Recency Bias in AI Search: waarom ChatGPT recente content hoger waardert

De spelregels van online vindbaarheid veranderen opnieuw.

AI-zoekmachines zoals ChatGPT, Perplexity en Google AI Overviews gebruiken niet langer een statisch ranking-algoritme, maar een AI-gedreven herordening van resultaten (reranking) waarin één factor opvallend zwaar weegt: recency.

Kort gezegd:

In de wereld van AI-search wint niet altijd de beste bron, maar vaak de meest recente.

Dat inzicht werd voor het eerst zichtbaar toen Metehan Yesilyurt in augustus 2025 een regel code vond in ChatGPT’s configuratie:

use_freshness_scoring_profile: true

Die ene regel verklaarde waarom nieuw gepubliceerde content plots vaker opdook in AI-antwoorden dan oudere, diepere artikelen. (Bron: Metehan Yesilyurt)

En er kwam ook wetenschappelijke bevestiging.

Onderzoekers van de Waseda University testten zeven grote taalmodellen, waaronder GPT-4o, GPT-3.5, LLaMA-3 en Qwen-2.5, door enkel de publicatiedatum van identieke teksten te manipuleren.
Het resultaat was schokkend:

Elk model gaf systematisch de voorkeur aan het “nieuwere” document, zelfs wanneer beide teksten inhoudelijk identiek waren.
(Bron: Do Large Language Models Favor Recent Content? – Fang et al., Waseda University, 2025)

Samen tonen deze twee vondsten iets fundamenteels over het nieuwe AI-zoeklandschap:

• Freshness is niet zomaar een SEO-signaal meer, maar een dominante ranking-parameter binnen LLM-search.
• Content die niet regelmatig wordt geactualiseerd, raakt letterlijk onder de radar van de modellen.

In dit artikel leggen we uit wat deze recency bias precies is, waarom ze ontstaat, en vooral: wat dit betekent voor jouw GEO-strategie en contentplanning in 2025 en daarna.

Wat er in de code stond (Metehan)

Toen ontwikkelaar en SEO-onderzoeker Metehan Yesilyurt in augustus 2025 in ChatGPT’s configuratie­bestanden dook, vond hij iets wat veel verklaarde over hoe het model omgaat met web­content.

Tussen honderden regels code stonden drie opvallende instellingen:

reranker_model: "ret-rr-skysight-v3"
use_freshness_scoring_profile: true
enable_query_intent: true

Samen vertellen ze een duidelijk verhaal over hoe ChatGPT bepaalt welke bronnen het gebruikt in zijn antwoorden:

Configregel	Functie	Effect op zichtbaarheid
ret-rr-skysight-v3	Het rerankingmodel dat resultaten opnieuw ordent na de initiële zoekactie.	Bepaalt welke documenten uiteindelijk in de top-citations verschijnen.
use_freshness_scoring_profile: true	Een actief freshness-signaal dat nieuwere content bevoordeelt.	Recentere pagina’s krijgen automatisch hogere relevantiescores.
enable_query_intent: true	Analyseert de intentie achter de prompt (informatie, koop, navigatie).	Maakt zoekresultaten contextgevoeliger, maar corrigeert de tijdsbias niet.

Volgens Yesilyurt betekent dit dat ChatGPT structureel voorkeur geeft aan recente publicaties, zelfs wanneer oudere artikelen inhoudelijk sterker zijn.

“That comprehensive guide you wrote in 2022? It might be losing ground to newer content, even if yours is more detailed.”
— Metehan Yesilyurt

Zijn conclusie: freshness = rankingpower in de AI-laag.

Waar Google jarenlang honderden signalen combineerde, hanteert ChatGPT een eenvoudiger maar krachtiger mechanisme:

nieuw > oud = zichtbaar > onzichtbaar.

Wat het lab bewees (Waseda University)

Waar Metehan in de code een aanwijzing vond, leverde de Waseda University het bewijs met hun studie.

Een team onderzoekers (Fang et al., 2025) testte zeven toonaangevende taalmodellen, waaronder GPT-4o, GPT-3.5, LLaMA-3 (8B / 70B) en Qwen-2.5 (7B / 72B), en manipuleerde slechts één variabele: de publicatiedatum.

De tekst, inhoud, lengte en toon bleven exact gelijk. Alleen de tijdstempel veranderde.

Het resultaat? Elke AI viel voor het trucje.

Elke LLM gaf systematisch de voorkeur aan het “nieuwere” document, zelfs wanneer beide teksten identiek waren.
Bron: Do Large Language Models Favor Recent Content?

De cijfers spreken voor zich

Maatstaf	Best Case (Qwen2.5-72B)	Worst Case (LLaMA-3-8B)	Uitleg
Gemiddelde jaarschuif (top-10)	+ 0,82 jaar	+ 4,78 jaar	De “verse” teksten waren gemiddeld 1 tot 5 jaar nieuwer.
Grootste sprong per document	+ 61 posities	+ 95 posities	Eén enkel artikel kon bijna 100 ranks stijgen door alleen een nieuwere datum.
Pairwise reversals – relevante paren die van plek wisselden	8,25 %	25,23 %	Tot 1 op 4 beslissingen werd omgedraaid puur op basis van datum.

Zelfs bij hoog relevante passages bleef het effect bestaan: soms werden acht op tien keuzes omgekeerd zodra de datum werd aangepast.

Wat dit betekent

De resultaten bevestigen dat freshness scoring geen klein rangschikkingssignaal is, maar een dominante factor in de huidige generatie AI-zoekmachines.

Zelfs inhoudelijk sterke, gezaghebbende bronnen uit 2020 of 2022 worden verdrongen door nieuwere, oppervlakkige stukken.

Het onderzoek toont bovendien aan dat modelarchitectuur een groot verschil maakt: het kleinere Qwen2.5-72B-model was ruim drie keer resistenter tegen recency bias dan Meta’s LLaMA-3-8B.

Kortom: kwaliteit verliest structureel van tijdstempel, tenzij jouw content zelf up-to-date blijft.

Hoe freshness de ranking verandert

De sleutel tot deze bias ligt in de rerankinglaag van AI-zoekmachines, precies het onderdeel dat Metehan al in de code vond onder reranker_model: "ret-rr-skysight-v3".

Deze laag bepaalt niet welke documenten worden opgehaald, maar hoe ze worden herordend nadat de eerste zoekresultaten zijn verzameld.

Het model vergelijkt tientallen passages tegelijk (listwise ranking) en kent elke passage een nieuwe score toe.

Daarin blijkt tijd een verrassend dominante factor.

“use_freshness_scoring_profile: true” betekent letterlijk dat elk stuk content extra punten krijgt puur omdat het recent is, ongeacht inhoudelijke kwaliteit.

Het “Seesaw-effect”

Het onderzoek van Waseda University laat zien hoe deze bias zich vertaalt naar een herkenbaar patroon in de ranking: een seesaw-effect (wipwap-patroon).

Rangpositie	Gemiddelde ouderdom	Gedrag	Betekenis
1–40	Systematisch jonger (+0,8 – +4,8 jaar)	Sterk voordeel voor nieuwe content	Recente publicaties domineren de zichtbare topresultaten.
41–60	Neutraal (± 0 jaar)	“Pivot zone”	Hier is de invloed van tijd beperkt, kwaliteit telt nog mee.
61–100	Systematisch ouder (-0,4 tot -2 jaar)	Sterk nadeel voor oudere content	Oudere, zelfs gezaghebbende bronnen zakken weg.

Bron: Do Large Language Models Favor Recent Content? – Fang et al., Waseda University (2025)

Hoe dit samenvalt met de configuratie

• Reranker → Freshness → Intent
  • ret-rr-skysight-v3 = het algoritme dat de tweede beoordeling doet.
  • use_freshness_scoring_profile: true = de schuif die de tijdsvoorkeur aanzet.
  • enable_query_intent: true = herkent zoekdoel, maar corrigeert de tijdsbias niet.

Het gevolg: zelfs een “tijdloos” onderwerp, bijvoorbeeld “oorzaken van de Eerste Wereldoorlog”, kan content uit 2024 boven een historisch artikel uit 2018 zetten, louter omdat het nieuwer lijkt.

De bias is dus architectonisch, niet alleen een instelling.

Het is ingebakken in de manier waarop moderne LLM’s relevantie leren voorspellen: recente voorbeelden in de trainingsdata krijgen onbewust meer gewicht, en de configuratie bevestigt dat effect in productie.

Inzicht voor GEO-strategen

Voor wie werkt aan Generative Engine Optimization, betekent dit dat “actueel blijven” geen cosmetische taak meer is.

Je moet structureel nadenken over temporal governance: wanneer content wordt vernieuwd, hoe dat wordt gesignaleerd (via dateModified of changelog), en welke delen echt tijdloos moeten blijven.

Freshness is geen ranking-tweak, maar een algoritmische hefboom,
wie hem begrijpt, kan sturen in de AI-resultaten.

Risico’s & ethiek

De recency bias brengt meer mee dan alleen een verschuiving in ranking.

Ze raakt de kwaliteit, betrouwbaarheid en ethiek van hoe kennis wordt gepresenteerd in AI-zoekmachines.

Wat ooit gold als een gezonde “updatecultuur” is nu een algoritmische competitie geworden waarin nieuw structureel wint van goed.

1. Pseudo-freshness: het gevaar van cosmetische updates

Het onderzoek bevestigt wat veel SEO’s al vermoedden: zelfs minimale aanpassingen, of enkel het verversen van de publicatiedatum, kunnen rankings tijdelijk herstellen.

Die zogenaamde pseudo-freshness werkt omdat ChatGPT en andere modellen de freshness scoring profile actief toepassen, zonder te controleren wat er is veranderd.

Het gevolg:

• contentteams worden verleid om “updates” te doen die inhoudelijk niets toevoegen,
• modellen leren dat oppervlakkige vernieuwing loont,
• en de algemene informatiekwaliteit daalt.

Het algoritme beloont activiteit, niet autoriteit.

Op korte termijn levert dit zichtbaarheidswinst op; op lange termijn ondermijnt het vertrouwen van gebruikers én de geloofwaardigheid van het web.

2. Onjuiste temporaliteit: als 2025 de geschiedenis herschrijft

Een tweede risico is temporal misalignment, wanneer modellen recente bronnen verkiezen, ook als die contextueel onlogisch zijn.

Voorbeeld:
Een query als “oorzaken van de Eerste Wereldoorlog” hoort oudere, academische bronnen te prioriteren. Toch kiest ChatGPT’s reranker vaak een 2024-blog of schoolwebsite boven een historisch paper uit 2010, simpelweg omdat het “nieuwer” lijkt.

Het probleem is structureel:

• enable_query_intent: true herkent waarover iemand iets zoekt,
• maar niet wanneer recente informatie relevant is.

Zonder temporal awareness worden tijdloze onderwerpen behandeld alsof ze nieuws zijn. Dat leidt tot vertekening van feiten, contextverlies en een verarming van kennisdiversiteit.

3. Kwetsbare domeinen: medisch, academisch en documentatie

In sommige sectoren kan die bias meer kwaad dan goed doen.

Domein	Wat er hoort te gebeuren	Wat er nu gebeurt
Medisch	Evidence-based studies uit 2018–2020 blijven leidend.	Blogs uit 2024 met kleine steekproeven stijgen boven peer-reviewed onderzoek.
Academisch / Onderwijs	Klassieke papers blijven de referentie.	Recente samenvattingen verdringen de originele bron.
Technische documentatie	Stabiele API- of handleidingsteksten blijven geldig.	Nieuwe, ongeteste tutorials krijgen voorrang vanwege datum.

In elk van deze gevallen gaat autoriteit verloren aan actualiteit.

De bias creëert een systeem waarin oudere, beter onderbouwde kennis letterlijk ondergeschoven wordt.

Waarom dit belangrijk is voor GEO

Voor GEO-strategen en contentmarketeers betekent dit dat “updaten om te scoren” niet zonder nadenken kan.

Je moet onderscheid maken tussen:

• inhoudelijke updates (nieuwe data, herzien beleid, nieuwe inzichten)
• en signalerende updates (meta-informatie, datumvermelding, formatwijziging).

De eerste bouwt vertrouwen op bij AI én mens; de tweede kan tijdelijk helpen, maar schaadt het ecosysteem op termijn.

Echte GEO bouwt aan betrouwbaarheid in tijd, niet aan het bijhouden van de klok.

Wat dit betekent voor GEO

De recency bias markeert een nieuw tijdperk in zoekoptimalisatie.

Waar klassieke SEO draaide om ranking in de SERP, draait GEO om herkenning in het model. En modellen herkennen niet alleen relevantie, ze herkennen recente relevantie.

Model-relevantie > SERP-ranking

Voor generatieve zoekmachines geldt: wie genoemd wil worden, moet niet per se de beste bron zijn, maar de voldoende goede en meest recente. AI kiest de informatie die het model vertrouwt én recent heeft gezien.

Dat verschuift de meetlat van succes:

• Niet meer: “Sta ik op positie #1 in Google?”
• Maar: “Word ik geciteerd of genoemd in AI-antwoorden?”

In deze nieuwe context is model-relevantie de kern van GEO: het vermogen van je content om actueel, consistent en semantisch herkenbaar te blijven binnen de kennisstructuur van grote taalmodellen.

Je optimaliseert niet meer voor de SERP, maar voor het geheugen van de AI.

Temporal governance: het nieuwe onderdeel van je contentstrategie

Om in dit landschap zichtbaar te blijven, moeten bedrijven hun contentlevenscyclus actief beheren.
Dat betekent:

• Niet alleen publiceren, maar ook herzien, dateren en signaleren wanneer iets veranderd is.
• Niet elk stuk “vers houden”, maar bewust kiezen wat actueel moet zijn en wat tijdloos blijft.

GEO vraagt om een temporal governance-model waarin content op vaste momenten wordt herzien, voorzien van dateModified-schema’s en contextlabels zoals:

“Laatst herzien: mei 2025, aangepast voor de nieuwe ChatGPT-update.”

Zo blijft content begrijpelijk voor mensen én herkenbaar voor modellen.

De parallel met Google’s AI Overviews

Ook Google beweegt dezelfde richting op. Volgens Search Engine Land – Google AI Overviews: Everything You Need to Know (2024) blijkt dat AI Overviews vooral actuele, procesgerichte en conversatiestijl-content tonen.

De AI-samenvattingen geven steeds vaker de voorkeur aan recente artikelen met duidelijke contextsignalen, zelfs boven oudere evergreen-pagina’s.

Met andere woorden:

Dezelfde recency-mechanismen die ChatGPT aanstuurt, zitten inmiddels ook in Google’s generatieve laag.

Wie zijn content regelmatig actualiseert, met stap-voor-stap uitleg en expliciete datums, vergroot zijn kans op opname in AI Overviews én ChatGPT-citaties tegelijk.

Samengevat

• GEO verschuift van optimaliseren voor pagina’s naar optimaliseren voor patronen.
• Actualiteit is geen bijzaak meer, maar een core rankingfactor in AI-zoekgedrag.
• Temporal governance is de brug tussen duurzame content en duurzame zichtbaarheid.

In een wereld waar AI leert van het heden,
bepaalt jouw update-ritme of je merk nog wordt herkend in de toekomst.

Actieplan voor MKB (direct toepasbaar)

De recency bias in AI-zoekmachines klinkt technisch, maar de oplossing is verrassend praktisch.

Met een slim update-ritme, duidelijke tijdssignalen en bewuste interne linkstructuur kun je als MKB-organisatie je AI-zichtbaarheid duurzaam behouden, zonder in de valkuil van “cosmetische updates” te trappen.

A. Update-ritmes per contenttype

Niet elk stuk content hoeft voortdurend opnieuw geschreven te worden. Wat telt, is dat het actuele relevantie uitstraalt binnen zijn categorie:

Contenttype	Aanbevolen updatefrequentie	Tip
BOFU / commerciële pagina’s (diensten, prijzen, reviews)	Elke 3–6 maanden	Voeg nieuwe voorbeelden, klantcases of prijswijzigingen toe.
How-to’s, softwaregidsen, tutorials	Elke 6–12 maanden	Voeg screenshots, toolnamen of functiewijzigingen toe.
Evergreen / definities / theorie	Jaarlijks (of bij relevante verandering)	Voeg een kort blok toe: “Laatste herziening: mei 2025 – wat is veranderd?”

Zo blijft jouw content actueel voor modellen als GPT-4o en ChatGPT-5, die freshness actief meewegen in hun reranking.

B. Temporal signals die werken (white-hat)

AI-modellen lezen niet alleen wat je schrijft, maar ook wanneer je het bijwerkt. Gebruik daarom expliciete temporal metadata in zowel je content als je code:

1. Toon zichtbaar de laatste wijzigingsdatum in je UI:

“Laatst herzien: juni 2025 (inhoud bijgewerkt naar nieuwe GEO-richtlijnen).”

2. Voeg in je code deze structured data toe:

{
  "@context": "https://schema.org",
  "@type": "Article",
  "dateModified": "2025-06-01",
  "lastReviewed": "2025-06-01"
}

3. Gebruik “Updated for 2025” blokken of changelogs onderaan je pagina:

Wat is nieuw in 2025:
– Nieuwe voorbeelden toegevoegd
– Nieuwe toolnamen verwerkt
– Richtlijnen aangepast aan ChatGPT-5

4. Geef tijdloze content een temporal context label:

“Geldig vanaf 2020, blijvend relevant voor historisch onderzoek.”

Zo leert de AI wat tijdgevoelig is, en wat tijdloos, een belangrijk onderscheid dat veel rerankingmodellen nog niet zelfstandig maken.

C. Cross-temporal authority

Bouw bruggen tussen oud en nieuw. Door recente artikelen bewust te koppelen aan oudere “canon-stukken”, geef je AI’s een hiërarchie van bronnen die elkaar versterken:

“Deze update uit 2025 bouwt voort op onze oorspronkelijke gids uit 2020.”

Zo behoud je autoriteit over tijd, in plaats van dat elk nieuw stuk je oude werk verdringt.

D. WordPress-workflows voor temporal governance

Met een paar aanpassingen maak je je CMS “GEO-ready”:

1. Changelog-blok toevoegen aan elke post
   → Automatisch genereren bij update (bijv. via ACF of custom block).
2. “Laatste review”-veld opnemen in de editor
   → Datum wordt automatisch als dateModified in schema gezet.
3. Editor-checklist voor publicatie
   → “Heeft deze update inhoudelijke wijzigingen?”
   → “Is er temporal context toegevoegd?”

Zo borg je dat elke update betekenisvol is, niet alleen “vers”.

Tip voor developers: Microsoft’s documentation over semantic ranking profiles laat zien dat dit soort “freshness scoring”-profielen ook in enterprise searchsystemen voorkomt, conceptueel hetzelfde principe dat we nu in ChatGPT terugzien.

Kort gezegd:
Bouw geen contentfabriek die alles herschrijft, bouw een content­ecosysteem dat leeft in tijd. Dat is hoe je GEO duurzaam inzet voor zichtbaarheid in een wereld vol recency bias.

Meetplan: recency bias aantonen op je eigen site

Je hoeft geen universiteit te zijn om te testen of de recency bias ook jouw site beïnvloedt.

Met een gestructureerde aanpak kun je binnen een paar weken zelf zien hoe sterk AI-zoekmachines reageren op je updates, en welk ritme het beste werkt voor jouw type content.

Stap 1. Baseline vastleggen

Kies 10–20 belangrijke pagina’s die representatief zijn voor je site, bijvoorbeeld:

• 5 commerciële pagina’s (diensten/producten)
• 5 informatieve blogs of how-to’s
• 5 evergreen artikelen (definities, uitlegstukken)

Meet vervolgens de huidige stand van zaken:

• AI-citations: verschijnt de pagina als bron in ChatGPT, Perplexity of Gemini?
• Organische posities: noteer je huidige ranking in Google.
• Traffic & merkvermeldingen: bekijk bezoekersaantallen en brand mentions in tools als Rankshift of Mention.

Sla deze data op als nulmeting, dit wordt je “pre-update” referentiepunt.

Stap 2. Update uitvoeren

Kies vervolgens 3–5 van die pagina’s en voer een echte inhoudelijke update door. Dat kan bijvoorbeeld zijn:

• Nieuwe voorbeelden of data toevoegen,
• Verouderde screenshots of citaten vervangen,
• Een korte changelog onderaan plaatsen,
• Structured data toevoegen (dateModified, lastReviewed).

Zorg ook dat de update zichtbaar is voor de gebruiker, niet alleen in de broncode. Plaats bijvoorbeeld een subtiele melding bovenaan:

“Bijgewerkt in juni 2025, met nieuwe inzichten over GEO en AI-zoekmachines.”

Stap 3. 2–4 weken monitoren

Na de update observeer je gedurende 2 tot 4 weken:

• AI-vermeldingen – komt de pagina vaker voor in ChatGPT/Perplexity-antwoorden?
• Google-posities – zie je stijgingen voor gerelateerde zoektermen?
• Conversies & engagement – neemt de betrokkenheid of doorklik toe?

Zelfs kleine veranderingen in zichtbaarheid of citatiegedrag tonen dat de AI-modellen de wijziging herkennen.

Stap 4. A/B-test op evergreen content

Om het effect van zichtbare tijdssignalen te meten, kun je een eenvoudige A/B-test doen:

• Variant A – toon expliciet de datum (“Laatst herzien op 1 juni 2025”).
• Variant B – laat de datum weg (date-blind).

Monitor beide varianten 4–6 weken in tools als Rankshift.ai of je eigen AI-citation tracker. Het verschil in AI-vermeldingen of SERP-traffic toont hoe gevoelig jouw content is voor freshness signals.

Stap 5. Rapporteren & bijsturen

Bundel je resultaten in een overzicht per pagina:

Pagina	Type	Update uitgevoerd	AI-vermeldingen (voor → na)	Google-rank (voor → na)	Conclusie
/seo-strategie/	BOFU	ja	1 → 4	9 → 5	Sterk effect van update
/wat-is-geo/	Evergreen	ja (date label)	0 → 1	7 → 6	Lichte verbetering
/ai-tools/	Blog	nee	0 → 0	5 → 8	Verslechterd zonder update

Gebruik deze data om je update-cadans te bepalen:

• Pagina’s met sterke respons → vaker vernieuwen.
• Pagina’s met neutraal effect → jaarlijks checken.
• Pagina’s met negatieve respons → inhoud of format herzien.

Pro-tip

Combineer dit met tools zoals app.helloseo.nl om te analyseren welke subvragen jouw pagina beantwoordt.

Zo meet je niet alleen hoe actueel je content is, maar ook hoe volledig, twee factoren die samen bepalen of je in het AI-tijdperk genoemd blijft.

Kort gezegd:
Meet niet alleen of je stijgt in Google,
maar of de AI’s je leren herkennen.
Dat is de nieuwe KPI van GEO.

Conclusie

De bevindingen van Metehan en de Waseda University maken één ding glashelder:
“Vers > perfect” is geen spreekwoord meer, maar een ingebouwd algoritme.

In de nieuwe generatie AI-zoekmachines bepaalt niet alleen wát je schrijft, maar vooral wanneer. Freshness scoring is actief, altijd aan, en krachtig genoeg om zelfs hoogwaardige content te verdringen.

Dat betekent niet dat kwaliteit er niet meer toe doet, maar wel dat goede content zonder update-ritme onzichtbaar wordt.

GEO draait in deze fase niet langer om enkel semantische dekking, maar ook om temporal governance: het structureel plannen, herzien en signaleren van actualiteit in je content.

Wie dat goed organiseert,
blijft niet alleen vindbaar,
maar ook herkend door de AI’s die de toekomst van search bepalen.

Dit artikel is geïnspireerd door het onderzoek en de bevindingen van Metehan Yeşilyurt, onder meer beschreven in zijn blog “I Found It in the Code, Science Proved It in the Lab: The Recency Bias That’s Reshaping AI Search” en in het academische paper Do Large Language Models Favor Recent Content? (Fang et al., Waseda University, 2025).
Hun werk vormt een waardevolle basis voor verder onderzoek naar AI-search en GEO-strategieën, lees vooral de originele artikel voor de volledige technische analyse.