Organization schema is een vorm van structured data die search engines en AI systems vertelt wie je bedrijf precies is. Door specifieke labels in het JSON-LD format toe te voegen aan je website, koppel je feiten zoals je bedrijfsnaam, logo en contactgegevens direct aan een herkenbare entiteit in de Knowledge Graph.
Sowieso is het een kwestie van taal. De meeste ondernemers denken dat Google wel ziet wie ze zijn omdat er een logo in de header staat en een adres in de footer. Maar voor een search engine is dat gewoon tekst op een pagina, geen hard feit.
Ik zie het wekelijks gebeuren: een site die technisch prima in elkaar steekt, maar waar de AI-antwoorden over het bedrijf opeens beginnen te haperen. De AI raadt dan maar wat, of haalt informatie van een verouderde LinkedIn-pagina omdat de website zelf geen harde bevestiging geeft.
Dat is waar het verschil wordt gemaakt. Het gaat niet meer alleen om een plekje in de search results, maar om entity recognition. Zonder harde labels gokt de AI, en een verouderd forumadres kan dan zomaar de winnaar worden. Als je entiteit correct is gedefinieerd via schema.org markup, begrijpt een LLM dat jouw merknaam en je physical locations bij elkaar horen.
Zonder die basis is GEO eigenlijk een schot in het donker. Je kunt wel hopen dat ChatGPT je aanbeveelt, maar zonder gestructureerde gegevens geef je de AI simpelweg geen houvast om je met zekerheid te citeren.
De valstrik van de zichtbare tekst
Waarom doen ondernemers dit verkeerd? Omdat een contactpagina met een telefoonnummer en een adres voor ons tastbaar is. Je ziet het staan, dus je denkt dat Google het ook ziet. Dat is de fout. Voor een mens is tekst op een scherm informatie, maar voor AI systems is het ruis totdat het een label krijgt.
De meeste marketeers focussen op de voorkant: een mooie brand name in het logo, handige social profiles en een duidelijke website URL. Dat ziet er professioneel uit, maar het is voor een search engine hetzelfde als een mooie kleur verf op een muur. Het ziet er leuk uit, maar het vertelt de machine niets over de constructie van het gebouw.
Als je geen gebruik maakt van structured data, dwing je de AI om te gissen. En AI is een kampioen in het gokken met overtuiging. Als er ergens op een oud forum uit 2014 nog een verkeerd adres van je bedrijf staat, kan dat zomaar de basis worden voor een AI citation in een antwoord aan je klant. Omdat dat forum toevallig een sterke linkstructuur heeft en jouw eigen site alleen maar “mooie teksten” bevat zonder harde labels.
Hoe je een bedrijf echt definieert voor AI
Waarom doen we dit verkeerd? Omdat het invullen van een logo in een plugin voelt als ontzorgen, terwijl het eigenlijk het begin is. Je moet stoppen met hopen en beginnen met labelen. Dat doe je door Organization schema markup toe te voegen aan de website’s HTML in het JSON-LD format. Dat is een blokje code dat je in de achtergrond plaatst, waardoor zoekmachines direct zien: “Dit is het bedrijf, dit is het logo, en dit zijn de officiële kanalen.”
Kijk je naar de technische kant, dan zie je vaak dat mensen stoppen bij de basis. Ze vullen een company name in en laten het daarbij. Maar AI systems zoeken naar bevestiging via verschillende bronnen. Dat betekent dat je social accounts, physical locations en specifieke contact information moet koppelen. Hoe meer bevestigingen, hoe groter de kans op een Knowledge Panel in de search results.
Voor wie echt lokaal wil winnen, is de combinatie met LocalBusiness schema en een goed ingevuld Google Business Profile de sleutel. Dat is het verschil tussen “een bedrijf in Utrecht” zijn en “de autoriteit voor deze specifieke dienst in Utrecht” worden. Je koppelt je website aan fysieke entiteiten, waardoor local SEO en lokale search results veel accurater worden.
De praktische stappen voor je markup
Je hoeft geen programmeur te zijn om dit te regelen, maar je moet wel precies zijn. Een foutje in de syntax en je hele blok code wordt genegeerd.
- Kies je schema types: Begin met Organization voor het algemene bedrijf en voeg LocalBusiness toe als je een fysiek adres hebt waar klanten langskomen.
- Definieer de kerngegevens: Gebruik de logo property om naar je officiële brand logo te verwijzen. Zorg dat de Logo URL een directe link is naar een kwalitatief bestand, geen vage thumbnail.
- Koppel je ecosystem: Voeg social media profiles toe via de ‘sameAs’ property. Hiermee vertel je de AI dat het profiel op LinkedIn en Instagram exact hetzelfde bedrijf is als de eigenaar van de website.
- Voeg specifieke details toe: Denk aan een return policy voor webshops of customer service gegevens. Hoe specifieker de data, hoe minder ruimte er is voor hallucinaties van een LLM.
Als je dit goed doet, zie je dat in de Rich snippets. Je krijgt ineens sterren bij je resultaten via AggregateRating schema of uitgebreide antwoorden dankzij FAQPage schema. Het is geen magie, het is gewoon het invullen van de juiste vakjes in een database waar de hele wereld op draait.
Controleren of de machine je begrijpt
Hopen dat het werkt is geen strategie. Je moet controleren wat er daadwerkelijk gebeurt in de render-fase van je pagina. De meeste mensen kijken alleen naar de Response (de broncode), maar Google kijkt naar de Render (wat er na het laden van JavaScript overblijft). Dat is waar het vaak misgaat.
Ik gebruik hiervoor een paar vaste checks. Eerst gaat de URL door Google’s Rich Results Test om te zien of de Rich Results en Organization Logos überhaupt getriggerd worden. Daarna check ik de Schema Markup Validator voor een degelijke markup validation om te kijken of er geen fouten in de JSON-LD schemas zitten die de validatie blokkeren.
Wil je weten of dit ook echt effect heeft op je zichtbaarheid in AI-antwoorden? Dan moet je verder kijken dan de standaard SEO-tools. Ik gebruik zelf Visby om te zien hoe mijn AI-zichtbaarheid per prompt zich ontwikkelt, omdat ik daar direct zie of de juiste entiteiten worden herkend. Met SnowSEO leg ik die data naast mijn Search Console-cijfers om te zien welke geciteerde bronnen de overhand hebben.
Ik heb het zelf geprobeerd met een paar generieke “all-in-one” SEO tools, en het resultaat was vooral veel ruis en weinig concrete sturing. Soms zie ik in Google Search Console dat de vertoningen in AI Overviews stijgen, maar zonder de juiste structured data weet je niet of dat komt door een toevallige vermelding op een andere site of omdat jouw eigen organization schema eindelijk wordt opgepikt. Voor de echte diepte gebruik ik ZeroRank om te volgen of een merk consequent wordt genoemd in meerdere AI-assistenten bij specifieke prompts.
Voor de technische basisbeheerder is een Semrush Site Audit handig om te zien of er pagina’s zijn waar de markup ontbreekt, terwijl ik Screaming Frog gebruik voor een snelle technische check op grote hoeveelheden pagina’s. PageSpeed Insights is er vooral voor om te zorgen dat de code die je toevoegt de laadsnelheid niet omlaag haalt, want een trage site is een slechte site, hoe goed je schema ook is.
Is dit te technisch? Voor sommigen wel. Maar het alternatief is dat je het overlaat aan een plugin die “automatisch” alles regelt. Dat werkt vaak voor de basis, maar nooit voor de nuance die nodig is om echt op te vallen in GEO.
Gooi je website URL eens in Google’s Rich Results Test. Kijk kritisch naar wat er wordt herkend als ‘Organization’. Mist er iets? Of staat er informatie in die eigenlijk al drie jaar verouderd is? Stuur me een screenshot van je resultaat, dan kijk ik even met je mee.
Veelgestelde vragen
Wat is organization schema precies?
Organization schema is een specifieke set structured data die zoekmachines vertelt welke entiteit jouw bedrijf is binnen de Knowledge Graph. Door een Schema.org Type te definiëren, koppel je feiten als je merknaam en logo aan een uniek ID. Zo voorkom je dat AI systems gokken wie je bent op basis van losse tekstfragmenten over het web.
Moet organization schema op elke pagina van mijn site staan?
Nee, je plaatst de volledige definitie van je bedrijf meestal op de homepage of een over ons-pagina. Op andere pagina’s gebruik je specifieke schema types zoals Article schema voor blogs of productpagina’s. Je koppelt die pagina’s dan via een referentie terug naar de hoofdorganisatie, zodat je niet op elke pagina hetzelfde blok code hoeft te herhalen.
Hoe implementeer ik organization schema via JSON-LD op mijn website?
Je voegt een scriptblok in de header van je HTML tags toe waarin alle bedrijfsgegevens in het JSON-LD format staan. Je kunt hiervoor een Schema Generator gebruiken of de code handmatig schrijven. Voor WordPress-gebruikers regelt Yoast SEO een deel van de basis, maar voor GEO is handmatige verfijning vaak nodig om echt op te vallen.
Hoe verbeteren gestructureerde gegevens mijn vindbaarheid in zoekmachines?
Het verhoogt je click-through rate door het triggeren van Rich snippets en Knowledge Panels in de search results. Wanneer zoekmachines exact weten wie je bent, worden branded searches accurater en verschijn je vaker in lokale search results. Het is simpelweg het weghalen van ruis tussen jouw merk en de index van Google.
Wat doe ik als er fouten in mijn markup staan bij de Rich Results Test?
Kijk naar de meldingen over PropertyExpected TypeDescriptionProperties om te zien welk veld een foutieve waarde heeft. Vaak is het een kwestie van een ontbrekende komma of een verkeerd label dat niet past bij de gekozen klasse. Gebruik de URL Inspection tool in Search Console om te zien of Google de wijzigingen na het herstellen ook echt oppikt.
Kan ik organization schema ook gebruiken voor voice search?
Ja, door data specifiek te labelen kunnen AI-assistenten je bedrijf makkelijker herkennen tijdens voice search opvragen. Met Speakable schema kun je zelfs aangeven welke delen van je content optimaal zijn om hardop voor te lezen. Dat maakt je merk toegankelijker voor mensen die hun scherm niet gebruiken.
Wat is het verschil tussen een DUNS number en een tax ID in schema?
Een DUNS number is een wereldwijde identificatie voor bedrijven, terwijl een tax ID vaak lokaal of nationaal is. Beide kun je toevoegen om je bedrijf als een unieke, geverifieerde entiteit te markeren. Dit helpt AI systems om je bedrijf niet te verwarren met een andere organisatie die toevallig dezelfde naam heeft.
Kan ik mijn schema markup beheren via Google Tag Manager?
Ja, je kunt JSON-LD injecteren via een custom HTML tag in Google Tag Manager zonder direct in de website’s HTML te werken. Let wel op dat dit soms invloed heeft op de Response vs Render check van Google. Voor maximale zekerheid en snelheid is hardcoded markup in de header sowieso de beste keuze.
Waarom is het gebruik van ‘@id’ belangrijk in Organization schema?
Zonder een @id (een unieke URI) moet de AI elke keer opnieuw raden of “Bedrijf X” op pagina A hetzelfde is als “Bedrijf X” op pagina B. Door een @id toe te voegen, geef je de entiteit een vast paspoort in de Knowledge Graph. Dit voorkomt verwarring en zorgt dat alle data, van je social accounts tot je fysieke locatie, aan één centraal punt wordt gekoppeld.
Hoe controleer ik of mijn markup echt werkt?
Hopen is geen strategie. Gebruik Google’s Rich Results Test voor de directe visuele check en de Schema Markup Validator voor de technische validatie. Stuur me een screenshot van je Rich Results Test, dan kijk ik even mee.
