Als zeven mensen uw naam delen

Onzichtbaar zijn is een probleem. Voor iemand anders worden aangezien is een groter probleem — want wie het leest, weet niet dat het onjuist is.

Zoekmachines worstelen al jaren met het onderscheiden van mensen die een naam delen. De resultatenpagina toont dat eerlijk: tien blauwe links van verschillende personen, en u kiest zelf wie wie is.

AI-antwoorden zijn die eerlijkheid kwijt. Ze bieden geen tien opties; ze geven één antwoord. En als bij het maken daarvan de gegevens van meerdere mensen zijn vermengd, komt er een persoon uit die niet bestaat.

Een concreet voorbeeld

Aan een zoekmachine werd gevraagd "wie is Murat Tunalı" — en de domeinnaam werd uitdrukkelijk aan de vraag toegevoegd. Dit kwam terug:

Murat Tunalı, geboren in İzmir in 1982, is een herenkapper en pedagoog-auteur. Tunalı, die klassieke barbierkunst verbindt met een moderne verzorgingsopvatting, is in Bursa actief als premium herenkapper. Daarnaast is hij gespecialiseerd in gezinsbegeleiding en biedt hij in Istanbul adviesdiensten aan.

In die alinea zitten minstens drie verschillende mensen: een kapper in Bursa, een in İzmir geboren auteur, een gezinstherapeut in Istanbul. Alle drie bestaan echt. Alle drie zijn verschillende personen. Het antwoord past bij geen van hen.

Dit is geen "hallucinatie" — er is niets verzonnen. Elke zin komt ergens vandaan. Het probleem is de versmelting: het model houdt fragmenten die aan dezelfde naam hangen voor één identiteit.

Waarom dit gebeurt

Drie mechanismen stapelen op elkaar.

Een naam is geen identiteit. Voor een taalmodel is "Murat Tunalı" een tekenreeks; wat die aan een entiteit bindt, is de omringende context. Is de context zwak, dan verzamelt alles wat aan dezelfde reeks hangt zich in één bak.

Retrieval haalt het dichtstbijzijnde, niet het juiste. Een zoeklaag haalt documenten op die op de vraag lijken. De pagina's van zeven personen lijken allemaal op de vraag "Murat Tunalı". Vervolgens leest een model die zeven bronnen en schrijft één samenvatting — en samenvatten is van nature versmelten.

Het voelt zich verplicht te antwoorden. Een klassieke resultatenpagina mag zeggen "hier zijn tien resultaten". Een chatinterface moest leren "ik weet het niet" te zeggen, en doet dat niet altijd.

In hetzelfde experiment deed een andere machine het omgekeerde: die zei "geen profiel te hebben kunnen bereiken dat duidelijk aan deze beschrijving voldoet" en somde naamverwante suggesties op. Dezelfde gegevens, ander gedrag. Het verschil is de houding van het product tegenover onzekerheid.

Wie zwaarder weegt, wint

Wat bepaalt welke van zeven naamgenoten als "de" geldt, is niet juistheid maar meetbaar gewicht.

Eén meting: hoeveel records twee gelijknamige domeinen hebben in het open crawlarchief — een van de bronnen die de trainingsdata van grote taalmodellen voeden.

Het archief bevat bovendien een ononderbroken reeks sinds 2007: 158 momentopnames. Gepubliceerde boeken, auteurspagina's bij boekverkopers, een woordenboeklemma.

Daartegenover staat een site van één dag. De kwaliteit op de pagina mag beter zijn — vlekkeloze gestructureerde data, een volledige meertalige laag, schone technische bodem. Niets daarvan telt. Staat u niet in het corpus, dan kent het model u niet.

Dezelfde meting leverde een nog scherpere vergelijking op: een site met slechts 238 woorden en helemaal geen gestructureerde data hield zestien records in dat archief. Perfectie op de pagina levert geen corpusaanwezigheid op. Leeftijd en vermeldingen wel.

Waarom dit geen gewoon SEO-probleem is

In klassiek zoeken is het naamgenotenprobleem vervelend maar beheersbaar: de gebruiker kijkt naar de lijst en kiest de juiste. Klikt hij verkeerd, dan gaat hij terug.

In een AI-antwoord is er geen terug. De gebruiker leest het ene antwoord en gaat verder. Is het antwoord fout, dan is er ook geen gelegenheid dat te ontdekken.

Wanneer een werkgever, een klant of een journalist naar uw naam vraagt en er komt iemand anders uit, ligt de prijs in een andere categorie dan "lage ranking". Onzichtbaar zijn haalt u van de lijst; verkeerd worden voorgesteld zet u op de verkeerde lijst.

Hoe u uzelf test

Uitzoeken of dit probleem het uwe is, kost een half uur en vergt geen gereedschap.

Eén — vraag uw naam. Vraag drie verschillende AI-interfaces "wie is X". Lees het antwoord en markeer elke zin: welke hoort bij u, welke niet. Is er versmelting, probeer dan te herleiden van wie welk deel komt; meestal lukt dat.

Twee — voeg uw domein aan de vraag toe. Zeg "wie is X, [uw domein]". Beschrijft de machine nog steeds iemand anders, dan gaat het probleem verder dan herkenning: ze kan u niet binden zelfs als u uw eigen bron aanreikt.

Drie — vraag zonder merk. Stel zonder uw naam te noemen een vraag die beschrijft wat u doet en waar. Dit is uw werkelijke zichtbaarheidsmeting, los van het naamgenotenprobleem. Ontbreken uw naamgenoten daar ook, dan is dat open terrein.

Vier — kijk in het archief. Hoeveel records heeft uw domein in het open crawlarchief, en hoeveel dat van uw naamgenoot? De verhouding tussen die twee getallen voorspelt goed welke persoon een model zal "kennen".

Vijf — probeer de verkeerde spelling. Bevat uw naam landspecifieke tekens (ı, ş, ğ, é, ñ, ö), vraag dan ook naar de kale vorm. De meeste systemen beschouwen die twee reeksen als aparte entiteiten.

De uitkomst van deze vijf stappen is geen lijst maar een diagnose: is uw probleem onzichtbaarheid of verkeerde identificatie? De twee vragen om ander medicijn. Onzichtbaarheid lost op met tijd en vermeldingen. Verkeerde identificatie lost niet op — die wordt beheerd.

Een veelgemaakte fout

De meesten die over het naamgenotenprobleem horen, voegen eerst trefwoorden toe: ze schrijven hun naam vaker op de pagina, vullen koppen ermee, zetten hem drie keer in de metabeschrijving.

Dat werkt niet, want het probleem is context, geen frequentie. Wat een machine nodig heeft om te onderscheiden is niet hoe vaak de naam voorkomt, maar waarmee hij voorkomt. Stad, beroep, technologie, instelling, datum — dat onderscheidt. Een herhaalde naam niet.

Op de gemeten site was het inderdaad een bevinding dat de naam in de lopende tekst helemaal niet voorkwam; maar de correctie was niet "schrijf de naam tien keer". Ze was "schrijf de naam één keer, samen met beroep en stad, in een zin in de derde persoon".

Wat werkt

Drie groepen signalen onderscheiden u in een menigte naamgenoten. Geen ervan volstaat alleen; de drie werken samen.

1. Uitdrukkelijke scheiding in gestructureerde data

Schema.org definieert voor precies dit doel een veld, en de meeste sites laten het leeg: disambiguatingDescription. Het is ontworpen om entiteiten te scheiden die een naam delen.

{
  "@type": "Person",
  "name": "Murat Tunalı",
  // Ook de variant zonder speciale tekens — zodat vragen zonder die tekens matchen
  "alternateName": ["Murat Tunali", "M. Tunalı"],
  "disambiguatingDescription":
    "Systeemingenieur in Istanbul die AI-gedreven webapplicaties bouwt;
     geen verband met de naamgenoten die auteur over persoonlijke
     ontwikkeling of gezinstherapeut zijn.",
  "jobTitle": "Systeemingenieur",
  "knowsAbout": ["AI-gedreven webapplicaties", "Netwerken en beveiliging"]
}

Dit veld is geen rankingsignaal. Zijn taak is een machine, terwijl die u aan een entiteit probeert te binden, te vertellen welke entiteit u niet bent.

2. Tweezijdige profielkoppeling

Het veld sameAs somt uw profielen op. Maar een eenzijdige lijst is een zwak signaal: u zegt "dit is mijn GitHub", en GitHub bevestigt het niet.

De juiste opzet is wederkerig — van profiel naar site en van site naar profiel. Een tweezijdige verbinding hoort tot een andere bewijsklasse dan een eenzijdige bewering.

Een sameAs schrijven die u niet kunt staven, schaadt. Een profiel opsommen dat niet bestaat of niet van u is, versterkt de entiteitsgrafiek niet; het vervuilt hem.

3. Een definitiezin in de lopende tekst

Dit wordt het vaakst over het hoofd gezien. Een pagina kan uw naam in de <title>-tag en in gestructureerde data dragen en hem in de lopende tekst nooit noemen.

Wanneer een taalmodel uw pagina in stukken hakt en die inbedt, zijn die stukken alles wat het heeft. Staat er in een stuk geen naam, dan beantwoordt dat stuk de vraag "wie is dit" niet.

De oplossing is één zin: derde persoon, één regel, naam + beroep + plaats. Hij kan onder het bestaande verhaal worden gezet zonder de toon van de tekst te verstoren.

Wat deze drie delen: geen ervan is een rankingtruc. Alle drie maken het werk makkelijker dat de machine toch al probeert — de entiteit juist binden.

Wat ik niet gedaan heb

Dit probleem heeft een verleidelijke maar verkeerde oplossing: een Wikidata-record aanmaken.

Wikidata is het anker van entiteitsgrafieken, en daar staan onderscheidt echt. Toen ik tijdens de meting keek, was het veld volledig leeg — noch ik noch een van de zeven naamgenoten had een record.

Het is toch niet aangemaakt. Wikidata heeft een relevantiedrempel, en een site van één dag met nul onafhankelijke vermeldingen en nul gepubliceerde werken haalt die niet. Een geforceerd record wordt verwijderd en laat een negatief spoor op het domein achter.

De juiste volgorde is: eerst stapelen echte vermeldingen zich op in onafhankelijke bronnen, en dan wordt het record vanzelf verdedigbaar. De uitkomst van een signaal nabootsen in plaats van het bij de bron te maken, corrigeert de meting maar niet de waarheid.

Hoe lang duurt het

Het eerlijke antwoord: ik weet het niet, en niemand weet het.

Bekend is: trainingscorpora worden periodiek vernieuwd, zoekindexen updaten veel sneller, en dat een entiteit in een model "herkend" raakt hangt af van het opstapelen van vermeldingen. Een achttienjarige gevestigde partij in een kwartaal inhalen is niet realistisch.

Realistisch is de strijd veranderen. De naam zelf is op korte termijn geen winbare zoekopdracht. Maar samenstellingen van "naam + eigenschap", en dienstvragen waarin het merk helemaal niet voorkomt — dat is open terrein. Geen van de naamgenoten staat in die vragen.

In mijn eigen meting was de waardevolste maat niet het citatiepercentage. Het was verschijnen in merkloze zoekopdrachten — want wie uw naam kent, zoekt u toch al; de echte winst zit in gevonden worden door iemand die hem niet kent.

Daar zit iets geruststellends in. De menigte naamgenoten begraaft u misschien in één zoekopdracht, maar die zoekopdracht was toch al niet uw waardevolste. Wie uw naam zoekt, kent u meestal al. Wie u niet kent, schrijft niet uw naam maar zijn probleem — en op dat veld concurreert u niet met zeven mensen, maar met het onderwerp.