Vastgoed SEO wordt al vijftien jaar op dezelfde manier uitgelegd: mik op de stad, schrijf buurtgidsen, verzamel citations, verdien backlinks, houd de site snel. Daar is niets mis mee, en het telt allemaal nog steeds. Wat veranderd is: een groeiend deel van de woningzoekopdrachten levert helemaal geen lijst blauwe links meer op.
Een koper vraagt een assistent om een huis met drie slaapkamers bij een goede school met een korte reistijd, en leest één samengesteld antwoord uit een handvol bronnen. Het vak heeft dus twee helften: de basis die bepaalt of je überhaupt gevonden kunt worden, en een nieuwere laag die bepaalt of een machine iets kan met wat het vindt.
Deze gids behandelt allebei, te beginnen bij het deel waar de meeste gidsen stoppen.
Wat vastgoed SEO nog steeds vereist
Niets hieronder is nieuw, en overslaan maakt al het volgende zinloos. Een vastgoedsite die niet gecrawld kan worden, wordt ook niet geciteerd door een assistent, want assistenten zijn gegrond in dezelfde index.
| Gebied | Wat het meest telt voor vastgoedsites | Veelgemaakte fout |
|---|---|---|
| Indexering | Objectpagina's bereikbaar via crawlbare links, niet alleen via zoekfilters | Aanbod achter JavaScript-filters, onzichtbaar voor crawlers |
| Snelheid | Snelle, beeldzware galerijen, verstandige lazy loading | 40 foto's op volle grootte tegelijk geladen |
| Lokale signalen | Kloppend bedrijfsprofiel, consistente naam, adres, telefoon | Kantooradres verschilt per directory |
| Content | Buurt- en marktpagina's die echte vragen beantwoorden | Dunne, dubbele wijkpagina's op schaal uitgerold |
| Autoriteit | Lokale pers, samenwerkingen, echt bruikbare tools | Gekochte links, expired-domainconstructies |
| Verkocht aanbod | Een bewust beleid voor verkochte of ingetrokken objecten | Duizenden dode URL's, of alles massaal weggooien |
Die laatste rij gaat bij de meeste portals mis en het kost meer dan het lijkt. Als een woning verkocht is, draagt de pagina nog steeds opgebouwde autoriteit en krijgt die nog steeds zoekvraag op het adres. Verwijderen verspilt allebei, terwijl hem ongewijzigd online laten zoekmachines vertelt dat je iets adverteert wat niet beschikbaar is. Markeer hem als verkocht, houd het adres en de buurtcontext, en link door naar vergelijkbaar actueel aanbod: dan blijft de waarde behouden.
De basis bepaalt of je in aanmerking komt. Die bepaalt niet meer of je wint, want je concurrenten hebben hem ook. Wat hierna komt, is waar het gat op dit moment openligt.
Waar vastgoed SEO verandert in AI-zoekopdrachten
Vastgoedportals investeren fors in content en verliezen toch zichtbaarheid in AI-antwoorden. De reden is structureel, en we behandelden hem uitgebreid in waarom woningpagina's zich verstoppen in AI-zoekresultaten.
Een objectpagina is een data-entiteit in het kostuum van een artikel. Er staat prijs, oppervlakte, aantal kamers, adres en een omschrijving, maar alles wordt gepresenteerd als opgemaakte tekst. Kijk wat er met één zin gebeurt als een mens en een machine hem lezen.
| De advertentie zegt | Een koper begrijpt | Een retrievalsysteem haalt eruit |
|---|---|---|
| "Ruime driekamerwoning" | Ruimte om te wonen | bedrooms: 3 (alleen met markup) |
| "Rustige straat" | Weinig verkeer, rustig | niets |
| "Dicht bij alles" | Voorzieningen in de buurt | niets |
| "Goede scholen in de buurt" | Fijn met kinderen | niets |
| "Korte reistijd" | Snel op het werk | niets |
Vier van de vijf claims waar kopers het meest om geven, zijn onzichtbaar. Traditioneel advies lost dit niet op, want dat gaat ervan uit dat de concurrentie-eenheid een document is. In AI-zoekopdrachten is de concurrentie-eenheid een feit.
De drie lagen van een advertentie die AI kan lezen
| Laag | Wat erin zit | Gebruikelijke staat |
|---|---|---|
| 1. Object | Prijs, oppervlakte, slaapkamers, badkamers, bouwjaar, eigendomsvorm | Aanwezig, maar als tekst in plaats van markup |
| 2. Locatie | Afstanden, reistijden, benoemde voorzieningen, ov, scholen | Ontbreekt of staat er als bijvoeglijk naamwoord |
| 3. Vraag | Duidelijke antwoorden op wat kopers echt vragen | Vrijwel nooit aanwezig |
De objectlaag heeft elke advertentie al. Het werk is niet informatie toevoegen maar die blootleggen in schema.org-markup. Eén detail telt zwaarder dan mensen verwachten: gebruik het type dat het object werkelijk beschrijft. Een appartementsrecht dat als appartementencomplex is gemarkeerd, is een feitelijke fout die een machine met volle overtuiging doorgeeft.
De locatielaag is bij de meeste advertenties leeg, en daar zit het concurrentiegat. Afstand tot het dichtstbijzijnde station en hoe lang dat lopen echt duurt, scholen binnen een vaste straal, supermarkten, parken, zorg. Geen bijvoeglijke naamwoorden. Afstanden, aantallen, namen, reistijden.
De vraaglaag vertaalt de eerste twee naar de vorm van echte zoekvragen. Kopers zoeken niet op "loopbaarheidsindex 78". Ze vragen of ze daar zonder auto kunnen wonen.
Wat kopers vragen en advertenties niet kunnen beantwoorden
| Vraag van de koper | Uit data te beantwoorden? | Op een gemiddelde advertentie? |
|---|---|---|
| Hoe ver is de dichtstbijzijnde basisschool? | Ja | Nee |
| Wat is de reistijd om 8 uur? | Ja | Nee |
| Supermarkt op loopafstand? | Ja | Nee |
| Waar is het dichtstbijzijnde park? | Ja | Nee |
| Is er een station waar ik naartoe kan lopen? | Ja | Nee |
| Hoe groot is de keuken? | Ja | Ja |
Elke locatievraag is uit data te beantwoorden, en vrijwel geen enkele wordt beantwoord. De assistent die die vraag van de koper afhandelt, haalt zijn antwoord dus ergens anders dan bij jouw advertentie. Dat is het hele spel: de advertentie die de vraag beantwoordt wordt geciteerd, de advertentie die de keuken beschrijft niet.
Dit mechanisme hebben we gemeten in citatiepercentages voor advertenties met en zonder gestructureerde geodata, en het zit ook achter Google Ask Maps dat woningaanbod rangschikt op attribuutmatch in plaats van nabijheid.
De locatielaag bouwen
1. Begin bij coördinaten, niet bij de adresstring. Een adres is een label, en labelmatching is fragiel over formaten en talen heen. Geocodeer elk object één keer, sla de coördinaten op, en behandel ze als het anker voor al het andere.
2. Bevraag de omgeving op categorie en straal. Haal de points of interest op waar kopers om geven, eerst binnen loopafstand, daarna binnen rijafstand. Sla namen en afstanden op, geen samenvattingen.
3. Zet afstand om in tijd. "800 meter naar het station" is een feit. "Tien minuten lopen" is hetzelfde feit in de vorm waarin de koper het vroeg.
4. Leg het vast als markup én als tekst. Gestructureerde data zodat een machine het kan parsen, leesbare tekst zodat een mens er iets aan heeft en een assistent het kan citeren. Maar één van de twee doen verspilt het werk.
Hier is de tweede laag, toegevoegd aan een advertentie die de eerste al heeft:
{
"@context": "https://schema.org",
"@type": "SingleFamilyResidence",
"numberOfRooms": 3,
"floorSize": { "@type": "QuantitativeValue", "value": 118, "unitCode": "MTK" },
"geo": { "@type": "GeoCoordinates", "latitude": 52.3702, "longitude": 4.8952 },
"amenityFeature": [
{ "@type": "LocationFeatureSpecification",
"name": "Primary school within 600 m", "value": true },
{ "@type": "LocationFeatureSpecification",
"name": "Metro station, 8 minute walk", "value": true },
{ "@type": "LocationFeatureSpecification",
"name": "Supermarket within 400 m", "value": true }
]
}
Onze GeoEnrich API geeft deze omgevingscontext terug vanuit één coördinaat in plaats van een stuk of twaalf losse lookups, en property discovery dekt hetzelfde terrein vanaf de zoekkant.
Wil je liever starten vanaf een uitgewerkt voorbeeld dan er zelf een bouwen: we onderhouden een open vastgoed geo-gids op GitHub met een woningschema van 25 velden, voorbeelden voor makelaarsprofielen en open huizen, en een verificatiechecklist. Hij is gratis, en het is de snelste manier om te zien hoe een complete object-entiteit eruitziet voordat je je vastlegt op je eigen versie.
Schemafouten die vastgoedsites stilletjes geld kosten
Markupfouten zijn erger dan ontbrekende markup, want een machine behandelt een zelfverzekerd foute bewering als feit en herhaalt hem. Dit zijn de fouten die we het vaakst zien op vastgoedsites.
| Fout | Hoe het eruitziet | Waarom het schaadt |
|---|---|---|
| Generiek type voor alles | Elk object gemarkeerd als Residence | Verliest de verschillen waarop kopers filteren |
| Appartementsrecht als complex | ApartmentComplex op één losse woning | Beschrijft een gebouw, niet wat te koop staat |
| Prijs zonder valuta | "price": 385000 los | Ambigu tussen markten, vaak volledig genegeerd |
| Oppervlakte zonder eenheidscode | "floorSize": 118 | 118 wat? Vierkante meter en vierkante voet zijn allebei plausibel |
| Coördinaten te ver afgerond | Twee decimalen | Zet de woning tot een kilometer verderop |
| Markup die de pagina tegenspreekt | Schema zegt 3 slaapkamers, de tekst zegt 4 | Vertrouwenssignaal weg, de hele entiteit wordt afgewaardeerd |
| Makelaarsgegevens op elke advertentie | Hetzelfde RealEstateAgent-blok herhaald | Prima, zolang de makelaar niet als het object gemarkeerd staat |
Die met de coördinaten verdient nadruk. Twee decimalen breedtegraad is ruwweg een kilometer afwijking, genoeg om een woning in een ander schoolgebied of aan de verkeerde kant van een station te zetten. Elk locatieattribuut dat je daarna berekent erft die fout, dus een onnauwkeurige coördinaat corrumpeert stilletjes de hele locatielaag.
Buurtpagina's: wat nog werkt en wat nooit gewerkt heeft
Buurt- en wijkpagina's blijven tot de sterkste assets behoren die een vastgoedsite kan bezitten, want ze beantwoorden vragen die geen enkele losse advertentie kan beantwoorden en ze blijven relevant als het aanbod wisselt. Ze leveren ook meer straffen voor dunne content op dan welk ander paginatype in de sector, omdat de verleiding om er per wijk één op schaal te genereren enorm is.
Het onderscheid zit erin of de pagina iets bevat dat een machine niet uit een template had kunnen genereren. Een pagina met gemiddelde prijzen, ov-verbindingen, schoolnamen, aantallen voorzieningen en hoe die cijfers het afgelopen jaar veranderden, is een echte referentie. Een pagina die alleen de wijknaam in dezelfde drie alinea's plakt, is dubbele content met een andere pet op, en zoekmachines zien dat verschil al jaren betrouwbaar.
Buurtpagina's zijn ook de natuurlijke plek voor de locatielaag op wijkniveau in plaats van objectniveau. Dezelfde data die "is er een supermarkt bij dit huis" beantwoordt, beantwoordt ook "hoe hoog is de voorzieningendichtheid in deze wijk", en die tweede vraag draagt veel meer zoekvraag dan welke losse advertentie ook.
Vastgoed SEO meten als antwoorden de klik vervangen
Het ongemakkelijke deel is dat het vertrouwde scorebord minder zegt. Een advertentie kan de bron zijn die een assistent gebruikte en toch nul klikken opleveren, omdat de koper zijn antwoord in het gesprek kreeg.
| Metric | Nog bruikbaar? | Waarom |
|---|---|---|
| Keywordpositie | Deels | Zegt elk kwartaal minder naarmate antwoorden links vervangen |
| Organische klikken | Deels | Telt antwoorden waarin jij de bron was niet mee |
| Citatiepresentie | Ja | Noemden assistenten jou bij vragen van kopers? |
| Attribuutdekking | Ja | Hoeveel kopersvragen kan je pagina uit data beantwoorden? |
Pak tien advertenties en tien vragen die kopers echt stellen. Tel hoeveel van de honderd combinaties je pagina's kunnen beantwoorden uit data op de pagina zelf. Maandelijks bijgehouden voorspelt dat getal je AI-zichtbaarheid beter dan welke ranktracker ook, en anders dan een ranking heb je het volledig zelf in de hand.
Onze AI SEO checker test hoe een pagina overkomt op een answer engine, wat een redelijk startpunt is.
Een vastgoed SEO-checklist, op volgorde van prioriteit
| Prioriteit | Actie | Waarom hier |
|---|---|---|
| 1 | Crawlbaarheid van het aanbod repareren | Niets daarna telt als pagina's niet geïndexeerd zijn |
| 2 | Markup in templates repareren, niet per advertentie | Een templatefout herhaalt zich over elk object dat je hebt |
| 3 | Het objecttype in het schema corrigeren | Verkeerde types verspreiden zich als zelfverzekerd foute feiten |
| 4 | Beleid voor verkocht aanbod vastleggen | Wint autoriteit terug die de meeste portals weggooien |
| 5 | Locatielaag toevoegen aan je beste advertenties | Meet het effect voordat je het over het hele portfolio uitrolt |
| 6 | Vraaglaag toevoegen als FAQ-content | Werkt alleen als de data eronder klopt |
| 7 | Lokaal werk en autoriteit doorzetten | Tragere cyclus, blijft wel doorstapelen |
De basis is instapniveau en je concurrenten hebben hem. De locatiedatalaag is het duidelijkste onderscheid dat nu beschikbaar is, en precies de laag die de meeste portals niet gebouwd hebben.
Vastgoed ging altijd al over locatie. Zoeken haalt dat eindelijk in, en het wil die locatie uitgedrukt zien als data in plaats van als bijvoeglijke naamwoorden.
Veelgestelde vragen
Wat is vastgoed SEO?
Vastgoed SEO is het vindbaar maken van woningadvertenties en makelaarswebsites in de zoekresultaten. Het omvat de technische basis waarmee zoekmachines objectpagina's kunnen crawlen en indexeren, de lokale signalen die een kantoor koppelen aan de plaatsen waar het actief is, de content die vragen van kopers beantwoordt, en de autoriteit die je opbouwt via links en reputatie. Sinds 2025 komt daar een vierde gebied bij: of een advertentie machineleesbare feiten blootlegt die AI-assistenten kunnen extraheren en citeren wanneer ze een vraag van een koper in natuurlijke taal beantwoorden.
Is SEO nog belangrijk voor vastgoed als kopers AI-assistenten gebruiken?
Ja, en meer dan eerst, want dezelfde onderliggende signalen voeden allebei. AI-assistenten zijn gegrond in geïndexeerde webcontent en gestructureerde data. Een advertentie die crawlbaar is, schema-markup heeft en rijk is aan verifieerbare locatieattributen presteert goed in klassieke zoekresultaten en wordt veel vaker opgehaald en geciteerd door een assistent. Wat verandert is het accent: keyworddichtheid telt minder, feitelijke volledigheid telt veel zwaarder.
Welke gestructureerde data hoort op een woningpagina?
Minimaal schema.org-markup dat de woning correct beschrijft. Kies het juiste type voor het object in plaats van terug te vallen op een generiek type, want een appartementsrecht is geen appartementencomplex en dat verschil bepaalt hoe een machine het leest. Neem adresonderdelen, geocoördinaten, prijs, oppervlakte en aantal kamers op. Ga daarna verder dan het object zelf: voorzieningen in de buurt, ov-bereikbaarheid, loopbaarheid en de afstand tot scholen zijn de attributen waar kopers echt naar vragen, en precies wat een assistent nodig heeft om een advertentie te matchen met een vraag in natuurlijke taal.
Waarom verschijnen woningadvertenties niet in AI-zoekresultaten?
De oorzaak is meestal structureel, niet redactioneel. Objectpagina's zijn data-entiteiten die zich voordoen als artikelen. Ze tonen prijs, oppervlakte en locatie als opgemaakte tekst voor mensen, met niets machineleesbaars eronder, dus een retrievalsysteem heeft geen betrouwbare feiten om uit te halen. Een tweede oorzaak is dunne locatiecontext: de pagina beschrijft de woning tot in detail maar zegt niets verifieerbaars over de buurt, en daar hangt een zoekvraag als "gezinswoning op loopafstand van een basisschool" nu juist van af.
Hoe verbetert locatiedata vastgoed SEO?
Locatiedata maakt van vage claims controleerbare attributen. "Prachtige locatie" is onbruikbaar voor een retrievalsysteem, terwijl een geverifieerde afstand tot het dichtstbijzijnde station, een loopbaarheidsscore en een lijst voorzieningen binnen een vaste straal allemaal matchbare feiten zijn. Die laag toevoegen verbreedt de set vragen die de pagina kan beantwoorden, wat zowel je longtaildekking vergroot als de kans dat je geciteerd wordt als een assistent een locatiegerichte vraag beantwoordt.
Hoe lang duurt het voordat vastgoed SEO werkt?
Technische ingrepen zoals indexering en schema-markup kunnen binnen weken resultaat laten zien, omdat ze veranderen hoe snel en hoe accuraat zoekmachines pagina's begrijpen die je al hebt. Lokaal werk en autoriteit lopen op een langere cyclus, doorgaans drie tot zes maanden voordat je beweging ziet. Verrijking met locatiedata zit ertussenin: de markup wordt snel gelezen, terwijl het cumulatieve voordeel van meer beantwoorde kopersvragen zich opbouwt naarmate die vragen gesteld worden.
