LSI-zoekwoorden

Wat zijn LSI-zoekwoorden?

LSI-zoekwoorden — kort voor Latent Semantic Indexing — is de SEO-term voor woorden en zinnen die semantisch verwant zijn aan je hoofdonderwerp. Gaat je pagina over "hardloopschoenen", dan zijn termen als trainers, sneakers, demping, looptechniekanalyse, marathon en pronatie LSI-zoekwoorden. Ze signaleren een zoekmachine of AI-zoekmachine dat je pagina het onderwerp echt in de diepte dekt in plaats van één zin te herhalen.

Belangrijke nuance: Google's John Mueller heeft publiekelijk gesteld dat "er niet zoiets bestaat als LSI-zoekwoorden" — Google gebruikt niet de oorspronkelijke Latent Semantic Indexing-wiskunde uit 1988 van Bell Labs (Deerwester et al.). Moderne zoekmachines gebruiken in plaats daarvan BERT, MUM en word embeddings. Maar het onderliggende idee — dat brede, semantisch verwante woordenschat topical relevance signaleert — is precies wat die moderne systemen belonen. Daarom houden we het LSI-label aan voor de herkenbaarheid en behandelen het als afkorting voor "semantische en gerelateerde zoekwoorden". Deze metric maakt deel uit van de Content Quality-pijler in je GEO-Score.

Hoe semantisch zoeken écht werkt

Om te begrijpen waarom semantische keywords belangrijk zijn, moet je weten hoe moderne zoekmachines tekst verwerken. De technologie is drastisch geëvolueerd sinds het simpelweg matchen van keywords.

1. Tekst wordt omgezet in vectoren

Wanneer je een pagina publiceert, zetten zoekmachines je tekst om in numerieke vectoren (embeddings) met modellen zoals BERT. Elk woord en elke zin wordt gekoppeld aan een punt in een hoogdimensionale ruimte, waar vergelijkbare betekenissen bij elkaar clusteren. "Hardloopschoenen" en "sneakers" komen dicht bij elkaar terecht; "hardloopschoenen" en "keukenblender" niet.

2. Zoekopdrachten matchen op betekenis, niet op letters

Wanneer een gebruiker ChatGPT of Google een vraag stelt, wordt die zoekopdracht ook omgezet in een vector. De engine zoekt vervolgens de pagina's waarvan de vectoren het dichtst bij de zoekvector liggen. Pagina's met een rijke semantische woordenschat produceren vectoren die dicht bij veel verschillende zoekvectoren liggen — waardoor ze voor meer zoekopdrachten naar boven komen dan pagina's die steeds dezelfde zin herhalen.

3. Entiteiten koppelen aan de Knowledge Graph

Sinds Google Hummingbird (2013) en BERT (2019) redeneren engines over entiteiten — mensen, producten, concepten, plaatsen — en de relaties daartussen. Het patentonderzoek van Bill Slawski liet zien dat Google Knowledge Graph-entiteiten en samen voorkomende termen gebruikt om te controleren of een pagina een onderwerp daadwerkelijk dekt. Named entities in je content activeren deze herkenning.

Waarom semantische zoekwoorden tellen voor AI-zoekmachines

AI-zoekmachines als ChatGPT, Perplexity en Google AI Overviews matchen geen letterstrings meer. Ze zetten je tekst om in vector-embeddings en vergelijken die met query-embeddings. Pagina's die een onderwerp van meerdere kanten dekken, eindigen dichtbij veel query-vectoren — en juist dan worden ze geciteerd.

Onderwerpsdiepte verslaat zoekwoordherhaling

Een Ahrefs-studie vond dat de gemiddelde top-rankende pagina ook rankt voor zo'n 1.000 verwante zoekwoorden — niet omdat ze één zin herhaalt, maar omdat ze het onderwerp breed dekt. Pagina's met dunne semantische woordenschat lijken oppervlakkig voor zowel Google als AI-zoekmachines en worden overgeslagen ten gunste van completere bronnen.

Zoekmachines redeneren over entiteiten, niet strings

Sinds Hummingbird (2013) en BERT (2019) redeneert Google over entiteiten — mensen, plaatsen, producten, concepten — en de relaties daartussen. Bill Slawski's patentenonderzoek bij SEO by the Sea liet zien dat Google Knowledge Graph-entiteiten en co-voorkomende termen gebruikt om te verifiëren dat een pagina werkelijk over een onderwerp gaat. Semantische woordenschat is wat die herkenning triggert.

Semantische breedte voedt AI Overview-vermeldingen

Een Ahrefs-analyse van 4M AI Overview-URL's vond dat bredere onderwerpsdekking sterk correleert met de kans op vermelding. Sites met goed ontwikkelde topic clusters en semantisch rijke content zien tot 30% hogere citatieratio's in AI Overviews vergeleken met dunne single-keyword-pagina's.

Wat het onderzoek zegt

De gemiddelde hoog gerankte pagina rankt ook in de top 10 voor bijna 1.000 andere relevante keywords. Pagina's ranken niet voor één zin — ze ranken voor een wolk van semantisch verwante zoekopdrachten, omdat ze een onderwerp dekken, geen keyword.

— Ahrefs, How Often Top-Ranking Pages Also Rank for Related Keywords, rankingonderzoek (3M+ geanalyseerde zoekopdrachten)

We analyseerden 863.000 keyword-SERP's en 4 miljoen AI Overview-URL's. Topical authority — gemeten aan de breedte van gerelateerde keywords waarvoor een domein rankt — was de sterkste individuele voorspeller van citaties in AI Overviews, met een correlatie van r = 0,41.

— Ahrefs, AI Overview Citation Patterns Study, 2026 (4M URL's geanalyseerd over 863K SERP's)

LSI-keywords bestaan niet — wie je iets anders vertelt, heeft het helaas mis.

— John Mueller, Google Search Advocate, publieke uitspraak (2019). Google gebruikt het LSI-algoritme uit 1988 niet. Moderne engines gebruiken BERT, MUM en word embeddings — maar het praktische principe van semantische breedte geldt nog steeds.

Snelle tips voor semantische dekking

Spendeer 15 minuten aan de top 10 SERP-resultaten lezen voor je schrijft — noteer elk terugkerend zelfstandig naamwoord en werkwoord. Die lijst is je semantische checklist.

Gebruik je exacte target-zin niet meer dan 1-2x per 300 woorden. Schakel daarna over naar synoniemen, gerelateerde termen of voornaamwoorden.

Noem per artikel minstens 3 specifieke entiteiten — een product, een bedrijf, een standaard, een persoon, een plaats. Entiteiten voeden de Knowledge Graph.

Gebruik Surfer, Clearscope, Frase of zelfs Google's "People also ask" en "Verwante zoekopdrachten" om semantische termen te vinden — maar negeer wat niet natuurlijk past.

Groepeer gerelateerde artikelen in clusters met interne links. HubSpot vond dat topic-cluster-sites organisch verkeer ~3,2x sneller laten groeien.

Lees elke paragraaf hardop. Klinkt het alsof een menselijke expert het schreef, dan zit de semantische woordenschat er waarschijnlijk al. Klinkt het robotachtig, dan ben je aan het stuffen.