[Event] BrightonSEO 2026

Is SEO in 2026 nog wel te voorspellen, of is het één grote ‘black box’ geworden? Om antwoord te krijgen op die vraag, bezochten Tom en Anke de april-editie van BrightonSEO. In deze blog delen we de belangrijkste lessen over hoe je zichtbaar blijft in een wereld vol AI-zoekmachines.

We beginnen met een kort overzicht van de belangrijkste inzichten per spreker. Daarna duiken we dieper in de belangrijkste ontwikkelingen.

• Malte Landwehr over hoe ChatGPT Shopping grotendeels leunt op Google Shopping-data
• Thomas Peham over waarom AI-search draait op experimentdata in plaats van aannames
• Meg Sharma & Amanda Walls over E-E-A-T als fundament voor merkvertrouwen
• Gintarė Rimolaitytė over zichtbaarheid als selectieprobleem binnen AI-antwoorden
• Tom Capper over de afname van organische zichtbaarheid en de opkomst van pixel-diepte
• Jeroen Driehuis over het voorkomen van SEO-verlies bij migraties
• Gus Pelogia over hoe MCP het werken met SEO-data via AI fundamenteel verandert

ChatGPT Shopping draait vooral op Google Shopping-data

Malte Landwehr (CPO & CMO bij Peec AI) liet tijdens zijn sessie vrij direct zien dat ChatGPT Shopping in de basis geen nieuw algoritme is, maar vooral een vertaling van Google Shopping.

Op basis van een dataset van ruim 43.000 producten blijkt dat ongeveer 83% van de producten die je in ChatGPT-carrousels ziet, één op één terugkomt in de organische Google Shopping resultaten. Nog concreter: de top 20 posities in Google Shopping zijn goed voor zo’n 84% van de zichtbaarheid in ChatGPT. Dat maakt het speelveld verrassend traditioneel. De AI bepaalt dus niet zozeer wát er verkocht wordt, maar vooral welke selectie uit Google Shopping uiteindelijk wordt doorgegeven.

Vanuit SEO-perspectief is vooral interessant hoe beperkt de rol van ‘AI-magie’ is.ChatGPT werkt met zogenaamde fan-outs: zoekopdrachten worden opgesplitst en verder aangevuld. In shopping queries zien we gemiddeld 1,2 fan-outs per prompt, waarbij actief extra termen worden toegevoegd zoals premium, durable of structured. Dat zijn geen toevallige woorden, maar duidelijke signalen die helpen bepalen welke producten worden geselecteerd. In ongeveer 10% van de gevallen komt ook expliciet het woord ‘review’ terug in die fan-outs, wat laat zien hoe zwaar externe beoordelingen meewegen in de selectie.

De praktische conclusie is daardoor vrij duidelijk: je wint dit spel niet alleen met een sterke productfeed. Het gaat om een combinatie van je positie in Google Shopping, consistente en goed opgebouwde productdata, én externe validatie via reviews en content op andere websites.

Wat AI-experimente laten zien over SEO in de praktijk

Wat ons vooral bijbleef uit de sessie van Thomas Peham (OtterlyAI): AI-search draait in 2026 veel minder om aannames en veel meer om harde experimentdata. In plaats van theorieën over ‘wat zou moeten werken’, liet hij tientallen gecontroleerde tests zien over een periode van 12 maanden. Daarin werden onder andere llms.txt, schema markup, AI-content en press releases met elkaar vergeleken.

Een van de meest opvallende uitkomsten: het veelbesproken llms.txt-bestand (een tekstbestand dat bedoeld is om AI-modellen instructies te geven over de inhoud van je site, vergelijkbaar met robots.txt) wordt in de praktijk vrijwel genegeerd. Slechts 0,1% van AI bot traffic bezocht het bestand, en het presteerde zelfs 3x slechter dan een gemiddelde pagina op de site. Ook markdown-versies van pagina’s bleken geen effect te hebben: daar werd letterlijk 0% AI crawler traffic op gemeten.

Wat wél consistent effect liet zien, zat vooral in distributie en externe signalen. AI-assisted content presteerde beter dan volledig handmatig geschreven landingspagina’s, met in sommige gevallen tot 5x meer zichtbaarheid over Google, ChatGPT en AI Overviews heen.

Daarnaast bleken persberichten opvallend effectief. Na het distribueren van 10 berichten kwamen de eerste citaties al binnen enkele dagen binnen via domeinen zoals Business Insider en Yahoo, waarna de merkzichtbaarheid structureel toenam.

Schema markup liet een gemengd beeld zien: een sterk positief effect op Google AI Overviews (+1.500%), maar geen of zelfs negatief effect op andere AI-platformen zoals ChatGPT en Gemini.

De rode draad is vrij nuchter: niet losse “trucjes” zoals llms.txt of markdown bepalen je zichtbaarheid, maar de combinatie van sterke content, distributie via betrouwbare externe bronnen en aanwezigheid in systemen die AI al gebruikt als input.

E-E-A-T gaat minder over SEO en meer over merkvertrouwen

Meg Sharma (Audience Operations Manager bij Bauer Media) en Amanda Walls (Director bij Cedarwood Digital) maakten duidelijk dat E-E-A-T steeds minder een SEO-checklist is, en steeds meer een breder vertrouwensmodel dat bepaalt of merken zichtbaar en geloofwaardig blijven in een AI-gedreven zoekomgeving. De kern van beide verhalen is helder: content alleen is niet meer genoeg. Gebruikers én zoekmachines kijken steeds sterker naar externe validatie, consistentie over kanalen en aantoonbare expertise.

Meg Sharma schetste vooral het bredere probleem: er staat enorm veel content online, maar een groot deel daarvan is ruis. Door AI-content, algoritmische feeds en lage kwaliteit output wordt het steeds lastiger om te bepalen wat betrouwbaar is. Daardoor wordt vertrouwen schaarser, en dus belangrijker.

Amanda Walls ging een stap verder en liet zien hoe Google dat in de praktijk vertaalt naar E-E-A-T. Niet alleen wat er op je website staat is belangrijk, maar vooral wat daarbuiten wordt bevestigd. Denk aan auteurs met echte namen, externe mentions, verwijzingen door andere partijen en een duidelijke merkreputatie. Ze noemde dit ook een soort “trust ceiling”: veel websites zijn intern goed geoptimaliseerd, maar groeien niet verder omdat externe validatie ontbreekt.

Wat in beide sessies sterk terugkwam, is dat veel merken nog te gefragmenteerd werken. Gebruikers verwachten één consistente merkervaring, niet losse versies per kanaal. E-E-A-T werkt pas echt wanneer je verhaal overal hetzelfde blijft: website, social media, nieuwsbrieven en externe platforms moeten elkaar versterken.

De conclusie is daarmee duidelijk: E-E-A-T in 2026 gaat niet alleen meer over vindbaarheid in Google, maar over vertrouwen als totaalmerk. Alleen merken die hun identiteit, expertise en reputatie consistent laten terugkomen, bouwen duurzame zichtbaarheid op in een AI-first zoeklandschap.

AI-zoekmachines bepalen steeds vaker wie überhaupt nog zichtbaar is

Gintarė Rimolaitytė (Chief Commercial Officer bij Trendos) liet heel concreet zien hoe AI-zoekmachines steeds meer functioneren als een soort ‘invisible shelf’ waarop producten wel of niet terechtkomen.

Op basis van maart-data blijkt dat gemiddeld ongeveer 18% van alle zoek- en productgerichte queries inmiddels via AI-zoekmodellen loopt, en dat dit aandeel snel groeit. Interessant detail: per AI-antwoord worden maar een beperkt aantal bronnen gebruikt (vaak slechts 2–7 citations per LLM-response, en bij sommige modellen zoals DeepSeek zelfs gemiddeld minder dan 1 relevante bron per antwoord).

Dat maakt zichtbaarheid volgens haar geen klassieke ranking game meer, maar een selectieprobleem. Als je niet in die kleine set bronnen zit, besta je simpelweg niet in het antwoord.

Uit retail-data (onder andere mode, zoetwaren en consumentenkrediet) blijkt dat de bronnen waar AI op leunt vrij geconcentreerd zijn. Ongeveer 40% van alle vermeldingen komt direct van content op eigen websites. De rest wordt verdeeld over nieuws- en editorial sites, affiliates en platforms zoals Reddit en YouTube. Vooral Reddit wordt steeds vaker gebruikt als bron in zowel Google AI Overviews als AI tools.

De conclusie: goede content op je eigen website blijft belangrijk, maar dat is niet genoeg. Zonder verspreiding via externe media, platforms en andere websites (zoals retailers, vergelijkingssites en user-generated content platforms) is de kans groot dat je merk simpelweg niet wordt meegenomen in AI-antwoorden.

Daarnaast introduceerde ze een belangrijke KPI-verschuiving. Waar vroeger rankings of clicks centraal stonden, draait het nu om metrics zoals visibility in LLM-answers, number of mentions, share of voice in antwoorden en vooral je positie in de AI response. Dus niet alleen of je genoemd wordt, maar ook waar in het antwoord.

SEO in Pixels: hoe laag kan organisch gaan?

Tom Capper (senior search scientist bij Moz en STAT) presenteerde een confronterende analyse van de moderne zoekresultatenpagina (SERP) onder de titel ‘How low can organic go?’.

Zijn centrale boodschap was dat een hoge organische rangschikking in je SEO tool niet meer hetzelfde betekent als vroeger. De data uit zijn grootschalige onderzoek onder 46.000 termen laat zien dat de absolute positie #1 (de allereerste plek die een gebruiker ziet) steeds zeldzamer wordt voor organische resultaten. Waar in januari 2024 nog bij 58,5% van de zoekopdrachten een organisch resultaat op de absolute eerste plek stond, is dit in januari 2026 gedaald naar slechts 44,3%.

Het organische resultaat is er vaak nog wel, maar het zakt fysiek steeds verder naar onderen door AI Overviews, advertenties en Shopping-modules. Capper introduceerde daarom een nieuwe KPI: de pixel-diepte. Hij toonde aan dat de mediane diepte van het eerste organische resultaat op desktop inmiddels op 590 pixels ligt. Op smartphones is de situatie nog extremer: daar bevindt het eerste organische resultaat zich zelfs volledig onder de vouw op 1043 pixels. Wil je als gebruiker het tiende organische resultaat bereiken? Dan moet je op desktop gemiddeld al meer dan vier volledige schermen omlaag scrollen.

De nieuwe strategie is dan ook om te sturen op ‘Share of Visibility’ in plaats van enkel op positienummers. De concrete actie hierbij is het maximaliseren van de fysieke schermruimte via rich snippets. Waar een standaard resultaat slechts 162 pixels hoog is, kan dit door de inzet van afbeeldingen, FAQ’s en uitgebreide sitelinks worden vergroot naar maar liefst 445 pixels.

Eerste hulp bij technische rampen tijdens SEO migraties

Zelfs de meest doordachte contentstrategie kan de prullenbak in gaan als de technische fundering tijdens een migratie wankelt. Jeroen Driehuis (technisch SEO specialist bij Onder) nam ons mee in de wereld van grootschalige migratie fouten. Zijn belangrijkste boodschap: stop met het ad-hoc toevoegen van redirects en start met een systematische uitsluitingsmethode om de werkelijke bron van het probleem te vinden.

Een goede analyse begint met het uitsluiten van externe factoren. Je moet eerst vaststellen of een daling in organische zichtbaarheid daadwerkelijk door de migratie komt of dat deze toevallig samenvalt met een Google Core Update. Daarna is het zaak om de data te segmenteren: verlies je verkeer over de gehele breedte of is de schade beperkt tot specifieke pagina typen zoals product- of categoriepagina’s?

Driehuis presenteerde een diepgaand stappenplan voor technische controle:

• Indexering en Crawling: Kan Google de nieuwe pagina’s wel vinden? Hij adviseert om de oude sitemaps in Google Search Console te laten staan om te monitoren hoe snel de oude URL’s uit de index verdwijnen en worden vervangen door de nieuwe.
• Content Parity: dit is een kritiek punt waar het vaak misgaat. Is de tekstuele relevantie van de nieuwe pagina’s nog wel gelijk aan de oude? Een onbedoelde verandering in koppen (H1) of de hoeveelheid body-tekst tijdens het overzetten naar een nieuw CMS kan ervoor zorgen dat Google de pagina niet meer als relevant beschouwt voor dezelfde zoekwoorden.
• User Experience en Snelheid: een migratie heeft vaak impact op de prestaties. Driehuis laat zien dat je de Core Web Vitals, zoals de Largest Contentful Paint (LCP) en Cumulative Layout Shift (CLS), van vóór en na de migratie direct naast elkaar moet leggen om prestatieverlies te identificeren dat de rankings kan schaden.
• Technische fundering: controleer op ‘canonical loops’ en analyseer de interne linkstructuur. Als het nieuwe menu of de footer minder interne links bevat dan de oude site, kan de opbouw van autoriteit binnen de site onderbroken raken.

Praten met je data via MCP

Na de technische diepte-analyses van de eerdere sessies, verschoof de aandacht tijdens de presentatie van Gus Pelogia (SEO & AI manger bij Indeed) naar de opkomst van het Model Context Protocol (MCP). Waar we de afgelopen jaren vooral leerden hoe we met AI konden praten, gaat het nu om hoe we AI met onze data laten praten. MCP fungeert hierbij als de langverwachte ‘missing link’: een open standaard die AI-modellen zoals Claude of Gemini rechtstreeks, veilig en gestructureerd verbindt met externe tools en eigen databronnen. Het tijdperk van handmatige CSV-exports en het eindeloos kopiëren van data naar een prompt is daarmee definitief voorbij. Kort samengevat fungeert MCP als een API voor LLM’s.

De kernwaarde van deze techniek ligt in het opheffen van de zogenaamde ‘context-gap’. Omdat het model via een MCP server een directe verbinding heeft met je eigen infrastructuur of SEO toolset, beschikt de AI over de actuele context die nodig is om patronen te herkennen op het moment dat ze ontstaan. Dit stelt ons in staat om de AI in te zetten voor complexe taken die voorheen uren of dagen aan handmatig werk kostten:

• Geavanceerde keyword-segmentatie: in plaats van handmatige filters, kan AI via koppelingen met tools zoals SEMrush direct duizenden zoekwoorden groeperen op basis van specifieke intenties of semantische clusters, inclusief het berekenen van het totale zoekvolume per groep.
• Real-time lokale SERP-analyses: via MCP-servers zoals DataForSEO kan AI ‘live’ resultaten ophalen voor specifieke steden of locaties. Zo check je in seconden of je merk in de Local Pack verschijnt in tien verschillende steden tegelijk, zonder handmatig je locatie in Chrome aan te passen.
• Diepe SERP-feature scraping: AI kan specifiek ‘Popular Products’ of ‘People Also Search For’-secties uitlezen en de data (zoals prijs, vendor en ratings) direct in een vergelijkingstabel zetten.
• Historische AI-impact rapportages: door SE Ranking te koppelen, visualiseert de AI direct hoe je organische voetafdruk binnen Google’s AI Overviews (AIO) zich over de afgelopen maanden heeft ontwikkeld.
• Multi-tool workflows: de echte kracht zit in het combineren van bronnen; laat AI de SERPs scrapen met DataForSEO en vervolgens direct de zoekvolumes en moeilijkheidsgraden opvragen bij Ahrefs

Gus benadrukte dat de volledige potentie van MCP vooral benut wordt via Claude Code. Terwijl de standaard desktopinterface van Claude geschikt is voor snelle checks, is Claude Code via de terminal veel krachtiger voor grote taken, zoals het scrapen van meerdere SERPs of het aan elkaar rijgen (chainen) van verschillende MCP-calls. De installatie is tegenwoordig een fluitje van een cent via de terminal op zowel Mac als Windows. Belangrijk om te onthouden: een succesvolle prompt begint altijd met het benoemen van de MCP-tool die je nodig hebt.

Hoewel MCP-technologie zorgt voor een enorme productiviteitswinst, herinnerde Gus ons er ook aan dat dit niet ‘gratis’ is. Naast je Claude Pro-abonnement heb je toegang nodig tot de API-omgevingen van je favoriete SEO-tools. Of je nu kiest voor DataForSEO (op basis van credits), Ahrefs (Lite-abonnement), SEMrush (Pro) of SE Ranking (Growth), de kosten wegen ruimschoots op tegen de uren die je bespaart op data-entry en handmatige analyses. We gaan van een wereld waarin de SEO-specialist data verzamelt, naar een wereld waarin de specialist de data simpelweg aanstuurt.

De evolutie van ons SEO vak

BrightonSEO 2026 heeft ons laten zien dat de SEO specialist transformeert naar een brede marketingstrateeg. Of het nu gaat om het claimen van schermruimte via rich snippets, het voeden van LLM’s via MCP-koppelingen of het bewaken van je E-E-A-T buiten de grenzen van je eigen website: succes hangt af van een integrale aanpak. Wie relevant wil blijven in een wereld van AI-overviews en gereduceerde organische ruimte, moet durven investeren in een breed digitaal ecosysteem. Je wint niet meer door alleen de hoogste positie te hebben, maar door overal aanwezig te zijn waar de gebruiker (en de AI) antwoorden zoekt.