Als je ChatGPT of Claude vraagt om keyword research dan krijg je braaf een keurige tabel terug. Daar zie je bijvoorbeeld staan "zoekvolume: 1.200". Dat klinkt overtuigend, maar helaas is dat getal verzonnen.
Grote taalmodellen hebben geen toegang tot actuele zoekdata. Ze genereren plausibel klinkende cijfers op basis van patronen in hun trainingsdata. Vaker dan niet zitten AI modellen er ver naast.
We bouwden betrouwbare keyword research met AI voor een klant die innovatiedienstverlening biedt. Claude Code stelde keywords voor als "design thinking certificaat" en "design thinking geschiedenis". Logisch klinkende zoektermen. Toen we de zoekvolumes ophaalde via een API: nul. Als we het advies hadden gevolgd dan had de klant moeite gestoken in content die niet gevonden zal worden.
Ook interessant:
In dit artikel laat ik zien hoe je met Claude Code een keyword research systeem bouwt dat draait op echte data. Claude Code brainstormt iteratief met zichzelf totdat je een gevalideerde content backlog hebt.
Wat maakt Claude Code anders?
Gewone AI-chatbots genereren tekst. Claude Code schrijft code én voert die uit. Het handige hieraan is dat Claude Code een Python script kan draaien, waarmee het een API kan aanroepen. Zo haalt het echte zoekvolumes op in plaats van ze te verzinnen.
De aanpak werkt zo:
- Claude Code leest je sitemap in en weet welke keywords je al target
- Het bedenkt nieuwe keywords voor je niche
- Het haalt via de DataForSEO API de daadwerkelijke Google zoekvolumes op
- Keywords met nul volume worden gefilterd
- Claude Code bedenkt alternatieven voor de afgevallen keywords
- Dit herhaalt zich totdat je je target hebt bereikt
- Alle resultaten worden gecacht om dubbele API kosten te voorkomen
Wat heb je nodig?
- Claude Code, de CLI-tool of desktop app van Anthropic
- DataForSEO, de Keywords Data API kost $0,05 per 1.000 keywords (op moment van schrijven). Voor ~200 keywords ben je minder dan een euro kwijt
- Python. Claude Code schrijft de scripts zelf, maar Python moet geïnstalleerd zijn
Stap 1: Bestaande content in kaart brengen
Geef Claude Code dit prompt:
Lees de sitemap van https://jouwwebsite.nl/jouw-sitemap.xml en maak een overzicht van alle blogposts. Haal per pagina de title tag en meta description op. Leid het focus keyword af en sla alles op als content-backlog.csv.
Claude Code haalt de sitemap op, bezoekt elke URL en genereert een CSV van je volledige contentlandschap. Let op: de locatie van een sitemap kan verschillen per site.
Stap 2: API-koppeling en caching opzetten
Maak een Python script "check_search_volumes.py" dat via de DataForSEO API zoekvolumes ophaalt voor Nederland. Sla resultaten op in keyword-cache.json zodat eerder onderzochte keywords niet opnieuw worden bevraagd. Lees credentials uit .env, nooit hardcoded.
Een API gebruiken is meestal niet gratis. In dit geval dien je een account aan te maken bij DataForSEO en tegoed te storten voor API calls. De caching is een belangrijk onderdeel. Zonder cache betaal je bij elke iteratie opnieuw voor alle keywords. Met cache betaal je alleen voor nieuwe zoekopdrachten.
Stap 3: De iteratieve loop
Bedenk 50 nieuwe focus keywords voor mijn niche die nog niet in mijn bestaande content voorkomen. Zoek de zoekvolumes op. Bedenk voor elk keyword met 0 volume een alternatief. Herhaal totdat we 60 keywords hebben met bewezen volume. Houd een lijst bij van alle afgekeurde keywords zodat we die niet opnieuw proberen.
Wat er dan gebeurt:
Ronde 1: "design thinking certificaat" → 0 volume. Alternatief: "design thinking opleiding" → 70/maand.
Ronde 2: "design thinking geschiedenis" → 0 volume. Alternatief: "design thinking model" → 320/maand.
Ronde 3: "dot voting werkvorm" → 0 volume. Alternatief: "dot voting" → 4.400/maand.
Stap 4: De backlog exporteren
Maak een Excel bestand (keyword_backlog.xlsx) met sheets voor alle keywords, nieuwe keywords gesorteerd op prioriteit, bestaande content en afgekeurde keywords. Voeg per nieuw keyword een artikeltitel en cluster toe.
Je hebt nu een content backlog onderbouwd met actuele zoekdata.
Het resultaat: een geprioriteerde keyword lijst o.b.v. echte zoekvolumes waarbij rekening wordt gehouden met bestaande content.
De resultaten
Voor onze klant kwamen we zo binnen notime tot een content backlog met 100 logische focus keywords met zoekvolume. Waarbij we dankzij de sitemap-check zeker weten dat de nieuwe content bestaande content niet cannabaliseert.
Concluderend kun je zeggen dat AI prima is in brainstormen, patronen herkennen en clusteren. Wat het niet kan is zoekvolumes ophalen. Dankzij het aanroepen van een API kun je betrouwbare keyword research met AI opzetten.
Wil je zelf leren bouwen met Claude Code (zonder dat je programmeerervaring nodig hebt)?
In onze Vibe Coding training / Claude Code training leer je zelfstandig bouwen met Claude Code. Of bekijk onze andere AI trainingen. Twijfel je hoe jij je het best verder kunt ontwikkelen? Je kunt altijd even contact opnemen en dan helpen we je verder.
Rik is data scientist en marketeer bij Data Science Partners. Vanuit zijn achtergrond op de Technische Universiteit Eindhoven heeft hij veel affiniteit met data. Na zijn studie heeft hij als consultant altijd met data gewerkt en tevens ervaring opgedaan in het geven van trainingen.
