Achtergrond
Een redactioneel team dat groeit op SEO loopt bijna altijd tegen hetzelfde probleem aan: er zijn al honderden pagina’s, maar het is niet meer scherp waar de topical map nog gaten heeft. Welke onderwerpen ontbreken? Welke zijbranches zijn nog niet aangeraakt? En welke ideeën zijn afgekeurd in een eerdere brainstorm?
Het handmatig samenstellen van een goede content-backlog kost een SEO-strateeg meerdere uren per maand, en wordt vaak een eenmalige exercitie in plaats van een doorlopend proces.
De pipeline
Deze n8n workflow maakt van content-ideatie een doorlopende, geautomatiseerde stap. De input is simpel: één klik op Execute workflow. De output is een vers gevulde, op de cluster geordende ideeën-sheet — klaar om door de redactie te beoordelen.
1. Bestaande content analyseren
De AI-agent — aangedreven door Google Gemini 3 Pro — heeft via een Sheets-tool toegang tot een interne linking database: een Google Sheet met alle bestaande URL’s, paginatitels en meta descriptions van de website. De agent leest deze data uit en clustert de bestaande content automatisch in thematische groepen (bijvoorbeeld reviews, doelgroep-specifiek, praktische tips, vergelijkingen).
2. Topical gaps identificeren
In de prompt is de agent gepositioneerd als SEO-strateeg met een duidelijke opdracht: vind 12 onderwerpen die op dit moment ontbreken in de topical map. De agent kijkt daarbij gericht naar:
- Psychologie & emotie — onderwerpen die emotioneel relevant zijn voor de bezoeker maar nog niet behandeld zijn.
- Sub-doelgroepen — niches binnen de doelgroep die nog niet bediend worden.
- Praktische optimalisatie — uitvoerende artikelen rond gedrag, keuzes en doe-het-zelf-content.
- Vergelijkingsartikelen — head-to-head vergelijkingen tussen producten of diensten die de website al apart bespreekt.
3. Gestructureerde output
Achter de agent zit een Structured Output Parser (met auto-fix en GPT-4.1-mini als reparatie-LLM) die de output afdwingt naar één strikt JSON-schema: titel, intent en topicalcluster per idee. Zo blijft de output altijd in een vorm die de volgende stap direct kan verwerken — ook als de LLM een keer iets afwijkends terugstuurt.
4. Appenderen in de redactionele sheet
De 12 ideeën worden via een Split Out-stap één voor één toegevoegd aan een tweede Google Sheet — de redactionele backlog. Elk nieuw idee krijgt automatisch Status = Nieuw, met titel, search intent en cluster in eigen kolommen. De redactie kan deze sheet rechtstreeks gebruiken om te plannen.
5. Automatische curatie
Hier maakt de workflow het verschil. De redactie kan ideeën die niet passen markeren met Status = Nope. Bij de volgende run loopt de pipeline na het toevoegen van nieuwe ideeën nog een lus: hij zoekt afgekeurde rijen op, verwijdert ze één voor één en herhaalt dat tot er geen Nope-rijen meer over zijn. Zo blijft de backlog automatisch schoon — afkeuringen zijn één klik, geen administratie.
Gebruikte technologieën
- Orchestratie: n8n
- Hoofd-LLM: Google Gemini 3 Pro
- Output-validatie: GPT-4.1-mini via Structured Output Parser (auto-fix)
- Data & backlog: Google Sheets (interne linking database + redactionele backlog)
Resultaat
Wat eerst een halve werkdag SEO-werk was — bestaande content scannen, gaten benoemen, ideeën uitwerken — wordt nu in één klik gedaan. De pipeline levert iedere run twaalf nieuwe, gecategoriseerde artikelideeën aan met search intent, geschreven vanuit een actueel beeld van wat er al staat. De redactie hoeft alleen nog te kiezen wat ze oppakt — en wat eruit mag.
