Agentic Engine Optimization: Google AI-directeur onthult nieuwe contentstrategie voor AI-tijdperk

Wat is Agentic Engine Optimization (AEO)?

Dit artikel introduceert het concept van Agentic Engine Optimization (AEO), een nieuw raamwerk voorgesteld door Addy Osmani, een directeur van engineering bij Google Cloud AI. AEO is specifiek ontworpen voor de manier waarop AI-agents content consumeren en verwerken, en staat parallel aan, maar is verschillend van, traditionele zoekmachineoptimalisatie (SEO).

De Verschillende Manier van Contentconsumptie door AI-agents

AI-agents navigeren niet zoals mensen. Ze scrollen niet, klikken niet op links en interageren niet met gebruikersinterfaces. In plaats daarvan voeren ze multi-stap browsen uit in één enkele aanvraag en extraheren ze direct de benodigde informatie. Dit maakt de meeste traditionele engagement metrics, zoals klikfrequenties of tijd op de pagina, irrelevant voor AI-agents.

De Uitdaging van Tokenlimieten

Een cruciaal aspect dat Osmani benadrukt, zijn de tokenlimieten van AI-modellen. Grote webpagina's kunnen de contextuele vensters van AI-agents overschrijden, wat leidt tot afgekorte informatie, overgeslagen pagina's of zelfs gehallucineerde outputs. Hierdoor wordt het aantal tokens een primaire optimalisatiemetriek voor content die gericht is op AI-agents.

Aanbevelingen voor Contentoptimalisatie

Om content bruikbaar te maken voor AI-agents, worden de volgende aanbevelingen gedaan:

• Vroege Antwoorden: Plaats de belangrijkste antwoorden en inzichten zo vroeg mogelijk op de pagina, idealiter binnen de eerste ~500 tokens.
• Compact en Gericht: Houd pagina's compact en focus op de kernboodschap. Vermijd lange inleidingen en begraven inzichten, aangezien agents "beperkt geduld" hebben.
• Markdown boven HTML: Serveer schone Markdown-versies van content naast traditionele HTML-pagina's. Markdown vermindert ruis van navigatie, scripts en lay-out, waardoor content gemakkelijker en goedkoper te parsen is voor agents. Deze .md-versies moeten direct toegankelijk en vindbaar zijn.

Nieuwe Ontdekkingspatronen

Osmani wijst ook op opkomende patronen die agents helpen content te vinden en te gebruiken, zoals:

• llms.txt: Een gestructureerde index voor documentatie.
• skill.md: Bestanden om specifieke mogelijkheden te definiëren.
• AGENTS.md: Een machineleesbaar toegangspunt voor codebases.

Deze fungeren als snelkoppelingen voor agents om te bepalen welke content ze moeten lezen en gebruiken.

Impact en Belang

AEO voegt een nieuwe optimalisatielaag toe naast traditionele SEO. Als AI-agents uw content niet efficiënt kunnen parsen – vanwege tokenlimieten, structuur of formaat – kunnen ze deze overslaan, afkorten of verkeerd interpreteren. Dit heeft directe invloed op de vraag of uw content wordt gebruikt, geciteerd of benut in AI-gestuurde ervaringen. Het doel verschuift van het genereren van websitebezoeken naar het mogelijk maken van succesvolle uitkomsten binnen AI-workflows.

Het is belangrijk op te merken dat de besproken AEO losstaat van Google Zoeken en organische zoekresultaten. Google's John Mueller heeft bijvoorbeeld afgeraden om Markdown-pagina's te gebruiken voor reguliere zoekmachines, en Google gebruikt het llms.txt-bestand niet voor traditionele crawling.