LLM-audit van gestructureerde data: controleer je schema op begrip door AI

Een LLM-audit van gestructureerde data controleert of je pagina zijn belangrijkste feiten vermeldt in een vorm waarbij machines niet hoeven te raden: wie hem publiceert, wat voor soort pagina het is en waar hij in de site staat. Schema.org-markup is daarvoor het gedeelde vocabulaire en Google raadt JSON-LD aan als het formaat dat het gemakkelijkst te implementeren en te onderhouden is (Google Search Central, introduction to structured data). Het is nog lang niet universeel: in 2024 was JSON-LD aanwezig op 41% van de pagina's, tegenover 34% in 2022 (HTTP Archive Web Almanac 2024, structured data).

Hoe werkt de LLM-audit van gestructureerde data?

Voer een domein of de volledige URL van een pagina in, doorloop de anti-botcontrole en start de analyse. De tool haalt de pagina op zoals een crawler dat doet, zonder JavaScript uit te voeren, en leest twee soorten markup.

• JSON-LD-blokken: elke <script type="application/ld+json"> wordt geparseerd. Typen worden gelezen op elk object op het hoogste niveau, in arrays en binnen @graph. Een blok dat geen geldige JSON is, telt als ongeldig.
• Microdata: elk attribuut itemtype="https://schema.org/..." voegt zijn type toe aan de lijst.

Het rapport toont de score en het cijfer, het aantal JSON-LD-blokken en ongeldige blokken, de gedetecteerde schematypen en daarna de vijf verwachte typen, gemarkeerd als aanwezig of ontbrekend, elk met een uitleg van één regel en een aanbeveling. De gratis versie staat drie audits per dag toe.

Test de pagina's die ertoe doen voor bronvermeldingen, niet alleen de homepage: een blogartikel, een product- of dienstpagina, een vergelijking. Elk sjabloon heeft zijn eigen markup.

Hoe wordt de score berekend?

De score is een gewogen aandeel geslaagde controles. Elke controle slaagt of mislukt; de gewichten tellen op tot 9 en het resultaat wordt omgezet in een score op 100.

Het cijfer volgt de score: A vanaf 90, B vanaf 75, C vanaf 60, D vanaf 40, F eronder. Het label is “Sterk” vanaf 75, “Goed, met ruimte voor verbetering” vanaf 60, “Moet worden verbeterd” vanaf 40 en “Kritieke tekortkomingen” onder 40. Een paar typische gevallen:

• Helemaal geen gestructureerde data: 11/100, cijfer F. Alleen de controle “geen ongeldig blok” slaagt, omdat er niets kapot kan.
• Een homepage met Organization en WebSite: 61/100, cijfer C. Met BreadcrumbList erbij komt hij op 72.
• Een blogartikel met Article, Organization, WebSite en BreadcrumbList: 89/100, cijfer B. FAQPage is het enige ontbrekende type.

Welke schematypen helpen LLM's je pagina te begrijpen?

De vijf verwachte typen beantwoorden vijf vragen die een model anders uit de tekst zou afleiden. De tabel voegt toe hoe vaak elk type op mobiele pagina's in JSON-LD voorkomt, volgens de Web Almanac 2024.

Organization is het anker. Google legt uit dat organisatiemarkup helpt om je administratieve gegevens te begrijpen en je organisatie te onderscheiden van andere (Google Search Central, organization structured data). De eigenschap sameAs doet hetzelfde voor elke lezer: schema.org definieert haar als de URL van een referentiepagina die de identiteit van het item ondubbelzinnig aangeeft, zoals een Wikipedia- of Wikidata-vermelding of een officieel profiel (schema.org, sameAs).

Zorgt gestructureerde data ervoor dat AI-assistenten je citeren?

Niet op zichzelf, en het is goed hier precies te zijn. Google stelt dat er geen extra vereisten zijn en geen speciale schema.org-markup nodig is om in AI Overviews of AI Mode te verschijnen; het vraagt dat gestructureerde data overeenkomen met de zichtbare tekst van de pagina (Google Search Central, AI features and your website). Assistenten citeren pagina's om hun inhoud en hun autoriteit.

Wat markup doet, is dubbelzinnigheid wegnemen. Ze vermeldt je merknaam, je logo, je officiële profielen, de auteur en datum van een artikel en de plaats van de pagina in je site, in één consistente vorm. Wanneer een assistent of de zoekindex erachter moet beslissen welke “Acme” je bent, of dat een artikel actueel is, helpen die expliciete feiten. Zie gestructureerde data als de identiteitskaart van de pagina en de zichtbare content als de reden om hem te citeren.

FAQPage verdient een opmerking. Google toont het FAQ-rich result niet meer in zijn zoekresultaten en verwijderde de documentatie ervan in juni 2026 (Google Search Central, latest documentation updates). De audit controleert het type nog steeds, omdat paren van vragen en antwoorden een schoon, op zichzelf staand formaat zijn voor elk systeem dat de pagina leest, maar verwacht geen zichtbaar effect in Google.

Hoe los je de problemen op die de audit vindt?

Werk in deze volgorde, van het meest naar het minst schadelijke.

1. Ongeldige blokken. Een JSON-LD-blok dat niet kan worden geparseerd, wordt volledig genegeerd. De gebruikelijke boosdoeners zijn een komma aan het einde, een niet-geëscapete aanhalingsteken in een beschrijving of een leeggelaten sjabloonvariabele. Plak het blok in een JSON-validator, corrigeer het en voer de audit opnieuw uit.
2. Geen JSON-LD. Voeg via je sjabloon op elke pagina een eerste blok toe met Organization (name, url, logo, sameAs) en WebSite. De schemagenerator levert geldige JSON-LD om mee te beginnen.
3. Article op redactionele pagina's, met headline, author, datePublished en dateModified die overeenkomen met wat lezers zien.
4. BreadcrumbList die het zichtbare kruimelpad weerspiegelt.
5. FAQPage alleen wanneer de pagina echte vragen en antwoorden toont. Markeer nooit content die niet zichtbaar is.

Controleer de pagina daarna vanuit andere hoeken: de LLM-leesbaarheidschecker beoordeelt hoe makkelijk een model antwoorden uit je tekst kan halen en de audit voor answer engine optimization bekijkt de paginastructuur achter directe antwoorden. Voor definities zie je ons woordenlijstartikel over schemamarkup.

Wat zijn de beperkingen van de audit?

Hij controleert aanwezigheid en syntaxis, niet kwaliteit. Houd deze punten in gedachten als je de score leest.

• Eigenschappen worden niet gecontroleerd. Een Article-blok zonder auteur slaagt voor de Article-controle. Beoordeel de inhoud van elk blok zelf.
• Geneste typen tellen niet mee. Een Organization die alleen als publisher binnen een Article-blok is gedeclareerd, slaagt niet voor de Organization-controle. Haar als apart object declareren, in de array of de @graph, lost dat op en maakt de entiteit herbruikbaar met een @id.
• Geen JavaScript-rendering. Markup die door een tag manager of een clientscript wordt geïnjecteerd, wordt niet gezien. Google kan dynamisch toegevoegde JSON-LD lezen, maar veel andere crawlers voeren geen JavaScript uit, dus markup aan de serverkant is de veiligere keuze.
• De vijf typen zijn een basis. Een productpagina heeft ook Product en Offer nodig, een lokaal bedrijf LocalBusiness, een evenement Event. De audit straft hun afwezigheid niet af.

Om te zien of betere markup en content zich vertalen in bronvermeldingen volgt de AI-vermeldingstracking je merk elke week in antwoorden van ChatGPT, Claude en Gemini en publiceert de blogartikelgenerator artikelen met bronvermelding en structuur op je site.

Geldige JSON-LD met Organization en Article is de basis waaraan elke pagina moet voldoen. Audit hierboven je belangrijkste pagina's en bekijk daarna de Sorank-abonnementen om je zichtbaarheid in AI-antwoorden op autopilot te volgen.