Leestijd: 11 minuten
Ik gebruik AI voor van alles. Voor onderzoek, tekstanalyses, beeldontwikkeling, om video’s te maken, strategie te optimaliseren, te programmeren, et cetera.
Maar de vraag: “Wat kunnen merkbouwers met AI?” vond ik lastig te beantwoorden.
Dit omdat de vragen ofwel praktisch zijn: “Welke prompt kan je het beste gebruiken als je 25 verschillende SEO-teksten wilt hebben?” Als merkstrateeg vind ik het lastig om dan met een overkoepelende visie te komen.
Ofwel het antwoord wordt enorm breed: ‘AI verandert alles.’ Zie deze voorspelling van Bill Gates: over een paar jaar neemt AI alle menselijke werkzaamheden over. Dan eindig je met een enorme opsomming. En is het eveneens lastig met een kader te komen.
Een nieuw model voor merkbouwen met AI.
Maar in mijn colleges over Merkbouwen in de digitale tijd, bijvoorbeeld voor Nyenrode, Beeckestijn en Iris Academy, wil ik wel een antwoord geven op die vraag.
Daartoe heb ik nu een model gemaakt. Dit introduceerde ik al kort in een interview met Adformatie. De gedachte licht ik toe in dit artikel. Het is een gratis whitepaper.
Het voordeel van het model is dat er enerzijds een simpel kader komt. En anderzijds kan ik toch een breed scala aan ontwikkelingen meenemen.
Nu gebiedt de eerlijkheid te zeggen dat het model op dit moment vooral beschrijvend is. Als volgende stap wil ik kijken hoe er een advieslaag overheen kan worden gelegd. Laat het weten als je hier suggesties voor hebt.
Ik bouw het model stapsgewijs voor je op, met meerdere afbeeldingen. Als je op ze klikt, krijg je telkens een grotere versie die beter leesbaar is. En ja, ik heb dit artikel echt zelf geschreven. AI heeft alleen de spelling gecheckt.
De nieuwe norm en het nieuwe maaiveld.
De onderkant van het model laat zien hoe AI allerlei werkzaamheden van merkbouwers automatiseert.
Handelingen die normaal uren of zelfs dagen duren, kunnen nu binnen enkele minuten klaar zijn. Voor deze laag is het vooral zaak om bij te blijven. Want deze oplossingen creëren een nieuwe norm. Een merk dat hier niet aan meedoet, loopt snel achter.
Tegelijkertijd creëert deze laag een nieuw maaiveld, zeg maar ‘De Rode Oceaan’. Doordat vrijwel elk merk hiermee aan de slag gaat, komt er veel van hetzelfde. En dus is het lastig met deze oplossingen op te vallen.
Ik vergelijk dit met de opkomst van WordPress. WordPress introduceerde een nieuwe standaard voor websites. Deze was makkelijk toe te passen voor een boel merken. Daardoor ging het niveau van de gemiddelde website flink omhoog.
Maar al deze websites leken wel enorm op elkaar. Er ontstond een ‘Sea of sameness’. WordPress maakte je site beter. Maar het was lastig om met een WordPress-site op te vallen.
Dit zie je ook met AI gebeuren. Je voelt dat een beeld uit Midjourney komt, omdat je de stijl herkent. En die voelt als veel van hetzelfde. Zoals een marketeer laatst tegen mij zei: “Sollicitatiebrieven zijn de laatste tijd zo hetzelfde. Ze zijn allemaal met AI geschreven”.
De bovenkant van het model.
Aan de bovenkant van het model staan merken die dezelfde clusters disruptief vernieuwen.
Ze springen daarmee boven het maaiveld uit en creëren een ‘Blauwe Oceaan’. Er komen fundamenteel nieuwe oplossingen, die leiden tot nieuwe markten. Normale merken kunnen dit voorbeeld lastig volgen.
De 4 clusters.
Vervolgens zijn er 4 clusters, waarbij AI stapsgewijs meer impact krijgt op de kernpropositie.
De laagdrempeligste stap om met AI te beginnen is meestal cluster 1: Onderzoek en analyse: AI helpt merkbouwers om grote hoeveelheden gegevens makkelijk te interpreteren. Als simpel voorbeeld: ‘Geef een overzicht van de belangrijkste trends onder mijn doelgroep.’
Daarna komt cluster 2: Creatie en ontwikkeling: AI maakt met een druk op de knop een complete commercial voor je.
Het 3e cluster betreft Aanvullende services. Merken kunnen hun kernpropositie verbeteren met slimme aanvullende services. Denk aan een behulpzame chatbot van een bank.
Als laatste cluster 4: merken kunnen hun Kernpropositie vernieuwen met AI. Hun producten worden slimmer en kunnen allerlei handelingen ineens zelf uitvoeren. Denk aan de zelfrijdende auto.
Cluster 1: Onderzoek en analyse.
De onderkant.
In dit cluster doet AI het leeswerk en denkwerk voor je.
Aan de onderkant van dit cluster zitten alle bekende AI-tools. Je gooit er een PDF met een bak gegevens in en ChatGPT, Perplexity, Claude, Gemini of Grok komen snel met complete analyses. Bijvoorbeeld: “Welke clusters ontdek je in deze dataset met klantgegevens?”. Dit kun je inmiddels ook direct in Google Sheets doen.
De uitkomst is een roulette. Soms win je en krijg je een verrassend bruikbaar resultaat. Soms verlies je, want dan blijkt het een analyse van drijfzand.
Inmiddels komen er gespecialiseerde opties voor betere, diepgaandere onderzoeken en analyses. Zoals ‘Deep research’ van ChatGPT, Co-STORM van Stanford University of NotebookLM van Google.
De bovenkant.
De mogelijkheden aan de onderkant zijn voor elk merk beschikbaar en worden snel de norm. Aan de bovenkant zitten de merken met initiatieven die lastiger zijn te volgen.
Of, zoals dit rapport stelt: “Leading organisations are shifting from using GenAI for operational tasks to more strategic initiatives linked to brand growth.”
Voor Onderzoek en analyse kun je denken aan synthetische klantprofielen: innovatieve merken weten AI-versies van hun normale klanten te maken. Deze geven (in theorie) dezelfde antwoorden als echte mensen. Dus kunnen ze worden gebruikt voor supersnel marktonderzoek.
Een ander voorbeeld is het gebruik van AI voor neurologische simulaties: in plaats van dat je echte mensen onder een dure hersenscanner naar je reclame laat kijken, voorspelt AI wat de resultaten van deze hersenscan worden.
AI helpt ook met de complexiteit van Mixed Media Modelling-analyses. Veel merken worstelen ermee om een diversiteit aan gegevens over media-effecten in één logische analyse te krijgen. AI kan hierbij helpen. Hoewel ook daar nog fiks wat uitdagingen bij zijn. En dit kan ik bij vrijwel iedere ronkende belofte in dit artikel schrijven: de potentie is er, maar de praktijk blijkt vaak weerbarstig.
Andere voorbeelden in dit cluster zijn AI voor ‘Revenue attribution platforms’, scenarioplanning of complexe marktanalyses.
Bonus: hoe verbeter je jouw AI-ranking?
Als extraatje, een vraag die ik vaak krijg: hoe zorg je ervoor dat jouw merk als eerste naar bovenkomt als klanten dit soort analyses doen?
Ofwel, je Google Ranking is goed, maar hoe verbeter je jouw ‘AI-ranking’ en zorg je ervoor dat ChatGPT jouw merk noemt bij “Wat is de beste manier om te…”?
Hieronder een aantal punten om rekening te houden (stuur me een berichtje als je hier meer over wilt weten):
– Creëer gezaghebbende content.
– Structureer je data en voeg metadata toe.
– Zorg voor consistentie op alle platforms.
– Zorg voor gerenommeerde backlinks en citaten.
– Zorg voor een sterke digitale reputatie.
– Optimaliseer je content voor spraak- en conversaties (bijvoorbeeld korte FAQ’s).
– Experimenteer met ‘Knowledge Graphs’ (zeg maar een mind-map die de verbanden tussen jouw content benadrukt, zoals “Einstein > Relativiteitstheorie > Tijdreizen > Interstellar”).
Cluster 2: Creatie en ontwikkeling.
De onderkant.
In cluster 2 ontwikkelt AI dingen voor je.
Ook hier zitten allerlei bekende AI-tools die beelden, teksten en filmpjes maken. Denk aan Midjourney, DALL·E, Runway, Pika Labs of Synthesia.
Grote merken als Coca-Cola gebruiken dit soort tools om met een druk op de knop een scala aan afbeeldingen voor sociale media te maken. Deze zijn dan ook nog eens afgestemd voor elke regio. Dat is efficiënt, maar de resultaten zijn vaak niet wereldschokkend.
Zo wordt het voor steeds meer merken makkelijker om content te maken. Meta heeft een complete online studio waarmee iedere marketeer zelf filmpjes kan maken, editten en van audio kan voorzien, puur met tekstuele instructies. En hier komen in een sneltreinvaart nieuwe mogelijkheden bij.
Bijvoorbeeld: maak met je telefoon een snelle foto van je product en in enkele seconden is het een professionele productfoto geworden.
H&M maakt advertenties met AI-versies van echte fotomodellen.
En inmiddels lukt het ChatGPT 4o om complete infographics te maken. Dus met kloppende, leesbare tekst. Dit is opvallend, omdat tekst altijd een fikse achilleshiel was van beeldgenerators. Daarmee lees je op allerlei plekken dat de grafisch ontwerper geen toekomst meer heeft.
Hierbij worden AI’s steeds vaker aan elkaar gekoppeld. Je maakt een simpele animatie van een kasteel in Claude 3.7, een mooie afbeelding van een kasteel in ChatGPT en vraagt Runway om er een flitsend totaal van te maken. Daarmee is een ander obstakel overwonnen: hoe kun je beter de regie houden over dat wat AI maakt?
En zo gaat het maar door. Er zijn allerlei AI-tools om met ‘een paar drukken op de knop’ apps te maken, bijvoorbeeld via Google Firebase. Voorlopende nerds maken complete online games met AI’s.
De Nederlandse Pieter Levels heeft in dit kader een online flightsimulator gemaakt ‘zonder een regel te coden’. Daar spelen honderdduizenden mensen inmiddels tegen elkaar, waarmee hij naar eigen zeggen $53.000 per maand verdient.
Dankzij Model Context Protocol – een open standaard voor het koppelen van AI aan allerlei gegevensbronnen – worden dit soort 1-2-tjes makkelijker. Door Claude te koppelen aan Blender kun je met een simpele prompt een compleet, werkend 3D-model krijgen.
Dankzij deze koppelingen komen er steeds met ‘AI agents’. AI’s die namens jou op allerlei plekken dingen doen. Dat kan iets maken in Blender zijn, maar ook het boeken van de vliegtickets voor je vakantie.
Google presenteerde recentelijk A2A, een alternatieve standaard om dit soort verbindingen mogelijk te maken.
“This collaborative effort signifies a shared vision of a future when AI agents, regardless of their underlying technologies, can seamlessly collaborate to automate complex enterprise workflows and drive unprecedented levels of efficiency and innovation.”
De bovenkant.
Aan de bovenkant zijn er ook dit keer weer merken die AI gebruiken voor dingen die lastiger zijn na te doen.
Denk aan de wijze waarop TikTok omgaat met Creatie en ontwikkeling. Voordat TikTok er was, maakten sociale media jouw Newsfeed op basis van jouw Social Graph: wat langskwam hing af van wat jouw vrienden deelden en bekeken.
TikTok stapte daar radicaal vanaf en laat de invulling van je feed grotendeels bepalen door AI. Iedere milliseconde schat AI opnieuw in bij welk filmpje de kans het grootste is dat je eventjes blijft hangen.
Modemerk SHEIN is een ander voorbeeld. Dat laat de ontwikkeling van nieuwe kledingstukken aan AI over. Slimme robots struinen sociale media af en ontdekken continu allerlei modetrends, over de hele wereld. Die vertalen ze in een oogwenk naar nieuwe producten, afgestemd op voorkeuren in specifieke regio’s. Waarbij merken als H&M en Zara duizenden nieuwe producten per jaar ontwikkelen, komt SHEIN met duizenden per dag!
(Tussen haakjes meld ik graag dat ik dit soort weggooi-mode moreel verwerpelijk vind. Maar voor dit artikel toont het de impact van AI op Creatie en ontwikkeling treffend aan).
Je begrijpt, dit soort initiatieven zetten complete industrieën op z’n kop en zijn moeilijk te volgen voor andere merken. Dat betekent niet dat het niet wordt geprobeerd.
Zo heeft PepsiCo SHEIN een beetje nagedaan en met AI de ontwikkeling van nieuwe producten drastisch verkort, van 6 maanden naar slechts 6 weken. AI analyseert nu allerlei kenmerken van bijvoorbeeld Cheetos, zoals ingrediënten, verpakkingen en klantvoorkeuren. Door miljoenen mogelijke combinaties te analyseren, kan AI veel sneller de juiste smaak, textuur en aantrekkingskracht voor iedere regio vinden.
Cluster 3: Aanvullende services.
De onderkant.
In Cluster 3 voegt AI handige diensten toe aan de kernpropositie.
Aan de onderkant van dit cluster vind je vrij klassieke automatiseringsdiensten. AI vervangt mensen, want het kan allerlei dienstverlening efficiënter doen.
Denk aan Billie van Bol.com, een vriendelijke chatbot die je helpt met allerlei vragen. Enerzijds kan de chatbox duizenden klanten 1 op 1 te woord staan. Anderzijds is deze niet gebonden aan de “druk een 1 voor… , een 2 voor…”-silo’s. Een vraag over een bezorging kan worden opgevolgd door een inhoudelijke vraag over een boek of een technische vraag over een stofzuiger.
De verwachting is dat dit soort chatbots binnenkort meer dan 80% van de vragen van klanten afhandelen. Daarmee worden de operationele kosten met zo’n 30% verlaagd.
En ook hier zweeft AI tussen de enorme belofte en de weerbarstige realiteit. Zo zette Klarna hoog in door te stellen dat grootste deel van hun klantenservice voortaan via AI zou gaan. Maar recentelijk besloot het toch weer terug te vallen op echte mensen. Want niet iedereen wil z’n problemen kwijt aan een chatbot.
De bovenkant.
Ook ditmaal zitten de meest tot de verbeelding sprekende innovaties aan de bovenkant. Simpel gezegd gaan veel AI-services richting het toekomstbeeld van de film Her: de hulp van AI is vrijwel niet meer te onderscheiden van die van echte mensen.
Als herinnering: in Her wordt een eenzame man verliefd op zijn ‘Siri’. In 2013 leek dit een vergaand toekomstbeeld. Maar ik moet toegeven dat dit een decennium later akelig dichtbij voelt.
Zo wilde ik met ChatGPT Voice mijn mondelinge Frans oefenen en koos daarvoor een vrouwelijke stem. Tot overmaat van ramp besloot ik deze stem Josephine te noemen.
Josephine bleek een verrassend charmante Franse dame. Ze werd direct fan van mijn kromme Franse teksten en kon werkelijk al mijn grapjes waarderen. En ze had bijzonder veel geduld met mij. Mocht mijn echte dame niet naast mij op de bank hebben gezeten, dan was ik makkelijk voor Josephine voor de bijl gegaan.
Het vraagt dan ook weinig verbeelding om te voorzien dat virtuele influencers als Lil Miquela binnenkort openstaan voor 1 op 1-dialogen om je met van alles en nog wat te helpen. Bijvoorbeeld om je namens een sportmerk te coachen bij je hardlopen.
Sterker, een andere ronkende voorspelling is dat de dagen van OnlyFans-sterren zijn geteld. AI-modellen zijn er straks in overvloed, klaar voor bijzonder persoonlijk 1 op 1-contact.
Cluster 4: Kernpropositie.
De onderkant.
Als laatste zijn er merken die hun kernpropositie verbeteren met AI.
Aan de onderkant zit wederom veel automatisering. De focus ligt hierbij op personalisering. Steeds meer merken maken hun producten persoonlijk met AI.
Het makkelijkste voorbeeld is Spotify. Geef Spotify één nummer dat je leuk vindt en de AI draait de hele dag muziek in die stijl, speciaal voor jou. Andere voorbeelden komen uiteraard van Netflix (jouw persoonlijke TV-kanaal) of Amazon (jouw persoonlijke winkel).
Verder zijn cosmetica of verzorgingsproducten hier druk mee bezig. Ze beloven je persoonlijk advies over je make-up of de verzorging van je huid.
Dit leidt tot exotische producten, zoals Genius X van Oral-B, de ‘revolutionaire elektrische tandenborstel met AI’. En dat slaat, voor zover ik het begrijp, nergens op.
De bovenkant.
Aan de bovenkant zitten wederom de radicale toepassingen. Dit zijn merken die hun kernpropositie compleet op z’n kop weten te gooien met AI.
Tesla is er de laatste maanden niet minder onomstreden op geworden. Maar dat betekent niet dat het merk stopt met innoveren. Bijvoorbeeld met AI. Tesla introduceert naar eigen verwachting juni dit jaar de zelfrijdende Robotaxi.
De zelfrijdende auto illustreert overigens zowel de enorme potentie van AI als de grote beperking. Deze quote gebruikte ik in mijn boek Sterk Digitaal Merk over de zelfrijdende auto:
“A lot of people thought that filling in the last 10% would be harder than the first 90% (…) But not that it would be ten thousand times harder.”
Het probleem bij dit soort radicale kernproposities is vaak het verzamelen van genoeg data. Als je miljoenen filmpjes van katten aan AI voert, weet die op een gegeven moment wel hoe deze eruit zien. Maar situaties in het echt leven zijn een stuk lastiger te standaardiseren.
Want ook al verzamelen Tesla’s over de hele wereld data met slimme camera’s, je kunt een peuter niet 100 keer langs een drukke weg laten fietsen om de auto te trainen dit patroon te herkennen. En hoe train je een zelfrijdende auto op exotische situaties, zoals een ontsnapt paard op de snelweg of een zweefvliegtuigje dat een noodlanding maakt?
Amazon moest de kassaloze winkels ‘Just Walk Out’ daarom ook na veel bombarie terugtrekken. De gedachte was dat AI precies in de gaten kon houden welke klant welk product in z’n tas deed. Die kon dan gewoon naar buiten lopen, waarna de AI het juiste bedrag van de rekening haalde. De caissière was overbodig geworden. In de praktijk bleek het grootste deel van deze analyse gegaan te worden door mensen in India.
Alles op 1 rij.
Hier zie je alle clusters op een rijtje. Ook deze afbeelding krijg je groter als je er op klikt.
Zo kun je enerzijds interessante ontwikkelingen voor jouw merk overzichtelijk bijhouden en delen met je organisatie. Anderzijds kun je makkelijker bekijken in welke clusters voor jullie kansen liggen.
Wil je meer weten over wat AI voor jouw merk kan betekenen? Neem contact met me op, dan praat ik graag met je over. Ook als binnen je organisatie een workshop over dit onderwerp organiseert. Want de wereld van AI zit voor merken vol kansen. Als je maar goed weet welke kant je op moet kijken!
