Zo ontstaan AI-antwoorden
Hybrid search
Ook wel: BM25
Hybrid search combineert zoeken op trefwoord, vaak met een formule die BM25 heet, en vector search op betekenis, en voegt daarna de resultaten samen.
In gewone woorden
Zoeken op trefwoord is goed in exacte matches: namen, productcodes en foutnummers. Vector search is goed in vergelijkbare betekenis.
Anthropic beschrijft BM25 als een rankingfunctie die precieze woord- of zinsmatches vindt. Het bouwt voort op een ouder idee dat TF-IDF heet.
Voorbeeld
Anthropic geeft dit voorbeeld. Iemand zoekt in een supportdatabase naar „Error code TS-999”. Een embeddingmodel vindt misschien content over foutcodes in het algemeen, terwijl BM25 de exacte match „TS-999” vindt.
Waarom het telt voor AI-zoeken
In de eigen tests van Anthropic werkte embeddings combineren met BM25 beter dan embeddings alleen.
Dus zowel je exacte woorden als je betekenis tellen. Exacte namen helpen zoeken op trefwoord; heldere uitleg helpt vector search.
Wat je kunt doen
- Zet exacte namen, modelnummers en codes in gewone tekst, niet alleen in afbeeldingen of pdf’s.
- Leg ook in gewone woorden uit wat ze zijn.
- Gebruik voor elk product steeds dezelfde naam.
Vaak verward met
- Vector search
- Vector search is de ene helft van hybrid search: de helft die op betekenis zoekt.
Bronnen
Feiten en bronnen voor het laatst gecontroleerd op 19 oktober 2026.
Verwante begrippen
Verder lezen op GEO-Score
Hoe doet jouw pagina het in AI-zoeken?
GEO-Score checkt één pagina op 22 signalen, van toegang voor AI-crawlers tot structured data, en laat zien wat je eerst moet oplossen.
Analyseer een pagina