Thought leaders

De slimste AI-beslissing is misschien wel om het bericht niet te versturen

Derek Slager
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Belangrijkste puntenOptimaliseren voor klikken beloont het versturen van meer berichten, zelfs wanneer…
Meer weergeven
  • Optimaliseren voor klikken beloont het versturen van meer berichten, zelfs wanneer terughoudendheid de klantrelatie beter zou beschermen.
  • Een goed geschreven promotie die wordt verzonden terwijl een terugbetaling nog niet is opgelost, is een beslissingsfout die betere inhoud niet kan verhelpen.
  • Menselijke beoordeling moet zich richten op dubbelzinnige context en acties met grote gevolgen in plaats van op routinematige beleidsgevallen.

Generatieve AI heeft het een stuk goedkoper gemaakt om gepersonaliseerde berichten te produceren. Maar het heeft er niet voor gezorgd dat het makkelijker is geworden om te bepalen of zo’n bericht wel verstuurd moet worden.

Dat onderscheid is belangrijk nu AI steeds vaker beslissingen neemt die ten grondslag liggen aan klantinteracties. Een systeem kan een relevant aanbod doen en voorspellen dat iemand erop zal klikken, maar toch de verkeerde beslissing nemen. Misschien wacht de klant op een terugbetaling. Misschien heeft diegene een klacht die nog niet is afgehandeld. Of heeft de klant het product al gekocht met een ander e-mailadres.

Betere teksten lossen geen van die problemen op. Het systeem moet de klant beter begrijpen, een doelstelling hebben die weerspiegelt wat het bedrijf werkelijk belangrijk vindt en duidelijke grenzen krijgen voor wat het mag doen.

Waarop wilt u dat het systeem stuurt?

Verzonden berichten, opens en klikken zijn eenvoudig te tellen. Daardoor zijn het bruikbare operationele meetgegevens, maar ze vormen ook een verleidelijk alternatief voor wat een bedrijf werkelijk wil: een klant die de relatie waardevol vindt en blijft terugkomen.

Een AI-systeem dat is geoptimaliseerd voor het totale aantal klikken en weinig beperkingen heeft op de contactfrequentie, kan ontdekken dat het versturen van meer berichten de score verbetert. Elk extra bericht kan op zichzelf redelijk lijken. Over verschillende campagnes en kanalen heen kan dezelfde klant uiteindelijk veel vaker iets van het merk horen dan iemand ooit heeft bedoeld.

De kosten worden zichtbaar buiten de meetwaarde waarop wordt gestuurd. In het consumentenonderzoek van Validity naar de feestdagen van 2026 zei een derde van de respondenten dat alleen al de hoeveelheid e-mails rond de feestdagen voldoende was om zich uit te schrijven. Dat bewijst niet dat AI de overbelasting heeft veroorzaakt. Het laat wel zien dat meer activiteit ten koste kan gaan van de relatie.

Een uitschrijving is zichtbaar. De frustratie die eraan voorafging, is dat vaak niet. Als het systeem vandaag wordt beloond voor een klik, maar geen straf krijgt wanneer het de kans verkleint dat een klant volgende maand terugkomt, heeft het weinig reden om met die afweging rekening te houden.

Ook terughoudendheid is een beslissing

Denk aan een klant die vorige week een bestelling heeft geretourneerd en nog steeds op de terugbetaling wacht. Een marketingsysteem ziet een recente koper die waarschijnlijk zal reageren en zet een promotionele e-mail klaar. Vanuit het perspectief van de klant vraagt het merk om meer geld voordat het teruggeeft wat het verschuldigd is.

De retourzending kan in het bestelsysteem staan, de terugbetalingsstatus in een servicetool en de aankoop in een marketingprofiel. Die gegevens zijn mogelijk niet eens aan dezelfde persoon gekoppeld. Het model kan precies volgens ontwerp werken en toch een beslissing nemen op basis van een onvolledig beeld van de klant.

Door die gegevens te koppelen, kan het systeem meer weten. Dat verandert niet automatisch wat het systeem zal doen. Ook moet het besluitvormingsproces rekening houden met een nog niet afgehandelde terugbetaling en het achterhouden van een promotie als een geldige uitkomst toestaan. Anders heeft u het systeem meer informatie gegeven zonder het gedrag te veranderen waarvoor het wordt beloond.

Daarom moeten klantcontext en doelstellingen samen worden ontworpen. De context maakt duidelijk wat er speelt. De doelstelling en beslisregels bepalen wat er vervolgens moet gebeuren. Een retourzending betekent niet automatisch dat alle communicatie moet stoppen. De klant heeft misschien een update over de terugbetaling nodig. Het is belangrijk onderscheid te maken tussen een nuttig servicebericht en weer een promotie.

Een slecht geschreven e-mail is een inhoudelijk probleem. Een goed geschreven e-mail die wordt verstuurd terwijl de klant op zijn geld wacht, is een beslissingsprobleem. Het tweede probleem los je niet op door het eerste beter aan te pakken.

Een inschrijving is niet hetzelfde als loyaliteit

Loyaliteitsprogramma’s kennen een andere variant van hetzelfde probleem. Als succes wordt afgemeten aan meer inschrijvingen, kan een systeem leren om mensen met korting te werven. Het aantal inschrijvingen stijgt. Of die klanten zonder een volgende korting terugkomen, is een andere vraag.

De nuttige vragen zijn lastiger te beantwoorden. Komen leden terug? Leveren hun aankopen winst op nadat de kosten van de incentives zijn meegerekend? Verandert het programma hun gedrag, of beloont het vooral aankopen die ze toch al zouden hebben gedaan?

Om die vragen te beantwoorden, moeten de gegevens over deelname aan het loyaliteitsprogramma over langere tijd worden gekoppeld aan de aankoop- en servicegeschiedenis. Ook is een vergelijking nodig waarmee het effect van het programma kan worden onderscheiden van gedrag dat toch al waarschijnlijk was. Een groter ledenbestand geeft op zichzelf geen antwoord.

Menselijk toezicht moet de beslissing veranderen

Mensen zijn verantwoordelijk voor de keuze waarop het systeem moet sturen. Bij klantbehoud, marge en de inspanning die van klanten wordt gevraagd, spelen afwegingen die het management voor zijn rekening moet nemen. Een model kan helpen die afwegingen te beoordelen. Het kan niet de verantwoordelijkheid nemen voor de keuzes zelf.

Hetzelfde geldt voor de grenzen aan wat het systeem mag doen. Een nuttige eerste vraag is: hoe moeilijk is dit ongedaan te maken? Een promotiebericht ter beoordeling achterhouden heeft andere gevolgen dan een prijs wijzigen, een tegoed uitgeven of een reservering annuleren. De gevolgen, de toestemming van de klant en de betrouwbaarheid van de beschikbare context moeten bepalen wat automatisch kan worden uitgevoerd en waarvoor goedkeuring nodig is.

Een nog lopende terugbetaling hoeft niet telkens tot een handmatige beoordeling te leiden. Als het beleid duidelijk is, kan een regel de promotie tegenhouden terwijl de communicatie met de klant doorgaat. Menselijke beoordeling is nodig wanneer de context onduidelijk is, de regels met elkaar in conflict zijn of de gevolgen buiten de bevoegdheid van het systeem vallen. Ontbreekt de informatie die nodig is om dat onderscheid te maken, dan moet het systeem een vastgelegde terugvaloptie hebben in plaats van toestemming om te gokken.

Beoordelaars hebben ook meer nodig dan alleen een betrouwbaarheidsscore. Ze moeten kunnen zien welke klantgegevens aan de aanbeveling ten grondslag liggen, hoe actueel die gegevens zijn, wat het systeem probeert te bereiken en welke beperkingen gelden. Een aanbeveling die met grote zekerheid wordt gedaan op basis van verouderde of niet-overeenkomende gegevens, is nog steeds een slechte aanbeveling.

Ingrepen moeten als bewijs worden vastgelegd. Als mensen herhaaldelijk hetzelfde soort promotie tegenhouden, leg dan vast waarom. Dat patroon kan wijzen op ontbrekende servicegegevens, een identiteitsprobleem of een doelstelling die verkeerd gedrag beloont. Dat patroon aanpakken is waardevoller dan iemand vragen om dezelfde fout voor onbepaalde tijd te blijven opmerken.

Meet of terughoudendheid helpt

Teams kunnen beginnen met één beslissing, in plaats van in één keer elke klantinteractie opnieuw te willen ontwerpen. Neem een promotiebericht, bepaal welke context ervoor nodig is en leg vast onder welke omstandigheden het moet worden tegengehouden. Houd noodzakelijke serviceberichten buiten die onderdrukkingsregel.

Test vervolgens of de verandering helpt. Vergelijk voor promotieberichten die hiervoor in aanmerking komen de bestaande aanpak met een beleid dat berichten onder bepaalde voorwaarden tegenhoudt. Houd herhaalaankopen, klantbehoud, klachten en marge bij gedurende een periode die aansluit op de aankoopcyclus. Verzendingen en klikken helpen nog steeds te verklaren wat er is gebeurd, maar mogen niet het eindoordeel bepalen.

Uit de test kan blijken dat minder promoties de klantrelatie beschermen. Ook kan blijken dat een bepaalde beperking te ruim is. Beide uitkomsten zijn nuttig. Stilte mag niet zomaar buiten schot blijven, net zomin als het versturen van berichten. Beide zijn beslissingen waarvan de gevolgen kunnen worden gemeten.

Dit alles neemt het technische werk niet weg. Klantgegevens moeten aan de juiste persoon kunnen worden gekoppeld. Recente gebeurtenissen moeten het besluitvormingsproces op tijd bereiken om ertoe te doen. Toestemmingen moeten de acties begrenzen, en teams moeten kunnen vastleggen wat er is gebeurd en waarom. Een betere doelstelling kan ontbrekende context niet compenseren, net zoals betere context een verkeerde doelstelling niet kan redden.

Bouw aan de klantrelatie

Voor leidinggevenden is de vraag eenvoudig: wat beschouwt uw systeem als een goede beslissing? Als het antwoord ‘een klik’ is, doet het misschien zijn werk terwijl het de klantervaring verslechtert.

Betrouwbare klantcontext biedt mensen en AI een steviger basis om te beslissen wat ze moeten doen. Duidelijke doelstellingen en beheersmaatregelen bepalen hoe dat inzicht wordt gebruikt. Het resultaat moet een systeem zijn dat kan uitleggen waarom een bericht op dit moment nuttig is, herkent wanneer dat niet zo is en leert van wat er daarna gebeurt.

Soms is de slimste beslissing die een AI-systeem kan nemen om helemaal niets te sturen.

Derek Slager is mede-oprichter en mede-CEO van Amperity, waar hij de transformatie met AI als uitgangspunt van het bedrijf leidt, zowel voor het product als de manier waarop het bedrijf werkt. Hij richtte Amperity mede op om marketeers en analisten klantgegevens te geven die ze konden vertrouwen, en ontwikkelde de gepatenteerde identiteitskoppeling en real-time profielarchitectuur achter Amperity's vertrouwde klantcontext. Eerder was hij lid van het oprichtingsteam van Appature en had hij leidinggevende technische functies in grote, gedistribueerde systemen en beveiliging.