Marketing tussen twee algoritmes

Marketing draait in de kern om een ontmoeting.

Aan de ene kant is er een organisatie die iets aanbiedt, mogelijk maakt of probeert bij te dragen. Aan de andere kant een mens met een behoefte, verlangen, probleem of ambitie. Marketing probeert die twee bij elkaar te brengen.

Technologie heeft de schaal waarop dat kan altijd vergroot. Van massamedia tot internet, zoekmachines en platforms: er kwam steeds meer technologie tussen organisatie en mens te staan. AI voegt daar iets nieuws aan toe.

Niet alleen organisaties gebruiken intelligente systemen om te onderzoeken, creëren, communiceren en distribueren. Ook mensen gebruiken ze steeds vaker om te zoeken, selecteren, vergelijken en kiezen.

AI komt daarmee aan beide kanten van de ontmoeting te staan. En mogelijk blijft het daar niet bij.

Als AI-systemen in de toekomst steeds meer taken zelfstandig kunnen uitvoeren, kan een deel van wat tussen organisatie en klant gebeurt uiteindelijk door die systemen worden afgehandeld.

Waar vindt de ontmoeting tussen organisatie en mens dan nog plaats?

Aan de ene kant: de organisatie

Binnen organisaties wordt AI inmiddels op allerlei manieren ingezet. Om onderzoek te doen. Data te analyseren. Ideeën te ontwikkelen. Teksten te schrijven. Beelden te maken. Campagnes uit te werken. Content te personaliseren. Varianten te testen. Met dezelfde hoeveelheid mensen kan daardoor in potentie veel meer worden gedaan.

Maar meer is niet noodzakelijk beter. Wie om zich heen kijkt, ziet ook hoe gemakkelijk dezelfde formuleringen, beelden en conventies worden gereproduceerd.

Dat roept een fundamentelere vraag op:

Als steeds meer organisaties met vergelijkbare technologie steeds meer communicatie kunnen produceren, waar ontstaat dan nog onderscheid?

AI kan een gedachte scherper formuleren. Het kan honderd varianten van een boodschap maken. Het kan helpen onderzoeken welke formulering waarschijnlijk het beste werkt.

Maar ergens vóór die communicatie liggen andere vragen.

Wat heb je eigenlijk te zeggen?

Waar wil je als organisatie van betekenis zijn?

Voor wie?

Wat kun je werkelijk bijdragen?

En ben je bereid daar ook naar te handelen?

AI kan helpen die vragen te onderzoeken. Maar het antwoord moet uiteindelijk ergens in de organisatie ontstaan en gedragen worden.

Aan de andere kant: de klant

Tegelijkertijd gebeurt aan de andere kant iets bijna tegenovergestelds. Terwijl organisaties AI gebruiken om meer te kunnen produceren en verwerken, kunnen klanten AI gebruiken om juist mínder zelf te hoeven verwerken. Dat is misschien wel de interessantere ontwikkeling.

McKinsey onderzocht eind 2025 het gebruik van AI onder consumenten in Frankrijk, Duitsland en het Verenigd Koninkrijk. 38 procent van de ondervraagden gaf aan AI te gebruiken om producten en diensten te onderzoeken of aankoopbeslissingen te ondersteunen.

Vooral vóór de aankoop speelt AI een rol: bij het ontdekken van mogelijkheden, verzamelen van informatie en vergelijken van alternatieven. Dat verandert iets aan de traditionele klantreis.

Stel dat ik een nieuwe gitaarversterker zoek. Ik kan Google openen. Webshops bezoeken. Specificaties vergelijken. Reviews lezen. YouTube-video’s bekijken. Forums doorspitten.

Maar ik kan ook een AI-assistent vertellen:

Ik maak deze muziek. Dit is mijn huidige apparatuur. Dit vind ik belangrijk. Dit is mijn budget. Welke gitaarversterker past bij mij?

En vervolgens:

Waar kan ik hem het beste kopen?

Dan zoekt niet alleen een organisatie naar mij.

Ik laat ook een systeem namens mij naar organisaties zoeken.

Marketing tussen twee algoritmes

Daar ontstaat een merkwaardige nieuwe situatie. Aan de ene kant gebruikt een organisatie AI om haar aanbod te onderzoeken, formuleren, produceren, personaliseren en distribueren. Aan de andere kant gebruik ik AI om dat aanbod te vinden, filteren, vergelijken en interpreteren.

Marketing vindt dan in zekere zin plaats tussen twee algoritmes.

Daarachter staan nog altijd mensen. Mensen die iets willen maken, verkopen, bijdragen of mogelijk maken. En mensen met behoeften, voorkeuren, verwachtingen en een eigen context.

Maar steeds meer van wat tussen beide partijen gebeurt, kan door technologie worden bemiddeld. En mogelijk uiteindelijk zelfs worden afgehandeld.

Daarmee verandert de vraag.

Niet alleen:

Hoe brengen we organisatie en klant bij elkaar?

Maar ook:

Waar vindt die ontmoeting eigenlijk nog plaats?

Een systeem dat patronen zoekt

Om die vraag te beantwoorden is het belangrijk om iets te begrijpen over AI.

AI kijkt niet naar de wereld zoals wij dat doen. AI-assistenten verwerken grote hoeveelheden informatie en herkennen daarin patronen en verbanden. Op basis daarvan kunnen ze antwoorden genereren, informatie selecteren en, afhankelijk van het systeem, ook actuele bronnen raadplegen.

Wanneer zo’n systeem bovendien context krijgt over wie ik ben, wat ik eerder heb gevraagd en wat ik belangrijk vind, kan het zijn antwoord gerichter op mij afstemmen. Dat is een van de grote krachten ervan. Maar daarin kan ook een beperking zitten.

Want wat gebeurt er wanneer ik steeds vaker laat voorspellen wat waarschijnlijk bij mij past?

We kennen een vergelijkbaar mechanisme van sociale media. Aanbevelingssystemen proberen ons content te laten zien die aansluit bij eerder gedrag en veronderstelde voorkeuren. Dat kan de relevantie vergroten, maar ook onze blik vernauwen.

Bij AI kan een vergelijkbare spanning ontstaan. Als mijn AI-assistent weet welke muziek ik maak, welke merken ik waardeer, hoeveel ik wil uitgeven en welke eigenschappen ik belangrijk vind, kan hij zijn aanbevelingen gerichter op mij afstemmen.

Maar misschien krijg ik daardoor ook steeds vaker meer van wat al bij mij past. Terwijl betekenis soms juist ontstaat door iets wat daarbuiten valt.

Een onbekend merk.

Een onverwacht advies.

Een verkoper die zegt:

Ik begrijp waarom je daarnaar kijkt, maar probeer deze eens.

Iets waarvan ik zelf nog niet wist dat ik ernaar zocht.

Moet een goede bemiddelaar alleen steeds beter voorspellen wat bij iemand past, of moet hij ook ruimte laten voor wat nog niet in dat patroon past?

Van overtuigen naar interpreteren

Er verandert mogelijk nog iets. Mensen reageren niet alleen op functionele informatie. We worden geraakt door verhalen, beelden, humor, schoonheid, status, herkenning en verwachtingen.

Die emotionele respons kan ook ons gedrag beïnvloeden. Soms zelfs heel direct: we zien iets, raken enthousiast en besluiten het te kopen.

Een AI-systeem kan signalen die met zulke emoties samenhangen herkennen en meewegen. Het kan bijvoorbeeld weten dat een merk begeerlijk wordt gevonden, dat mensen enthousiast reageren op een product of dat een bepaalde gebruiker een sterke voorkeur voor een merk heeft. Maar het wordt daar zelf niet door geraakt zoals een mens.

Een AI-assistent doet geen impulsaankoop omdat een commercial hem enthousiast maakt.

Wanneer zo’n systeem een groter deel van het zoeken, selecteren en uiteindelijk misschien zelfs kopen overneemt, kan daarmee ook veranderen hoe marketing haar invloed uitoefent.

Een merk kan jarenlang een emotionele wereld hebben gecreëerd. Maar wanneer mijn eerste vraag niet meer aan dat merk of aan Google wordt gesteld, maar aan een AI-assistent, moet een deel van die betekenis eerst door een interpretatielaag heen voordat zij mij bereikt.

Dat betekent niet dat emotie verdwijnt. Mijn voorkeuren, eerdere ervaringen en gevoelens bij een merk kunnen nog steeds onderdeel zijn van de afweging.

Maar misschien verandert wel waar en wanneer emotie haar werk kan doen.

Van vindbaar naar interpreteerbaar

De eerste tekenen van die verschuiving zijn zichtbaar.

Pew Research Center onderzocht in 2025 het gedrag van Amerikaanse Google-gebruikers. Wanneer Google een AI-samenvatting bij de zoekresultaten toonde, klikten gebruikers in 8 procent van de bezoeken door naar een traditioneel zoekresultaat. Zonder AI-samenvatting gebeurde dat in 15 procent van de bezoeken.

Adobe zag tegelijkertijd een andere beweging. Het analyseert meer dan een biljoen bezoeken aan Amerikaanse retailwebsites en constateert een sterke groei van verkeer afkomstig uit generatieve AI-diensten.

Minstens zo interessant is wat er gebeurt wanneer mensen vanuit AI daadwerkelijk doorklikken. Adobe zag dat deze bezoekers gemiddeld langer op retailwebsites blijven, meer pagina’s bekijken en minder vaak direct weer vertrekken dan bezoekers uit andere kanalen. Recentere metingen laten bovendien zien dat ook de conversie van dit verkeer sterk is toegenomen.

Een AI-assistent kan een deel van het zoekproces overnemen. De consument kan vragen stellen, alternatieven laten vergelijken en een selectie laten maken voordat hij überhaupt een website bezoekt.

De website verdwijnt daarmee niet uit de klantreis. Haar rol kan wel veranderen.

Van een plek waar de zoektocht begint naar een plek waar een eerder gemaakte selectie verder wordt onderzocht of uiteindelijk de aankoop plaatsvindt. Voor marketing komt daarmee een nieuwe vraag naast een oude.

Jarenlang vroegen we:

Hoe zorgen we dat mensen ons vinden?

Nu wordt ook relevant:

Hoe zorgen we dat systemen begrijpen wanneer en waarom wij voor iemand relevant zijn?

Dat gaat verder dan vindbaarheid. Het gaat om interpreteerbaarheid.

Er bestaat niet één interpretatie

En zelfs die interpretatie is niet eenduidig. Wie dezelfde aankoopvraag aan verschillende AI-assistenten stelt, kan verschillende antwoorden krijgen.

Het ene systeem kan toegang hebben tot andere bronnen, andere informatie gebruiken of andere accenten leggen dan het andere. Prijs, reviews, reputatie, onafhankelijke bronnen, beschikbaarheid en de context die een systeem over de gebruiker heeft, kunnen allemaal invloed hebben op de uitkomst.

Daarmee ontstaat niet noodzakelijk één digitaal beeld van een organisatie. Er kunnen verschillende interpretaties naast elkaar bestaan. Dat maakt reputatie misschien complexer.

Want wat een organisatie over zichzelf vertelt, staat naast wat klanten vertellen, wat onafhankelijke bronnen schrijven, wat feitelijk beschikbaar is en wat een systeem daarvan in een specifieke context relevant acht.

Misschien wordt het daardoor juist moeilijker om een positionering uitsluitend met communicatie te construeren. En belangrijker; dat er werkelijk iets coherents te interpreteren valt.

Een oude reflex in een nieuwe wereld

Natuurlijk reageren organisaties daarop. Naast SEO ontstaan termen als GEO: Generative Engine Optimization. Organisaties proberen niet alleen gevonden te worden door zoekmachines, maar ook zichtbaar en begrijpelijk te worden voor generatieve AI. Daar is niets vreemds aan.

Als systemen een grotere rol krijgen in hoe mensen zich oriënteren, wil je dat ze begrijpen wie je bent, wat je aanbiedt en wanneer dat relevant kan zijn. Maar er schuilt ook een oude reflex in.

Bij zoekmachines verschoof de vraag hoe kunnen relevante mensen ons vinden? gemakkelijk naar:

Hoe komen we hoger in Google?

Nu dreigt iets vergelijkbaars:

Hoe zorgen we dat ChatGPT ons noemt?

Bij klassieke zoekmachines draaide optimalisatie lange tijd sterk om zichtbaarheid binnen gerangschikte zoekresultaten. Een AI-assistent kan een andere rol innemen: die kan informatie uit verschillende beschikbare bronnen samenbrengen, interpreteren en vertalen naar een antwoord of aanbeveling voor een specifieke vraag.

Daardoor is hoger scoren niet zonder meer de juiste metafoor.

Afhankelijk van het systeem en de informatie waartoe het toegang heeft, kan zo’n aanbeveling ontstaan uit een veel breder geheel aan signalen: wat een organisatie zelf over haar aanbod zegt, productgegevens, prijs en beschikbaarheid, onafhankelijke bronnen, onderzoeken, reviews, ervaringen die mensen online delen, reputatie én de specifieke vraag, voorkeuren en context van degene die om advies vraagt.

Bovendien kunnen verschillende AI-systemen die informatie anders interpreteren en tot verschillende aanbevelingen komen.

GEO kan helpen om informatie over een organisatie toegankelijk en begrijpelijk te maken. Maar het is slechts één onderdeel van een veel groter speelveld.

Wie de oude SEO-reflex één-op-één op AI toepast, loopt daarom het risico opnieuw vooral het mechanisme tussen organisatie en mens te optimaliseren.

Terwijl de fundamentelere vraag dezelfde blijft:

Waarom zouden we voor deze persoon, in deze context, überhaupt relevant genoeg zijn om aanbevolen te worden?

En daarmee zijn we terug bij iets wat geen optimalisatietechniek kan oplossen.

Als de algoritmes zelf gaan handelen

Tot nu toe gaat het vooral over AI die helpt zoeken, interpreteren en adviseren. Maar het is voorstelbaar dat die bemiddeling verder gaat. AI-agenten kunnen niet alleen informatie verzamelen, maar ook taken uitvoeren.

Stel dat ik over een aantal jaar simpelweg zeg:

Ik heb een nieuwe elektrische tandenborstel nodig. Oplaadbaar. Goede kwaliteit. Maximaal dertig euro. Regel maar.

Mijn persoonlijke agent kan dan misschien zoeken, vergelijken, selecteren, bestellen en betalen. Aan de andere kant kan een leverancier een systeem hebben dat voorraad, prijs, levertijd en voorwaarden beheert.

Als zulke systemen in de toekomst zelfstandiger taken kunnen uitvoeren, kan een deel van het commerciële proces uiteindelijk tussen systemen worden afgehandeld.

Vraag en aanbod ontmoeten elkaar dan voordat de mensen erachter elkaar ontmoeten.

Of dat op grote schaal zo gaat gebeuren, weten we niet. Maar alleen de mogelijkheid maakt de vraag interessant.

Want wat moet een systeem dan eigenlijk over een organisatie en een mens begrijpen om tot een goede uitkomst te komen?

En wat is een goede uitkomst?

De laagste prijs?

De beste functionele match?

De aanbieder met de beste reputatie?

Of de keuze die voor deze persoon, in deze situatie, uiteindelijk de meeste waarde heeft?

Niet iedere ontmoeting is hetzelfde

Daarmee zal waarschijnlijk ook niet ieder product of iedere dienst op dezelfde manier veranderen.

Voor mijn tandenborstel vind ik het misschien prima. Als drie dagen later een goed exemplaar op mijn deurmat ligt, is er nauwelijks behoefte aan een betekenisvolle ontmoeting met de fabrikant of verkoper.

Maar bij die gitaar ligt dat anders. AI kan gitaren selecteren die technisch bij mij passen. Reviews vergelijken. Prijzen opzoeken. Een shortlist maken. Maar uiteindelijk wil ik misschien voelen hoe de hals in mijn hand ligt. Horen hoe het instrument reageert wanneer ík erop speel.

En iemand spreken die zegt:

Als dit is wat je zoekt, probeer deze dan eens.

Daar kan iets ontstaan wat vooraf niet volledig uit mijn bestaande voorkeuren kon worden afgeleid. Misschien wordt menselijke ontmoeting daarom niet simpelweg belangrijker of minder belangrijk. Misschien moeten organisaties veel preciezer gaan begrijpen waar die ontmoeting werkelijk waarde toevoegt.

Voor sommige transacties misschien nauwelijks. Voor andere juist in een winkel, tijdens een gesprek, op een beurs, een event, een demonstratie of in een community. En dat hoeft zelfs niet per definitie fysiek te zijn. Het onderscheid is uiteindelijk niet online tegenover offline.

De interessantere vraag is:

Wat kan zinvol door systemen worden afgehandeld, en waar ontstaat waarde juist in menselijke ervaring en interactie?

De vraag is ouder dan marketing

Technologie heeft de ontmoeting tussen vraag en aanbod altijd veranderd. Ze maakte het mogelijk om vraag en aanbod op grotere schaal, sneller en efficiënter bij elkaar te brengen. AI kan een volgende stap betekenen.

Niet alleen omdat technologie helpt informatie over te dragen, maar omdat systemen steeds meer kunnen interpreteren, selecteren, adviseren en uiteindelijk misschien zelfs handelen.

Daarmee kan de ontmoeting indirecter worden. En waarschijnlijk ook moeilijker volledig te sturen. Misschien is juist daarom de verleiding groot om opnieuw naar het mechanisme te kijken.

Hoe worden we gevonden?

Hoe worden we genoemd?

Hoe zorgen we dat een AI-agent voor ons kiest?

Maar hoe complex de technologie tussen beide kanten ook wordt, ze heft de oorspronkelijke vraag niet op. Aan de ene kant is er iemand die iets probeert mogelijk te maken. Aan de andere kant iemand voor wie dat wel of niet van waarde is.

Wat kan de één mogelijk maken dat voor de ander werkelijk van betekenis is?

Die vraag is ouder dan marketing.

En misschien wordt ze, naarmate AI steeds meer processen naar zich toetrekt, alleen maar belangrijker.

Meaning before messaging.

Geschreven door Daan Barnhoorn.

Bronnen

McKinsey — Europe’s agentic commerce moment
Pew Research Center — Google users are less likely to click when an AI summary appears
Adobe Digital Insights — Generative AI-powered shopping and retail traffic