Naar de inhoud
Alle video’s

Zo knipt een AI-model je pagina in stukken

AI & MarketingDuur: 1:21 minVanaf 31:42 in de opname

Jarik Oosting, SmartRanking

Uit de sessie: Maandelijkse Meeting mrt 2026

Jarik Oosting van SmartRanking legt uit dat een AI-model geen complete pagina's leest. Het knipt je pagina in kleine stukken en gebruikt daarvoor je HTML-structuur. Daarom zijn logische koppen en korte alinea's volgens hem belangrijk voor AI-vindbaarheid.

Voor wie: Je een webshop met veel lange tekstpagina's hebt en wilt weten hoe een AI-model je content leest.

Waarom dit ertoe doet

Wanneer een AI-model een pagina ophaalt om een antwoord aan te vullen, leest het niet alles van boven naar beneden. Het splitst de pagina in stukken, chunks, en kiest daar de bruikbare uit. Jarik zegt dat het model daarvoor onder meer je HTML-structuur gebruikt: waar begint en eindigt een alinea of een tekstblok. Voor jou betekent dat dat een kop die klopt en een alinea die niet eindeloos doorloopt de kans op een vermelding of citation vergroot. Dit kost weinig: het zijn aanpassingen in sjabloon en tekst. Hij noemt zelf wel dat je er vaak ontwikkelcapaciteit voor nodig hebt. De claim dat het tot meer citations leidt is zijn ervaring en geen meting.

Belangrijkste inzichten

  • Volgens Jarik leest een AI-model geen complete pagina's maar knipt het ze in chunks.
  • Voor die knip gebruikt het onder meer je HTML-structuur: waar alinea's en tekstblokken beginnen en eindigen.
  • Een goede headingstructuur en niet te lange alinea's maken een citation of vermelding volgens hem waarschijnlijker.
  • Een sprong van H1 naar H4 noemt hij een makkelijke winst die vaak wel ontwikkelcapaciteit kost.
  • Vijf controlevragen: diepgang, leesbaarheid, logische headings, meerwaarde en alinealengte.

Wat chunking is

Chunking is het opdelen van een lange tekst in kleinere stukken voordat een AI-systeem ermee werkt. Pinecone, een aanbieder van vectordatabases, legt uit dat dit nodig is omdat modellen een beperkt aantal tekst tegelijk aankunnen en omdat elk stuk genoeg eigen betekenis moet hebben om goed gevonden te worden. Jarik legt het toe op webpagina's: als een AI-model via RAG een URL ophaalt, knipt het de pagina in kleine stukjes.

De rol van je HTML

Hij zegt dat het model voor die knip onder andere de HTML-structuur gebruikt. Waar begint een paragraaf, waar eindigt die, waar begint een nieuw stuk tekst? Het sluit aan bij wat Pinecone beschrijft als content-aware chunking, waarbij bestaande structuur zoals koppen en lijsten de splitsing stuurt. Welke methode een bepaald AI-product precies gebruikt, is niet openbaar. Jarik noemt dat daarna nog een technisch proces volgt en gaat daar niet op in.

Wat hij adviseert

Hanteer een goede HTML-headingstructuur en gebruik niet te lange alinea's. Dan helpt je het model je content makkelijker te chunken, waardoor je pagina sneller een citation of vermelding krijgt. Dat is volgens hem de belangrijkste reden voor de HTML-structuur. Eerder in de sessie liet hij een voorbeeld zien van een productpagina die van een H1 naar een H4 sprong en terugviel naar H3 en H2. Dat noemt hij een makkelijke winst, die wel ontwikkelcapaciteit kost.

Vijf vragen over je content

Aan het eind van de clip geeft Jarik een korte checklist: biedt mijn content diepgang en is die goed leesbaar? Zijn de headings logisch? Biedt de tekst meerwaarde en iets unieks? Zijn de alinea's niet te lang? Is het antwoord op een van deze vragen nee, dan is er 'werk aan de winkel', in zijn woorden. Op zijn slide staat dat een LLM geen pagina's leest maar chunks en dat de HTML-structuur en de headings bepalen waar een chunk begint en eindigt.

Wat je ermee doet

Controleer 3 belangrijke pagina's op een koppenstructuur die klopt: één H1, daarna H2 en H3 in logische volgorde. Splits alinea's die een scherm lang zijn. Laat je ontwikkelaar daarna vastleggen dat nieuwe pagina's dezelfde structuur gebruiken.

Probeer dit deze week

  1. Controleer 3 belangrijke pagina's op een logische koppenstructuur van H1 naar H2 en H3.
  2. Splits alinea's die langer zijn dan een scherm in korte stukken met een eigen kopje.
  3. Vraag je ontwikkelaar of je sjabloon kopniveaus automatisch overslaat.

Begrippen

Chunking
Het opdelen van een lange tekst in kleinere stukken die een AI-systeem apart kan gebruiken.
RAG
Retrieval Augmented Generation: het model zoekt actuele informatie op en gebruikt die in zijn antwoord.
Heading
Een kopje in HTML, van H1 (hoofdkop) tot H6.
Citation
Een vermelding of bronverwijzing naar jouw pagina in een AI-antwoord.
Transcriptie

Uitgeschreven uit de audio van dit fragment. Stopwoorden en herhalingen zijn weggelaten. Waar [onverstaanbaar] staat, is de opname niet te verstaan.

Daarnaast is het zo dat een AI-model eigenlijk geen complete pagina's leest. Wat een AI-model doet, is dat als er een URL wordt opgehaald vanuit RAG, dan gaat een AI-model die pagina chunken, eigenlijk in kleine stukjes opknippen. En voor dat chunking proces gebruikt een AI-model onder andere de HTML structuur van je pagina. Dus waar begint een paragraaf, waar eindigt een paragraaf, waar begint een stuk tekst? Die chunks, daar vindt vervolgens nog een technisch proces plaats, daar zal ik het nu niet over hebben. Maar op het moment dat jij jouw heading structuur, een goede HTML heading structuur hanteert, en niet te lange paragrafen, dan help je een AI model om jouw content makkelijker te kunnen chunken, waardoor jouw content of jouw website sneller een citation krijgt, of een vermelding krijgt binnen het AI model. Dat is eigenlijk de primaire reden waarom die HTML structuur belangrijk is. En ook waarom je niet al te lange paragrafen tekst op je website kunt zetten. Dat heeft met dat chunking proces te maken. Goed om bij stil te staan als je kijkt naar je content is, biedt mijn content diepgang en is het goed leesbaar? Zijn de headings logisch? Biedt mijn content meer waarde? Biedt het iets unieks? En zijn mijn paragrafen niet te lang? Als dat niet zo is, dan weet je dat de werk aan de winkel is. Even heel plat gezegd.

Spreker: Jarik Oosting, SmartRanking

Bronnen

Meer over AI & Marketing