Merkstrategie voor het digitale tijdperk – Frislicht

Leestijd: 7 minuten

De AI-trein zoeft in volle vaart vooruit. Zelf voel ik me steeds vaker voor een keuze gesteld. Ga ik tegen de wind in fietsen? Of stap ik op de fatbike? En wat betekent dit dilemma voor het bouwen van merken?

Ga je voor “meer” of “beter”?

Allereerst mijn persoonlijke dilemma, kijkend naar mijn werk als merkstrateeg. Globaal zie ik voor mezelf drie scenario’s om met AI om te gaan. De eerste twee draaien om kwantiteit, de derde om kwaliteit.

Het eerste scenario: ik kan met AI sneller en daarmee goedkoper werken. Een merkstrategie die normaal anderhalve maand duurt en €10K kost, duurt met AI nog 3 weken en kost €5K. En binnenkort kan ik dat waarschijnlijk in twee dagen voor €995 doen.

Uiteindelijk beland ik dan in de hoek van SaaS: een online servicemodel, waarbij m’n klant met een paar drukken op de knop een antwoord op strategische vragen krijgt. In ruil voor een klein bedrag per maand.

Deze route draait om kwantiteit, om “meer”. Mijn output wordt niet zozeer beter, waarschijnlijk een stuk slechter. Maar ik gebruik AI om sneller en makkelijker te werken, waardoor ik meer kan doen en meer klanten kan bedienen.

Het tweede scenario is om te verbreden. In dat geval ben ik niet slechts een merkstrateeg. Ik word stapsgewijs een fullservicebureau, in m’n eentje. M’n medewerkers zijn geen mensen, maar AI-agents. Die agents kan ik gebruiken voor onderzoek, creatie, mediaplanning, productie, projectmanagement, et cetera.

Ook dit scenario draait om kwantiteit, want ook bij de fullservice-strategie probeer ik vooral om “meer” te doen. Maar ook hier wordt mijn output niet per se beter. Immers, de kans dat ik als eenling met AI beter onderzoek doe dan een gevestigd onderzoeksbureau of beter creatief werk maak dan een gerenommeerd bureau is, eerlijk is eerlijk, vrij klein. Dus blijft m’n enige argument richting de klant dat het sneller en goedkoper is om alles bij mij neer te leggen.

Deze twee “meer”-scenario’s lijken op de impact die de fatbike heeft op fietsen: gemak. Met AI kost het me minder moeite om meer strategie, meer communicatie, meer ontwerpen, et cetera, te maken. Ofwel, ik fiets makkelijker van A naar B en zal wat meer op de fiets doen. Maar uiteindelijk wordt m’n algehele fietstalent er niet beter van. Sterker nog, het tegenovergestelde is waarschijnlijk het geval.

Hoe word ik een betere mountainbiker?

Een derde scenario is dat van kwaliteit, dat van “beter”. Dat spreekt mij meer aan: hoe kan ik mezelf naar een hoger niveau brengen? Hoe kan ik als kleine specialist concurreren met internationale adviesbureaus door de kwaliteit van mijn werk fundamenteel te verbeteren?

Bijvoorbeeld doordat m’n strategie met AI beter is onderzocht, sterker is onderbouwd en beter is uitgewerkt. Kortom: hoe gebruik ik AI om een betere mountainbiker te worden? Een aanpak die het fietsen niet zozeer makkelijker maakt, maar waarmee ik nieuwe bergen kan overwinnen.

Dus ben ik de afgelopen maanden bezig om te verkennen hoe ik met AI beter aan scenarioplanning kan doen. Hoe ik synthetische klanten kan gebruiken om aannames te verifiëren. Hoe ik met AI betere prototypes kan maken om de strategie tot leven te brengen. Of hoe ik met AI neurosimulaties kan doen om die prototypes te evalueren.

Uiteraard is er ook hierbij een dunne lijn. Al deze AI-hulp maakt van mij geen onderzoeker, vormgever of hersenonderzoeker. Mijn doel is slechts om m’n strategie te verdiepen, niet om mezelf te verbreden.

Veel AI is als een fatbike.

Nu lijkt een scenario gebaseerd op “meer” meestal makkelijker te kiezen dan dat van “beter”. Neem twee mensen die met elkaar in discussie zijn. Met dezelfde argumenten in herhaling treden is voor hen makkelijker dan met een nieuwe, betere onderbouwing komen. Of kijk naar een liedjesschrijver. Tien keer eenzelfde soort liedje schrijven is makkelijker dan een compositie te maken die een stuk beter is.

Grofweg volgen veel AI-hypes dan ook routes waarbij kwantiteit centraal staat. Wat je vroeger een week kostte, duurt nu maar een uur. En dat waarvoor je vroeger twintig man nodig had, doe je nu met z’n tweeën.

Dit is mooi. Maar de fundamentele vraag is wel: worden dingen hiermee ook beter? Is een merkstrategie die door AI in tien minuten is ontwikkeld inhoudelijk beter dan eentje waar twee mensen een week over hebben gedaan?

Ik denk dat het antwoord vaak “NEEN” is. We krijgen vooral “meer”. Meer van dezelfde AI-autotune popmuziek, meer CV’s die op elkaar lijken en meer merken met dezelfde claims. Het opvallende zit ‘m er vooral in hoe makkelijk het is om die popmuziek, CV’s en merken te maken. Met de fatbike fiets je zonder dat je hard hoeft te trappen.

Fatbike AI maakt “redelijk” de vijand van “goed”.

Een consequentie van de fatbike is dan ook gemakzucht. Je wordt er lui van en daagt jezelf minder uit. Met de normale fiets tegen de wind intrappen is niet altijd leuk. Maar het is goed voor je, want het houdt je fit. Ook al heb je er niet altijd zin in.

AI helpt mij met van alles. Maar ik merk dat ik moet oppassen dat m’n hoofd niet in de fatbike-stand gaat. Want de meeste AI-output ziet er prima uit en m’n probleem lijkt daarmee meestal opgelost.

Maar net zoals “goed” de vijand van “geweldig” is, is in dit geval “redelijk” de vijand van “goed”. Dus als ik mezelf niet dwing tegen de wind in te fietsen, val ik stapsgewijs weg in luiheid, die zorgt voor middelmatigheid.

Stapsgewijs voelt die middelmatigheid steeds vertrouwder, zeker als ik ermee wegkom. En daarmee word ik nog gemakzuchtiger. Waarmee het uiteindelijk voor mijn klanten steeds vanzelfsprekender wordt om me te vervangen door een robot.

Ook AI-bedrijven blijken normale merken.

Nu zoom ik graag uit voor de volgende vraag: wat betekent het fatbike-scenario voor de wijze waarop merken worden gebouwd? Wat is de rol van een merk in een wereld van “meer, meer, meer”?

Wel, een kwantitatieve route maakt je merk belangrijker. Terwijl je misschien verwacht dat dit vooral bij een kwalitatieve route het geval is (een sterk merk voelt logisch bij een premiumpropositie).

De reden dat merken ook bij een kwantitatieve route een belangrijke rol spelen, is logisch als je bedenkt dat merken eigenlijk gewoon keuzehulpjes zijn. Ik vergelijk ze graag met vuistregels.

Als metafoor: als je voor een schap met vier potjes jam staat, kun je prima ontdekken welke optie de beste is voor jou. Je kunt rationeel vergelijken welke jam de beste combinatie van prijs en kwaliteit heeft.

Als er 100 meer-van-hetzelfde-varianten zijn, is dat een stuk lastiger. Dus val je sneller terug op vuistregels: dit merk ken je, dat andere niet. Ofwel, in dit geval heeft je keuze weinig met ratio te maken en van alles met je onderbuik.

Claude en OpenAI zijn potjes jam.

Grappig genoeg wordt dit klassieke principe ook bij AI-aanbieders zichtbaar. Toen ChatGPT op de markt kwam, was de keuze overzichtelijk. Of je schrijft je plan in MS Word, dat kost een dag. Of je doet het met ChatGPT, dat duurt een minuut. Het was de keuze tussen een klein potje jam en een hele grote, voor dezelfde prijs. Een merk is dan niet zo belangrijk, want voor deze afweging heb je geen mentaal keuzehulpje nodig.

Maar in de lijn van “meer” zijn er nu zoveel AI-aanbieders, met zoveel varianten en zoveel updates, dat het landschap onoverzichtelijk is geworden. Het AI-aanbod begint op een brei te lijken. Zodoende lijkt het keuzeproces steeds meer op het volle jamschap: het is lastig om met je ratio de juiste keuze te maken.

Dus je kiest Claude omdat je “er de laatste tijd veel mensen over hoort”. Of omdat je het prettig vindt dat Claude zich verzet tegen het militarisme van Trump. Of omdat je niet wilt dat je chats worden gebruikt voor reclame (zoals bij OpenAI mogelijk is geworden).

Dit laatste argument is grappig genoeg opgepikt door Scott Galloway. Hij vindt het slim dat Claude met een Super Bowl-reclame OpenAI op de hak neemt door zichzelf te positioneren als “wel reclamevrij”. Galloway vergelijkt deze zet zelfs met de legendarische 1984-reclame van Apple.

Uiteraard heeft Galloway daarmee een punt. Zo’n tactische prik kan Claude er net bovenuit doen springen in het “onoverzichtelijke jamschap”. Claude wordt zo de “goede” tussen een boel “kwade” en zo’n USP resoneert goed in de onderbuik.

De 180-graden van Scott Galloway.

Maar stiekem moet ik ook een beetje grinniken, omdat juist Galloway in zijn (goede) boek The Four de dood van het merk aankondigde. Zijn argument was onder meer: de opkomst van AI. Z’n stelling was dat AI de nieuwe keuzehulpjes zouden worden (hij noemde onder meer Amazons Alexa als voorbeeld). Zo zou AI je helpen met de keuze van de beste batterijen, waarmee de merken achter die batterijen overbodig werden.

In dit geval werkt het principe juist andersom. Ook innovatieve AI-spelers blijken met klassieke merkwetten te maken te krijgen. Die wetten draaien bijvoorbeeld om de kracht van bekendheid (vrijwel elke grote AI-speler doet inmiddels aan logoplakken door een Formule 1-team te sponsoren) en het belang van onderscheid (zoals in de bovenstaande uiting van Claude tijdens de Super Bowl). Ook OpenAI doet inmiddels aan oeroude reclame, zie hier en hier.

Waarom fatbike AI je merk zwakker maakt.

Ook interessant voor merkbouwers: het fatbike-scenario zorgt niet alleen voor “meer”, maar ook voor “vaker”. Je stapt vaker op de fiets als er eentje voor de deur staat waarmee je amper hoeft te trappen, dan als je weet dat je met de mountainbike de berg op moet. Dus met “fatbike AI” kies je vaker voor een nieuwe strategie, ontwikkel je vaker een nieuw merk, ontwikkel je vaker een nieuwe campagne, et cetera.

Maar, hoe gek dit misschien klinkt: vernieuwen is precies wat je niet moet doen als je een merk in de markt zet. Want consistentie bouwt herkenning. Herkenning bouwt vertrouwen. En vertrouwen bouwt groei.

Lees maar het System1/IPA-onderzoek “Compound Creativity”. Dit analyseerde 4.000+ campagnes over vijf jaar en concludeert dat de meest consistente merken twee keer zoveel winstgroei rapporteren als inconsistente merken.

Ik vergelijk merkbouwen vaak met diëten: de principes zijn simpel, maar probeer ze maar eens een lange periode vol te houden. Een belangrijk deel van de kunst is de discipline. Discipline zorgt voor consistentie.

Fatbike AI verleidt je vaak juist tot het tegenovergestelde: eindeloze variatie, constante verversing en dus telkens wisselende signalen. Ofwel, telkens weer een andere eetgewoonte in plaats van een consistent dieet.

Ga je voor redelijk of geweldig?

Kortom, linksom of rechtsom is AI belangrijk voor m’n werk. En voor jouw merk. Maar de fundamentele vraag die erachter zit: ga je in de gemakstand? Of gebruik je AI om jezelf juist extra uit te dagen? Wordt AI je stagiaire die voor jou het werk doet en je lekker achterover laat leunen? Of wordt AI je strenge instructeur die je het vuur aan de schenen legt om een hogere berg op te fietsen? Ga je voor fatbike of mountainbike?

Ik maak me klaar voor een flinke rit omhoog. Lekker tegen de wind in.

Leestijd: 7 minuten

Stel je voor: je hebt jarenlang gewerkt aan de positionering van je merk. Dan blijkt dat AI je merk aan miljoenen mensen omschrijft als, oei, iets totaal anders.

Dat is precies wat drankenconcern Pernod Ricard overkwam. Het bedrijf ontdekte via onderzoek met bureau Jellyfish dat AI-modellen zijn merken regelmatig verkeerd classificeerden. Ballantine’s, een betaalbare Schotse whisky voor de brede markt, werd door een populair AI-model neergezet als een prestigeproduct. Andere merkinformatie was onvolledig of simpelweg onjuist.

Gen Z vraagt AI om merkaanbevelingen.

Ondertussen gebruikt een groeiend deel van de klanten AI bij aankoopbeslissingen. Uit YouGov-onderzoek blijkt dat twee derde van de 18- tot 24-jarigen AI-modellen inzet voor aanbevelingen rond merken, producten en diensten. Bij 25- tot 34-jarigen is dat ruim de helft. En ongeveer de helft van Gen Z verwacht dat AI hen naar het beste merk leidt.

Dus deze mensen skippen een zoektocht met Google en vragen ChatGPT simpelweg: “Welke whisky past bij mijn smaakprofiel?” Of: “Wat is een goede koptelefoon voor op reis?” En het antwoord dat ze krijgen, wordt bepaald door hoe AI jouw merk begrijpt. Niet door wat jij als marketeer graag wil vertellen.

Je merkverhaal wordt geschreven door derden.

AI-modellen baseren hun kennis over jouw merk op twee dingen: hun trainingsdata, alles wat ze eerder hebben gelezen, en de actuele bronnen die ze raadplegen. In beide gevallen zijn dat vooral bronnen van anderen, niet die van jou: reviews, nieuwsartikelen, vakpublicaties, Wikipedia, Reddit, webwinkels, enzovoort.

In aanvullend onderzoek werden AI-agents ingezet om producten te vergelijken en aan te bevelen. De conclusie was ontnuchterend: merkwebsites werden vooral gezien als plekken om te kopen, niet als gezaghebbende bron van informatie. De autoriteitssignalen kwamen van derden: recensiesites, specialistische media en fora.

Ofwel, je merkverhaal, je positionering, je concurrentievoordeel, het wordt geschreven door mensen die niet voor je werken. En vervolgens op schaal herhaald door AI-modellen.

Het probleem van ‘AI sameness’.

Het wordt nog interessanter. Terwijl merken grip proberen te krijgen op hoe AI hen omschrijft, laten veel daarvan tegelijkertijd hun eigen content ook door AI produceren. Dat leidt tot een ander probleem: alles gaat op elkaar lijken.

Want als allerlei aanbieders dezelfde AI-tools gebruiken om teksten, beelden en campagnes te maken, wordt hun inhoud inwisselbaar. Merken die daar op leunen besparen misschien geld, maar verdwijnen in een ‘Sea Of Sameness’.

Dat is een gevaarlijke combinatie. Aan de ene kant verliezen merken de controle over hoe AI hen beschrijft. Aan de andere kant produceren ze zelf steeds minder onderscheidende content. Het resultaat: ze worden inwisselbaar, zowel in de ogen van AI als van de klant.

Het lijkt op de dynamiek van performancemarketing, waar ik vaak aandacht aan besteed: als iedereen dezelfde data en dezelfde gereedschappen gebruikt om dezelfde doelgroepen te bereiken met dezelfde triggers, verdwijnt het concurrentievoordeel. Dan blijft alleen nog concurrentie op prijs over: nog meer korting, nog harder duwen. En dat is precies de valkuil waar Nike intrapte.

AI gaat ook de aankoop doen.

Maar, sorry, ik ben nog niet klaar. Want AI-modellen verschuiven stap voor stap van adviseur naar inkoper.

PwC beschrijft in Harvard Business Review hoe klanten steeds vaker een AI-agent niet alleen vragen om producten te zoeken en te vergelijken, maar ook om deze direct te kopen. Ze hebben geen zin om te scrollen op websites en geven liever een simpele opdracht: “Vind voor mij een handgemaakt cadeau onder de €50 dat morgen geleverd wordt.” Vaak is wel een voorwaarde dat ze hun geld terugkrijgen als de keuze van AI hen niet bevalt.

Dat betekent dat een AI-agent straks een deel van de beslissing neemt. En die agent kiest niet op basis van je mooiste campagne. Die kiest op basis van gestructureerde productdata, recensies, beschikbaarheid en prijs. Dus als je productinformatie niet goed leesbaar is voor machines, besta je simpelweg niet in het AI-aankoopproces.

McKinsey voorspelt zelfs dat AI-agents tegen 2030 wereldwijd voor 3 tot 5 biljoen dollar aan consumenteninkopen kunnen regelen. De populaire platforms bouwen dan ook hard aan dergelijke initiatieven. Google lanceerde begin 2026 het Universal Commerce Protocol, een oplossing die AI-assistenten en winkelsystemen makkelijker op elkaar laat aansluiten. Google beschrijft dit als een open standaard voor agentic commerce.

En OpenAI zette eind 2025 een volgende stap met Instant Checkout. In de eerste uitrol ging het om aankopen bij onder meer Etsy-verkopers in de VS, waarna “meer dan een miljoen” Shopify-verkopers naar verluidt gingen volgen.

Hoe kun je hierop inspelen?

De eerste stap is om te weten hoe AI jouw merk omschrijft. Vraag het aan ChatGPT, Claude, Gemini. Stel dezelfde vragen die je klanten stellen. De antwoorden kunnen verrassend zijn. En soms verontrustend. Plus, zoals ik vorige week schreef: de antwoorden zijn telkens weer anders.

De tweede stap is ervoor te zorgen dat je merk goed vertegenwoordigd is in bronnen die AI-modellen vertrouwen. Dat zijn dus niet je eigen advertenties. Dat zijn onafhankelijke media, recensiesites, vakpublicaties, Wikipedia en platforms als Reddit. Als marketeer weet je inmiddels dat mentale en fysieke beschikbaarheid de sleutel zijn voor groei. In het AI-tijdperk geldt iets soortgelijks: hoe vaker er betrouwbaar over je wordt geschreven, hoe groter de kans dat je terugkomt in AI-antwoorden. Ik noem het maar even geschreven beschikbaarheid.

Waarom mensen juist belangrijk blijven.

De derde stap, misschien wel de belangrijkste, is investeren in wat je merk onderscheidend maakt. Juist nu AI dreigt alles gelijk te trekken, worden eigenheid, originaliteit en merkkarakter waardevoller. Eigenheid is schaars in een wereld vol, bleh, AI-gegenereerde eenheidsworst. Want ook in het AI-tijdperk geldt: je merk moet opvallen om opgepikt te worden. Dat werkt via twee routes.

Route A: opvallende merken krijgen meer verdiende media. Er wordt meer over spraakmakers geschreven en gesproken en ze worden vaker opgezocht. En dat is precies het materiaal waar AI-modellen op leunen: hoe meer onafhankelijke bronnen je merk aandacht geven, hoe groter je zichtbaarheid in AI-antwoorden.

Route B: AI wordt weliswaar belangrijker, maar de mens blijft een sleutelrol spelen. Stel dat een AI een kort lijstje presenteert met drie opties voor een koptelefoon. Twee daarvan zijn onbekende merken, waar je niets mee hebt. Maar de derde is een merk dat vertrouwd aanvoelt, omdat je er al van hebt gehoord. Die derde maakt daarmee een grote kans om te winnen. Niet omdat de AI dat merk beter rangschikt, maar omdat het menselijk brein gevoelig is voor herkenning.

Dat oeroude mechanisme blijft aanwezig in ons brein en verandert niet door AI. Sterker, het kan juist zwaarder gaan meewegen als de drie opties slechts in een kort antwoord door een chatbot worden samengevat. Juist in een omgeving waar context ontbreekt, is het belang van herkenbare handvatten groter.

Verder leren AI-agents van de voorkeuren van hun gebruiker. Het geheugen van ChatGPT of Claude wordt immers steeds beter, waardoor ze jou steeds beter leren kennen. Stel, jij stelt regelmatig vragen over Apple, Adidas of Rituals: “Hoe los ik dit probleem met m’n Mac op?”, “Zijn deze Adidas-schoenen ook geschikt om op hard te lopen?”, “Hoe lang is dit product van Rituals houdbaar?” Dan ontstaat er een patroon dat AI oppikt. Dat kan invloed hebben op toekomstige aanbevelingen, omdat de agent zo goed mogelijk op jouw wensen probeert in te spelen.

Bovendien kun jij die voorkeur ook expliciet meegeven: “Zoek goede hardloopschoenen en check in ieder geval Hoka en ASICS.” Op dat moment krijgt AI een kader. En dat kader wordt gevormd door bekendheid en voorkeur, precies de dingen waar merkbouwen al decennia om draait.

Ofwel, de winnende strategie in het AI-tijdperk draait nu niet ineens alleen nog maar om het optimaliseren voor algoritmes. Investeren in de mens blijft belangrijk. Zodat jij het bekende gezicht bent in een lijst vol onbekende opties die met korte tekstjes worden geïntroduceerd.

Hoe AI bepaalt welke merken het aanbeveelt.

Maar hoe selecteren AI-modellen hun bronnen? En hoe zorg je dat je daar goed in naar voren komt?

Traditionele SEO draait om een plek in een lijst van tien blauwe links. Bij GEO (Generative Engine Optimization) draait het erom of je wordt geciteerd in het antwoord dat AI geeft. En dat antwoord verwijst vaak maar naar een handvol opties (tussen twee en zeven per antwoord, afhankelijk van de vraag en het systeem).

Het selectiemechanisme is ook anders. Google beloont onder meer verwijzingen en technische SEO. Bij generatieve systemen gaat het veel meer om iets dat je citeerwaardigheid kunt noemen: hoe makkelijk is jouw tekst te gebruiken als betrouwbare bouwsteen in een antwoord?

In de paper GEO: Generative Engine Optimization laten onderzoekers zien dat het toevoegen van citaten, relevante citaten en statistieken je zichtbaarheid in generatieve antwoorden flink kan verhogen. In hun metingen zagen ze effecten tot ongeveer 40%.

Andere interessante lessen rond geschreven beschikbaarheid:

Publiceer eigen onderzoek en data. Origineel onderzoek is een sterk signaal voor AI. Denk aan een eigen benchmark, een rapport met unieke data of een jaarlijks overzicht. Deze geven AI-systemen een reden om jou te citeren in plaats van een concurrent.

Zorg voor consistentie over alle platforms. AI-modellen vergelijken informatie uit meerdere bronnen. Als je merk op je website iets anders claimt dan op Trustpilot, in je persberichten of op Wikipedia, dan daalt het vertrouwen. Consistentie zorgt voor geloofwaardigheid.

Maak je content extracteerbaar. Generatieve systemen zoeken naar passages die ze direct als antwoord kunnen gebruiken. Dus: geef het antwoord vroeg in je content en wees concreet. Noem cijfers waarmee je claims kunt onderbouwen. Vermijd verkooptaal en schrijf alsof je een collega iets uitlegt.

Investeer in digitale PR. Verse vermeldingen in gezaghebbende bronnen helpen AI om je te vinden. Niet als een eenmalige actie, maar als een proces waarin je doorlopend investeert.

Zorg daarnaast dat je productdata gestructureerd, compleet en consistent is: informatie over productspecificaties, prijzen, voorraad, bezorging en retourbeleid. Want agents kunnen alleen dingen aanbevelen die ze kunnen begrijpen. Het gebeurt nu al dat producten door AI worden overgeslagen als informatie ontbreekt of niet eenduidig is (!).

Kortom: veel verandert, veel toch ook niet.

Lang verhaal kort: je merkpositionering wordt niet alleen bepaald door wat jij communiceert, maar door het totaalbeeld van alles wat er over je te vinden is. Als er te weinig onafhankelijke, consistente informatie over je merk wordt gevonden, kom je minder terug in de wereld van AI.

Tegelijkertijd geldt: als je een eigen geluid laat horen, is de kans groter dat anderen je oppikken. Een merk als Tony’s Chocolonely, met een duidelijke stem, wordt waarschijnlijk eerder aangehaald in media dan een merk als Verkade, dat een stuk minder uitgesproken profiel heeft. Daarmee is de kans dat Tony’s wordt opgepikt door AI weer groter dan bij Verkade.

En hoewel dit alles kan overweldigen, is veel ervan uiteindelijk ook weer niet zo nieuw. Merken draaien al decennia om onderbouwing, consistentie en relevantie. En wat anderen over je zeggen was altijd al belangrijker dan wat jij over jezelf beweerde. Zie de bekende quote: “Je merk is wat mensen over je zeggen als jij er niet bent.” Het grote verschil is dat je klant nu niet meer de enige doelgroep is. Er luistert ook een model mee.

Zoals ik eerder schreef: AI kan alleen excelleren als jij een goede regisseur bent. Die les geldt nu dubbel. Want je moet niet alleen regisseren wat AI voor je doet, je moet ook regisseren hoe AI over je praat.

De merken die hier het best op inspelen zijn niet alleen de merken met de slimste AI-gereedschappen. Het zijn ook de merken met de helderste strategie, de sterkste positionering en het meest consistente verhaal. Precies datgene waar merkbouwen al decennia om draait.

Wil je weten hoe AI jouw merk omschrijft en wat je eraan kunt doen? Laat het me weten. Ik help je graag.