Schema markup en de Knowledge Graph #

Schema markup is het breedst geadviseerde technische SEO-advies waarvoor het minste bewijs bestaat: in geen van de geraadpleegde bronnen staat één cijfer over de opbrengst — geen CTR-lift, geen conversie, geen gemeten AI-zichtbaarheid. Het enige experiment dat er is, concludeert dat AI-modellen schema als platte tekst lezen en de structuur negeren. Wat wél hard is: AI-crawlers voeren geen JavaScript uit, dus schema uit Google Tag Manager bestaat voor hen niet.

Inhoud #

1. De hoofdbevinding: er is geen bewijs van opbrengst #

Zeven bronnen over dit onderwerp, waarvan zes van dezelfde uitgever (Ahrefs, dat SEO- en AI-visibility-software verkoopt — Site Explorer, Site Audit, Brand Radar). Geen enkele daarvan noemt een cijfer over wat schema markup oplevert. Geen CTR-verschil tussen pagina’s met en zonder rich result, geen conversieverschil, geen gemeten toename in AI-vermeldingen.

Dat is opmerkelijk. Schema staat op vrijwel elke SEO- en GEO-checklist, wordt in vrijwel elke audit aanbevolen, en er is een hele gereedschapsindustrie omheen gebouwd. De onderbouwing bestaat feitelijk uit twee dingen:

Google gebruikt het voor rich results. Gedocumenteerd door Google zelf. Dat is een mechanisme, geen opbrengstcijfer.
Gemini gebruikt het indirect, via grounding op Google’s index. Aangetoond door één onderzoeker.

De conclusie van de belangrijkste bron luidt: “Schema markup blijft een van de betrouwbaarste technische SEO-investeringen. Het verbetert CTR via rich results en versterkt de entiteitssignalen achter merkzichtbaarheid.” ⚠️ Nergens in dat artikel staat één cijfer over CTR-winst door rich results. De enige harde uitspraak over effect in de hele bron is dat AI-modellen de structuur negeren.

Herkomst: Despina Gavoyannis & Chris Haines, Ahrefs, 2026-05-11. How-to-artikel, geen eigen dataset, geen eigen meting — alle onderbouwing komt uit Google-documentatie en twee externe experimenten.

Dit betekent niet dat schema zinloos is. Het betekent dat je het niet mag verkopen — aan jezelf, aan een klant of aan een trainingsgroep — als een maatregel met bekend rendement. Je implementeert het omdat het goedkoop is en omdat het mechanisme plausibel is, niet omdat het is doorgemeten.

2. Wat wél gemeten is #

a. Het DUCKYEA-experiment — en waarom het níet bewijst wat het lijkt te bewijzen #

SEO-consultant Mark Williams-Cook bouwde een pagina voor een fictief bedrijf (“DUCKYEA t-shirts”) en zette een verzonnen adres uitsluitend in de schema, niet in de zichtbare pagina. ChatGPT en Perplexity gaven allebei dat nepadres terug.

Op het eerste gezicht sluitend bewijs dat schema werkt voor AI. Maar de conclusie van de onderzoeker zelf is het tegenovergestelde: de modellen lazen de schema niet als gestructureerde data, maar als platte tekst — net als elke andere tekst in de HTML. De semantische structuur was irrelevant. Het adres kwam mee omdat het in de broncode stónd, niet omdat het als address-property gelabeld was.

Zonder die zin is het experiment een bewijs voor het tegendeel, en zo wordt het ook regelmatig doorverteld. De uitgever voegt toe dat schema bij de meeste modellen waarschijnlijk al tijdens pre-training wordt gestript, en dat zelfs bij inferentie de middleware die webcontent aan LLM’s levert het meestal wegknipt vóór het model het ziet.

Herkomst: extern experiment van Williams-Cook, doorgegeven via Ahrefs (2026-05-11). Geen steekproefomvang, n=1 pagina, twee platforms. Eén experiment is geen dataset.

Praktische gevolgtrekking, en dit is de bruikbaarste van het hele onderwerp: wat je in schema zet en nergens anders, kán bij een model terechtkomen — maar dan als tekst. Wil je dat een model iets over je weet, zet het dan gewoon in de zichtbare tekst. Schema is geen geheime achterdeur.

b. Gemini gebruikt structured data — indirect #

Onderzoek van Dan Petrovic (dejan.ai) vond aanwijzingen dat Gemini structured data gebruikt in zijn grounding-proces: het mechanisme waarmee Gemini Google’s zoekindex bevraagt om antwoorden te verifiëren. Omdat Google’s index structured data wél parseert, kan schema indirect beïnvloeden wat Gemini ophaalt en toont.

Dit is de enige gedocumenteerde route van schema naar een AI-antwoord — en hij loopt niet via het model, maar via de zoekindex. Wie schema implementeert voor AI-zichtbaarheid, optimaliseert dus in de praktijk voor Google’s index, niet voor de LLM.

Herkomst: extern onderzoek (dejan.ai), doorgegeven via Ahrefs, 2026-05-11. Geen omvang of methode vermeld in de doorgeefbron.

c. Rich results: Google gebruikt schema, maar minder dan je denkt #

Schema.org kent inmiddels meer dan 823 typen; Google ondersteunt daar een handvol van (Article, Breadcrumb, Carousel, Course, Event, Fact Check, FAQs, HowTo, Image Metadata, Job Posting, Local Business, Logo, Movie, Product, Recipe, Review, Sitelinks search box, Video).

⚠️ De belangrijkste correctie op advies dat je overal nog leest: Google heeft de zichtbaarheid van FAQ- en HowTo-rich-results sinds de aankondiging van augustus 2023 grotendeels teruggeschroefd. FAQ-resultaten worden nog alleen getoond voor bekende, gezaghebbende overheids- en gezondheidssites; HowTo-rich-results alleen nog op desktop. “Zet FAQ-schema op alles” is achterhaald advies dat nog in vrijwel elke checklist staat.

Verder geldt: rich results verschijnen pas nadat Google opnieuw gecrawld heeft — dat kan dagen duren — en zelfs dan is er geen garantie dat ze verschijnen. Google toont ze niet als de markup misleidend is, als een gewoon tekstresultaat beter past, of als de pagina niet aan de richtlijnen voldoet.

3. De harde praktijkregel: AI-crawlers voeren geen JavaScript uit #

GPTBot, ClaudeBot en PerplexityBot voeren geen JavaScript uit. Schema dat via Google Tag Manager of andere client-side JavaScript wordt ingeladen, is voor hen onzichtbaar. Googlebot rendert wel JavaScript; de AI-crawlers niet.

Wat je dus doet: plaats schema als statisch <script type="application/ld+json">-blok direct in de HTML-broncode. In <head> of in <body> maakt niet uit — Google heeft bevestigd dat beide goed zijn.

Van de drie toegestane formaten (microdata, RDFa, JSON-LD) ondersteunt Google alle drie, maar beveelt JSON-LD aan omdat het minder foutgevoelig is (bevestigd door John Mueller, Google).

Dit is de enige regel in dit artikel die direct toepasbaar is én die iets verklaart: het is een plausibele reden waarom veel schema-implementaties nul effect hebben op AI-zichtbaarheid. Een tag-manager-implementatie is voor de helft van je publiek een lege huls. Controleer het door de broncode van je pagina te bekijken met JavaScript uit (of via “view-source:”, niet via de inspector — die toont de gerenderde DOM).

Herkomst: Ahrefs, 2026-05-11. Gepresenteerd als vaststaand feit, zonder verwijzing naar een crawl-test of leveranciersdocumentatie. Het is consistent met wat bekend is over deze crawlers, maar het is in deze bron niet onderbouwd.

4. De Knowledge Graph, uitgelegd #

De Knowledge Graph is Google’s database van dingen en hun onderlinge verbanden. Geen woordenlijst maar een netwerk: “Han Solo” is verbonden met “Harrison Ford” via de relatie gespeeld door, en die weer met “Indiana Jones” via speelde ook in.

Zo’n “ding” heet een entiteit: alles wat afzonderlijk identificeerbaar is. Tastbaar (mensen, plaatsen, organisaties, producten) én ontastbaar (kleuren, concepten, gevoelens). De verbindingen tussen entiteiten heten edges en beschrijven de relatie.

Waarom dat uitmaakt: hierdoor begrijpt Google de betekenis achter een zoekopdracht in plaats van alleen woorden te matchen. “Klein groen mannetje met lichtzwaard” levert Yoda op, zonder dat er Star Wars in de zoekopdracht staat.

Hoe het je vindbaarheid beïnvloedt #

Google begrijpt zoekintentie beter. Links meten de kwaliteit van een pagina, niet de relevantie voor een vraag. De Knowledge Graph laat Google voorbij keyword-matching gaan.
Meer merkzichtbaarheid via Knowledge Panels en Knowledge Cards: meer ruimte in de resultaten, en meer gezag in de ogen van de zoeker.
Minder clicks. Diezelfde panels beantwoorden de vraag ter plekke. “Ongeveer 60% van de zoekopdrachten eindigt zonder click” — doorgegeven van SparkToro’s zero-click-studie uit 2024 (per 1.000 Amerikaanse Google-zoekopdrachten gaan er 374 clicks naar het open web; in de EU 360).
AI-antwoorden putten eruit. Bij het genereren van AI Overviews haalt Google niet alleen webpagina’s op, maar gebruikt het de Knowledge Graph om de entiteiten in een vraag te identificeren en verifiëren — een manier om antwoorden te gronden in vastgestelde feiten in plaats van in alleen gecrawlde pagina’s. AI Mode put er expliciet uit naast realtime webresultaten; verbonden entiteiten worden in de interface onderstreept en openen een zijpaneel. Google heeft dit zelf bevestigd in zijn PDF over AI Overviews en AI Mode.

⚠️ Voor Gemini geldt dat Google Cloud’s documentatie (het enterprise-product) beschrijft dat de Knowledge Graph entiteitsherkenning en intentiebegrip versterkt. Dat dezelfde infrastructuur ook de consumentenversie van Gemini voedt, is een aanname van de doorgeefbron, niet gedocumenteerd.

Herkomst: Despina Gavoyannis & Michal Pecánek, Ahrefs, 2026-05-14 — oorspronkelijk geschreven in 2020 en herzien. Uitleg-artikel, geen eigen dataset; wel goed geattribueerd, mét Google’s eigen documentatie onder de AI-punten.

De praktische implicatie #

Is je merk niet als herkende entiteit gevestigd — consistente naam, adres, omschrijving en positionering op je site, in je structured data én bij gezaghebbende derden — dan loop je zichtbaarheid mis in de klassieke resultaten én in AI-antwoorden. Google kruiscontroleert merksignalen over tientallen bronnen. Verschillende merknamen, wisselende adressen en niet-matchende omschrijvingen maken het moeilijker om die signalen tot één entiteit te herleiden.

⚠️ Wat hier níet staat, en wat je nergens aangetoond vindt: dat de aanbevolen stappen (schema, Wikidata, Google Business Profile, PR) je daadwerkelijk in de Knowledge Graph krijgen. De bron zegt dat zelf, letterlijk: “er is geen definitief proces.” Het zijn kansverhogers, geen procedure. En er staat in het hele artikel geen enkele meting van de opbrengst van een van die stappen.

5. Twee tegenstrijdigheden rond de Knowledge Graph — niet opgelost #

T1 — Wanneer snoeide Google de Knowledge Graph? #

Claim	Bron	Datum publicatie
“In juni 2025 snoeide Google zijn Knowledge Graph fors — meer dan drie miljard entiteiten in één week.”	Ahrefs, Knowledge-Graph-artikel	2026-05-14
“Google voerde begin 2025 (`early 2025`) een significante Knowledge Graph-opschoning uit.”	Ahrefs, schema-markup-artikel	2026-05-11

Beide verwijzen naar hetzelfde Search Engine Land-artikel. Een datumverschil van een half jaar, bij dezelfde uitgever, in twee artikelen die drie dagen na elkaar verschenen. Niet oplossen: verifieer de datum bij Search Engine Land vóór je hem gebruikt. De onderliggende meting komt van Kalicube Pro’s Knowledge Graph Sensor — en Kalicube verkoopt Knowledge-Graph-diensten.

De duiding waar beide het over eens zijn: het is breed geïnterpreteerd als een keuze voor een kleinere dataset van hogere kwaliteit, om AI-features betrouwbaarder te maken. Als dat klopt, wegen kwaliteit en consistentie van entiteitssignalen zwaarder dan omvang.

T2 — Hoe groot is de Knowledge Graph? #

“Meer dan 1,6 biljoen (1.600 miljard) feiten over 54 miljard entiteiten“ — doorgegeven van Kalicube, zonder meetdatum.
Dezelfde bron meldt dat er meer dan 3 miljard entiteiten in één week verdwenen.

Onduidelijk of het 54-miljardcijfer van vóór of ná de snoei is. Beide cijfers komen via Kalicube, een belanghebbende partij. Gebruik het omvangcijfer alleen met de formulering “volgens Kalicube, meetdatum onbekend” — of gebruik het niet. Voor een training zegt “tientallen miljarden entiteiten” evenveel en is het houdbaarder.

6. ⛔ Drie cijfers die je niet mag gebruiken #

In de veelgedeelde statistieklijst 107 SEO Statistics for 2026 (Ahrefs, Si Quan Ong, 2026-06-02 — pure aggregatie, geen eigen meting) staan drie technische cijfers die naar het artikel zelf linken als bron. Dat is een circulaire verwijzing: het cijfer heeft geen vindbare oorsprong.

Cijfer	Waarom onbruikbaar
“80,4% van de websites mist alt-attributen”	Linkt naar het artikel zelf. Komt nergens anders vandaan en botst met WebAIM’s 53,1% (zie hieronder)
“95,2% van de websites heeft 3XX-redirectproblemen”	Linkt naar zichzelf; staat bovendien dubbel in dezelfde lijst
“72,3% van de websites heeft trage pagina’s”	Linkt naar zichzelf; staat eveneens dubbel

Niet overnemen als feit. Ook niet in een slide, ook niet “ter illustratie”.

De alt-tekst-tegenstrijdigheid — beide claims, niet gemengd #

Claim	Meter	Noemer
53,1% van de homepages mist alt-tekst	WebAIM Million (onafhankelijk toegankelijkheidsonderzoek)	homepages
80,4% van de websites mist alt-attributen	Ahrefs, niet-traceerbaar (verwijst naar zichzelf)	“websites”

De noemers verschillen (homepages versus websites), dus het is niet noodzakelijk een echte tegenspraak. Maar het tweede cijfer heeft geen oorsprong, dus het valt niet te controleren. Gebruik alleen het WebAIM-cijfer, mét vermelding dat het over homepages gaat.

Bredere waarschuwing bij die lijst: geen enkel cijfer erin draagt een meetperiode in de tekst. Wie eruit citeert, neemt onbedoeld data uit 2018–2019 over als “SEO Statistics for 2026”. Gebruik hem hooguit als vindregister naar de onderliggende studies — nooit als bron.

7. Wat ik concreet wél zou doen #

Eerlijke samenvatting vooraf: de onderbouwing hieronder is dun. Geen van deze aanbevelingen heeft een gemeten opbrengst. Ze zijn goedkoop, ze schaden niet, en het mechanisme erachter is plausibel — dat is het hele argument. Behandel het als hygiëne, niet als groeimotor.

Wel doen, in deze volgorde:

Organization-schema op je homepage, statisch in de HTML. Minimaal de properties name, logo, url en sameAs. Vul in de sameAs-array al je sociale profielen en, als je die hebt, je Wikidata- en Wikipedia-pagina. Voeg een @id-property toe die naar je canonieke homepage-URL wijst — geldt inmiddels als best practice voor entiteit-disambiguatie. Waarom: dit is de enige URL waar je merkidentiteit als geheel wordt vastgelegd, en het is de route die (indirect, via Google’s index) doorwerkt in Gemini.
Person-schema voor jezelf, op je over-pagina, met worksFor terug naar je Organization. Waarom: voor een freelancer zijn merk en persoon dezelfde entiteit; die koppeling expliciet maken is de goedkoopste versterking die er is.
Article- of BlogPosting-schema op je blogs. Google’s eigen documentatie noemt twee voordelen: het helpt Google betere titeltekst, afbeeldingen en datuminformatie tonen, en het vertelt explicieter waar je content over gaat. Let op: de vaak toegevoegde gevolgtrekking — “daardoor verschijn je voor méér queries” — is een inferentie van de uitgever, geen meting.
Event-schema bij open inschrijvingen voor trainingen. Evenement-rich-results krijgen nog wél een prominente plek in de resultaten. Dit is het schematype met de duidelijkste zichtbare uitkomst voor Eelco’s situatie.
LocalBusiness-schema als er een fysiek adres is, met naam, adres en telefoonnummer exact gelijk aan Google Business Profile en alle sociale profielen. Inconsistenties verstoren entity resolution.
Product-schema bij e-commerce (prijs, beschikbaarheid, retourbeleid). Groeiend argument: AI-shoppingagents beoordelen gestructureerde productdata om producten aan koopvragen te matchen. ⚠️ De claim “incomplete product schema means incomplete visibility” is nergens gemeten.

Niet doen, of niet als AI-optimalisatie boeken:

FAQ- en HowTo-schema voor rich results. Sinds 2023 grotendeels verdwenen (zie §2c). Wil je een FAQ-blok omdat het je lezer helpt: prima. Boek het niet als vindbaarheidsmaatregel.
Schema via Google Tag Manager. Onzichtbaar voor AI-crawlers (§3).
Elk schematype dat je kunt bedenken toevoegen. Google ondersteunt maar een handvol van de 823 typen; de rest levert hooguit een correcter machinebeeld op, en dat is niet gemeten.
Schema als vervanging voor zichtbare tekst. Modellen lezen het als platte tekst of zien het helemaal niet (§2a).

Controleren: één pagina met validator.schema.org of Google’s Rich Results Test; alle rich results van je site via Search Console. ⚠️ Beide controleren alleen schema dat rich results aanstuurt — niet je volledige markup. Voor de hele site heb je een crawler nodig.

Sleutelinzichten #

Er bestaat geen gepubliceerd cijfer over de opbrengst van schema markup — niet voor CTR, niet voor conversie, niet voor AI-zichtbaarheid. Wie het adviseert, adviseert op mechanisme en plausibiliteit, niet op bewijs
AI-crawlers (GPTBot, ClaudeBot, PerplexityBot) voeren geen JavaScript uit. Schema via Google Tag Manager bestaat voor hen niet. Gebruik statische JSON-LD in de broncode. Dit is de enige harde, direct toepasbare regel in dit artikel
Modellen lezen schema als platte tekst, niet als structuur — dat is de conclusie van de onderzoeker die het DUCKYEA-experiment deed, niet een tegenwerping erop
De enige route van schema naar een AI-antwoord loopt via Google’s index, naar Gemini’s grounding. Je optimaliseert dus voor de zoekmachine, niet voor het model
FAQ- en HowTo-rich-results zijn sinds 2023 vrijwel weg. “Zet FAQ-schema op alles” is achterhaald advies dat nog overal circuleert
De Knowledge Graph is een netwerk van dingen en hun verbanden, en AI Overviews en AI Mode gebruiken het om entiteiten te verifiëren — dat is door Google zelf gedocumenteerd. Dat entiteitsoptimalisatie je in dat netwerk krijgt, is dat niet
Consistentie is het echte werk: dezelfde naam, hetzelfde adres, dezelfde omschrijving op je site, in je schema, in je profielen. Schema is de goedkope helft; consistentie is de dure helft
Zes bronnen van dezelfde uitgever zijn geen zes stemmen. Vrijwel alles op dit onderwerp komt van Ahrefs, dat de gereedschappen verkoopt waarmee je het uitvoert

Contentkansen #

Pijler 1 — opiniestuk: “Schema markup: het best geadviseerde SEO-advies zonder één cijfer eronder”. Sterke, verdedigbare stelling met de bronnen erbij; onderscheidt Eelco van de checklist-verkopers
Pijler 2 — explainer: wat is de Knowledge Graph, uitgelegd zonder techniek (het Yoda-voorbeeld werkt in elke zaal)
Pijler 3 — playbook: de zes schematypen die het waard zijn, statisch geïmplementeerd, mét de controle “bekijk je broncode met JavaScript uit”
Pijler 2 — explainer: waarom een AI-crawler jouw pagina anders ziet dan je browser — JavaScript, rendering en wat er overblijft
Pijler 5 — experiment: DUCKYEA nabouwen op een eigen testpagina en kijken of het in 2026 nog werkt. Klein, goedkoop, en het levert een eigen meting op in een domein waar niemand er een heeft
Trainingsmoment — de alt-tekst-tegenstrijdigheid (53,1% vs. 80,4%) als oefening in broncontrole: laat deelnemers zelf de link volgen en ontdekken dat hij naar het artikel zelf wijst

Beperkingen #

Alle drie de bronnen onder dit artikel komen van Ahrefs, dat SEO-software verkoopt waaronder de Site Audit die je schema-implementatie controleert. Twee ervan (schema, Knowledge Graph) zijn how-to’s zonder eigen dataset; de derde is pure aggregatie. Er ligt in dit dossier geen enkele onafhankelijke meting onder het onderwerp.

De externe experimenten (Williams-Cook, Petrovic) zijn doorgegeven, niet primair gelezen: steekproefomvang en methode staan niet in de doorgeefbron. Beide zijn n=1-achtig van opzet. Wie deze bevindingen in content gebruikt, hoort eerst de oorspronkelijke publicaties te openen.

Tijdgevoelig binnen dit verder houdbare artikel: welke rich results Google toont (§2c) en de Knowledge-Graph-snoei (§5) veranderen met productupdates en horen bij gebruik opnieuw gecontroleerd te worden. De mechaniek van entiteiten en gestructureerde data verandert langzaam; het Google-beleid eromheen niet.

Waar dit artikel botst met de rest van de vault: meerdere bestaande artikelen presenteren schema markup als een werkende maatregel voor AI-zichtbaarheid (onder meer FAQ-schema als aanbeveling). Dat is niet zonder meer fout — het is breed geadviseerd — maar het staat op gespannen voet met §1 en §2c hier. Dat oplossen is een inhoudelijke ingreep in bestaande kernartikelen en gebeurt niet zonder Eelco’s akkoord (risicoklasse hoog, §5h).

Gerelateerd #

[[wiki/markt-en-trends/citeerbaar-schrijven-voor-ai]] — de tekstkant: entiteiten in je zinnen doen aantoonbaar meer dan entiteiten in je markup
[[wiki/markt-en-trends/hoe-ai-zoekmachines-citeren]] — het mechanisme waarlangs een pagina in een antwoord belandt; verklaart waarom de schema-laag er meestal afvalt
[[wiki/markt-en-trends/aeo-answer-engine-optimization]] — het strategische kader waarbinnen schema een klein, technisch onderdeel is
[[wiki/markt-en-trends/betrouwbaarheid-marktdata-ai-search]] — het weegkader voor vendorcijfers als deze
[[wiki/markt-en-trends/lokale-ai-vindbaarheid]] — NAP-consistentie en sameAs in de lokale context
[[wiki/toepassingen/content-webshop-ai-proof]] — schema als een van de zes factoren van de “voedende” webshop
[[wiki/toepassingen/homepage-voor-ai-verkeer]] — SearchAction-schema en wat een AI-crawler op je homepage aantreft
[[wiki/fundamenten/hoe-llms-werken]] — waarom een model in entiteiten en relaties “denkt”

Bronnen #

[[RAW/Schema Markup What It Is & How to Implement It.md]] — Despina Gavoyannis & Chris Haines, Ahrefs, 2026-05-11. How-to; geen eigen dataset, geen eigen meting. Levert: de 823 schematypen, de FAQ/HowTo-afname sinds augustus 2023, JSON-LD-aanbeveling, de JavaScript-beperking bij AI-crawlers, en de twee externe experimenten (Williams-Cook, Petrovic). ⚠️ Ahrefs verkoopt Site Audit, dat structured-data-problemen rapporteert. https://ahrefs.com/blog/schema-markup/
[[RAW/Google’s Knowledge Graph Explained How It Influences SEO.md]] — Despina Gavoyannis & Michal Pecánek, Ahrefs, 2026-05-14 (oorspronkelijk 2020, herzien). Uitleg-artikel; geen eigen dataset. Levert: de entiteitsuitleg, de vier manieren waarop de KG search beïnvloedt, de AI Overviews/AI Mode-onderbouwing uit Google’s eigen documentatie, de snoei van juni 2025 en de zeven kansverhogende stappen. ⚠️ Omvangcijfers doorgegeven van Kalicube, dat Knowledge-Graph-diensten verkoopt; zero-click-cijfer doorgegeven van SparkToro (2024). https://ahrefs.com/blog/google-knowledge-graph/
[[RAW/107 SEO Statistics for 2026.md]] — Si Quan Ong, Ahrefs, 2026-06-02. Pure aggregatie, geen eigen meting; geen enkel cijfer draagt een meetperiode in de tekst. Hier uitsluitend gebruikt als vindplaats van de drie niet-traceerbare cijfers (§6) en van WebAIM’s 53,1%. ⚠️ Niet citeren als bron; hooguit als vindregister naar onderliggende studies. https://ahrefs.com/blog/seo-statistics/

⚠️ Alle drie de bronnen komen van Ahrefs. Drie bronnen zijn hier geen drie onafhankelijke stemmen. De enige niet-Ahrefs-metingen in dit artikel (Williams-Cook, Petrovic, WebAIM, SparkToro, Kalicube) zijn allemaal via Ahrefs doorgegeven en niet primair gecontroleerd.