Hoe AI het online winkelen herschrijft: retailers bouwen onzichtbare sites voor chatbots

AI wordt deze feestdagen niet alleen gebruikt om cadeautips te genereren, het verandert fundamenteel hoe online winkelen werkt en wie er nog zichtbaar is voor de klant. Deze Reuters analyse laat zien hoe grote Amerikaanse retailers onzichtbare websites, geoptimaliseerde content en generatieve AI inzetten om boven te komen drijven in antwoorden van ChatGPT, Gemini en andere AI assistenten. Een goed overzicht in videoform vind je bijvoorbeeld hier: .

Van zoekmachine naar AI assistent

Tot dit jaar liep het gros van de online retailomzet via twee ingangen, directe bezoeken aan webshops en klassieke zoekopdrachten bij Google of via marktplaatsen. Daar konden retailers met SEA, SEO en marketplaces zoals Amazon hun zichtbaarheid min of meer sturen.

Met de opkomst van generatieve AI verschuift dat beeld. Consumenten vragen ChatGPT of Gemini rechtstreeks om cadeau-inspiratie, prijsvergelijkingen of productadvies. Volgens cijfers uit de Reuters rapportage nam AI verkeer naar retailsites in de eerste 23 dagen van november met circa 830 procent jaar op jaar toe. Shoppers die via een AI dienst binnenkomen, blijken ongeveer 30 procent vaker daadwerkelijk te kopen dan bezoekers via klassieke zoekmachines.

Dat maakt AI assistenten tot nieuwe poortwachters. Wie daar niet wordt genoemd, verliest zichtbaarheid, ongeacht de positie in Google.

Generative engine optimization als nieuwe SEO laag

Hoe reageert de markt op deze verschuiving? Een groeiend segment van gespecialiseerde tooling, door Reuters omschreven als generative engine optimization, helpt retailers hun content leesbaar en aantrekkelijk te maken voor AI modellen. Een partij als Evertune.ai rekent bijvoorbeeld rond 3.000 dollar per maand om sites te optimaliseren voor uitleesbaarheid door LLM scrapers.

Retailers zetten drie sporen tegelijk in.

  • Ze gaan van enkele blogs per maand naar tientallen of honderden artikelen, specifiek geschreven om door AI modellen gecrawld te worden en als bron te dienen voor productaanbevelingen.
  • Ze bouwen parallelle contentlagen, zogenaamde “onzichtbare websites”, die niet bedoeld zijn voor menselijke bezoekers maar wel volledig geoptimaliseerd zijn voor AI scrapers die internet scannen op productdata en reviews.
  • Ze verspreiden productinformatie via externe kanalen, zoals Reddit, YouTube en TikTok, omdat modellen intensief trainen op openbare tekst, audio en transcripties van video.

Voor contentgedreven spelers sluit dit aan op bestaande SEO strategieën. Sites die al veel hoogwaardige, goed gestructureerde content produceren, zoals Itechnet over AI infrastructuur, hebben een voorsprong in deze nieuwe laag, omdat hun artikelen waarschijnlijk relatief vaak als bron in trainingsdata opduiken.

Consument die met hulp van een AI assistent online winkelt bij meerdere webshops
AI assistenten schuiven op naar de primaire advieslaag voor online winkelen.

Praktijkvoorbeelden van AI gestuurde retail

De Reuters analyse benoemt concrete cases.

Het beddengoedmerk Brooklinen investeert zwaar in long form reviews, externe producttests en influencer content. Niet alleen omdat dat consumenten overtuigt, maar omdat AI scrapers die teksten verzamelen en gebruiken als onderbouwing in aanbevelingen. Het merk stuurt bijvoorbeeld comforters in voor onafhankelijke tests bij platforms als Wirecutter; een “best buy” vermelding vergroot de kans dat een AI assistent dat product als topkeuze presenteert.

Een andere speler, het haarverzorgingsmerk R+Co, koppelt de data van zijn eigen Rufus AI agent aan advertentie-inkoop. Vragen die klanten aan de agent stellen, worden gebruikt om gerichte campagnes te draaien op Amazon Alexa. Daarmee ontstaat een gesloten feedbackloop tussen conversational data, targeting en verkoop.

Op marktplaatsen is het beeld vergelijkbaar. Data van Sensor Tower laat zien dat ChatGPT verkeer naar Amazon, Walmart en eBay op dit moment nog minder dan één procent van de totale traffic uitmaakt. Toch zien deze platforms hoger conversiegedrag bij bezoekers die via AI binnenkomen. De verwachting is dat dit aandeel snel groeit naarmate consumenten vertrouwd raken met AI als eerste advieslaag bij productkeuze.

Onzichtbare websites en AI scrapers

Een opvallende trend is de opkomst van content die uitsluitend gericht is op AI crawlers. Retailers ontwikkelen subdomeinen en contentblokken zonder prominente navigatie of marketing, puur bedoeld om gestructureerde informatie te voeden aan scrapers van ChatGPT, Gemini en andere modellen.

Technisch gezien gaat het om.

  • Zeer rijke productbeschrijvingen, inclusief materialen, use cases en vergelijking met concurrerende producten.
  • Uitgebreide FAQ structuren per categorie, vergelijkbaar met hoe Itechnet zijn AI hardware analyses verdiept.
  • Schema markup en semantische tags om attributen machineleesbaar te maken.

Deze “AI facing” laag komt bovenop klassieke SEO. Een merk kan uitstekend vindbaar zijn in Google en toch nauwelijks genoemd worden door generatieve modellen als de onderliggende data niet volledig is of moeilijk te parseren.

Strategische implicaties voor Europese retailers

Wat betekent dit voor Nederlandse en Europese retail en e-commerce spelers?

  • Contentproductie wordt infrastructuur, geen marketingbijzaak. Waar marketingteams eerder konden volstaan met campagnes en landingspagina’s, is er nu een structurele laag nodig van permanente, diepgaande content. Dit sluit aan bij de manier waarop AI nieuws en technische analyses al worden opgebouwd op Itechnet, met sterke nadruk op feitelijke onderbouwing en context.
  • Datakwaliteit bepaalt zichtbaarheid in AI. Productfeeds, reviews, retourdata en gebruiksdocumentatie moeten consistent, up to date en rijk gestructureerd zijn. Wie nog werkt met minimale productinformatie zal in AI aanbevelingen onderaan de lijst eindigen.
  • Platformafhankelijkheid neemt toe. Grote modellen en assistenten worden zelf winkelkanalen. Amazon, Walmart en ook Europese marktplaatsen experimenteren met chatgestuurd winkelen binnen hun eigen ecosystemen. Dat maakt de discussie over infrastructuur en vendor lock-in, zoals eerder geanalyseerd in stukken over Nvidia ecosystemen, relevant voor retail; afhankelijkheid verschuift van zoekmachines naar AI platformen.
  • Regulering en transparantie komen in beeld. Als AI modellen productkeuzes sturen op basis van trainingsdata, commerciële afspraken of advertising, ontstaat een nieuwe laag van mogelijke bias. Europese toezichthouders zullen hier met dezelfde blik naar kijken als naar rankingmechanismen in zoekmachines.

Kansen en risico’s voor beleggers en retailers

Voor beleggers in retail en e-commerce betekent deze verschuiving dat niet alleen logistieke schaal of prijsstelling tellen, maar ook de kwaliteit van de AI contentstrategie. Spelers die vroeg investeren in generative engine optimization kunnen marktaandeel winnen zonder proportioneel hogere advertentiebudgetten.

Aan de risicokant liggen drie punten voor de hand.

  • Kosteninflatie in content en tooling. Abonnementen op gespecialiseerde AI SEO tools, contentcreatie op schaal en technische integraties verhogen de vaste kostenbasis.
  • Black box gedrag van modellen. Het blijft lastig om precies te achterhalen waarom een bepaald merk wel of niet genoemd wordt in een AI antwoord. Dit maakt ROI metingen complexer dan bij klassieke SEA.
  • Concentratie rond enkele AI poortwachters. Als ChatGPT, Gemini en een handvol closed source modellen de bovenlaag van de klantreis domineren, kan de onderhandelingsmacht van individuele retailers verder afnemen.

Toch is de strategische richting duidelijk. Net zoals chipfabrikanten en cloudspelers bouwen aan een open, schaalbare infrastructuur voor AI workloads, zetten retailers nu de eerste stappen naar een infrastructuur voor AI gestuurde klantinteractie. Wie datagovernance, contentkwaliteit en technische integratie op orde heeft, zal in deze nieuwe laag het vaakst genoemd en dus het vaakst gekozen worden.

De feestdagen van 2025 markeren daarmee niet alleen een piek in omzet, maar ook een kantelpunt in hoe die omzet over spelers verdeeld wordt.

FAQ

Vraag 1: Wat is generative engine optimization en hoe verschilt het van klassieke SEO?
Antwoord: Generative engine optimization richt zich op het optimaliseren van content voor grote taalmodellen en AI assistenten in plaats van alleen voor zoekmachines. Waar klassieke SEO zich concentreert op rankings in Google en Bing, focust generative engine optimization op uitleesbaarheid en bruikbaarheid van content als bron voor antwoorden van systemen zoals ChatGPT en Gemini.

Vraag 2: Waarom bouwen retailers onzichtbare websites voor AI scrapers?
Antwoord: Deze sites zijn bedoeld om gestructureerde, rijke productinformatie en context te leveren aan AI crawlers zonder afhankelijk te zijn van front end marketing of navigatie. Ze vergroten de kans dat modellen een merk als referentiebron kiezen bij productaanbevelingen, terwijl de menselijke bezoeker de reguliere webshop ziet.

Vraag 3: Hoe groot is het AI aandeel in retailverkeer op dit moment?
Antwoord: Volgens de aangehaalde data is het aandeel van generatieve AI in het totale verkeer naar grote platforms als Amazon, Walmart en eBay nog kleiner dan één procent. Wel ligt de conversie onder deze bezoekers circa 30 procent hoger dan bij verkeer via klassieke zoekmachines, wat de strategische relevantie onderstreept.

Vraag 4: Welke indicatoren zijn relevant voor beleggers om AI volwassenheid van een retailer te beoordelen?
Antwoord: Belangrijke indicatoren zijn de kwaliteit en diepte van productcontent, aanwezigheid van uitgebreide FAQ en gidscontent, het gebruik van AI specifieke SEO tooling, de mate waarin productdata semantisch is gemarkeerd en integraties met AI assistenten van grote platformen zoals Amazon en Google.

Vraag 5: Welke rol spelen regelgeving en transparantie in AI gedreven productaanbevelingen?
Antwoord: Naarmate AI assistenten meer invloed krijgen op koopbeslissingen, zal transparantie over selectiecriteria, betaalde plaatsingen en trainingsdata belangrijker worden. Europese regelgeving rond AI en digitale markten zal waarschijnlijk eisen stellen aan uitlegbaarheid en non discriminatie van aanbevelingssystemen, vergelijkbaar met bestaande regels voor zoekmachines en advertentienetwerken.

Bronnen

Geef een reactie

Je e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Terug naar boven