Een mailtje dat alles samenvat
Vorige maand kreeg ik een mail van een klant met een webwinkel in drie talen. Zijn vraag was kort: "Als ik ChatGPT in het Nederlands vraag wat wij verkopen, citeert hij onze Duitse pagina. Hoe kan dat?"
Dat kan, en het gebeurt vaker dan je denkt. Niet omdat AI dom is, maar omdat de meeste meertalige websites geen enkel signaal afgeven waarmee een taalmodel de versies uit elkaar kan houden. Google lost dat gedeeltelijk op met hreflang en marktgerichte ranking. Een antwoordmachine heeft die luxe niet: die haalt op wat hij vindt, in de taal waarin de vraag is gesteld, en vult aan met wat technisch het beste te parsen is.
Het gevolg is zichtbaar in je analytics: Nederlandse vragen, Duitse citaten, en bezoekers die op een pagina met verkeerde valuta en verkeerde verzendvoorwaarden landen. Dat kost conversie — en het kost vertrouwen.
Waarom AI hier vaker de fout in gaat dan Google
Google werkt met een index per taal en heeft decennia aan signalen over welke pagina bij welke markt hoort. AI-antwoordmachines werken anders:
- Ze crawlen live of via een externe index en halen een handvol pagina's op. Welke versie meegaat in die selectie is deels toeval.
- Ze lezen de pagina lineair. Een taalswitcher in een dropdownmenu met JavaScript is voor hen vaak onzichtbaar.
- Ze halen Nederlandse en Duitse content door elkaar wanneer beide versies inhoudelijk bijna identiek zijn en er geen expliciete relatie tussen de URL's staat.
Precies daarom is hreflang geen 'SEO-detail' meer. Het is een van de weinige machinetaal-signalen die je hebt om te zeggen: deze twee pagina's horen bij elkaar, maar dit is de versie voor deze taal.
De vijf signalen die bepalen welke taalversie geciteerd wordt
1. Hreflang, wederkerig en compleet
Elke taalversie moet naar alle andere taalversies verwijzen, inclusief zichzelf. Verwijst de Duitse pagina wel naar het Nederlands maar niet andersom, dan is de relatie half en negeert een model hem regelmatig.
Twee dingen gaan structureel mis: hreflang-tags die naar nog niet gepubliceerde vertalingen wijzen (dus naar een 404) en het ontbreken van x-default, de versie die je aanbiedt als de taal niet matcht.
2. Eén voorspelbare URL-structuur
Werken met mappen per taal (/de/, /fr/) of met subdomeinen (de.jouwdomein.nl) is allebei prima — als je er maar consistent in bent. Wat niet werkt: taalversies op willekeurige slugs zoals /producten-duits, of een taalwissel die alleen via een sessie of cookie bestaat. Zonder aparte, deelbare URL per taal valt er niets te citeren.
3. Canonicals die niet alles naar één taal trekken
De klassieke fout: uit angst voor dubbele content zet iemand een canonical van álle taalversies naar de Nederlandse pagina. Voor Google is dat discutabel, voor AI is het funest — je zegt letterlijk dat de Duitse en Franse pagina's niet de echte zijn. Elke taalversie hoort naar zichzelf te verwijzen.
4. Inhoudelijke taalsignalen in de tekst zelf
Modellen gebruiken de tekst als bewijsmateriaal. Een Duitse pagina met Nederlandse plaatsnamen, europrijzen zonder context en een telefoonnummer met +31 wordt als minder Duits beoordeeld dan een pagina met lokale voorbeelden, lokaal adres en de juiste valuta-notatie.
Dit is ook waarom vertaalkwaliteit doorwerkt in zichtbaarheid: een half vertaalde pagina levert zwakkere taalsignalen dan een vloeiend geschreven versie. Meer daarover staat in onze analyse van AI-vertaalde websites en kwaliteit.
5. Crawltoegang per taalpad
Een onderschat probleem. Veel robots.txt-bestanden blokkeren per ongeluk paden die niet de hoofdtaal zijn — ingesteld bij een oude migratie en nooit opgeruimd. Staat je /de/-map dicht voor GPTBot of ClaudeBot, dan is die versie simpelweg niet beschikbaar voor citatie. Welke user-agents je wel en niet toelaat leggen we uit in de handleiding robots.txt voor AI-crawlers.
Wat je deze week kunt doen
- Test met prompts per taal. Vraag in het Nederlands, Duits en Frans naar je eigen dienst. Noteer welke URL wordt genoemd. Dit is je nulmeting.
- Controleer je hreflang-set. Elke versie verwijst naar alle andere, inclusief zichzelf en
x-default. Geen enkele link naar een pagina die nog niet bestaat. - Zet canonicals recht. Eigen URL per taalversie, geen kruisverwijzingen naar één hoofdtaal.
- Vervang de JS-taalswitcher. Echte URL's per taal, ook in je sitemap. Anders bestaat de vertaling voor machines niet.
- Lokaliseer de details. Adres, telefoonnummer, valuta, levertijden, voorbeeldklanten. Dat zijn de feiten waaruit een model afleidt voor wie de pagina bedoeld is.
Zo meet je of het werkt
Herhaal de prompttest per kwartaal in alle talen waarin je actief bent. Kijk daarnaast in je analytics naar AI-verwijzingen uitgesplitst naar taalpad: komt het verkeer uit /de/ ook echt van Duitstalige vragen, of lekt het weg naar je Nederlandse pagina's?
De KPI's die hier echt iets zeggen — citatiefrequentie per taalversie, aandeel AI-verkeer en assisted conversies — staan uitgewerkt in GEO-resultaten meten: welke KPI's tellen echt.
Tot slot
Meertaligheid is geen vertaalprobleem maar een signaalprobleem. Je hebt de content al; het gaat erom dat machines kunnen zien welke versie bij welke taal hoort. Dat is een middag werk aan hreflang, canonicals en URL-structuur — en daarna een kwestie van consequent bijhouden.
Wil je dit structureel aanpakken in plaats van per taal te repareren, dan is een meertalige architectuur vanaf de basis de goedkoopste route. Hoe AI-native ontwikkeling dat oplost, staat in Meertalige Website met AI: Zo Bereik Je Heel Europa, en wat wij daarin voor bedrijven doen vind je op onze pagina GEO en AI-native ontwikkeling.