Thermen is een wellnesslocatie in het zuiden van Nederland, met onder meer een restaurant, verschillende saunacabines, een sneeuwcabine en meerdere baden. Het is geen merk waar iemand alleen op naam zoekt. Mensen oriënteren zich vooral op behoefte: rust, sfeer, faciliteiten, bereikbaarheid en wat voor dag ze willen hebben. Dat maakt Thermen een perfecte GEO-case. Als je op dat beslismoment zichtbaar bent in ChatGPT, zit je al vroeg in de overweging.
De basis was goed, maar voor AI nog niet scherp genoeg. De website was vooral opgebouwd voor menselijke bezoekers die rustig door de site bladeren. Voor een LLM werkte dat minder goed. Belangrijke informatie zat verspreid over verschillende pagina’s, faciliteiten stonden niet altijd in een vaste structuur en keuzevragen werden nog niet direct genoeg beantwoord.
Daar kwam nog iets bij: buiten de eigen site zag je Thermen wel terug, maar niet sterk genoeg op de bronnen die in AI-antwoorden vaak terugkwamen in onze prompttests. Daardoor miste ChatGPT bevestiging. Het gevolg was dat Thermen op branded vragen nog wel eens opdook, maar op niet-branded prompts zoals “sauna zuid-Nederland”, “rustige wellness” of “sauna met veel faciliteiten” te weinig zichtbaar was.
De basis was goed, maar voor AI nog niet scherp genoeg. De website was vooral opgebouwd voor menselijke bezoekers die rustig door de site bladeren. Voor een LLM werkte dat minder goed. Belangrijke informatie zat verspreid over verschillende pagina’s, faciliteiten stonden niet altijd in een vaste structuur en keuzevragen werden nog niet direct genoeg beantwoord.
Daar kwam nog iets bij: buiten de eigen site zag je Thermen wel terug, maar niet sterk genoeg op de bronnen die in AI-antwoorden vaak terugkwamen in onze prompttests. Daardoor miste ChatGPT bevestiging. Het gevolg was dat Thermen op branded vragen nog wel eens opdook, maar op niet-branded prompts zoals “sauna zuid-Nederland”, “rustige wellness” of “sauna met veel faciliteiten” te weinig zichtbaar was.
Thermen is een wellnesslocatie in het zuiden van Nederland, met onder meer een restaurant, verschillende saunacabines, een sneeuwcabine en meerdere baden. Het is geen merk waar iemand alleen op naam zoekt. Mensen oriënteren zich vooral op behoefte: rust, sfeer, faciliteiten, bereikbaarheid en wat voor dag ze willen hebben. Dat maakt Thermen een perfecte GEO-case. Als je op dat beslismoment zichtbaar bent in ChatGPT, zit je al vroeg in de overweging.
De basis was goed, maar voor AI nog niet scherp genoeg. De website was vooral opgebouwd voor menselijke bezoekers die rustig door de site bladeren. Voor een LLM werkte dat minder goed. Belangrijke informatie zat verspreid over verschillende pagina’s, faciliteiten stonden niet altijd in een vaste structuur en keuzevragen werden nog niet direct genoeg beantwoord.
Daar kwam nog iets bij: buiten de eigen site zag je Thermen wel terug, maar niet sterk genoeg op de bronnen die in AI-antwoorden vaak terugkwamen in onze prompttests. Daardoor miste ChatGPT bevestiging. Het gevolg was dat Thermen op branded vragen nog wel eens opdook, maar op niet-branded prompts zoals “sauna zuid-Nederland”, “rustige wellness” of “sauna met veel faciliteiten” te weinig zichtbaar was.
Onze strategie was om van Thermen één helder leesbaar entiteitspakket te maken voor AI. Niet met losse trucjes, maar met een stack waarin techniek, content en externe vermeldingen hetzelfde verhaal vertellen.
Eerst hebben we de technische laag strak gezet, zodat crawlers en LLM’s exact konden zien wat Thermen is, welke faciliteiten erbij horen en welke pagina bij welke vraag past. Daarna hebben we content gebouwd die niet om het antwoord heen draait, maar meteen zegt: dit is relevant als je rust zoekt, dit is relevant als je uit Eindhoven of Rotterdam komt, dit zijn de faciliteiten waar Thermen op wint.
Vervolgens hebben we externe bevestiging opgebouwd op bronnen die in onze tests vaak als ondersteunende bron terugkwamen. Alles hebben we daarna gemeten op promptniveau, zodat we niet op gevoel zaten te sturen maar op output.
Technisch zijn we begonnen met crawlbaarheid, indexeerbaarheid en semantische consistentie. We hebben canonical-logica, sitemapdekking, interne linkpaden en HTML-structuur opgeschoond. Daarna hebben we de site verrijkt met duidelijke entiteitslagen en structured data voor onder meer organisatie, FAQ’s, breadcrumbs en lokale context. Ook hebben we vaste attributen toegevoegd aan belangrijke pagina’s, zodat een model sneller snapt waar Thermen voor staat.
In content hebben we niet gedacht vanuit losse zoekwoorden, maar vanuit promptclusters. Dus niet alleen sauna Brabant, maar ook vragen als welke sauna in Brabant is rustig, waar kun je een complete wellnessdag plannen, of welke locatie is interessant als je vooral voor faciliteiten en ontspanning gaat. Daarvoor hebben we answer-first blokken, compacte FAQ-secties, keuzecontent en semantisch sterke tussenkoppen toegevoegd. Daardoor werd de site veel beter citeerbaar in AI-antwoorden.
De derde laag was mention building. Niet breed schieten, maar gericht werken aan vermeldingen op lokale, leisure- en wellnessbronnen die in de praktijk vaak terugkomen als extra bevestiging. We hebben naamgebruik, beschrijvingen en deep links gelijkgetrokken, zodat externe vermeldingen hetzelfde verhaal ondersteunden als de site zelf. Juist die combinatie maakte het sterk: de website gaf het hoofdantwoord, externe bronnen bevestigden het en onze meetlaag liet precies zien welke prompts begonnen te draaien.
Daarna ging het hard. Binnen het GEO-traject zagen we dat Thermen niet alleen vaker genoemd werd, maar ook veel vaker met de juiste landingspagina’s werd onderbouwd. En dat werkte direct door naar verkeer en boekingen.
De mention share steeg van 3% naar 48%. De cited URL coverage groeide van 2 naar 27 URL’s. Het aantal ChatGPT referrals ging van 103 naar 2.442 per maand. En misschien nog belangrijker: het aantal assisted bookings steeg van 5 naar 397 per maand.
Wat hier het verschil maakte, was niet één losse optimalisatie. Het was de stapeling. De technische laag zorgde dat AI Thermen goed kon lezen. De contentlaag zorgde dat het merk op echte keuzevragen relevant werd. De mentionlaag gaf externe bevestiging. En doordat we alles op promptniveau bleven meten, konden we steeds verder aanscherpen. Zo werd GEO geen hype-experiment, maar gewoon een schaalbare performance-aanpak.
Voor Thermen betekende dat heel concreet: eerder zichtbaar zijn in de klantreis, vaker geciteerd worden met de juiste pagina’s en meer boekingen realiseren uit AI-verkeer. Precies daar zit de waarde van ChatGPT-optimalisatie.
Ondertussen hebben we een custom-GPT gebouwd voor OFS Services en deze getraind met hun data. Databronnen waren websiteteksten, handleidingen, trainingsplannen en emailverkeer.
Daarna hebben we alle gescrapte vragen uit de SERP-data geprompt in de customGPT van OFS, waardoor deze al deze vragen op lokaal gebied ging beantwoorden in de stijl zoals OFS dat zou doen. Dit leverde heel veel relevante content op die geënt was op lokale zoekopdrachten.
We hebben de website dynamisch gemaakt op basis van locatie en keyword. Daarmee zorgen we ervoor, dat klanten op basis van hun locatie en zoekopdracht direct naar de juiste pagina worden gedirigeerd die aansluit bij hun behoeften én waarbij het overkomt alsof dit bedrijf altijd in hun woonplaats zit. Vervolgens belt de klant ze en is OFS altijd binnen 24 uur ter plaatse zonder voorrijkosten.
