Definitie
Een vector embedding is een numerieke representatie van de betekenis van een stuk tekst (een woord, zin, alinea of hele pagina) in de vorm van een lange reeks getallen — een vector met honderden tot duizenden dimensies. Teksten met een vergelijkbare betekenis krijgen vectoren die dicht bij elkaar liggen; 'goedkope hardloopschoenen' en 'betaalbare running shoes' liggen in die ruimte vlak naast elkaar, ook al delen ze geen enkel woord.
Embeddings worden gemaakt door een taalmodel dat is getraind om betekenis te vangen. Zoekmachines en AI-engines gebruiken ze om zoekopdrachten en passages te vergelijken: de vraag wordt een vector, elke kandidaat-passage is al een vector, en de passages met de kleinste afstand (meestal cosine similarity) worden opgehaald. Dit is het mechanisme achter semantisch zoeken en de retrieval-stap in RAG-systemen als ChatGPT-search, Perplexity en AI Mode.
Voor SEO en GEO heeft dit concrete gevolgen. Retrieval werkt op passageniveau: een pagina wordt opgeknipt in stukken (chunks) van enkele alinea's, en elk stuk krijgt een eigen embedding. Een alinea die op zichzelf een vraag volledig beantwoordt, ligt in de vectorruimte dicht bij die vraag en wordt opgehaald; een alinea die pas begrijpelijk is met de rest van de pagina erbij, ligt verder weg. Zelfstandige, complete passages winnen dus van doorlopende betoogtekst.
Ook de dekking van een onderwerp is meetbaar in embeddings. Een pagina die de vraag, de synoniemen, de verwante concepten en de entiteiten benoemt, bezet een groter en preciezer deel van de betekenisruimte rond het onderwerp. Herhaling van één zoekwoord verplaatst de vector nauwelijks; het toevoegen van een ontbrekende subvraag wel. Daarom lonen inhoudelijke volledigheid en concrete voorbeelden meer dan zoekwoorddichtheid.
Marketeers hoeven geen embeddings te berekenen om ervan te profiteren, maar het helpt om in dit model te denken: welke vragen liggen dicht bij mijn onderwerp, welke passages beantwoorden die zelfstandig, en welke ontbreken? Traze gebruikt embeddings om zoek- en AI-vragen te clusteren, om te bepalen welke passages van een pagina al dicht bij een vraag liggen en waar de gaten zitten, en om te controleren dat elke geschreven sectie op zichzelf citeerbaar is.