Synoniemen en spreektaal verwerken voor AI-zoekmachines

Van zoekwoord naar vraagzin

Tien jaar geleden tikte een klant "hypotheekadvies Utrecht" in Google. Nu stelt diezelfde klant een volledige vraag aan een AI-model, in doodgewone spreektaal. Een AI-zoekmachine matcht niet op een los trefwoord. Het model zoekt naar de tekst die de vraag het best beantwoordt, in de bewoording waarin de vraag gesteld werd.

Wie alleen in vaktermen schrijft — aflossingsvrij, overlijdensrisicoverzekering, vermogensopbouw — sluit vaak niet aan bij hoe die vraag in de praktijk klinkt. Het model herkent het onderwerp meestal wel. Maar het kiest sneller een bron die de vraag letterlijker beantwoordt, in de woorden die de klant zelf gebruikte. Dat verschil bepaalt of jouw kantoor wordt genoemd, of een generieke vergelijkingssite die toevallig dezelfde formulering gebruikte.

Vaktaal en spreektaal in dezelfde alinea

Vaktaal vermijden is geen oplossing. Een klant die zelf de term NHG kent, verwacht die ook terug te zien in een antwoord. Een adviseur die alleen in spreektaal schrijft, verliest geloofwaardigheid bij wie de vaktermen al kent, en dat geldt evengoed voor een AI-model dat de bron beoordeelt op vakkundigheid. Het werkt beter om beide naast elkaar te zetten, in dezelfde zin of dezelfde alinea, zodat een tekst op beide vragen past.

Noem de term, en leg hem meteen uit zoals je dat in een gesprek met een klant zou doen. "Overlijdensrisicoverzekering" wordt dan ook "de verzekering die uitkeert als je partner overlijdt tijdens de hypotheek." "NHG" wordt ook "de garantie die geldt zolang je hypotheek onder de kostengrens blijft." "Vaste rente" wordt ook "je maandlast blijft gelijk, ook als de rente daarna stijgt." Een alinea dekt zo zowel de vakterm als de manier waarop een klant er zelf naar zou vragen.

Neem een artikel over aflossingsvrije hypotheken. Staat er alleen "aflossingsvrije hypotheek: fiscale gevolgen en aandachtspunten", dan sluit dat aan bij wie de term al kent. Voeg je een zin toe als "moet je aan het einde van de looptijd nog steeds het hele bedrag terugbetalen", dan dekt hetzelfde artikel ook de vraag zoals een klant hem in ChatGPT zou typen. Beide bezoekers vinden hun antwoord in dezelfde tekst, zonder dat je twee aparte artikelen hoeft te schrijven voor hetzelfde onderwerp.

Waar je dit het eerst toepast

Loop je bestaande kennisbank na, dan zie je het patroon meestal snel terug. Koppen en tussenkoppen zijn vaak zuiver vaktaal, geschreven voor wie het onderwerp al kent. De lopende tekst eronder legt soms wel uit wat een term betekent, maar dan in dezelfde formele toon als de kop zelf. Herschrijf een deel van die uitleg in de woorden die een klant aan de telefoon zou gebruiken, en het artikel dekt meteen een breder scala aan vragen zonder dat de vaktaal verdwijnt.

FAQ-secties zijn de makkelijkste plek om hiermee te beginnen. Een vraag als "wat kost hypotheekadvies" is bijna letterlijk hoe iemand het aan een AI-model zou voorleggen. Verwerk die spreektaalvraag als kop en geef het vakkundige antwoord eronder, met de juiste term erin. Dat principe werkt hetzelfde als bij gesproken zoekopdrachten: mensen praten in volledige zinnen, niet in losse trefwoorden, en een AI-model behandelt getypte vragen inmiddels op dezelfde manier.

Het werkt ook buiten de FAQ. Een kop als "vermogensopbouw voor zelfstandigen" verwerk je tot "hoeveel vermogen bouw je op als zzp'er, en waar begin je." Dezelfde inhoud, dezelfde vakkennis, maar nu ook vindbaar voor wie die vraag letterlijk aan een AI-model stelt. Hetzelfde patroon zie je terug bij People Also Ask-vragen in Google: ook daar wint de tekst die een vraag met de eigen woorden van de klant beantwoordt, niet de tekst met de meest formele formulering.

Contaqt verwerkt vaktaal en spreektaal bewust naast elkaar in elk kennisbankartikel en elke nieuwsbrief. Vaktaal voor de herkenbaarheid bij de klant die het al weet, spreektaal voor de klant die de vraag nog moet leren stellen. Bekijk Contaqt Premium als je wilt dat elk artikel voor jouw kantoor op die manier geschreven wordt.