Management → Signaal → analyse → actie: hoe ik SEO-beslissing ondersteuning automatiseer

Een dashboard laat zien dát er iets gebeurt. De vraag is wat je er dan mee doet

Een dashboard toont een grafiek die daalt, een cijfer dat rood kleurt, een lijn die afwijkt. Wat dat betekent en wat de volgende stap is, moet je daarna zelf bedenken. Dat laatste stuk is waar ik naar ben gaan kijken.

Ik bouw de stap erna erbij. Niet om de beslissing van je over te nemen, maar om hem voor te sorteren. Een signaal triggert een analyse, die analyse wijst een oorzaak aan, en daar rolt een concrete actie uit. Jij houdt de keuze. Je begint alleen niet meer bij een lege grafiek.

Dit stuk laat die werkwijze zien aan twee echte voorbeelden. Het gaat over de inhoudelijke analyse, over hoe je van een signaal naar een oorzaak komt. Wil je meer weten over wanneer je welk dashboard inzet en hoe je data onderdeel maakt van je werkwijze, lees dan het verwante stuk over SEO-dashboards per doel.

De vaste volgorde: doel, signaal, analyse, oplossing, actie

Elk van mijn flows loopt dezelfde route af.

Managementdoel. Waar wil het team eigenlijk antwoord op? Niet “meer data”, maar een echte vraag. Worden onze vacatures gevonden? Trekt onze content de juiste bezoeker? Dat doel bepaalt waar het systeem naar kijkt.

Signaal. Wat valt op? Niet alle cijfers, alleen de afwijking. Een klikpercentage dat wegzakt, een indexatie die hapert, vertoningen die stijgen zonder dat er klikken bij komen.

Analyse. Waar komt het vandaan? Hier legt het systeem het signaal naast de context. Welke pagina’s, welke zoekintentie, welke fase in de funnel. De data-agent vertaalt de vraag zelf naar de juiste bron, zonder dat ik een tabel hoef aan te wijzen.

Oplossing. Wat helpt hier? De analyse wijst een richting aan. Soms is dat een titel herschrijven, soms een pagina toevoegen, soms niets doen omdat het ruis is.

Actie. Wat pak je nu op? De flow eindigt in een concrete taak of een korte contentbriefing. Iets wat je vanavond nog kunt oppakken.

Die analysestap is waar de automatisering zit. Niet in het ophalen van data, dat kan iedere tool. Maar in het naast elkaar leggen van signaal en context, zodat de volgende stap voor de hand ligt. Dat werk deed ik vroeger met de hand in het vacature-analyse dashboard; nu draait het als vaste flow.

Voorbeeld 1: vertoningen omhoog, klikken achter

Het duidelijkste signaal in een vacaturebank is een pagina die wél gezien wordt maar niet aangeklikt. De zichtbaarheid is er, alleen zet de titel hem niet om in bezoek.

In een recent voorbeeld landde viervijfde van alle vertoningen op vacaturepagina’s met een klikpercentage onder de 1%. De pagina’s die de meeste vertoningen binnenhaalden, rankten breed op plaatsgebonden zoekopdrachten, maar hun titel sloot niet aan op waar de zoeker op klikte. Vacaturepagina’s die wél op een concrete functie inspeelden, haalden een klikpercentage dat ruwweg zes tot zeven keer hoger lag.

De analyse wijst de oorzaak aan (de titels matchen de zoekintentie niet) en de actie is helder: herschrijf de titels van de pagina’s die veel vertoningen binnenhalen maar weinig klikken. Geen nieuwe pagina’s, geen technische ingreep. Een contentbriefing die precies die vacatures aanwijst.

Voorbeeld 2: de vraag is zichtbaar, de pagina ontbreekt

Een tweede signaal zit in wat mensen zoeken. De zoekvraag rond een regionaal uitzendbureau is sterk lokaal gekleurd. Ongeveer tweederde van de niet-merkgebonden vertoningen komt binnen op zoekopdrachten met een concrete plaatsnaam, en nog eens een vijfde op regiotermen als “Friesland”.

Het grootste deel van die plaatsgebonden vraag valt op plaatsen waar al een eigen vacaturepagina voor bestaat. Maar er is een kleine, herkenbare staart van plaatsen waar wél op gezocht wordt en waar geen eigen landingspagina tegenover staat. Kootstertille het duidelijkst, gevolgd door Oosterwolde, Burgum en Joure. Elk van die plaatsen leverde in de meetperiode nul klikken op.

De eerlijke nuance zit in de vergelijking van de twee voorbeelden. Het is verleidelijk om bij een content-gap meteen aan méér pagina’s te denken. Maar het grootste onbenutte volume zit niet daar. Het zit in de pagina’s die er al zijn en nauwelijks worden aangeklikt. De analyse voorkomt dat je energie steekt in twintig nieuwe plaatspagina’s terwijl de winst in betere titels ligt. Dat onderscheid maken is precies waar het systeem voor bedoeld is.

Waarom dit iets anders is dan een dashboard

Een dashboard stopt bij het signaal. Je ziet dát er iets gebeurt, maar niet wat je ermee moet. Het verschil zit in de stappen die erachteraan komen.

Het systeem sorteert de beslissing voor. Het brengt de afwijking naar boven, legt de context ernaast en zet een concrete vervolgstap klaar. De interpretatie en de keuze blijven bij het team, dat is bewust zo. De software is ondersteuning binnen de workflow, geen vervanger van het oordeel.

Dat is ook waar mijn werk begint en waar een standaardtool ophoudt. Semrush of Search Console geven je de data. Ze weten niet wat jouw bedrijf verkoopt, in welke plaatsen je actief bent of welke vacature vorige maand is opgeschoond. Die context bouw ik in de flow in. Zo werkt de SEO-intelligence-aanpak in de praktijk: jouw data, jouw context, en een systeem dat de volgende stap voorsorteert.

Herken je dit? Dan is de snelste manier om te zien wat het voor jouw data doet de gratis eerste maand. We koppelen je bronnen, zetten de eerste flows op en je ziet binnen die maand welke signalen er in jouw eigen cijfers zitten.