"Hoe beveelt ChatGPT restaurants aan?" is in 2026 van theorie naar dagelijkse praktijk geschoven. Gasten vragen een chatbot waar vrijdagavond te eten, en krijgen een echte lijst. Sta jij er niet op, verlies je klanten zonder het te weten.
Bronnen van LLM's
Twee kanalen: scraping bij training (Common Crawl, openbare blogs) en runtime web fetching (Bing/Google live).
Waarom schema.org telt
Een pagina met schema.org/Restaurant-markup wordt 3-5× nauwkeuriger gelezen. Velden: name, address, telephone, servesCuisine, priceRange, openingHoursSpecification, hasMenu, aggregateRating.
Praktische stappen
1. JSON-LD in <head> (thMenu genereert het).
2. Google Bedrijfsprofiel volledig.
3. Menu in HTML/markdown, geen PDF.
4. Reviews via aggregateRating.
Veelgemaakte fouten
Menu's alleen client-side gerenderd: onzichtbaar. SSR vereist. In robots.txt GPTBot, PerplexityBot, ClaudeBot toelaten.
Nieuw SEO-tijdperk
Google is niet meer alleen. LLM's nemen 35%+ van reis-/etenvragen. Maandelijkse test: vraag ChatGPT over jouw restaurant.
Was dit nuttig? Deel het.
Gerelateerde artikelen
Statische QR vs dynamische QR: totale eigendomskosten over 3 jaar
24-tafel bistro op 36 maanden: 21.000 TRY herdrukkosten vs 11.640 TRY dynamisch …
Omotenashi ontmoet QR: Japanse gastvrijheid zonder de menselijke maat te verliezen
Waarom Sukiyabashi Jiro in Tokio QR-menu's weigert terwijl 68% van de middenklas…
AR-gerechtvoorbeeld via WebXR: browser-3D zonder app
Hoe Dishoom Soho +22% gemiddelde besteding bereikte met model-viewer. Sub-200KB …