Vraag een AI-chat hoe je de online verkoop in een markt laat groeien, en je krijgt een zelfzeker antwoord: werk eerst aan je conversie. Klinkt logisch. Op echte data bleek het fout.
We stelden die vraag voor een premium consumentenmerk, deze keer op de eigen data van het merk. Het antwoord draaide volledig om. De conversie was nauwelijks veranderd. Het echte probleem was bereik: veel minder mensen raakten überhaupt tot bij de producten. Zelfde vraag, tegengesteld advies. Het verschil zat niet in een slimmer model, maar in de data eronder.
Dat is de kern van dit artikel: AI levert pas groei op als drie loops samenwerken.
Loop 1: de agent
Een chat antwoordt één keer. Een agent werkt in een loop: hij plant wat hij gaat bekijken, gaat aan de slag, controleert het resultaat en stuurt bij wat misliep. Pas als de controle klopt, geeft hij een antwoord.
Maar om te controleren, heb je iets echts nodig om tegen te toetsen. Zonder data van buiten het model is de loop gewoon het model dat zichzelf gelijk geeft.
In ons geval haalden de controles twee zaken boven die het merk de verkeerde kant op hadden gestuurd. Een goedkoop accessoire, deels gratis weggegeven, deed de conversie beter lijken dan ze was. En tienduizenden verdachte sessies van buiten de markt, vermoedelijk bots, bliezen het verkeer op. Beide werden apart gezet voor er ook maar één conclusie getrokken werd.
Loop 2: de data, elke dag betrouwbaar
De agent toetst aan een marketing lake: één zorgvuldig beheerde plek waar webshoporders, webanalytics, paid media, organische zoekresultaten en attributie samenkomen. Alleen-lezen, met duidelijke regels over hoe je elke tabel leest, en op welke vragen ze geen antwoord geeft.
Een data lake is geen eenmalig project. Platformen, sites en campagnes veranderen elke week, dus de data betrouwbaar houden is nooit af. Het vraagt dagelijkse discipline:
- Campagnenamen. Volgt een campagnenaam de afspraken niet, dan belandt het budget in de verkeerde categorie, of in geen enkele. Het antwoord van de agent klinkt even overtuigend, maar klopt niet.
- Productfeeds. Ontbrekende categorieën, kleuren of prijzen schaden Shopping en Performance Max, en maken de vraag « welke categorie deed het best? » onmogelijk te beantwoorden.
- Tracking en definities. Wat is een terugkerende bezoeker? Terug binnen 30 dagen, binnen 90, op hetzelfde toestel? In GA4, waar een gebruiker een browsercookie is, verschijnt 90 tot 96% van de gebruikers van een zomer als nieuw. Als niemand de definitie vastlegt, improviseert de agent.
Loop 3: mensen die AI sturen
De agent koos de vraag niet. Een mens deed dat: waarom de omzet daalde, niet hoe je groeit. Een mens besliste welke data buiten beschouwing bleef. En de reden waarom een biedstrategie veranderde, stond in de notities van het team, niet in een tabel.
Nu AI produceren goedkoop maakt, wordt kiezen dé vaardigheid. Uit een veldexperiment van onderzoekers van MIT en Johns Hopkins bleek dat teams van mensen en AI ongeveer 50% meer advertenties per persoon maakten, maar dat die advertenties ook meer op elkaar leken. Ethan Mollick zegt het eenvoudig: « De schaarse grondstof is je vermogen om te kiezen op basis van je eigen smaak. »
De mensen rond de agent tellen dus meer, niet minder: diepe kennis om een fout antwoord te herkennen, brede kennis om de juiste vraag te stellen, smaak om te kiezen, en de durf om het op echt werk uit te proberen.
Hoe we dit bij merken brengen: bouwen, beheren, groeien
Zo werken we met onze klanten.
- Bouwen. We zetten het marketing lake op met je eigen data: de bronnen, de connectoren, de definities en de leesregels die een agent nodig heeft.
- Beheren. Ons 360-datateam houdt het elke dag betrouwbaar: naamgeving, feeds, tagging en definities, gecontroleerd en bijgestuurd telkens je platformen en campagnes veranderen.
- Groeien. Op dat fundament zetten we de agent aan het werk. Eerst gesprekken met antwoorden die hun bronnen vermelden, dan geplande inzichten, vervolgens uitleg over wat veranderde en waarom, en uiteindelijk aanbevelingen en acties, altijd goedgekeurd door een mens.
En we doen dat als één team met jouw mensen. Jouw teams kennen het merk, de markt en de context die in geen enkele tabel staat. Wij brengen de data, de tools en de groei-ervaring. De agent werkt het best met beide.
Te onthouden
AI-tools liggen vandaag binnen ieders bereik. Het verschil zit niet langer in het model, maar in de data waaraan het toetst en de mensen die het sturen.
Benieuwd hoe een marketing lake er voor jouw merk kan uitzien, of wat je eigen data over je groei vertelt? Neem contact op met het naYan-team.
