Geschatte leestijd: 9 minuten
Je klikt door het menu van de kennisbank, in de volle overtuiging dat het antwoord onder “Lidmaatschap” moet staan. Het staat er niet. Je typt een zoekterm in en krijgt tien resultaten, maar niet het antwoord waar je naar op zoek bent. Na een tijdje geef je het op, en tijdens de lunchwandeling vraag je een collega of hij weet onder welk kopje die informatie staat. Ook hij kan het niet vinden. En weken later kom je het bewuste artikel tegen, terwijl je naar iets heel anders zoekt.
Kortom: een label dat niet dekt wat erachter zit en een categorie die net niet aansluit bij waar je naar zoekt. Het meest frustrerende: vaak weet degene die de informatie heeft toegevoegd zelf ook niet meer onder welk kopje het staat. Het is dan sneller om het antwoord opnieuw uit te vogelen dan het artikel nog langer te zoeken in de kennisbank.
Of… je zorgt structureel voor goede metadata, zodat je vindt waar je naar zoekt. Dat begint bij een methode die toegankelijker is dan ze klinkt: cardsorting.
Wat metadata is, en waarom het ertoe doet
Metadata is de informatie die om je content heen hangt, en die bepaalt of je het later nog terugvindt. Een manier om die metadata te ordenen is via een taxonomie: een beheerde woordenlijst met vaste categorieën, die je als organisatie zelf bepaalt.
Vrije tags zijn een andere manier: geen vaste structuur, maar de synoniemen en spreektaal die gebruikers zelf hanteren. Iemand zoekt op “fiets”, een ander op “rijwiel” of “e-bike”. Zonder die vrije laag mist een deel van je publiek content die er wél is, gewoon omdat het label niet aansluit bij hun woordkeuze.
Goede metadata levert meer op dan een werkende zoekbalk: het bepaalt uiteindelijk of iemand binnen een paar klikken vindt waar hij naar zoekt, of afhaakt. De vraag is alleen: wie bedenkt die labels, en hoe voorkom je dat het een indeling wordt die alleen intern logisch is? Cardsorting is de methode om die vraag ook neer te leggen bij de betrokkenen die zoeken, in plaats van alleen bij de betrokkenen die de content creëren en al kennen.
Je zou kunnen denken: waarom nog moeite doen als AI straks toch alles voor je doorzoekt? Het antwoord zit in hoe metadata juist AI kan versterken. Zonder metadata moet een AI-tool bij elke vraag opnieuw door al je content heen gaan om te bepalen wat relevant is. Dat kost tijd, mist verbanden en levert soms een antwoord op dat net de plank mis slaat. Vergelijk het met AI die bij elke vraag opnieuw met een willekeurig groepje het cardsorting-proces doorloopt. Met een heldere taxonomie en vrije tags geef je diezelfde AI, en je eigen zoekfunctie, een structuur waar ze op kunnen bouwen. Minder giswerk, preciezere antwoorden en content die beter vindbaar blijft
DIY cardsorting organiseren binnen je eigen organisatie
Stap 1: Begin met een inventarisatie.
Ga op zoek naar wat er al is. Bijna elke organisatie heeft ergens een indeling liggen: mappen op een oude schijf, categorieën in een intern systeem, misschien nog fysieke mappen in het archief, of tags die ooit door één persoon zijn bedacht en sindsdien nooit meer zijn aangepast. Die huidige verdeling is zelden het resultaat van een bewuste keuze, eerder van een opeenstapeling van beslissingen en ontwikkelingen door de jaren heen.
Deze inventarisatie bepaalt meteen welke vorm van cardsorting je kiest. Bij een rommelige of verouderde structuur begin je open, zonder vooraf vastgestelde categorieën, en laat je deelnemers zelf orde aanbrengen. Wil je een bestaande indeling juist toetsen, dan werkt een closed sort beter: deelnemers sorteren dan in de categorieën die je al hebt. Hybride combineert beide, vaste categorieën met ruimte om zelf iets toe te voegen als er iets ontbreekt.
Stap 2: Bepaal wie je uitnodigt.
Wie je aan tafel zet maakt nogal verschil. Bij een ledenorganisatie zijn dat de leden zelf, de professionals die de content dagelijks gebruiken, en de ondersteuners die vragen van anderen beantwoorden. Elke groep zoekt net anders, en dat verschil zie je pas als je ze apart laat meedoen. Het uitgangspunt blijft steeds de gebruiker: degene die straks moet zoeken, niet degene die de content beheert.
Voor het aantal deelnemers zijn er ruwweg drie routes. Een kleine sessie met twee tot vijf mensen uit je doelgroep geeft al bruikbaar kwalitatief inzicht. Wil je het net iets steviger onderbouwen, ga dan richting de tien deelnemers. Je kunt het ook houden met een team dat de gebruikers goed kent, al is het risico dan dat de bekendheid met de content de resultaten kleurt. De derde route is uitbesteden aan een partij die dit vaker doet en die over betaalde panels beschikt om snel aan deelnemers te komen. Bij de DIY-route heb je dat laatste niet, dus staat of valt je sessie met hoe je zelf mensen over de streep trekt.
Dat begint bij wat je vraagt en waarom. “Help ons met onderzoek” motiveert niemand, “doe mee, dan vind je straks zelf sneller wat je zoekt” wel, want dat is een probleem dat de deelnemer ook zelf ervaart. Houd de sessie kort: twintig tot dertig minuten is te overzien, een uur voelt als een verplichting. Koppel de uitnodiging aan een moment dat er al is, een ledenvergadering, een bestaand community-moment. En minstens zo belangrijk: koppel terug en deel het resultaat. Als deelnemers nooit horen dat hun sortering daadwerkelijk de nieuwe indeling heeft bepaald, is de kans klein dat ze de volgende keer weer meedoen.
Stap 3: De sessie zelf.
Denk niet te moeilijk en laat het sorteren zoveel mogelijk op een natuurlijke manier gebeuren: de evaluatie vindt pas plaats in de volgende stap.
Als eerste bepaal je de scope: kies één onderdeel, zoals een categorie of je hoofdmenu, niet je hele kennisbank, community of leeromgeving in één keer. Maak vervolgens dertig tot vijftig kaarten op een vergelijkbaar niveau (“Contributie betalen” naast “Contact opnemen” werkt, “Contributie betalen” naast “Wachtwoord wijzigen in het ledenportaal” niet), en let op bewoording die te veel op elkaar lijkt: dat leidt tot automatische groepering in plaats van een eerlijke test.
Draai eerst een dry run met een paar collega’s om rare kaarten of onduidelijke instructies eruit te halen. Bij de echte sessie geef je duidelijke instructies: er zijn geen goede of foute antwoorden, en de hoeveelheid kaartjes per categorie mag variëren. Laat deelnemers na afloop kort toelichten welke kaarten lastig te plaatsen waren. Deze toelichting is vaak net zo waardevol als de sortering zelf.
Stap 4: Van sortering naar bruikbare metadata
Na afloop kijk je naar patronen: welke kaarten legt bijna iedereen bij elkaar, welke categorieën blijven leeg, welke namen komen spontaan terug. Bij grotere groepen kun je software gebruiken die per paar kaarten bijhoudt hoe vaak ze samen in een groep werden gelegd (similarity matrix) en dat overzicht omzet in een boomdiagram (dendrogram). Bij een kleine sessie is meelezen en meetellen vaak al genoeg. De spontaan terugkerende labels vormen meestal een betrouwbaardere basis voor je taxonomie dan wat een redactieteam achter een whiteboard bedenkt. En de verschillende woorden die deelnemers voor dezelfde groep kiezen, zijn een goede bron voor je vrije tags.
Zet de uitkomst niet meteen live. Een tree test, waarbij je een nieuwe groep gebruikers vraagt om in de voorgestelde structuur specifieke informatie terug te vinden, laat zien of de indeling ook in de praktijk werkt, voordat je hem doorvoert.
Metadata is nooit af
Met een nieuwe indeling ben je er nog niet. Metadata vraagt blijvend onderhoud, zowel je taxonomie als je vrije tags.
Een taxonomie is geen opgeleverd project. Er komt nieuwe content bij, en soms past een categorie niet meer bij hoe je organisatie werkt. Een taxonomie die je één keer vaststelt en daarna nooit meer aanraakt, veroudert net zo hard als de content zelf.
Voor vrije tags geldt dat nog sterker. Mensen gaan andere woorden gebruiken, er ontstaan nieuwe termen en afkortingen. Kijk daarom af en toe naar wat er in je zoekfunctie wordt ingetypt: zoektermen die vaak voorkomen maar niets opleveren, zijn kandidaten voor nieuwe tags.
Kan AI het cardsorten overnemen?
Onderzoek van MeasuringU naar ChatGPT als vervanger voor cardsorting laat zien dat de uitkomst via AI dicht in de buurt komt van de menselijke sortering: in één vergelijkend onderzoek kwam de AI-indeling voor ruim twee derde overeen met wat mensen zelf bedachten. Maar het verschil is veelzeggend. AI grijpt terug op de meest voor de hand liggende, algemene indeling. Mensen bedenken categorieën die voortkomen uit hun eigen situatie. Een sprekend voorbeeld, besproken door UXmatters, liet zien dat een deelnemer “recept laten verlengen” niet onder “apotheekdiensten” plaatste, zoals een systeem zou doen, maar onder “dingen die ik elke maand doe”. Dat soort inzicht in hoe mensen zelf denken haalt geen algoritme vanzelf boven tafel.
Het is dus geen kwestie van AI óf mensen. Gebruik AI gerust om snel een eerste opzet te maken, of om de resultaten achteraf te analyseren, maar laat de sortering zelf door je eigen doelgroep doen. Dan krijg je de indeling die aansluit bij de mensen die ernaar zoeken.
Tot slot
Ben je hier per ongeluk terechtgekomen, op zoek naar een handleiding voor het maken van een verjaardagskaartje? Welkom. Dan ben je het levende bewijs dat metadata niet aan een algoritme kan worden overgelaten. Kwam je wél voor cardsorting? Dan deed de metadata hieronder precies waarvoor die bedoeld is.
Categorie (taxonomie): Informatiearchitectuur
Vrije tags: cardsorting, kaartjes sorteren, metadata, taxonomie, vindbaarheid, kennisbank inrichten, DIY
Hulp nodig?
Wil je zelf aan de slag met cardsorting, maar weet je niet goed waar te beginnen? Of wil je eerst weten of jouw kennisbank, community of leeromgeving de juiste indeling heeft?
Dan is onze Initiatief-Versterker iets voor jou, waarin we je in één dag helpen met de volgende stap zodat jij de wensen van jouw leden of klanten kunt realiseren. Boek de Initiatief-Versterker >>