De boekhouder schrijft de nieuwsbrief met ChatGPT. De zaakvoerder van het installatiebedrijf laat Gemini de Google Ads maken. De sales manager laat Claude op een zondagavond vijftig LinkedIn-posts genereren en plant ze in tot Kerstmis. Kortom: iedereen is druk bezig met AI in marketing en toch krijgt niemand meer klanten.
Je hebt dus geen budgetprobleem meer. Alleen heb je nu ook exact hetzelfde gereedschap als elke concurrent, en jullie klinken intussen allemaal als dezelfde robot.
Ik gebruik die tools ook, ChatGPT, Claude en Gemini door elkaar. Maar wat ik sinds een jaar zie bij B2B-bedrijven die AI in marketing inzetten, is raar. Ze maken drie keer zoveel content als vroeger en toch komt er niet meer binnen. De uitleg is namelijk simpel: als iedereen dezelfde tool op dezelfde manier gebruikt, klinkt iedereen hetzelfde. En in marketing is “hetzelfde” dan ook het duurste wat je kan zijn.
Of je AI moet gebruiken, daar maak ik geen woorden aan vuil. Wat me wel bezighoudt: twee mensen openen dezelfde tool. De ene wil snel iets hebben, terwijl de andere weet hoe sales en marketing werken. In de tool zie je dat verschil niet, maar in de omzet een half jaar later wel.
Mijn stelling over AI in marketing is dan ook simpel: het is een vermenigvuldiger. Het maakt groter wat je erin stopt, en niets anders. Voed het met een scherpe positionering, dan krijg je daar tien keer meer van. Voed het met vaagheid, dan krijg je tien keer meer vaagheid. Kort gezegd: shit in, shit out, alleen sneller en in grotere hoeveelheden.
Je hebt geen productieprobleem. Je hebt een keuzeprobleem.
Een ondernemer die vroeger geen budget had voor een copywriter, heeft er nu een op zak. Dat is winst, en wie daar dus smalend over doet, heeft de voorbije jaren zitten slapen.
Het probleem zit in het woordje “alles”. AI in marketing is vandaag vooral een productietool, terwijl de meeste bedrijven geen productieprobleem hebben. Ze hebben namelijk een keuzeprobleem. Wie moet dit lezen? Waarom zou die persoon nu iets doen? Wat moet die eerst geloven voor er een offerte aangevraagd wordt? Een taalmodel beantwoordt die vragen niet. Het beantwoordt alleen de vraag die je stelt. Stel je de verkeerde, dan krijg je in drie seconden een prachtig geformuleerd verkeerd antwoord.
AI maakt je niet beter in marketing. AI vermenigvuldigt wat je al deed. Was dat goed, dan ben je nu tien keer goed. Was dat gemiddeld, dan ben je nu tien keer gemiddeld. En gemiddeld is in 2026 gratis.
Het verschil zit dus in wat je erin stopt en wat je er achteraf uit durft schrappen. De tool is immers voor iedereen dezelfde.
Shit in, shit out. AI in marketing vermenigvuldigt wat je het voedt.
Een taalmodel voegt niets toe. Het vermenigvuldigt alleen. Geef het een heldere doelgroep, een echt bezwaar uit een verkoopgesprek en een belofte die je kan waarmaken, en het geeft je in twee minuten tien varianten die allemaal bruikbaar zijn. Geef het “schrijf iets over onze nieuwe dienst” en het geeft je in twee minuten tien varianten van niets.
De tool doet in beide gevallen exact hetzelfde. Het verschil zit dus volledig aan de kant van de invoer. Wie geen positionering heeft, krijgt geen positionering uit AI, maar wel honderd teksten die dat gebrek breed uitsmeren over elke pagina en elk kanaal. Vroeger bleef een zwakke boodschap bijvoorbeeld beperkt tot de ene brochure waar je tijd voor had. Nu staat ze in drie talen op je site, in veertig LinkedIn-posts en in elke advertentie, en dat allemaal nog voor de middag. ChatGPT, Claude of Gemini, het maakt niet uit welke: ze vermenigvuldigen alle drie even gewillig.
Daardoor is AI bij het ene bedrijf een goudmijn en bij het andere een dure ruismachine. Bij het eerste bedrijf zat er al iets in om te vermenigvuldigen. Bij het tweede vermenigvuldigt het de leegte, en die wordt met elke post beter zichtbaar voor de klant.
Dat is dan ook de eigenlijke reden waarom AI in marketing zo weinig oplevert bij wie er alles mee doet. De meeste bedrijven vermenigvuldigen namelijk een boodschap die ze nog nooit scherp hebben gekregen. Meer van niets blijft niets, het kost alleen meer advertentiebudget.
Dezelfde tool, twintig minuten verschil, een andere agenda
Hetzelfde model, dezelfde dag, dezelfde opdracht: een campagne voor een nieuwe dienst.
De eerste typt “schrijf een LinkedIn-post over onze nieuwe dienst”, vindt de eerste versie goed genoeg, plant ze in en kijkt volgende week naar de likes. Drie maanden later ligt er dus veel content, maar weet niemand wat ervan gewerkt heeft.
De tweede begint daarentegen met vragen die niet in de prompt staan. Wie koopt dit? In welke fase zit die persoon? Welk bezwaar leeft er, wat is het bewijs, wat moet de lezer daarna doen? Dan drie versies laten maken, twee weggooien, de derde herschrijven op basis van wat vorige maand converteerde. Daarna profielbezoeken bekijken, websiteverkeer uit LinkedIn en de aanvragen die eruit kwamen. Drie maanden later ligt er weliswaar minder content, maar ook een lijst met wat werkt en wat niet.
Het tijdsverschil is misschien twintig minuten. Na een kwartaal merk je het wel aan de agenda. De ene heeft afspraken staan, de andere een contentkalender.
Waarom klinkt AI in marketing overal hetzelfde? Omdat je het gemiddelde van het internet bestelt
Een taalmodel is getraind op alles wat er online over marketing geschreven is, elke “ontdek onze oplossingen” en elke “wij ontzorgen u van A tot Z” inbegrepen. Vraag je zonder context om een tekst, dan krijg je het statistische midden van dat alles terug, netjes geformuleerd.
Je concurrent krijgt bovendien datzelfde midden. Wat vorig jaar nog opviel, is nu de norm. Marketeers noemen dat de sea of sameness: als elke website en elke advertentie dezelfde toon en dezelfde beloftes heeft, kan de klant niet meer kiezen. Dus kiest die op prijs, of die kiest niet en stelt de beslissing nog een kwartaal uit.
Mensen herkennen AI-taal intussen ook, al kunnen ze niet zeggen waaraan. Het leest glad, maar er blijft niets van hangen. Voor een B2B-koper die een leverancier voor de komende drie jaar zoekt, is dat een signaal dat hier niemand zelf heeft nagedacht. Ik hoor het in gesprekken: “hun website zei me niets”. Meestal zei die website nochtans heel veel, alleen niets eigen.
Gevonden worden in ChatGPT? Niet met de content die je daarvoor laat schrijven
Steeds meer ondernemers vragen me hoe ze zichtbaar worden in ChatGPT, Claude, Perplexity of de AI Overviews van Google. Logisch, want daar zoekt hun klant intussen ook. De content die ze daarvoor laten schrijven, is helaas precies de content die AI nooit zal citeren.
Een taalmodel dat een antwoord samenstelt, zoekt bronnen die iets toevoegen aan wat het al weet. Een eigen cijfer bijvoorbeeld, een ervaring uit de praktijk of een standpunt dat nergens anders staat. Het herkauwde gemiddelde zit al in het model, daar heeft het jouw pagina niet voor nodig. Wie AI gebruikt om nog eens uit te leggen wat remarketing is, schrijft voor een lezer die nooit komt en een machine die het al wist.
Dat is meteen het verschil tussen SEO en GEO. Bij SEO kon je nog winnen met volume, terwijl je bij GEO alleen wint met iets wat enkel jij kan zeggen. Wil je dat je bedrijf verschijnt als iemand aan ChatGPT of Claude vraagt wie helpt met B2B-leadgeneratie, dan moet er op je site staan wat jij weet en anderen niet. Geen enkele tool schrijft dat voor je.
Vier dingen over AI in marketing die de tool niet weet en jij wel
Een marketeer of verkoper die het vak kent, gebruikt AI in marketing anders. Die typt geen magische prompts, maar weet gewoon vier dingen die de tool niet weet.
1. De vraag achter de vraag, oftewel: waarom zou iemand bij jou kopen?
“Maak een campagne” is nooit de echte opdracht. De echte vraag is waarom klanten bij jou kopen en niet bij de drie anderen die ze ook bekeken. Dat heet dan ook positionering. Wie die niet scherp heeft, laat AI een tekst schrijven voor iedereen, en een tekst voor iedereen is een tekst voor niemand.
Iemand met salesverstand weet daarbovenop in welke fase de koper zit. Wie nog rondkijkt, wil bijvoorbeeld geen offerte. Wie al vergelijkt, wil geen uitleg meer over wat SEO is. Dezelfde dienst, dezelfde tool, drie totaal andere teksten naargelang de fase. Dat onderscheid maakt een taalmodel niet uit zichzelf.
2. De briefing: brief je als een stagiair, dan krijg je stagiairwerk
Een goede prompt is gewoon een goede briefing. Ze bevat wat een copywriter ook zou vragen: voor wie, welk probleem, welk bezwaar, welk bewijs, welke toon, welke actie. Brief je AI zoals je een stagiair brieft (“doe maar iets over onze nieuwe dienst”), dan krijg je stagiairwerk. Brief je zoals je een senior freelancer brieft, dan krijg je iets wat daar verdacht goed op lijkt.
Daar komt geen techniek bij kijken. De enige vraag is dus of je zelf weet wat je wil zeggen. Verrassend veel bedrijven weten dat niet en ontdekken het pas op het moment dat ze het moeten intypen. AI heeft dat probleem niet veroorzaakt, maar maakt het alleen zichtbaar.
3. De selectie: schrappen is het vak, genereren is de klik
Deze stap slaat de snelle gebruiker over. AI genereert immers moeiteloos tien varianten. Welke van die tien klopt met wat je klant zei in het laatste verkoopgesprek? Kan je die belofte ook waarmaken? En welke zin klinkt slim, maar zegt niets?
Een verkoper die honderd keer hetzelfde bezwaar heeft gehoord, herkent meteen welke headline dat bezwaar wegneemt en welke het net oproept. Geen enkel model heeft daar data over. Jij daarentegen wel, na een jaar aan tafel bij klanten.
4. De meting: likes zijn applaus, geen omzet
De snelle gebruiker kijkt naar bereik en likes, terwijl wie al eens een pijplijn heeft moeten vullen, kijkt naar wat er na de klik gebeurt: hoeveel bezoekers iets aanvragen, welke bedrijven terugkomen, welke campagne gesprekken oplevert en welke enkel verkeer. Die cijfers zitten in je analytics en je CRM.
Het grootste deel van een B2B-aankoop zie je daar trouwens niet. Dat gebeurt in gesprekken, in LinkedIn-feeds en in links die collega’s naar elkaar doorsturen. Voor dat stuk stel je gewoon de vraag “hoe ben je bij ons terechtgekomen?”, als open veld op je contactformulier. Het antwoord is vaker “iemand had je genoemd” dan “Google”. En dat verandert dus wat je de volgende maand maakt.
Zonder die cijfers blijft AI in marketing dus elke keer opnieuw een gok, alleen een snellere.
Kortom: AI neemt de productie over, terwijl de diagnose, de briefing, de selectie en de meting bij jou blijven. Dat zijn de vier plekken waar je bepaalt wát er vermenigvuldigd wordt, en dus de vier plekken waar de winst zit.
Uitvoeren is gratis geworden. Regisseren niet. Daar zit je job nu.
Marketingwerk bestond tot voor kort voor het grootste deel uit uitvoeren: teksten schrijven, advertenties opzetten, posts inplannen, rapporten opmaken. Dat stuk verdampt, omdat het niets meer kost. Wat overblijft en plots al het gewicht draagt, is regisseren: beslissen wat er gemaakt wordt, voor wie, in welke volgorde en wanneer je stopt.
Van execute naar orchestrate, zeggen ze in het Engels. Dat is namelijk wat AI in marketing met het werk zelf doet. De marketeer die vroeger zelf de tekst schreef, stuurt nu een handvol tools en een AI-agent aan en is verantwoordelijk voor het geheel in plaats van voor één stuk. Dat klinkt als een promotie, maar het is een andere job.
Vroeger was je goed als je snel en foutloos kon uitvoeren. Nu is uitvoeren gratis en zit je waarde in de juiste vraag stellen, de output beoordelen en de stukken aan elkaar koppelen tot iets wat een klant oplevert. Een regisseur die zelf nooit een tekst geschreven heeft, herkent bovendien een slechte tekst niet. Een regisseur die enkel teksten kan schrijven, weet niet wanneer er geen tekst nodig is maar een telefoontje.
Aangenomen om uit te voeren, verwacht te regisseren
In veel bedrijven wringt het precies daar. Ze hebben iemand aangenomen om uit te voeren, geven die persoon nu AI en verwachten dat het regisseren er vanzelf bijkomt. Dat gebeurt niet. Regisseren vraagt namelijk dat je begrijpt hoe sales werkt, hoe een koper beslist en hoe je een resultaat meet. Wie dat niet kan, orkestreert AI-tools tot een symfonie van gemiddelde content. Sneller dan ooit, met meer dashboards dan ooit, en met even weinig klanten als vroeger.
De ondernemers die dit doorhebben, doen het omgekeerde van wat je verwacht. Ze produceren minder en kiezen strenger. Minder kanalen, minder campagnes, en voor elke campagne kunnen ze zeggen voor wie ze is en hoe ze het resultaat meten. Hun AI-tools draaien even hard als bij de buren. Het verschil is dat iemand weet waarom.
De vraag is niet meer “kan ik dit maken”. Alles kan immers gemaakt worden. De vraag is nu “moet dit gemaakt worden, en hoe weet ik straks of het gewerkt heeft”. Wie die twee vragen kan beantwoorden, heeft een toekomst in marketing. Wie enkel kan maken, concurreert met een abonnement van twintig euro per maand.
Google Ads: dezelfde AI, hetzelfde budget, één van beide betaalt voor sollicitanten
Twee bedrijven vragen AI om advertentieteksten voor een zoekcampagne.
Het eerste typt in Gemini “schrijf 15 headlines voor Google Ads over onze machinebouw”, krijgt vijftien nette headlines, plakt ze in een responsive search ad en laat Google de rest doen. De klikken komen binnen. De aanvragen blijven alleen uit, of komen van mensen die een job zoeken. Het budget is bovendien op tegen de twintigste van de maand en niemand weet waaraan.
Het tweede weet dat iemand die “verpakkingsmachine prijs” zoekt iets anders wil dan iemand die “verpakkingslijn automatiseren voedingsindustrie” intypt. Daarom maakt het twee advertentiegroepen, brieft Claude per zoekintentie, pint de headline die de belofte van de landingspagina herhaalt en sluit zoektermen uit die op een vacature, een student of een tweedehandsmarkt wijzen. Daarna kijkt het naar aanvragen per zoekterm en nauwelijks nog naar klikken.
Het tweede bedrijf betaalt dus per klik voor de juiste mensen, terwijl het eerste betaalt voor iedereen die toevallig “machine” intypte. Google klaagt niet, Google factureert allebei even graag.
Voor SEO-teksten geldt trouwens hetzelfde. AI schrijft je honderd blogartikels, maar weet niet welke zoekvraag een koper stelt en welke een student. En bij online adverteren is de tekst het laatste stukje. De keuzes ervoor bepalen of die tekst iets oplevert.
Wil je weten of jouw zoekcampagne in de eerste of de tweede categorie valt? Stuur me de campagne en de landingspagina, dan leg ik ze naast elkaar.
Heb ik nog een marketeer nodig voor AI in marketing? Voor teksten niet. Voor klanten wel.
Ik zie de zoekopdrachten over AI in marketing toenemen: “AI marketeer”, “AI agents voor marketing”, “goedkope marketing”. De hoop erachter is bovendien duidelijk: kan die mens er niet tussenuit? Voor het typen wel, en wie daar nog een dagtarief voor aanrekent, verkoopt je lucht. Voor het beslissen wat er getypt moet worden, voor wie, en of het gewerkt heeft, echter niet. Dat stuk doet een AI-agent op autopilot fout, en met veel zelfvertrouwen.
Draai de vraag daarom om. Wat zou je doen als er geen marketeers bestonden? ChatGPT of Claude openen en zelf beginnen. Doe dat gerust. Je vergelijkt dan alleen niet “marketeer versus AI”, maar jouw uren en jouw keuzes versus die van iemand die dit dagelijks doet. Die afweging valt trouwens niet altijd in mijn voordeel uit. Is je positionering scherp en meet je wat er na de klik gebeurt, dan heb je mij niet nodig. De meeste bedrijven die ik spreek, hebben geen van beide.
De vraag is dus niet “marketeer of AI” maar welke marketeer. Eén die enkel teksten produceert, betaal je te veel. Eén die daarentegen weet welke tekst voor welke klant op welk moment geld waard is, en AI gebruikt om dat tien keer sneller te testen, verdient zichzelf terug. Goedkope marketing bestaat trouwens. Ze heet “content die niemand leest” en ze kost je een jaar.
Zeven dingen die je morgen anders doet met AI in marketing, zonder extra tool
Je hoeft AI in marketing dus niet af te zweren. Zet er alleen iets voor en iets na.
- Schrijf je positionering in drie zinnen op vóór je iets genereert: voor wie, welk probleem, waarom jij. Lukt dat niet, dan is dat je eerste werkpunt, niet de prompt. Je kan immers niet vermenigvuldigen wat er niet is.
- Brief AI zoals je een freelancer brieft: doelgroep, fase van de koper, bezwaar, bewijs, gewenste actie. Plak er een letterlijke klantquote bij, die zegt meer dan drie alinea’s context.
- Genereer drie versies en schrap er vervolgens twee. Lees ze daarbij luidop. Wat je niet zou zeggen aan een prospect aan tafel, hoort ook niet op je website.
- Vraag AI om tegenargumenten. “Waarom zou een sales manager hier niet op klikken?” levert meer op dan een elfde versie.
- Zet er iets in wat alleen jij weet: een cijfer uit je eigen praktijk, een fout die je zag bij een klant, een standpunt waar je collega’s van verschieten. Dat is namelijk het enige wat ChatGPT, Claude of Perplexity ooit van jou zal citeren.
- Meet wat na de klik gebeurt: aanvragen, terugkerende bedrijven, gesprekken, en uiteindelijk offertes en omzet per kanaal. Vraag ook elke nieuwe klant hoe die je gevonden heeft en noteer het letterlijk. Met website visitor identification zie je bovendien op bedrijfsniveau welke organisaties na een campagne je dienstenpagina bezochten.
- Hou ten slotte bij wat werkte en neem het mee in de volgende briefing. Anders start je elke maand van nul, alleen met meer content dan de vorige keer.
Twintig minuten nadenken vooraf en tien minuten meten achteraf, dus. Dat is minder tijd dan je nu kwijt bent aan het nalezen van je eigen gegenereerde posts.
Conclusie: AI in marketing is voor iedereen. Resultaat niet.
AI in marketing heeft de drempel om eraan te beginnen verlaagd. Goed nieuws voor elke ondernemer. De lat om op te vallen ligt daardoor echter hoger, want iedereen produceert nu evenveel en klinkt bijna hetzelfde.
Wie de tool gebruikt om snel iets te hebben, heeft snel iets. Wie ze gebruikt met kennis van positionering, koopgedrag, selectie en meting, heeft een campagne die klanten oplevert. Allebei gebruiken ze AI en allebei krijgen ze een vermenigvuldiging. Alleen was er bij de tweede iets om te vermenigvuldigen.
Ik gebruik AI in marketing met mate en met een reden: voor research, voor eerste versies, voor varianten die ik zelf niet bedacht had. Niet voor alles en niet omdat het kan. De vragen ervoor en de keuzes erna maak ik zelf, en daar schakelen bedrijven mij ook voor in. Teksten produceren kan intussen iedereen. Weten welke je moet weggooien, niet.
Twijfel je of jouw AI-campagnes eigenlijk iets opleveren? Stuur me één link: je laatste campagne, je drukste landingspagina of je LinkedIn-profiel. Je krijgt dan binnen de week drie concrete observaties terug per mail. Geen offerte, geen nieuwsbrief, en je praat rechtstreeks met de persoon die ernaar kijkt. Stuur je link.
— FAQ
Veelgestelde vragen
Kan ik mijn marketing volledig met AI doen?
De productie grotendeels wel: teksten, varianten, samenvattingen, eerste versies. De strategie, de positionering, de selectie van wat je publiceert en de meting van wat het oplevert blijven mensenwerk. AI in marketing vervangt dus de productie, niet de keuzes. Wie enkel de productie automatiseert, produceert meer van hetzelfde en krijgt daar zelden meer klanten voor terug.
Waarom klinken AI-teksten allemaal hetzelfde?
Een taalmodel is getraind op het gemiddelde van alles wat online staat. Zonder context over jouw klant, jouw bewijs en jouw toon geeft het dus dat gemiddelde terug. Concurrenten die dezelfde tool zonder context gebruiken, krijgen bijna dezelfde tekst. Het verschil ontstaat door wat jij erin stopt en eruit schrapt.
Wat is het verschil tussen een prompt en een briefing?
In de praktijk niets. Een goede prompt bevat wat een copywriter ook zou vragen: doelgroep, fase van de koper, probleem, bezwaar, bewijs, toon en gewenste actie. Wie AI zonder die informatie aan het werk zet, krijgt een tekst voor iedereen, en zo’n tekst overtuigt niemand.
Is AI-content slecht voor SEO?
Op zichzelf niet. Google beoordeelt of content nuttig is voor de zoeker, niet hoe ze gemaakt is. Dat zegt Google zelf in zijn richtlijnen over AI-content. Het probleem ontstaat wanneer AI-content geen eigen inzicht, ervaring of bewijs bevat. Dan lijkt ze op duizend andere pagina’s en heeft ze geen reden om te ranken. Content met echte expertise erin presteert dus beter, met of zonder AI geschreven.
Hoe word ik zichtbaar in ChatGPT en AI Overviews?
Door iets te publiceren wat het model nog niet weet: eigen cijfers, praktijkervaring, een duidelijk standpunt, concrete antwoorden op concrete vragen. Dat geldt voor ChatGPT, Claude, Perplexity en Google AI Overviews tegelijk: AI-antwoordmachines citeren bronnen die iets toevoegen aan wat ze al kennen. Generieke uitleg die overal staat, wordt niet geciteerd.
Wat is het verschil tussen SEO en GEO?
SEO (search engine optimization) richt zich op ranken in de klassieke zoekresultaten van Google. GEO (generative engine optimization) richt zich op geciteerd worden in AI-antwoorden zoals ChatGPT, Claude, Perplexity en Google AI Overviews. De basis is dezelfde: nuttige, heldere content. Bij GEO wint alleen content met eigen inzicht, omdat het model het gemiddelde al kent.
Zijn AI agents voor marketing de moeite?
Voor repetitief werk wel: varianten genereren, data samenvatten, rapporten opmaken, eerste versies schrijven. Voor beslissingen niet. Een AI-agent weet namelijk niet waarom een klant bij jou koopt, in welke fase die zit of welke belofte je kan waarmaken. Laat zo’n agent dus produceren, niet beslissen.
Hoe weet ik of mijn AI-campagnes iets opleveren?
Kijk voorbij bereik en klikken. Meet wat na de klik gebeurt: contactaanvragen, offerteaanvragen, terugkerende bezoekers en op bedrijfsniveau welke organisaties je website bezochten. Vraag bovendien nieuwe klanten hoe ze je gevonden hebben. Zonder die cijfers is elke volgende campagne opnieuw een gok, hoe goed de tekst ook was.
Heb ik nog een marketeer nodig als ik AI gebruik?
Voor het schrijven van teksten niet. Voor het beslissen wat er geschreven moet worden, voor wie, in welke fase, en of het gewerkt heeft, wel. Die kennis zit niet in de tool maar in ervaring met wat kopers doen. Een marketeer die AI gebruikt om dat sneller te testen, verdient zichzelf terug. Een marketeer die enkel teksten levert, betaal je te veel.
Wat bedoelt men met de shift van execute naar orchestrate in marketing?
Dat het zwaartepunt van marketingwerk verschuift van zelf uitvoeren (teksten schrijven, campagnes opzetten, posts plannen) naar regisseren: beslissen wat er gemaakt wordt, voor wie, met welke tools of mensen, en hoe het resultaat gemeten wordt. Uitvoeren is door AI goedkoop geworden. De waarde zit daarom nu in de keuzes, de beoordeling van de output en het samenbrengen van de stukken tot iets wat klanten oplevert.
Waarom levert AI bij het ene bedrijf wel klanten op en bij het andere niet?
Omdat AI in marketing een vermenigvuldiger is van wat je erin stopt. Een bedrijf met een scherpe positionering, kennis van de eigen kopers en een meting van wat werkt, krijgt daar met AI tien keer meer van. Een bedrijf zonder die basis krijgt tien keer meer generieke content, die het gebrek aan boodschap alleen zichtbaarder maakt. De tool is bij beide dezelfde, maar de invoer niet.
Merkt mijn klant dat mijn teksten met AI geschreven zijn?
Niet aan de tool, maar wel aan de leegte. Een koper herkent geen taalmodel, maar herkent wel een tekst die over iedereen gaat en dus over niemand: geen concreet bezwaar, geen eigen cijfer, geen standpunt. Dat viel vroeger ook op, alleen kon je het toen niet in veertig posts tegelijk uitsmeren. Bevat je tekst iets wat alleen jij kan weten, dan maakt het niemand uit wie de zinnen getypt heeft.
Gebruikt Digimingo zelf AI?
Ja, maar niet voor alles. ChatGPT, Claude en Gemini naast elkaar, elk waar het het sterkst is: voor research, eerste versies, varianten en analyses, telkens waar het tijd bespaart zonder dat de kwaliteit eronder lijdt. De diagnose vooraf, de keuzes tussen versies en de meting achteraf doe ik zelf.
