Natural Language Processing basics voor marketeers

Wat is Natural Language Processing?

Natural Language Processing, afgekort NLP, is het vakgebied binnen kunstmatige intelligentie dat zich bezighoudt met de interactie tussen computers en menselijke taal. Het omvat alles van het herkennen van individuele woorden tot het begrijpen van complete teksten, het genereren van samenvattingen en het beantwoorden van vragen. Elke keer dat je ChatGPT een vraag stelt, een tekst laat vertalen door Google Translate of een spamfilter een e-mail beoordeelt, is NLP aan het werk.

Voor marketeers is NLP relevant omdat het de technologie is die bepaalt hoe AI-modellen je content interpreteren. Wanneer Perplexity je blogpost analyseert om te bepalen of het relevant is als bron voor een gebruikersvraag, gebruikt het NLP-technieken om je tekst te begrijpen. Hoe beter je content aansluit bij de manier waarop NLP-systemen taal verwerken, hoe effectiever je content wordt opgepikt en geciteerd.

Dit is de technische basis achter Answer Engine Optimization. AEO draait om het optimaliseren van content voor AI-systemen, en die AI-systemen zijn gebouwd op NLP-technologie. Je hoeft geen datawetenschapper te worden, maar een werkend begrip van de kernconcepten maakt je een betere contentstrateeg.

De vijf kernprocessen van NLP

NLP omvat tientallen technieken, maar voor marketeers zijn er vijf kernprocessen die het meest relevant zijn voor contentoptimalisatie. Elk proces bepaalt een aspect van hoe AI-modellen je tekst verwerken.

Tokenisatie: tekst opdelen in eenheden

Tokenisatie is het eerste wat een NLP-systeem doet met je tekst: het splitst de tekst op in kleinere eenheden, tokens genaamd. Een token kan een woord zijn, een deelwoord of zelfs een enkel karakter, afhankelijk van het model. GPT-4 gebruikt bijvoorbeeld BPE (Byte Pair Encoding) tokenisatie, waarbij veelvoorkomende woorden als een enkel token worden behandeld terwijl ongebruikelijke woorden in meerdere tokens worden opgesplitst.

# Voorbeeld van tokenisatie (vereenvoudigd)\n\nInvoer: "Schema.org markup verbetert je AI-zichtbaarheid"\n\nTokens: ["Schema", ".org", " markup", " verbetert", " je", " AI", "-", "zichtbaar", "heid"]\n\n# "AI-zichtbaarheid" wordt opgesplitst omdat het een\n# samengesteld woord is dat minder frequent voorkomt\n\n# Praktisch gevolg voor marketeers:\n# - Veelgebruikte termen worden efficinter verwerkt\n# - Jargon en neologismen kosten meer tokens\n# - Heldere, gangbare taal wordt beter begrepen

Het praktische gevolg voor marketeers is dat gangbare taal beter wordt verwerkt dan jargon of neologismen. Wanneer je schrijft over "AI-zichtbaarheidsoptimalisatie", moet het NLP-systeem meer werk doen om dit te begrijpen dan wanneer je schrijft "je zichtbaarheid in AI-modellen verbeteren". Beide zinnen betekenen hetzelfde, maar de tweede is voor NLP-systemen eenvoudiger te verwerken.

Named Entity Recognition (NER): entiteiten herkennen

Named Entity Recognition is het NLP-proces dat eigennamen, organisaties, plaatsen, datums en andere benoemde entiteiten in tekst identificeert. Wanneer een AI-model je tekst leest en "Kobalt" tegenkomt, moet NER bepalen dat dit een organisatienaam is, niet twee losse woorden.

NER is direct relevant voor Schema.org markup en entity disambiguation. Wanneer je Schema.org markup toevoegt aan je pagina, geef je het NER-systeem een bevestiging: "Ja, 'Kobalt' is inderdaad een Organization." Dit versterkt de nauwkeurigheid van de entiteitsherkenning en vergroot de kans dat je organisatie correct wordt geidentificeerd in AI-gegenereerde antwoorden.

Sentimentanalyse: toon en intentie bepalen

Sentimentanalyse is het NLP-proces dat de emotionele toon van tekst beoordeelt: positief, negatief of neutraal. AI-modellen gebruiken sentimentanalyse om te bepalen of een tekst informatief, opinieerend of promotioneel is. Dit is relevant voor AEO omdat AI-modellen de voorkeur geven aan informatieve, neutrale content als citatiebron boven sterk promotionele of emotioneel geladen content.

• Informatief-neutrale content wordt het vaakst geciteerd als bron in AI-antwoorden.
• Mild-positieve content (enthousiast maar feitelijk) wordt geaccepteerd, vooral bij reviews en ervaringen.
• Sterk promotionele content ("de beste oplossing ooit!") wordt zelden geciteerd omdat het als biased wordt beschouwd.
• Negatieve content wordt geciteerd in vergelijkende contexten, maar minder vaak als primaire bron.

Dependency parsing: zinsstructuur begrijpen

Dependency parsing analyseert de grammaticale structuur van zinnen om te begrijpen welk woord verwijst naar welk ander woord. In de zin "De consultant die gespecialiseerd is in AEO adviseerde het bedrijf over Schema.org markup", moet het NLP-systeem begrijpen dat "adviseerde" bij "consultant" hoort (niet bij "AEO") en dat "markup" het object is van de adviesactie.

Voor marketeers is de praktische les helder: schrijf zinnen met een eenvoudige grammaticale structuur. Vermijd lange bijzinnen, dubbele ontkenningen en ambigue verwijzingen. Hoe eenvoudiger de zinsstructuur, hoe nauwkeuriger het NLP-systeem je boodschap begrijpt.

Coreference resolution: verwijzingen koppelen

Coreference resolution is het NLP-proces dat bepaalt wanneer verschillende woorden naar dezelfde entiteit verwijzen. In de tekst "Kobalt is een AEO-bureau. Het bedrijf werd opgericht in 2015. Ze helpen klanten met AI-zichtbaarheid.", moet het systeem begrijpen dat "het bedrijf" en "ze" verwijzen naar "Kobalt".

# Voorbeeld van coreference resolution\n\n# Helder (gemakkelijk voor NLP):\n"Kobalt is een AEO-bureau. Kobalt helpt\n klanten met AI-zichtbaarheid en Schema.org implementatie."\n\n# Ambigue (moeilijker voor NLP):\n"Het bureau werkt samen met het bedrijf. Ze hebben\n hun aanpak onlangs vernieuwd. Dit heeft geleid tot\n betere resultaten voor hen."\n# Wie is "ze"? Wie is "hen"? Wat is "dit"?\n\n# Praktische tip: herhaal de entiteitsnaam regelmatig\n# in plaats van uitsluitend voornaamwoorden te gebruiken

NLP-vriendelijke content schrijven

Op basis van de vijf kernprocessen kun je concrete richtlijnen formuleren voor het schrijven van content die NLP-systemen effectief kunnen verwerken. Dit zijn geen rigide regels maar principes die je content toegankelijker maken voor AI-modellen.

Het schrijven van NLP-vriendelijke content sluit nauw aan bij het schrijven van leesbare content voor mensen. De principes die we bespreken in ons artikel over leesbaarheid en Flesch-scores zijn in grote mate ook van toepassing op NLP-optimalisatie. Heldere, gestructureerde tekst is zowel voor mensen als voor machines beter te verwerken.

1. Gebruik gangbare taal en vermijd onnodig jargon. Wanneer je vaktermen gebruikt, definieer ze dan bij eerste gebruik.
2. Schrijf zinnen van gemiddeld 15 tot 20 woorden. Langere zinnen met complexe bijzinstructuren zijn moeilijker te parsen.
3. Herhaal de naam van entiteiten regelmatig in plaats van uitsluitend te verwijzen met voornaamwoorden als "het", "zij" of "deze".
4. Gebruik een informatieve, neutrale tone of voice. Vermijd superlatieven en sterk promotionele formuleringen.
5. Structureer je content met duidelijke headings die de inhoud van elke sectie samenvatten.
6. Begin elke sectie met de kernboodschap. NLP-systemen wegen de eerste zinnen van een alinea vaak zwaarder.
7. Gebruik opsommingen voor lijsten van items. NLP-systemen herkennen en verwerken opsommingen efficinter dan dezelfde informatie in doorlopende tekst.

NLP-ontwikkelingen die marketeers moeten volgen

Het NLP-veld evolueert snel. Er zijn enkele ontwikkelingen die de komende jaren direct invloed zullen hebben op hoe AI-modellen content verwerken en hoe marketeers daarop moeten inspelen.

• Langere contextvensters: modellen als GPT-4 en Claude kunnen steeds langere documenten in een keer verwerken. Dit vergroot het belang van consistentie en coherentie door je hele tekst heen.
• Multimodale NLP: modellen begrijpen niet alleen tekst maar ook afbeeldingen, grafieken en tabellen. Alt-teksten en bijschriften worden daarmee onderdeel van het NLP-proces.
• Meertalig begrip: NLP-modellen worden steeds beter in niet-Engelse talen. Nederlands wordt beter ondersteund, maar heldere taal blijft belangrijk om ambiguiteiten te voorkomen.
• Retrieval-Augmented Generation (RAG): steeds meer AI-systemen combineren hun taalmodel met real-time opgehaalde content. Dit vergroot het belang van content die snel en correct door NLP-systemen verwerkt kan worden.

De relatie tussen NLP en E-E-A-T signalen wordt steeds sterker. NLP-systemen worden getraind om niet alleen de inhoud van tekst te begrijpen, maar ook de autoriteit en betrouwbaarheid van de bron te beoordelen. Auteurscredentials, publicatiedatums en bronvermeldingen worden steeds nauwkeuriger gedetecteerd en meegewogen.

Je hoeft geen NLP-expert te worden om betere content te schrijven voor AI. Maar wie begrijpt hoe machines lezen, schrijft vanzelf teksten die beter worden begrepen.

Samenvatting

• NLP is de technologie achter hoe AI-modellen je tekst lezen, begrijpen en verwerken tot antwoorden.
• De vijf kernprocessen (tokenisatie, NER, sentimentanalyse, dependency parsing en coreference resolution) bepalen hoe goed je content wordt begrepen.
• Gangbare taal, korte zinnen, regelmatige naamsherhalingen en een neutrale tone of voice maken je content NLP-vriendelijker.
• Schema.org markup versterkt de NLP-verwerking door entiteiten en relaties expliciet en machine-leesbaar te maken.
• Volg NLP-ontwikkelingen zoals langere contextvensters, multimodaal begrip en RAG om je contentstrategie toekomstbestendig te houden.

Veelgestelde vragen

Natural Language Processing is geen mysterieuze zwarte doos. Het is een systeem met duidelijke voorkeuren, en wie die voorkeuren begrijpt, schrijft content die door zowel mens als machine wordt gewaardeerd.