Inhoud opsplitsen voor LLM Retrieval: Hoe sectieontwerp de citatiekans beïnvloedt

Inhoud opsplitsen voor LLM Retrieval: Hoe sectieontwerp de citatiekans beïnvloedt

Door Sofia Mendez, Hoofd Merkstem & Authenticiteit
Onderzoeksmomentopname: 23 oktober 2026

Een pagina hoeft niet in kleine stukjes te worden gehakt om een plek in een AI-antwoord te verdienen. Maar de ideeën moeten gemakkelijk te vinden, te begrijpen en te citeren zijn.

Dat is het nuttige onderscheid. Een goed sectieontwerp kan inhoud duidelijker maken voor mensen en retrievalsystemen. Het garandeert niet dat een AI-zoekmachine de pagina zal citeren. Er is geen bewezen regel van 80-120 woorden voor het verkrijgen van citaties.

Een opmerking over de gevraagde A/B-test: Ik kon voor dit artikel geen live test uitvoeren. Er werden geen website, gepubliceerde paginavarianten, zoekaccount of testqueries verstrekt. Dit artikel rapporteert dus geen verzonnen resultaten. Het legt uit wat het huidige onderzoek ondersteunt en presenteert een test die een site-eigenaar kan uitvoeren.

Scheid eerst retrieval van indexering

“AI-zoeken” klinkt misschien als één systeem, maar er zitten verschillende stappen tussen het publiceren van een pagina en het zien van een citatie ervan:

1. Crawlen: Een zoeksysteem of bot heeft toegang tot de pagina.
2. Indexereren: Het systeem slaat de pagina op en verwerkt deze.
3. Ophalen (Retrieve): Een zoek- of AI-systeem vindt de pagina—of een deel ervan—voor een vraag.
4. Citeren: Het antwoord bevat de pagina als bron.

Sectieontwerp kan een systeem helpen een relevant fragment te begrijpen en op te halen. Maar het kan een pagina niet repareren die is geblokkeerd voor crawlen, nooit is geïndexeerd, of minder nuttig is dan andere bronnen. Google zegt dat pagina's geïndexeerd en in aanmerking moeten komen om met een snippet te verschijnen voordat ze ondersteunende links kunnen zijn in de AI-functies—en zelfs in aanmerking komende pagina's verschijnen niet gegarandeerd. (developers.google.com)

Dat is belangrijk omdat de nauwkeurigheid van de snippet en de selectie van citaties verschillende resultaten zijn. Een systeem kan een duidelijke passage van uw pagina extraheren, maar een andere bron citeren. Of het kan uw pagina citeren terwijl het informatie uit verschillende secties gebruikt.

Wat het bewijs zegt over de lengte van brokken (chunks)

Onderzoek naar RAG—systemen die tekst ophalen voordat ze een taalmodel vragen om te antwoorden—toont aan dat de chunkgrootte ertoe kan doen. Maar de beste grootte hangt af van de taak.

Een studie uit 2025 testte brokken van vaste grootte over verschillende vraag-antwoord datasets. Kleinere brokken, zoals 64 of 128 tokens, presteerden beter bij sommige vragen met korte, directe antwoorden. Grotere brokken presteerden vaak beter wanneer een vraag meer context nodig had. De studie mat tokens in een retrieval systeem, niet secties met een woordenaantal op openbare websites. Het bewijst niet dat secties van 80-120 woorden de citaties in Google, Bing of ChatGPT-zoekopdrachten verbeteren. (arxiv.org)

Een andere studie, gepubliceerd in de 2025 Findings of ACL, vond dat de manier waarop ideeën werden gegroepeerd ertoe deed—niet alleen de chunklengte. De auteurs rapporteerden dat de chunklengte alleen niet direct retrieval of antwoordkwaliteit voorspelde. Dat wijst op een praktische les: een korte sectie is niet automatisch een goede sectie. Deze moet nog steeds een compleet idee bevatten. (aclanthology.org)

Er is ook een grens aan wat deze studies ons kunnen vertellen. Ze testen onderzoekssystemen met bekende modellen, datasets en retrievalinstellingen. Openbare AI-zoekproducten gebruiken hun eigen systemen, en hun volledige selectieregels zijn niet openbaar.

Wat koppen en ankers wel – en niet – kunnen doen

Koppen maken de pagina gemakkelijker te volgen

Duidelijke H2- en H3-koppen vertellen lezers wat elke sectie behandelt. Ze kunnen systemen ook helpen begrijpen hoe ideeën verband houden. Google zegt dat passage ranking delen van een pagina kan identificeren die relevant zijn voor een zoekopdracht. De webmasterrichtlijnen van Microsoft bevelen eveneens een duidelijke contentstructuur en logische kopniveaus aan voor content die AI-antwoorden en citaties kan ondersteunen. Geen van beide bronnen geeft een kopindeling die selectie garandeert. (developers.google.com)

Een nuttige kop benoemt het punt dat de sectie maakt. “Wanneer een korte sectie werkt” is informatiever dan “Meer details”. Maar koppen moeten de inhoud beschrijven, niet herhaalde zoektermen herhalen omwille van zichzelf.

Benoemde ankers zijn nuttige links, geen aparte pagina's

Een ID zoals id="short-sections" laat een link naar een specifieke kop op de pagina springen. Dat helpt lezers een sectie te delen of opnieuw te bezoeken. Het is geen aparte, indexeerbare pagina voor die sectie. Google zegt dat het URL-fragmenten over het algemeen negeert voor crawlen en indexeren als afzonderlijke inhoud, terwijl het fragmenten ondersteunt die worden gebruikt om naar inhoud binnen een pagina te verwijzen. (developers.google.com)

Gebruik dus benoemde ankers voor stabiele navigatie. Verwacht niet dat een #sectie-naam link op zichzelf de citatiekans verhoogt of de indexering versnelt.

Duidelijk schrijven wint van slimme opmaak

De huidige richtlijnen van Google zijn direct: het is niet nodig om inhoud voor AI in kleine stukjes te hakken, en er is geen ideale paginalengte. Organiseer de pagina voor de lezers en het onderwerp. Google zegt ook dat zijn AI-functies afhankelijk zijn van de kernzoeksytemen, niet van een speciaal chunking-formaat. (developers.google.com)

Dat is een betere regel dan blindelings een woordenaantal te halen.

Het idee van 80-120 woorden: een nuttige standaard, geen rankingregel

Een sectie van 80-120 woorden kan goed werken wanneer deze één vraag op een complete manier beantwoordt. Het kan bijvoorbeeld een aanbeveling doen, uitleggen waarom het werkt en één voorbehoud geven.

Maar elke sectie in dat bereik forceren kan een artikel schokkerig maken. Sommige ideeën hebben een kort antwoord nodig. Andere hebben een uitgewerkt voorbeeld, bewijs of een waarschuwing nodig die de aanbeveling verandert.

Beschouw 80-120 woorden als een redactioneel startpunt – niet als een SEO-drempel. Houd een sectie kort wanneer deze één compleet punt maakt. Laat het langer zijn wanneer inkorten de benodigde context zou verwijderen.

Hoe een geloofwaardige A/B-test uit te voeren

Om het effect op openbare AI-zoekopdrachten te testen, heeft u een live site, toegang tot indexeringstools en een vaste reeks vragen nodig. Een kleine test op twee pagina's kan interessant zijn, maar het kan lay-outeffecten niet scheiden van verschillen in onderwerp, autoriteit of crawl-timing.

Vergelijk twee versies van de architectuur

Voor een eerste test, vergelijk deze twee paginapatronen:

Het bereik van 300-500 woorden is een voorgestelde testcontrole, geen gevestigde standaard. Houd de kernfeiten, bewijzen, voorbeelden, paginasjabloon, metadata en interne linkondersteuning zo vergelijkbaar mogelijk.

Deze eerste test meet een pakket aan ontwerpkeuzes. Als variant A meer sectie-einden en meer H3-koppen heeft, kunt u niet zeggen of een verschil voortkwam uit het woordenaantal, de koppen of hun combinatie. Om die factoren te isoleren, voert u een tweede test uit die één factor tegelijk wijzigt—houd bijvoorbeeld de kop- en ankermarkering vast terwijl u paragraaf-einden wijzigt.

Gebruik twee soorten tests

1. Een gecontroleerde retrievaltest

Voer dezelfde brontekst in twee versies van uw eigen retrieval systeem, of een testsysteem dat u beheert. Houd het model, de zoekinstellingen en de vragenlijst vast. Wijzig alleen hoe de tekst is opgesplitst.

Dit kan testen of één lay-out leidt tot betere retrieval of nauwkeurigere antwoorden binnen dat systeem. Het vertelt u niet wat een openbaar AI-zoekproduct zal doen.

2. Een live webtest

Openbare zoekmachines hebben live pagina's nodig, dus gebruik overeenkomende, originele pagina's in plaats van identieke kopieën te publiceren. Koppel pagina's met een vergelijkbaar publiek, onderwerpmoeilijkheid, leeftijd en bestaande siteondersteuning. Wijs willekeurig één pagina in elk paar toe aan variant A en de andere aan variant B.

Houd het publicatieproces eerlijk: gebruik vergelijkbare paginasjablonen, metadata, interne links en sitemap-timing. Promoot de ene variant niet zwaarder dan de andere. Als de site slechts enkele geschikte pagina's heeft, behandel het resultaat dan als een kleine pilot, niet als bewijs.

Meet de resultaten afzonderlijk

• Nauwkeurigheid van snippet-extractie: Bereid vragen voor met bekende antwoorden. Laat recensenten controleren of elke door AI geproduceerde snippet of antwoord het juiste feit vastlegt zonder de betekenis ervan te veranderen.
• Citatie selectiepercentage: Noteer voor elke vaste vraag of de doelpagina als citatie verschijnt. Noteer ook of de geciteerde pagina de bewering daadwerkelijk ondersteunt.
• Tijd tot indexering: Noteer wanneer elke pagina wordt gepubliceerd, voor het eerst wordt gecrawld en voor het eerst wordt bevestigd als geïndexeerd. Controleer de status regelmatig en rapporteer de mediane tijd, plus het aandeel dat aan het einde nog niet is geïndexeerd.

Indexeringstijd vereist zorgvuldige behandeling. Google beveelt crawlable links en sitemaps aan om de ontdekking te helpen, maar zegt dat crawlen en indexeren niet gegarandeerd zijn. De richtlijnen vermelden ook dat updates voor opnieuw crawlen tijd kunnen kosten. Rapporteer pagina's die aan het einde niet zijn geïndexeerd als nog niet geïndexeerd, in plaats van ze stilletjes uit de resultaten te verwijderen. (developers.google.com)

Gebruik een vaste lijst met zoekopdrachten en herhaal dezelfde vragen over dezelfde AI-zoekproducten. Resultaten kunnen veranderen, dus houd de datum, het platform, de vraag, het antwoord en de geciteerde URL's bij in een logboek. Het AI Performance-rapport van Bing Webmaster Tools kan laten zien welke sitepagina's worden geciteerd en hoe de citatie-activiteit verandert. Bing waarschuwt dat veranderingen in die totalen niet aantonen dat één pagina-bewerking de verandering heeft veroorzaakt. (bing.com)

Mijn hypotheses – geen testresultaten

Voordat ik de test zou uitvoeren, zou ik verwachten:

• De nauwkeurigheid van snippets kan verbeteren wanneer een sectie één waarschijnlijke vraag beantwoordt zonder de benodigde context te verliezen. De RAG-studies ondersteunen het testen van dit idee, maar leggen het effect ervan op openbare AI-zoekopdrachten niet vast.
• De citatie selectie kan weinig veranderen – of helemaal niet. Een duidelijkere sectie kan helpen bij het begrip, maar een citatiebeslissing hangt ook af van de zoekopdracht, de concurrerende bronnen en of de pagina toegankelijk en relevant is. Google beschrijft AI-antwoorden als gebaseerd op zoekretrieval en gerelateerde zoekopdrachten, niet op een vaste regel voor sectielengte. (developers.google.com)
• De tijd tot indexering verbetert mogelijk niet alleen omdat secties korter zijn. Ontdekkingssignalen en crawl-toegang zijn directere zaken om te controleren. Dit is een beredeneerde verwachting, geen gemeten uitkomst.

Een praktische standaard voor contentarchitectuur

Voor de meeste oprichters- en productpagina's beveel ik dit aan als een huisstijl, niet als een belofte van meer citaties:

1. Eén pagina, één hoofdlezerbehoefte. Geef aan wat de pagina de lezer helpt doen.
2. Eén duidelijke H1. Maak het hoofdonderwerp duidelijk.
3. Gebruik beschrijvende H2's en H3's. Maak de pagina gemakkelijk scanbaar, met koppen in een logische volgorde.
4. Streef naar één compleet antwoord per sectie. Gebruik 80-120 woorden wanneer die lengte past. Ga langer wanneer het idee bewijs, context of een voorbeeld nodig heeft.
5. Schrijf zodat elke sectie op zichzelf kan staan. Benoem het product, de persoon of het idee in plaats van te vertrouwen op vage woorden zoals “het” of “deze.”
6. Voeg stabiele, beschrijvende ID's toe aan belangrijke koppen. Gebruik gewone links zoals href="#short-sections" voor paginanavigatie—niet als bewering dat elk fragment een nieuwe pagina is.
7. Houd belangrijke tekst toegankelijk. Controleer of crawlers de pagina kunnen bereiken en of de hoofdinhoud beschikbaar is als tekst. Voor ChatGPT Search, identificeert OpenAI OAI-SearchBot als de zoekcrawler en legt uit dat site-eigenaren de toegang ervan kunnen beheren via robots.txt. (developers.openai.com)
8. Plaats bewijs naast de bewering die het ondersteunt. Een korte bewering met een nabije bron is gemakkelijker te controleren dan een bewering die afhankelijk is van context die meerdere secties verderop staat.
9. Behoud het standpunt van de eigenaar. Een overzichtelijke lay-out zal generieke inhoud niet het citeren waard maken—of het lezen waard.

Dat laatste punt wordt gemakkelijk gemist. Automatisering moet een oprichter tijd besparen, niet de reden wegnemen waarom hun inhoud anders is. Een nuttige contentworkflow kan een duidelijke briefing hergebruiken: Maker, Doelgroep en Smaak. AutoPod gebruikt deze input om artikelen te begeleiden en tegelijkertijd het standpunt van de eigenaar te behouden. Het systeem kan de pagina organiseren; het inzicht moet nog steeds komen van de mensen die het product en de klant kennen.

Conclusie: ontwerp voor duidelijkheid, test dan

Korte secties, duidelijke koppen en benoemde ankers zijn een goed paginaontwerp. Het zijn geen bewezen citatiehack. Een sectie van 80-120 woorden is een redelijk uitgangspunt wanneer deze één compleet idee uitdrukt, maar langere secties kunnen juist zijn wanneer de lezer meer context nodig heeft.

Bouw pagina's die mensen kunnen scannen en vertrouwen. Zorg ervoor dat zoeksystemen er toegang toe hebben. Test vervolgens of een modulaire lay-out de extractie of citatie op uw eigen pagina's verbetert. Totdat die test is uitgevoerd, is het eerlijke antwoord eenvoudig: **goede chunking is het testen waard, maar de 100-woordenregel is geen feit.