Categoriepagina SEO automatiseren: hoe ik 300+ pagina’s schreef zonder copywritersteam
Categoriepagina SEO automatiseren: voor de meeste webshops blijft het een wens. 300 pagina’s handmatig schrijven kost 900 uur. Een copywriter rekent al snel €75 per uur. Dat is €67.500. Alleen al voor de eerste versie. Tel daar de briefings bij op, review-rondes, inconsistenties corrigeren achteraf, en updates als normen of assortiment veranderen. Dan zit je al richting de ton.
Voor ITM Interma, een B2B webshop in magazijnartikelen, was dat de realiteit waarmee ik begon. Vloermarkering, veiligheidsborden, markeringsspray. Producten waarbij technische specificaties, relevante normen zoals de NEN-EN-ISO en Arbowet, en sector-specifieke toepassingen het verschil maken tussen een pagina die converteert en een pagina die niemand vindt.
Ik had geen copywritersteam nodig. Ik bouwde een geautomatiseerde workflow speciaal voor categoriepagina SEO automatiseren, gebouwd met Perplexity voor onderzoek en Claude voor het schrijven.
Waarom categoriepagina’s zo kritisch zijn voor webshop SEO
Categoriepagina’s zijn de commerciële kern van elke webshop. Ze ranken op transactionele zoektermen, de zoekopdrachten van mensen die al weten wat ze willen kopen. Productpagina’s zijn te specifiek, blogartikelen te informatief. Categoriepagina’s zitten precies op het snijpunt van zoekvraag en koopintentie.
Het probleem bij categoriepagina SEO automatiseren is nog groter: de meeste webshops hebben tientallen of honderden categorieën, maar schrijven content voor de top 10 en laten de rest leeg of met een minimale beschrijving. Google indexeert die pagina’s wel, maar rankt ze niet. En AI-tools als ChatGPT en Perplexity negeren ze volledig bij het beantwoorden van productgerelateerde vragen.
Bij ITM Interma ontbrak bij een deel van de categoriepagina’s de tekst volledig: geen meta title, geen beschrijving, geen H1 buiten de categorienaam. Bij andere categorieën stond er wel content, maar was die niet geoptimaliseerd: geen consistente SEO-structuur, geen FAQ’s, geen gerichte meta titles met pain points. Het resultaat was hetzelfde: onzichtbaar voor Google én voor AI-tools.
De workflow voor categoriepagina SEO automatiseren: Perplexity onderzoekt, Claude schrijft
Elke categoriepagina doorloopt twee stappen. De keuze voor deze specifieke tools is bewust.
Stap 1: Productonderzoek via Perplexity
Waarom Perplexity en niet ChatGPT voor de onderzoeksfase? Perplexity doorzoekt het live web en levert bronvermeldingen. Het haalt actuele marktdata op die een gesloten model als GPT-4 simpelweg niet heeft: huidige normen, recente productspecificaties, real-time veelgestelde vragen uit forums en vakmedia.
Per categorie verzamelt Perplexity technische specificaties, relevante normen, sector-specifieke toepassingen en veelgestelde vragen die daadwerkelijk in de markt leven. Voor vloermarkering betekent dat: breedte-opties (50-200mm), NEN-EN-ISO 3864 voor veiligheidskleurcodes, toepassingen in logistiek, productie en warehousing.
Stap 2: Contentgeneratie via Claude
Waarom Claude en niet GPT-4 voor het schrijven? Claude houdt tone of voice en structuur beter vast over honderden pagina’s. Het volgt gedetailleerde promptsjablonen nauwkeuriger op, wat essentieel is als je consistentie wilt over 300+ pagina’s.
Op basis van de onderzoeksoutput schrijft Claude de volledige pagina: een meta title met het pain point van de koper (“Onveilige gangpaden? Vloermarkering 50-200mm | 5000+ klanten”), een meta description met trust signals, H1 en H2-structuur gericht op het focus keyword, en content met FAQ’s en specificaties. De output komt direct in HTML-format, klaar voor implementatie in het CMS, zonder handmatige opmaak.
Wat dat opleverde: consistente kwaliteit over 300+ pagina’s, met een CTR-stijging van 80% ten opzichte van de oude generieke meta titles. Die 80% zit in de specifieke meta titles: “Onveilige gangpaden?” converteert simpelweg beter dan “Vloermarkering kopen” omdat het het probleem van de zoeker benoemt in plaats van het product te herhalen.
Categoriepagina’s optimaliseren voor zoekmachines, AI-modellen én klanten
Dit is het deel dat de meeste bedrijven missen bij categoriepagina SEO automatiseren, en tegelijk het deel waar de echte winst zit. Een categoriepagina moet werken voor drie totaal verschillende lezers. Handmatig is dat bijna onmogelijk om consistent vol te houden over honderden pagina’s.
1. De echte koper wil snel weten of hij op de juiste plek is. Hij scant de H1, leest de eerste alinea, en besluit in tien seconden.
Oud: “Bekijk ons assortiment vloermarkering.”
Nieuw: “Vloermarkering voor magazijn en productiehal, beschikbaar in 50mm tot 200mm breedte, direct leverbaar in 6 kleuren conform NEN-EN-ISO 3864.”
Het verschil: de nieuwe variant beantwoordt in één zin drie vragen die de koper heeft: wat, welke maten, en wanneer geleverd.
2. Google beoordeelt of de pagina autoriteit heeft op het onderwerp. Dat betekent: focus keyword in H1 en minimaal één H2, semantisch gerelateerde termen door de tekst, schone URL-structuur, en FAQ structured data die aantoont dat de pagina de breedte van het onderwerp dekt.
3. AI-tools als ChatGPT en Perplexity geven steeds vaker antwoorden zonder dat iemand nog doorklikt naar een website. Om in die antwoorden te landen, moet elke sectie van de pagina zelfstandig leesbaar zijn. Geen vage verwijzingen, maar concrete entiteiten: “Vloermarkering van 50mm, 75mm en 100mm breedte, beschikbaar in geel, rood en wit, conform NEN-EN-ISO 3864.”
Wat categoriepagina SEO automatiseren complex maakt
Een AI-workflow bouwen die één goede pagina genereert is niet moeilijk. Een workflow bouwen die 300+ pagina’s genereert die allemaal op hetzelfde niveau zitten, dat is een ander verhaal.
De complexiteit zit in drie lagen:
Promptontwerp. Een generiek prompt als “schrijf een categoriepagina over vloermarkering” levert generieke content op. De prompts die ik gebruik bevatten dynamische variabelen: de categorienaam, het producttype, de relevante normen, de doelgroep-industrie en de gewenste tone of voice. Dat verschil tussen een template en een goed prompt bepaalt of je output “AI-content” is of professionele pagina’s die presteren.
Kwaliteitscontrole. Output van AI is niet foutloos. Normen kunnen verouderd zijn, technische specs kunnen kloppen voor het ene product maar niet voor het andere. Elke pagina doorloopt daarom een geautomatiseerde check op structuur (H1, H2, meta title, meta description aanwezig en binnen de juiste lengte) én een handmatige steekproef op inhoudelijke correctheid.
HTML-output en CMS-integratie. De content moet niet als platte tekst maar als opgemaakt HTML uit de workflow komen, met de juiste heading tags, lijsten, FAQ-markup en interne links. Zo gaat het direct het CMS in zonder dat iemand handmatig moet opmaken. Bij 300+ pagina’s bespaart dat alleen al tientallen uren.
Schaalbaarheid: het echte voordeel van categoriepagina automatisering
Het sterkste argument voor deze aanpak is niet de initiële tijdsbesparing van 900 uur. Het is wat er daarna gebeurt.
Nieuwe productcategorieën toevoegen? Draai de workflow opnieuw voor die categorie. Normen veranderd? Update het onderzoeksprompt en regenereer de betreffende pagina’s. Seizoensgebonden aanpassingen? Voeg een variabele toe en laat de workflow het afhandelen.
Bij handgeschreven content begin je elke keer opnieuw. Bij een geautomatiseerde workflow is het incrementeel: je verbetert de templates en alle toekomstige output profiteert mee.
Voor ITM Interma is de volgende stap al ingepland: alle individuele productteksten. Dat zijn er 2.500. Met handmatig schrijven onhaalbaar. Met een vergelijkbare workflow wordt het realistisch.
Categoriepagina automatisering vervangt geen copywriters, het herstructureert hun werk
Laat me daar helder over zijn. Wat ik hier beschrijf is niet het vervangen van schrijvers door een knop. Het is het schaalbaar maken van werk dat tot nu toe simpelweg niet schaalbaar was.
Geen enkel MKB of scale-up gaat €67.500 uitgeven om alle categoriepagina’s professioneel te laten schrijven. Het gevolg: de meeste pagina’s blijven leeg of ondermaats. De klant vindt niet wat hij zoekt, Google rankt de pagina’s niet, en AI-tools negeren ze.
Een geautomatiseerde workflow lost dat op. Niet door de kwaliteit te verlagen, maar door het proces zo efficiënt te maken dat het wél haalbaar wordt om alle pagina’s op niveau te brengen.
Voor ITM Interma betekent het: 300 professionele categoriepagina’s live, met een CTR-stijging van 80% op de nieuwe meta titles.
De Perplexity prompt-structuur voor categoriepagina SEO automatiseren
De research-laag bepaalt of je categoriepagina’s gefundeerd zijn of generiek aanvoelen. Perplexity is hierin sterker dan Claude of ChatGPT, omdat het web-search ingebakken heeft en bronnen meegeeft. De prompt-structuur die voor mij consistent werkt:
Variabelen: categorie-naam, branche, target-doelgroep, top drie concurrenten (URL’s), focus keyword.
Prompt-template:
“Geef me onderzoekfeiten over de categorie [CATEGORIE_NAAM] in de branche [BRANCHE], gericht op [DOELGROEP]. Specifiek:
- Welke vijf tot acht producteigenschappen weegt deze doelgroep zwaarst bij aankoop?
- Welke normen, certificeringen of compliance-elementen zijn voor deze categorie relevant in Nederland?
- Welke drie tot vijf veelvoorkomende inkoopvragen of bezwaren leven bij deze doelgroep?
- Wat zijn de gebruikssituaties waar deze categorie het meest in voorkomt?
- Wat zegt de Nederlandse markt (cijfers, trends, regelgeving) over deze categorie?
Geef bij elk antwoord minimaal één bron met URL. Vermijd marketing-clichés. Houd het zakelijk en specifiek voor [DOELGROEP] in [BRANCHE].”
De output gebruik ik als input voor de Claude system prompt in stap twee. Per categorie levert dit een research-document van 600-1.200 woorden met bronvermelding, dat ik in tien minuten kan verifiëren in plaats van zelf op te bouwen.
De Claude system prompt voor categoriepagina-content (template)
Met de research uit Perplexity gaat Claude aan de slag. De system prompt die voor categoriepagina’s werkt is laagsgewijs opgebouwd: merkcontext, output-structuur, do’s en don’ts. Hieronder een geanonimiseerde versie zoals ik die voor B2B-webshops gebruik.
System prompt (verkort):
“Je bent contentmanager bij [BRAND], een [type bedrijf] dat [doelgroep] bedient. Tone of voice: direct, expert, geen marketing-clichés, geen woorden als ‘naadloos’ of ‘ontketen’. Je schrijft uitsluitend in het Nederlands.
Output-structuur voor elke categoriepagina:
- H1: [CATEGORIE_NAAM] | [BRAND] (max 60 tekens)
- Eerste alinea (50-80 woorden): kernpropositie van de categorie, doelgroep, en wat deze pagina anders maakt dan concurrenten
- Twee H2-secties (250-400 woorden elk): toepassingen en eigenschappen, plus normen en certificeringen
- FAQ-blok (vier tot zes vragen) gebaseerd op People-Also-Ask-patronen voor dit keyword
- Meta title (max 60 tekens) en meta description (max 155 tekens), keyword-vooraan
Verbieden:
- Marketing-superlatieven zonder bewijs (‘het beste’, ‘absoluut topkwaliteit’)
- Em-dashes, vervang door komma’s of nieuwe zinnen
- Generieke openings (‘In de huidige digitale wereld…’)
- Claims over levertijden, prijzen of voorraad (variabel, niet hardcoderen)
Input per pagina: research-output uit Perplexity, productlijst met top-vijf SKU’s, focus keyword.”
Deze prompt-template is herbruikbaar voor honderden categorieën. De variabelen die per categorie verschillen (research, productlijst, keyword) injecteer ik via een n8n workflow. De system prompt zelf wijzigt zelden, alleen bij brand-shifts of nieuwe doelgroep-segmenten.
Voor en na: case ITM Interma met cijfers
De aanpak bovenstaande heeft bij ITM Interma in zes maanden meetbaar resultaat opgeleverd. Drie illustratieve categorieën die ik mag noemen, met geanonimiseerde cijfers waar relevant.
Categorie 1: industriële vloermatten. Voor automatisering: geen unieke content, alleen productlijst zonder context. Posities buiten top 100 voor het hoofd-keyword. Na automatisering: 850 woorden unieke categorie-content met productspecs, normen en gebruikssituaties. Positie gestegen naar tussen 12 en 25, organische sessies van vrijwel nul naar vier honderd plus per maand op deze categorie.
Categorie 2: veiligheidshandschoenen cat. II. Voor automatisering: standaard leverancierstekst, dezelfde tekst als drie concurrenten. Geen rankings op long-tail-varianten. Na automatisering: 720 woorden met EN 388-classificatie, branchespecifieke use-cases (metaalbewerking, glas, voedselverwerking) en FAQ. Top tien posities op zes van de acht doelzoektermen binnen tien weken.
Categorie 3: vloermarkeringstape industrieel. Een long-tail categorie zonder concurrentie van grote spelers, ideaal speelveld voor automatisering. Voor: pagina niet eens geïndexeerd. Na: positie drie tot zes op het hoofd-keyword binnen acht weken, plus rankings op dertien gerelateerde long-tail-zoekwoorden.
Het patroon is consistent: categorieën waar de concurrentie ook generieke content gebruikt, kantelen het snelst. Categorieën met sterke spelers (grote merken, marktplaatsen) vergen lange adem en extra investering in autoriteit, niet alleen in content-kwaliteit.
Helpful Content Update en AI-gegenereerde categoriepagina’s
Iedere keer dat Google een Helpful Content Update uitrolt, krijg ik dezelfde vraag van klanten: “loopt onze AI-content nu risico?” Het eerlijke antwoord is genuanceerd.
Google’s Helpful Content guidelines straffen content af die geen onafhankelijke waarde toevoegt, niet specifiek per pagina is, of automatisch gegenereerd is zonder kwaliteitscontrole. Drie patronen die je in trouble brengen, ongeacht of de content door mens of AI is geschreven:
- Dunne content op grote schaal. Vijfhonderd categoriepagina’s met allemaal dezelfde dertig zinnen, alleen de productnaam variërend. Dat is dunne content, of een mens of AI hem nu typte.
- Content die niets toevoegt aan wat al online staat. AI-output die alleen herhaalt wat op de eerste tien Google-resultaten staat zonder eigen invalshoek, branche-specifieke nuance of uniek bewijsmateriaal.
- Geen onafhankelijke human review. AI-output direct gepubliceerd zonder dat iemand de feiten, links en claims heeft gecontroleerd. Dat triggert ook hallucinatie-risico (verzonnen cijfers, niet-bestaande normen).
De drie verzachtende lagen die ik in elke AI-pipeline inbouw:
- Unieke research per categorie (Perplexity-laag) zodat geen twee pagina’s dezelfde input krijgen
- Vaste structuur maar variabele invulling, geen template-blokken die identiek terugkomen
- Human spot-check op iedere honderdste pagina, plus op alle pagina’s van top-omzet-categorieën
Met deze drie lagen is AI-gegenereerde categoriepagina-content geen risico, maar een efficiëntie-hefboom. Zonder die lagen is het wel een risico, en geen Helpful Content Update terzijde geschoven.
Veelgestelde vragen over categoriepagina SEO automatiseren
Werkt AI-gegenereerde content net zo goed als handgeschreven tekst voor SEO?
Google beoordeelt content op kwaliteit, niet op wie of wat het geschreven heeft. De sleutel is dat de output inhoudelijk klopt, een duidelijke structuur heeft en daadwerkelijk de zoekvraag beantwoordt. Met de juiste prompts en kwaliteitscontrole presteert AI-content minstens gelijkwaardig, en door de consistentie in structuur vaak beter over grote aantallen pagina’s. Goede categoriepagina’s zijn ook een hoeksteen voor conversie optimalisatie, daar landt het transactionele verkeer waar de aankoopbeslissing valt.
Welke tools heb ik nodig om dit zelf te doen?
De basisstack voor schaalbare categoriepagina-content bestaat uit Perplexity (of een vergelijkbare tool met web access) voor onderzoek, Claude voor het schrijven, en een workflow-tool als n8n (affiliate link) of Make om alles aan elkaar te knopen. Daarnaast heb je een CMS met REST API nodig: WordPress, Shopify en WooCommerce ondersteunen dat standaard.
Hoe voorkom ik dat alle pagina’s hetzelfde klinken?
Door dynamische variabelen in je prompts te gebruiken: categorienaam, producttype, doelgroep-industrie, specifieke normen en toepassingen. Hoe meer context het model per pagina krijgt, hoe unieker de output. Daarnaast helpt het om per productgroep een iets andere invalshoek te kiezen: bij veiligheidsartikelen focus op compliance, bij opslagproducten focus op efficiëntie.
Wil je weten of een vergelijkbare workflow werkt voor jouw webshop? Ik kijk graag mee naar de situatie. Plan een gratis strategiegesprek →
Verder onderzoek
Voor wie dieper wil graven in dit onderwerp: Google’s Article structured data documentatie beschrijft welke schema-velden helpen bij categorie- en artikelpagina’s. Daarnaast schreef Ahrefs een gedegen analyse over category page SEO, met cases van grote webshops.
Verder lezen in dit Webshop SEO cluster
- Webshop SEO: de complete gids
- Productomschrijving schrijven die rankt en converteert
- Webshop content budget: waarom 95% naar verkeerde pagina’s gaat
- AI automatisering die schaalt voor MKB
Verder lezen
De principes en SEO-aanpak achter deze automatiserings-case staan uitgewerkt in de fundamentele gids categoriepagina SEO.
