Netflix dat een serie aanraadt, een advertentie die zich aanpast aan je gedrag of een chatbot die je bestelling opzoekt: achter heel verschillende toepassingen schuilt een lange geschiedenis. Die begint ruim vóór de eerste generatieve AI-tools.

Van rekenmodel naar aanbeveling

Halverwege de twintigste eeuw werkten onderzoekers al aan algoritmen en lineaire programmering om keuzes door te rekenen. In de jaren zeventig en tachtig kwamen daar expertsystemen bij. Die legden kennis van specialisten vast in beslisregels. Voor marketing lag de winst aanvankelijk vooral in het ordenen van informatie en het ondersteunen van beslissingen.

Met de opkomst van internet in de jaren negentig en daarna kwamen veel meer gegevens over zoekopdrachten, aankopen en voorkeuren beschikbaar. In de jaren tien en twintig maakten snellere computers en deep learning het mogelijk om daar veel verfijndere patronen in te herkennen.

Waar marketeers AI voor gebruiken

AI helpt bij het schrijven van teksten en het maken van beelden. Aanbevelingssystemen zoeken producten die aansluiten op eerdere aankopen. Marketingautomatisering helpt bepalen op welk moment een bericht relevant is. Chatbots kunnen eenvoudige vragen afhandelen, zodat medewerkers tijd houden voor ingewikkelder gesprekken.

Met voorspellende analyses kun je campagne-uitkomsten inschatten en je budget verdelen. Bij programmatic advertising worden advertenties automatisch ingekocht en geplaatst op basis van signalen over de doelgroep en de beschikbare advertentieruimte.

Drie voorbeelden

Netflix gebruikt onder meer kijk- en zoekgedrag om titels aan te bevelen. Coca-Cola heeft generatieve AI ingezet om kunst en herkenbare merkelementen te combineren in advertenties. In de campagne Messi Messages konden fans een persoonlijk bericht laten inspreken met een synthetische versie van de stem van Lionel Messi. Elk voorbeeld lost een ander creatief of commercieel vraagstuk op.

Wat er nog kan veranderen

Personalisatie kan verder gaan dan een klantsegment en rekening houden met wat iemand op dat moment doet. Beeld en video worden steeds overtuigender. Dat maakt het voor merken des te belangrijker om duidelijk te zijn over de herkomst van hun materiaal.

Ook de klantreis kan tijdens een bezoek al veranderen. Een bedrijf kan inspelen op een concrete vraag of proberen te begrijpen waarom iemand afhaakt. En wat gebeurt er als een slim apparaat straks zelf een bestelling plaatst? Dan krijgt het woord klant een heel andere betekenis.

Waar bedrijven rekening mee moeten houden

Vertrouwen, privacy en datakwaliteit bepalen hoeveel je aan een systeem hebt. Verkeerde of onvolledige gegevens leiden tot verkeerde conclusies, ook als het dashboard er prachtig uitziet. Teams moeten tijd krijgen om nieuwe technieken te leren en hun eigen oordeel te blijven gebruiken. Voor een merk telt uiteindelijk wat de klant aan die techniek heeft.

Verder lezen

De geschiedenis van AI in marketing · Marketingtoepassingen volgens Synthesia · De toekomst van AI in marketing volgens Act! · Hoe het marketingvak verandert · Trends in AI en marketing

Begrippen in dit artikel

Een neuraal netwerk leert patronen uit voorbeelden. Deep learning gebruikt daarvoor meerdere lagen. Natuurlijke taalverwerking maakt het mogelijk om menselijke taal te analyseren of te genereren. Voorspellende analyses gebruiken eerdere gegevens om uitkomsten in te schatten. Personalisatie stemt een ervaring af op iemands voorkeuren. Bij hyperpersonalisatie worden daarbij ook actuele signalen meegenomen.