Mass Translate met ChatGPT in Magento 2: vertalingen, SEO, contentmoderatie en interne linking

1 juni 2026 Kowal

Praktisch materiaal over hoe je Mass Translate met ChatGPT in Magento 2 kunt gebruiken voor vertalingen, SEO-werk, JSON-structuren, technische terminologie en het opschonen van linking tussen store views

Mass Translate met ChatGPT voor Magento 2 wordt het makkelijkst geassocieerd met één taak: het vertalen van product- en categoriebeschrijvingen naar extra store views. Dat is een juiste associatie, maar te beperkt. In de praktijk wordt deze module pas echt waardevol wanneer we hem niet zien als een eenvoudige vertaler, maar als een laag voor seriële contentverwerking in Magento.

In die benadering kan hetzelfde mechanisme niet alleen de lokalisatie van de catalogus afhandelen, maar ook:

het aanvullen van ontbrekende metadata,
het opschonen van SEO-velden,
de moderatie en normalisatie van content,
het verwerken van productbeschrijvingen volgens strikte regels,
de vertaling van specialistische technische content,
redactionele bewerkingen van blogartikelen,
het vervangen van interne links na contentvertaling.

Dat is precies wat de prompts laten zien die worden gebruikt in de shops van GERDA, VITCAS en Kowal. Hun gemene deler is eenvoudig: niet de integratie met het model is het belangrijkst, maar hoe nauwkeurig we de taak, het gegevensformaat en de grenzen van de AI definiëren.

Waarom Mass Translate in Magento 2 niet als een gewone vertaler moet worden gezien

In veel shops is het probleem niet langer dat content vertaald moet worden. Het probleem is dat die content volgens een specifieke bedrijfslogica verwerkt moet worden:

alleen lege velden aanvullen,
bestaande gegevens niet wijzigen,
HTML en placeholders behouden,
geen nieuwe informatie toevoegen,
terminologische consistentie bewaren,
technische velden onderscheiden van velden die zichtbaar zijn voor de gebruiker,
de taak massaal en voorspelbaar uitvoeren.

Op dit punt wordt de Mass Translate-module met ChatGPT een tool voor contentbeheer, en niet uitsluitend voor vertaling. De prompt houdt op een toevoeging te zijn. Hij wordt de eigenlijke logica van het proces.

Volledige versies van prompts kunnen zeer uitgebreid zijn, maar zelfs korte fragmenten laten al goed zien hoe groot de mate van sturing is.

GERDA: Meta Title en Meta Description aanvullen zonder de productcontent te wijzigen

De prompt die voor GERDA wordt gebruikt, dient niet voor vertaling. De taak is beperkter en daardoor zeer praktisch: ontbrekende velden Meta Title en Meta Description aanvullen, Meta Keywords leegmaken, maar de rest van het record ongemoeid laten.

Dit is een goed voorbeeld van een moderatiebewerking op productdata. Het model moet niet creatief zijn. Het moet gedisciplineerd zijn en alleen binnen de grenzen van de invoergegevens werken.

Voorbeeld van een promptfragment:

1. Vul `Meta Title` alleen aan wanneer het leeg, ontbrekend of null is.2. Vul `Meta Description` alleen aan wanneer het leeg, ontbrekend of null is.3. Maak het veld `Meta Keywords` leeg: - stel het altijd in als een lege tekenreeks ''4. Voeg geen informatie, kenmerken, parameters, beloften of technische gegevens toe die niet in de invoergegevens aanwezig zijn.

In de praktijk doet zo'n prompt drie belangrijke dingen tegelijk:

hij bewaakt de SEO-kwaliteit,
hij herschrijft niet de volledige catalogus,
hij houdt een veilige, seriële workflow op JSONL in stand.

Voor shops met een groot aantal records is dit soms belangrijker dan alleen vertalen naar een extra taal. Eerst moeten de gegevens worden opgeschoond, pas daarna moeten ze worden gelokaliseerd.

Kowal: vertaling, lokalisatie en gecontroleerde contentuitbreiding

De prompt die voor Kowal is voorbereid, laat de andere kant van de toepassingen zien. Hier is het doel niet alleen een taalwissel, maar het creëren van één laag voor:

vertaling,
lokalisatie,
en indien nodig ook gecontroleerde contentuitbreiding.

Dat is belangrijk, want bij technologische content is alleen taalkundige correctheid niet voldoende. Je mag ook de technische laag niet beschadigen. Als het model URL's, variabelen, klassennamen, API-endpoints of configuratiefragmenten begint te vertalen, wordt het resultaat snel onbruikbaar.

Voorbeeld van een promptfragment:

1. Behoud alle HTML-tags ongewijzigd.2. Vertaal alleen tekst die zichtbaar is voor de gebruiker.3. Wijzig geen URL's, placeholders, bestandsnamen, paden, commando's, klassen, methoden, functies of API-endpoints.4. Als de tekst uitbreiding vereist, breid hem dan uitsluitend uit op basis van de informatie die in de brontekst aanwezig is.

Dit is precies het punt waarop een gewoon commando van het type vertaal de tekst niet meer volstaat. In Magento moet je heel duidelijk scheiden:

wat content voor de gebruiker is,
wat systeemstructuur is,
wat gelokaliseerd mag worden,
wat het model niet mag aanraken.

VITCAS: specialistische technische vertalingen in plaats van een letterlijke omzetting

VITCAS laat een derde niveau van flexibiliteit zien: de vertaling van specialistische productcontent waarbij een algemene taalbeheersing niet volstaat.

De productprompt voor VITCAS is opgebouwd rond een heel concreet probleem: Brits Engels in de sector van vuurvaste materialen, schoorstenen, ovens, gieterijen en isolatie mag niet letterlijk worden vertaald. Het model moet de term eerst correct begrijpen binnen de context van de branche en pas daarna het juiste marktconforme equivalent voor het doelland kiezen.

Voorbeeld van een promptfragment:

- “stove” usually refers to a heating stove, wood-burning stove, fireplace stove, room heater, or biomass heating appliance, not a kitchen cooker or oven- “fire cement” refers to a refractory sealing, jointing, setting, or repair compound, not structural construction cement- “board” does not automatically mean gypsum board- Always interpret ambiguous terms according to the refractory, fireplace, chimney, furnace, kiln, foundry, insulation, outdoor cooking, and high-temperature materials context

Dit is niet langer gewone tekstvertaling. Dit is het sturen van de interpretatie van terminologie. Juist hier zie je dat de Mass Translate-module met ChatGPT kan worden ingezet waar branchespecifieke moderatie van betekenissen en controle over de woordenschat voor meerdere markten nodig is.

VITCAS: vertaling van blogartikelen die in JSON zijn opgeslagen

Een volgende prompt voor VITCAS betreft blogartikelen uit de Amasty Blog-module. Ook hier ziet de taak er anders uit dan een klassieke vertaling van een productbeschrijving, omdat het model werkt op een gegevensstructuur en niet alleen op één veld description.

Voorbeeld van een promptfragment:

1. Retourneer uitsluitend geldige JSON.2. Behoud exact dezelfde JSON-sleutels.3. Vertaal uitsluitend tekstwaarden die bedoeld zijn voor de gebruiker.4. Vertaal geen technische velden, identificatoren, URL's, slugs en configuratie.5. Behoud alle HTML-tags ongewijzigd.

Dit is belangrijk, want in Magento leeft veel redactionele data in JSON's, blogmodules, CMS-blokken en andere structuren die niet veilig te verwerken zijn met een te algemene prompt. Als het model geen duidelijke regels krijgt, tast het al snel technische velden aan of breekt het de datastructuur.

Waar komt `llms.txt` vandaan en wat heeft de AI Feed-module ermee te maken

Het interessantste geval begint daar waar de vertaling al is uitgevoerd, maar de content nog steeds redactioneel werk vereist. Een goed voorbeeld is het vervangen van interne links na het vertalen van artikelen.

Om zo'n operatie veilig te laten verlopen, mag het model geen URL's raden. Het moet een bron van waarheid hebben. Precies daar komt llms.txt in beeld.

llms.txt-bestanden ontstaan niet uit het niets. Ze zijn het resultaat van een AI-feedlaag, dus van een module van het type Kowal AI Product Feed voor OpenAI Vector Store. Zo'n module bereidt publiek toegankelijke, gestructureerde shopdata voor AI-systemen voor:

productlijsten,
categorieën,
FAQ,
CMS- en blogcontent,
URL's die correct zijn voor een specifieke store view,
en het llms.txt-manifest, dat aangeeft waar deze gegevens beschikbaar zijn.

In de praktijk werkt llms.txt als een toegangspunt voor AI-modellen en -agenten. In plaats van de website blind te scannen, kunnen zij uitlezen waar de juiste feeds zich bevinden en welke records producten, categorieën of artikelen in een bepaalde taal beschrijven. Dit is precies het soort infrastructuur waarmee moeilijkere redactionele taken kunnen worden uitgevoerd zonder te hoeven raden.

VITCAS: links vervangen na artikelvertaling dankzij `llms.txt`

De prompt die voor VITCAS is voorbereid laat zien dat Mass Translate met ChatGPT ook kan functioneren als tool om kant-en-klare content na vertaling op te schonen.

In dit geval bestaat de taak eruit om:

de doeltaal van het artikel te herkennen,
interne links te analyseren die uit de EN-versie zijn blijven staan,
de juiste gegevens uit de juiste versie van llms.txt te lezen,
alleen href te vervangen,
de ankertekst en de volledige artikelstructuur ongewijzigd te laten,
geen adressen te raden als er geen equivalent in de feed kan worden bevestigd.

Voorbeeld van een promptfragment:

1. Wijzig uitsluitend interne links die naar het domein van de VITCAS-shop leiden.2. Als je geen eenduidig equivalent in de feed vindt: - laat de originele URL ongewijzigd, - raad niet, - maak niet handmatig een nieuw adres aan.3. Wijzig uitsluitend de `href`-waarden in -links als vervanging nodig is.

Dit is een zeer sterk voorbeeld, omdat het iets laat zien wat in gesprekken over AI in Magento vaak wordt overgeslagen: het model kan seriële onderhoudstaken op content uitvoeren, en niet alleen nieuwe beschrijvingen maken. In een meertalige shop is zo'n operatie vaak echt waardevol, want na contentvertaling moet ook de interne linking tussen store views nog op orde worden gebracht.