LinkedIn blijkt de tweede bron van AI-antwoorden
Je vraagt ChatGPT naar een goede leverancier in jouw vakgebied. Er rolt een keurig lijstje met drie namen uit, en jouw bedrijf staat er niet tussen. Terwijl je al vijftien jaar meedraait. Waar die namen vandaan komen, wordt langzaam duidelijk, en voor een flink deel is dat LinkedIn.
Ons team las het nieuwe playbook dat LinkedIn op 11 augustus publiceerde en legde het naast het cijfermateriaal van Meltwater. Hieronder lees je wat er verandert en wat je er zelf mee kunt, zonder je hele contentplan om te gooien. Wil je er daarna echt werk van maken, dan helpt onze LinkedIn training je op weg.
Waarom LinkedIn wint
Meltwater analyseerde in mei 9,5 miljoen bronvermeldingen die zes grote AI-modellen in hun antwoorden gebruikten. LinkedIn kwam daaruit als tweede meest geciteerde domein van het hele web, alleen YouTube werd vaker aangehaald. Bij zakelijke en beroepsmatige vragen stond LinkedIn volgens dat onderzoek zelfs op één, over ChatGPT, Gemini, Copilot en Perplexity heen.
Dat is logischer dan het lijkt. Een taalmodel zoekt naar iets dat het kan vertrouwen: een naam, een functie, een werkgever, een datum. Op LinkedIn zit dat er allemaal aan vast. Een anoniem blog op je eigen site heeft die context niet. Jouw naam onder een stuk over ventilatiebalans, met tweehonderd vakgenoten in je netwerk, is voor zo’n systeem een sterker signaal dan een tekst van “de redactie”.
Artikelen boven losse posts
De belangrijkste praktische les uit het playbook: lange artikelen op LinkedIn presteren beter voor AI-zichtbaarheid dan gewone feedposts. Social Media Today, dat het document op 11 augustus besprak, licht er ook uit dat versheid meetelt. Een artikel dat je een keer per halfjaar bijwerkt, wordt vaker aangehaald dan hetzelfde stuk dat vier jaar stof staat te happen.
Uit de Meltwater-cijfers komt hetzelfde beeld: artikelen en gewone tekstposts samen zijn goed voor 83 procent van alle citaten die vanaf LinkedIn worden gebruikt. Carrousels, video’s en beeldposts leveren dus nauwelijks iets op als je in AI-antwoorden wilt opduiken. Dat betekent niet dat je ermee moet stoppen, wel dat je ze anders moet wegen. Ze doen hun werk in de tijdlijn, niet in de citatenmachine. Wie zich afvraagt waarom zijn cijfers al een tijd tegenvallen, leest ook waarom je LinkedIn-bereik daalt en wat nu wel werkt.
Credibility Stack uitgelegd
Het raamwerk dat LinkedIn eromheen heeft gebouwd heet de Credibility Stack, en het draait om stapelen. Niet één post die toevallig aanslaat, maar een geloofwaardige aanwezigheid in lagen: een complete bedrijfspagina als fundament, daarbovenop de profielen van je medewerkers, daarbovenop de mensen in je vak die jullie noemen. Elke laag bevestigt de vorige.
Dat is minder zweverig dan het klinkt. Als jij schrijft dat je organisatie gespecialiseerd is in brandveilig installeren, en zeven collega’s hebben dat vakgebied ook in hun profiel staan, dan is er een consistent verhaal te vinden. Staat het alleen op je bedrijfspagina, dan hangt de claim in de lucht. Het is dezelfde logica als bij Google, waar we eerder beschreven hoe je een bron wordt in Google’s AI-antwoorden.
Schrijven dat modellen begrijpen
Hier wordt het onaangenaam concreet. Van de best geciteerde LinkedIn-artikelen in de Meltwater-analyse gebruikte 100 procent bullets of genummerde lijsten. Wij vinden lopende tekst prettiger lezen en schrijven zelf ook liever zo, maar dit cijfer valt lastig weg te wuiven. Een model dat een antwoord samenstelt, pakt nu eenmaal makkelijker een afgebakend punt dan een alinea vol nuance.
De praktische middenweg die wij aanhouden: schrijf je stuk in normale alinea’s, en zet er op één plek een echte opsomming in waar dat inhoudelijk klopt. Voor wie vandaag wil beginnen:
- Kies één onderwerp waar je organisatie echt iets over te melden heeft en schrijf daar een artikel van 800 tot 1.200 woorden over, geen post van tien regels.
- Zet er je eigen naam en functie boven, met een profiel dat die expertise onderbouwt.
- Gebruik heldere tussenkoppen en noem cijfers, merknamen en jaartallen voluit.
- Werk het stuk elk half jaar bij en zet de nieuwe datum erin.
Onze ervaring uit trainingen
In onze LinkedIn-trainingen zien we bijna altijd hetzelfde patroon: deelnemers posten wekelijks iets korts, en hebben nog nooit een artikel geschreven. De artikelfunctie kennen ze amper. Dat is nu dus precies het gereedschap dat het meeste oplevert. We merken ook dat mensen hun profiel als een cv behandelen in plaats van als een bewijsstuk. Zet er in gewone taal in wat je doet en voor wie, want dat is de tekst waar een AI-systeem straks uit put. Datzelfde geldt trouwens voor je netwerk zelf, waarover we eerder schreven in een LinkedIn-connectieverzoek dat wél wordt geaccepteerd.
Meer uit LinkedIn halen
Wil jij dat jouw naam straks in die AI-antwoorden opduikt in plaats van die van de concurrent? Dan begin je bij een profiel dat klopt en een paar stevige artikelen per jaar. Wij laten je in onze LinkedIn training stap voor stap zien hoe je dat aanpakt, met je eigen profiel en je eigen vakgebied als uitgangspunt. Schrijf je in!
