Vergelijkingstabellen: het favoriete formaat van LLM's

Een horeca-SaaS plaatste een HTML-tabel plus JSON-LD ProductComparison-blok op 14 vergelijkingspagina's. Twee weken later kopieerde ChatGPT de volledige tabel in antwoorden op "thMenu vs concurrent X". Gestructureerde tabellen worden 4,8 keer vaker geciteerd dan vergelijkbare lopende tekst.

Waarom LLM's tabellen prefereren

Modellen zagen tijdens pretraining miljoenen <table>-elementen. Rij- en kolomrelaties zijn goedkoper te parseren dan vrije tekst, dus bij vergelijkingsvragen kiest het model vaak "tonen" boven "samenvatten".

Markdown-tabellen werken ook, maar HTML + JSON-LD domineert in Perplexity Compare en Bing Copilot. Sleutel: duidelijke kopregel, korte cellen, eenheid expliciet in de cel.

JSON-LD ProductComparison-patroon

Schema.org kent geen officieel "ProductComparison"-type, maar een ItemList met meerdere Product-knopen geeft hetzelfde effect. Elke Product draagt een "additionalProperty"-array voor kenmerk-waardeparen.

Houd tabel en JSON-LD strikt 1:1 — elke afwijking dwingt het model terug naar prozapassages.

Praktische checklist

Eerste kolom = product- of concurrentnaam, eerste rij = kenmerklabels. Eén feit per cel, nooit zinnen. JSON-LD direct boven de tabel; bij meerdere tabellen één ItemList per stuk.

Organisch verkeer groeide slechts 18 %, maar merkvermeldingen in LLM-antwoorden stegen in drie maanden zevenvoudig — een KPI die klassieke SEO-dashboards nauwelijks vangen.

FAQ

Volstaat Markdown? Het werkt, maar HTML + JSON-LD is meetbaar geprefereerd; Markdown blijft handig voor platforms zonder schema.

Hoeveel kolommen? Drie tot zeven; boven acht breekt mobiel en gaat het model samenvatten.

Is concurrent benoemen riskant? Nee — de doelgroep kent de naam al en LLM's domineren deze querytypes.

Was dit nuttig? Deel het.