Ik liet een AI vijf keer dezelfde audit van mijn eigen site doen. Ik kreeg vijf verschillende lijsten en drie verschillende nummers één.
Daarna liep een vaste controle vijf keer over 22 adressen van diezelfde site. Vijf keer kwam er exact hetzelfde uit.
Bijna elke dag zie ik posts met een compleet team van 50 tot 100 agents, met een CEO-agent bovenaan.
Elke SEO-agent heeft een functietitel. Onderaan staat de oproep om "SEO" te reageren.
Dat team heb je niet nodig. Je hebt een meting nodig die vastligt en een beetje AI om hem uit te leggen.
Wat een SEO-agent in zo'n team is
Wie reageert, krijgt meestal een document met instructies voor een chatbot. Daar is niets mis mee. Als checklist kan het nuttig zijn.
Een SEO-agent in zo'n plaatje is alleen wel een rolbeschrijving. Honderd agents op hetzelfde model zijn dezelfde AI met honderd functietitels.
Hebben ze dezelfde data, dan weet de Keyword Agent niets wat de Content Agent niet weet. Afdelingen maken het plaatje overzichtelijk. Kennis voegen ze niet toe.
Wat ze wel toevoegen is afstemming. Elke overdracht tussen twee agents is een plek waar iets verloren kan gaan.
Dat kost ook geld. In de benchmark van Vals AI die ik eerder besprak was een team van agents 1,8 tot 5,1 keer zo duur als één agent.
Dat ging over programmeren. Bij SEO heb ik het niet gemeten en ken ik geen vergelijkbare test.
Wat er gebeurde toen ik dezelfde audit vijf keer vroeg
Ik gaf Claude, een AI-model, vijf keer dezelfde opdracht: doe een SEO-audit van mijn site en noem de tien belangrijkste verbeterpunten. Vijf losse sessies op dezelfde ochtend.
Ik verwachtte dat het zou raden. Het ging zelf meten. Vier van de vijf keer meldde het dat het alle 229 pagina's had afgelopen.
Over de basis waren de vijf het eens: de techniek is in orde. Veel punten klopten ook. Daarna liep het uiteen.
Twee keer stonden de datums in de sitemap op één. De sitemap is de lijst met pagina's die je aan Google geeft.
Twee keer waren het pagina's die elkaar beconcurreren. Eén keer was het te weinig tekst op de belangrijkste pagina's.
Over de vijf lijsten heen telde ik zo'n twintig onderwerpen. Vier kwamen altijd terug: de datums in de sitemap, titels, beschrijvingen en dunne pagina's. De rest wisselde.
Minstens twee keer stond er iets dat niet klopte.
Eén sessie zei dat alle 229 pagina's het moment van ophalen als datum hadden. Bij 10 is dat zo. In totaal staan er 151 verschillende datums in.
Een andere zei dat er geen categoriepagina's in de sitemap staan. Er staan er 4.
Dit is één site, één model en vijf keer. Een studie is het niet. Groter onderzoek wijst wel dezelfde kant op.
SparkToro liet 600 mensen 12 vragen aan AI-tools stellen, samen 2.961 keer.
Vroeg je ChatGPT of de AI van Google 100 keer hetzelfde, dan was de kans kleiner dan 1 op 100 dat er ook maar twee keer dezelfde merkenlijst tussen zat.
Claude deed het daar net iets beter. Dat ging over merkaanbevelingen, niet over audits.
Waarom een vaste controle hetzelfde blijft
De vaste controle bekeek vijf keer dezelfde 22 adressen: 20 pagina's en 2 doorverwijzingen naar de homepage.
Werkt de pagina? Klopt de doorverwijzing? Staat de titel erin? De uitkomst was elke keer tot op de letter gelijk.
Dat is een smallere vraag dan een open audit. Daar gaat het ook om: op zulke vragen bestaat één juist antwoord.
Een model kan dat antwoord vinden. Het kan het ook overslaan of verkeerd opschrijven, zoals de twee fouten hierboven laten zien.
Als ondernemer merk je dat volgende maand. Staat er dan iets anders bovenaan? Dan weet je niet of dat aan je site ligt of aan de AI. Of je vooruitgaat, zie je dan niet.
Bij een bureau zit er ook nog een klant bij. Die legt dit kwartaal naast het vorige en vraagt waarom het belangrijkste punt ineens een ander is.
"De AI koos vandaag iets anders" is daar geen goed antwoord op.
📖 Lees ook: Technische SEO: de complete gids voor MKB-ondernemers: Wat je vast kunt controleren en waar je begint
Hoe ik mijn SEO-tool bouw: eerst meten, dan pas AI
Meten. De tool loopt je site af en legt de meting van elke gelukte pagina vast in een database. Zie dat als een logboek dat met elke scan langer wordt. Zo kun je later vergelijken.
Analyseren. Op dat logboek draaien gewone berekeningen. Welke pagina's missen een titel. Wat zakte er ten opzichte van je vorige scan. Op dezelfde data komt altijd hetzelfde antwoord.
Duiden. Daarna komt het model dat uitlegt aan de beurt. Het kijkt niet zelf op je site. In de gratis scan krijgt het na de eerste drie pagina's een lijst bevindingen die vaste regels al hebben opgesteld. Daarbij komen een paar gemeten waarden en hooguit 500 tekens tekst van je site. Het kiest er drie bevindingen uit en legt ze uit.
Geen AI is het dus niet. Zoekwoorden uit tekst halen doe ik ook met een model, net als aanbevelingen en herstelinstructies. Het meetwerk doet geen model.
Die uitleg kan per keer verschillen, net als in mijn test. Dat geldt ook voor mijn eigen tool.
De uitleg mag variëren. De meting niet. De tool gooit elke tip weg die naar een bevinding buiten die lijst verwijst. Of de uitleg bij een tip echt bij die bevinding past, controleert de tool nog niet.
Zonder model werkt de scan gewoon door en komen de tips uit vaste regels. Wil je zien wat een meting oplevert, doe dan de gratis scan.
Daarna kan een agent ook wijzigen
Dit moet ik nog bouwen. De volgende stap is logisch zodra de meting en de uitleg kloppen: laat één agent het ook oplossen.
Eerst komt een voorstel met de oude en de nieuwe tekst naast elkaar. Jij keurt het goed.
Dat is dezelfde mens in de lus die ik in mijn eigen systemen inbouw.
Veilige velden komen eerst, zoals de tekst onder je titel in Google en de beschrijving bij een afbeelding. Elke wijziging is terug te draaien en wordt vastgelegd.
Doorverwijzingen en robots-instellingen blijven voorlopig af. Eén verkeerde regel daarin kan je site uit Google halen.
Later kan een deel automatisch, tot op zekere hoogte. Dat staat nog niet in mijn plan.
Komt het, dan alleen als jij het aanzet en binnen vaste grenzen. Ook dat is één agent met een smalle opdracht. Geen vijftig.
Waar meerdere agents wel kloppen
Ik ben niet tegen agents. Ik gebruik er genoeg.
De open source marketing-skills van Corey Haines staan ook in mijn projecten.
Voor content en conversie zijn ze een prima start. Bouw ze daarna wel om naar je eigen bedrijf.
Meerdere agents lonen als de taken los van elkaar staan.
Een agent met echte data en een mens die keurt, is ook bij SEO bruikbaar. De waarde zit dan in die data, niet in het aantal.
Vier vragen voordat je "SEO" reageert
- Welke data leest hij? Zonder meting van jouw site en zonder Search Console raadt hij.
- Krijg ik volgende maand hetzelfde antwoord op dezelfde site? Anders kun je geen voortgang meten.
- Wat mag hij wijzigen en wie keurt dat goed? Geen antwoord is ook een antwoord.
- Wat krijg ik in handen? Een werkend systeem of een document met instructies. Beide kunnen nuttig zijn, zolang je weet welke van de twee het is.
Veelgestelde vragen over SEO-agents
SEOpera is in ontwikkeling
Zo bouw ik SEOpera, mijn SEO-tool voor de ondernemer die SEO zelf doet en voor het bureau met klantsites. Hij is in ontwikkeling en nog niet in productie.
Wie op de wachtlijst staat hoort het als eerste en krijgt een maand gratis, zonder betaalgegevens. Zet je op de wachtlijst.