel een nulmeting in. Noteer de huidige baseline in Google Search Console (impressies en clicks via Organic Shopping), Google Merchant Center en Google Analytics 4. Zonder nulmeting is er straks niets te vergelijken.

Test en meet. Bij producten met voldoende traffic (1.000+ clicks per week) zijn twee tot vier weken genoeg. Bij minder traffic vier tot acht weken. Stijgen daarna de impressies, de clicks, de conversies? Test in ChatGPT of het product wordt aanbevolen bij relevante vragen. Werkt het, schaal dan op naar de volgende vijftig producten.

Hoe je AI-impact meet (en waarom het lastiger is dan je denkt)

Directe AI-traffic is te traceren. In het referral-verkeer zijn bronnen als ChatGPT.com en Perplexity.ai terug te vinden.

De ChatGPT shopping interface: klanten stellen productvragen direct aan AI, maar kopen vaak via Google. (Bron: Deeper Insights)

Maar let op de attribution gap, iets wat veel marketeers onderschatten. De klantreis loopt lang niet altijd in één rechte lijn. Een typisch scenario: de klant vraagt ChatGPT om advies, ChatGPT beveelt een product aan, de klant sluit ChatGPT, opent Google, typt de merknaam in en koopt. Google Analytics 4 rapporteert dit als branded search of direct traffic. De AI-aanbeveling blijft zo onzichtbaar in de data, ook al was het de eigenlijke trigger.

Kijk daarom ook naar de ontwikkeling van branded zoekopdrachten over tijd. Een stijging daarin, gecombineerd met groeiend ChatGPT-referral verkeer, geeft een reëler beeld van de AI-impact dan directe clicks alleen.

De checklist: klaar voor Q4 2026?

Gebruik dit als check van je productpagina. Klopt de inhoud, is de context duidelijk, staat de techniek goed en kun je meten wat het oplevert? Kun je overal ‘ja’ op zeggen, dan is de basis op orde om meegenomen te worden in Google Shopping én AI-aanbevelingen.

Content en opbouw

• Er staat een korte omschrijving boven de fold die direct duidelijk maakt wat het product is
• Er staat een uitgebreide productomschrijving onder de fold die verdieping en context geeft
• De tekst is geschreven in natuurlijke zinnen die aansluiten op hoe klanten zoeken en vragen stellen

Intent modeling (de kern van AI-vindbaarheid)

• Informatief: het is duidelijk wat het product is en wat de belangrijkste eigenschappen zijn
• Commercieel: de voordelen en het probleem dat het oplost worden concreet benoemd
• Transactioneel: het is helder voor wie het product geschikt is en voor wie juist niet
• Contextueel: er staan concrete situaties in waarin en wanneer je het product gebruikt

Context en zoekgedrag (ChatGPT-proof)

• Er staan zinnen in die lijken op echte klantvragen, zoals mensen die aan AI stellen
• Gebruikssituaties zijn concreet uitgewerkt, zodat AI het product kan matchen aan intentie

Beeldmateriaal

• Er zijn meerdere afbeeldingen beschikbaar die samen een compleet beeld geven
• De afbeeldingen tonen het product vanuit verschillende invalshoeken
• Er zijn ook gebruikssituaties en detailbeelden zichtbaar die het gebruik verduidelijken

Structured data en techniek

• Structured data (schema.org) is aanwezig en correct ingericht
• Productnaam, prijs, beschikbaarheid en beschrijving zijn volledig ingevuld
• Reviews zijn toegevoegd en gekoppeld aan het product

Consistentie (belangrijk voor Google en AI)

• De prijs is identiek in feed, productpagina en structured data
• De beschikbaarheid komt overal overeen
• De producttitel is consistent op alle plekken waar het product voorkomt

Meten en optimaliseren

• Er is een nulmeting gedaan in Google Search Console om prestaties te kunnen vergelijken
• Data uit Google Merchant Center wordt actief gecontroleerd op zichtbaarheid en fouten
• Performance wordt gevolgd in Google Analytics 4 om impact te meten

Begin vandaag. Niet in september.

Productpagina’s aanpassen heeft tijd nodig. Gemiddeld duurt het vier tot acht weken voordat Google en AI de nieuwe informatie hebben verwerkt. Wie in september begint, is te laat voor Q4.

Begin klein: vijf goed verkopende producten, herschreven omschrijvingen, contextuele zinnen toegevoegd, structured data gecheckt. Dat is een middag werk.

Die middag bepaalt of een product dit jaar wel of niet opduikt als een klant vraagt: “Welke smartwatch moet ik kopen?”