Prompts & technieken4 min leestijd

Een LinkedIn-post schrijven die engagement genereert: de prompts die je moet kennen

AIDA-structuur, geteste aanhalers en vergelijking van resultaten tussen AI's: alles wat je nodig hebt om af te komen met saaie LinkedIn-posts.

Een LinkedIn-post schrijven die engagement genereert: de prompts die je moet kennen

Je opent ChatGPT, je typt ‘schrijf een LinkedIn-post over [onderwerp]’, en het resultaat ziet eruit als dat van iedereen: drie emoji’s, een generieke aanhaler, een moraal van het type ‘en jullie, wat vinden jullie daarvan?’. Je bent niet alleen. Meer dan 60% van de professionals gebruikt AI al om hun LinkedIn-posts te schrijven, maar het merendeel produceert saaie teksten vanwege slechte prompts. Dit artikel geeft je een concrete structuur, geteste aanhaal-formaten, en vooral een reflexbetekenis die zelden wordt genoemd: het rendement van meerdere AI’s op dezelfde brief vergelijken voordat je publiceert.

Waarom de meeste door AI gegenereerde posts hol klinken

Het probleem ligt bijna nooit bij het model. Het is de prompt, en de gewoonte om bij het eerste antwoord te stoppen. Een vague prompt (‘schrijf een boeiende post over leiderschap’) levert een generiek antwoord op, omdat de AI de informatiewaarde aanvult met standaardzinnen: de beroemde zinnen ‘In een wereld waar…’ of ‘Laat me je een verhaal vertellen’.

Twee hefbomen veranderen alles:

  • De precisie van de brief: context, doel, toon, lengte, beoogd publiek.
  • De variatie van de modellen: elke AI heeft een standaardstijl. Door meerdere versies op hetzelfde onderwerp te testen, kun je voorkomen dat het juist klinkt - en wat hol klinkt - nog voordat je iets corrigeert. Het is hetzelfde principe als meerdere AI’s tegelijk gebruiken voor andere schrijftaken: je kiest geen model, je vergelijkt.

De AIDA-structuur toegepast op LinkedIn

AIDA (Aandacht, Interesse, Verlangen, Actie) blijft de meest betrouwbare structuur voor een kort bericht. Het geeft de AI een duidelijk skelet, wat generieke afwijkingen beperkt.

Aandacht (de eerste 2 regels)

Dit zijn de enige regels die zichtbaar zijn vóór ‘meer weergeven’. Ze moeten spanning creëren: een contra-intuïtieve stelling, een getal, een aangenomen fout. Voorbeeld van instructie aan de AI: ‘Schrijf een aanhaler van maximaal 2 regels, zonder emoji, die een veel voorkomend denkbeeldje over [onderwerp] tegenspreekt.’

Interesse (de uitwerking)

Je vertelt een feit, een observatie, een getal uit je echte ervaring - geen algemeenheid. Vraag de AI om in 3 tot 5 korte zinnen in te delen, één idee per regel, zonder kunstmatige overgangen.

Verlangen (het perspectief)

Dit is het moment waarop de lezer denkt ‘dit gaat over mij’. De prompt moet het specifieke doelpubliek bevatten: ‘spreek je aan tot teammanagers van 5 tot 15 personen’, niet ‘spreek je aan tot professionals’.

Actie (de afloop)

Vermijd de systematische ‘en jullie, wat vinden jullie daarvan?’. Vraag in plaats daarvan om een gesloten en specifieke vraag, of een concrete uitnodiging (een voorbeeld delen, reageren op een specifieke keuze).

De prompts die echt werken

Hier zijn drie geteste prompt-formaten, aan te passen aan je onderwerp:

De ‘beleefde ervaring’-prompt ‘Schrijf een LinkedIn-post van maximaal 150 woorden, AIDA-structuur, directe toon zonder superlatief, gebaseerd op dit feit: [je echte situatie in 2-3 zinnen]. Geen emoji’s, geen generieke vraag aan het eind van de post, korte zinnen.’

De ‘tegenstrijdige hoek’-prompt ‘Schrijf een post die een tegen de stroom in positie over [onderwerp] verdedigt. Begin met een zin die de lezer in 2 regels verrast. Ga uit in maximaal 4 punten, één per regel. Eindig met een specifieke vraag, niet retorisch.’

De ‘gecijferde ervaring’-prompt ‘Op basis van deze gegevens [getallen, resultaten, duur], schrijf een post die een concrete evolutie toont. Structuur: feitelijke aanhaler, context in 2 zinnen, resultaat, les in één zin. Zakelijke toon, niet motiverend.’

In alle drie de gevallen tellen de precisie van de brief (echte feiten, vormvereisten, wat moet worden vermeden) meer dan de ‘magische’ formulering.

Het rendement vergelijken tussen meerdere AI’s op dezelfde brief

Dit is de stap die de meeste gidsen vergeten, en toch verandert het alles. Dezelfde prompt geeft zeer verschillende resultaten afhankelijk van het model, net als wanneer we dezelfde prompt verschillende resultaten geeft met meerdere AI’s.

Op een brief ‘LinkedIn-post, tegenstrijdige hoek, onderwerp: opgelegd thuiswerken’:

  • ChatGPT produceert vaak een zeer vloeiende structuur, met vloeiende overgangen maar soms een licht moraliserend toon in de afloop.
  • Claude heeft de neiging om meer feitelijk te blijven, met kortere zinnen en minder bijvoeglijke naamwoorden - nuttig als je een kalme toon zoekt.
  • Gemini biedt soms meer indringende aanhalers aan, maar kan tijdens de uitwerking wat schoolse wendingen toevoegen.
  • Perplexity kan door op actuele bronnen te vertrouwen, de post verrijken met een getal of recente referentie die de andere modellen niet hebben.
  • DeepSeek produceert vaak meer ruwe versies, minder opgemaakt, die meer retouchering vereisen, maar voorkomen het ‘te proper’ aspect.

Geen enkel model is strikt beter: elk heeft een stijlvoorkeur. Door dezelfde vraag op meerdere modellen te genereren via probeer noov.ai gratis, krijg je in enkele minuten meerdere versies van dezelfde post, en hou je de beste zin van elke versie in plaats van je tevreden te stellen met de eerste versie van slechts één model.

Corrigeren en humaniseren voordat je publiceert

Zodra je de beste basis hebt gekozen, blijven twee aanpassingen essentieel:

  1. Verwijder te generieke woordenschat: ‘revolutionair’, ‘ongelooflijk’, ‘game-changer’. Dit zijn onmiddellijke markers van een gegenereerde post zonder controle.
  2. Controleer het Nederlands en de formuleringen: sommige modellen vertalen mentaal uit het Engels en produceren enigszins kunstmatige structuren. Zie Claude of ChatGPT om een Nederlandse tekst te corrigeren om deze fouten voor publicatie op te sporen.

Deze controlewerk duurt slechts enkele minuten, maar het is vaak wat een post die commentaar genereert onderscheidt van een post die onopgemerkt voorbijgaat.

Het juiste hulpmiddel voor daarna kiezen

Als het schrijven van LinkedIn-posts slechts één gebruik onder veel anderen is (monitoring, onderzoek, documentschrijving), kan het nuttig zijn om hoe je in 2025 een kunstmatige intelligentie kiest in overweging te nemen om een bredere werkmethode op te bouwen, in plaats van je aan één model uit gewoonte vast te houden.

Een goed LinkedIn-bericht komt niet uit een wonderprompt. Het komt uit een precieze brief, een duidelijke structuur, en de eerlijke vergelijking tussen meerdere versies voordat je degene kiest die echt voor jou staat.

Veelgestelde vragen

Welke structuur moet ik gebruiken voor een LinkedIn-post die engagement genereert?

De AIDA-structuur (Aandacht, Interesse, Verlangen, Actie) blijft het meest betrouwbaar: een aanhaler van 2 regels, een feitelijke uitwerking, een perspectiefverschuiving voor de lezer, en vervolgens een actie of een specifieke vraag.

Waarom lijken posts gegenereerd door AI op elkaar?

Omdat de initiële prompt te vaag is. Zonder echte context, zonder vormvereisten en zonder instructie over toon, vult de AI de hiaten in met generieke wendingen zoals 'In een wereld waarin...'

Moet ik meerdere AI's testen voor dezelfde LinkedIn-post?

Ja, dit maakt het verschil. ChatGPT, Claude, Gemini of Perplexity produceren verschillende stijlen op dezelfde brief: vergelijken stelt je in staat de beste aanhaler of beste toon te behouden in plaats van je tot de eerste versie van één model te beperken.

Hoe zorg ik ervoor dat een LinkedIn-post niet kunstmatig klinkt?

Verwijder superlatief ('revolutionair', 'ongelooflijk'), herzie de zinsconstuctie om wendingen uit het Engels op te sporen, en vervang de generieke eindfraag door een gesloten en specifieke vraag.

  • #linkedin
  • #prompts ia
  • #personal branding
  • #aida
  • #comparatif ia
  • #reseaux-sociaux