Midfunnel: het belang van de fase die niet bestaat.

Leestijd: 12 minuten

Ik doe veel incompanytrainingen over merkstrategie. Een van de terugkerende workshops gaat over de balans tussen merkbouwen en performance-marketing. Want merkbouwen werkt vooral op de langere termijn, via de onderbuik. Performance-marketing (ook wel verkoopactivatie genoemd) richt zich juist op gedrag op de korte termijn. Hun werking verschilt behoorlijk. Maar pas als ze samenwerken, komen ze tot wasdom. Voor de meeste organisaties is dat een fikse uitdaging.

Tussen deze twee zit iets interessants dat vaak wordt vergeten. “De fase die niet bestaat”: de midfunnel (Ed Stibbe schreef hier eerder al eens over). Interessant genoeg wordt deze fase belangrijker in het tijdperk van AI. En een oud stokpaardje van mij komt bovendrijven: de brand-utility.

Het merk bouwt op, performance tikt in.

Simpel gesteld zorgen merken voor voorkeur en daar gebruiken ze meestal het “bekend maakt bemind“-principe voor. Ofwel: een product van een merk dat je kent heeft eerder jouw voorkeur dan een product van een onbekende aanbieder.

Maar dat betekent niet per se dat je tot actie overgaat. Vaak is daar iets extra’s voor nodig. Hier komt performance-marketing bij kijken: je wordt met een slimme trigger over de drempel getrokken, bijvoorbeeld met een “nu of nooit”-aanbieding. De opgebouwde merkvoorkeur wordt daarmee verzilverd. Als je een van beide krachten veronachtzaamt, probeer je te rennen op één been.

Onzekerheid zorgt voor frictie.

Dat klinkt sluitend. Maar de realiteit is weerbarstig. Het kan best zijn dat je een voorkeur hebt voor een automerk, energieleverancier of zakelijke clouddienst. En dat deze merken je interessante aanbiedingen doen. Toch hoeft dat niet genoeg te zijn. Want tussen merkbouwen en performance-marketing zit vaak onzekerheid.

Een paar voorbeelden: je wilt een elektrische auto kopen en ziet een aanbieding, maar je twijfelt of de actieradius genoeg is. Je wilt gezonder eten en kunt allerlei opties kiezen in de online supermarkt, maar je weet niet op welke gezondheidsclaims je kunt vertrouwen. En wat gebeurt er eigenlijk met die interessante clouddienst als Trump draadjes gaat doorknippen?

Deze onzekerheid zorgt voor frictie en die frictie belet dat iemand in actie komt. Deze frictie is op allerlei vlakken groter dan vroeger. Veel categorieën zijn transparant geworden en zitten overvol met aanbieders, met direct vergelijkbare producten. Die geven allemaal informatie over hun waarderingen, specificaties en levertijden. Hierbij is er direct een lijst alternatieve producten zichtbaar en geven allerlei influencers graag hun mening.

Hoewel dit allemaal bedoeld is om klanten te helpen kiezen, kan dit hun keuze juist zwaarder maken. Dit is de keuzeparadox: kiezen uit zes potjes jam kan simpeler zijn dan kiezen uit vierentwintig varianten. Vooral als je niet zeker weet van wat voor jam je houdt of als het gaat om complexe producten.

“Vroeger” ging je naar het reisbureau en zat je een halfuurtje in de stoel. Daarna kreeg je een “passende keuze” voorgesteld. Die was misschien niet optimaal qua transparantie, vergelijkbaarheid of volledigheid. Maar het keuzeproces was vrij overzichtelijk: “Wanneer ga ik langs bij het reisbureau op het dorp en wat adviseert men mij daar?” Online kun je nu uit zoveel reisopties kiezen dat al deze hulp het tegengestelde effect kan hebben.

Het rommelige midden.

Door deze frictie kun je je keuze uitstellen en blijven hangen in een fase “die niet bestaat”. Google noemde dit in 2020 “het rommelige midden”.

De boodschap is dat marketeers graag denken in afgebakende funnels: klanten gaan netjes van de ene fase naar de andere. Voorbeelden zijn AIDA (Attention, Interest, Desire, Action) en de Loyalty Loop.

Maar Google zag dat er in werkelijkheid geen peil op te trekken was hoe mensen tot een aankoop overgingen (of dit uiteindelijk toch niet deden). Soms gaan ze van een trigger (“Ik heb honger” of “Ik zie steeds meer mensen met die schoenen”) direct naar een aankoop. Soms zijn ze enorm lang bezig met hun keuzeproces. Soms willen ze snel een aankoop doen, leggen ze deze toch op het laatste moment naast zich neer, vergeten ze ‘m daarna en gaan ze maanden later ineens weer op onderzoek uit.

Het enige patroon dat voor Google zichtbaar was, is dat mensen heen en weer gaan tussen verkennen (meer opties vinden) en afwegen (opties wegstrepen). Dit kan minuten of jaren duren. Hierbij worden ze beïnvloed door allerlei prikkels en ervaringen.

Dit herken je vast zelf. Er is niet altijd een duidelijke fase waarin je “op de markt” of “in overweging” bent. Zo denk je al een tijdje na over het kopen van een nieuwe laptop. Dan loop je door de stad en zie je ineens een uitverkoop bij de MediaMarkt. Twee tellen later loop je tot je eigen verrassing naar buiten met een nieuwe wasmachine (en zonder laptop). Want die wasmachine was alleen vandaag in de aanbieding en werd aanbevolen door de Consumentenbond.

Daarmee kunnen modellen voor klantreizen een werkelijkheid suggereren die niet bestaat. Een van de misverstanden is dat mensen zich in een duidelijke, herkenbare overwegingsfase bevinden. Vandaar: “de midfunnel is een fase die niet bestaat”.

Laat je klanten liever minder nadenken.

Een ander gevaar is dat je je focust op onnodige stappen, stappen die zelfs het tegengestelde effect kunnen hebben.

Neem bijvoorbeeld de term “Think” uit het model “See/Think/Do/Care” (van Avinash Kaushik, destijds bij Google). Hoewel niet zo bedoeld, kan de term toch suggereren dat je klant ergens goed over wil nadenken. Het lijkt alsof die graag met een spreadsheet op schoot opties vergelijkt.

Dit hoeft niet zo te zijn en is vaak juist niet het geval. In de regel wil een klant juist zo min mogelijk nadenken: hoe eerder die het gevoel heeft de juiste keuze te maken, hoe beter (“Die optie is het meest verkocht, dus zal wel goed zijn. Zo, daar ben ik vanaf.”).

En, hoe raar dit misschien klinkt: je wilt met je merkbouwen juist voorkomen dat mensen gaan nadenken. Hiermee bedoel ik niet dat je mensen dom wilt houden. Maar dat de keuze voor jouw merk zo logisch, makkelijk en vertrouwd moet zijn, dat deze vrijwel automatisch gaat. Neem de nieuwste iPhone. Het gevaar is dat Apple een simpele keuze onbedoeld lastiger maakt door allerlei informatie toe te voegen. Hierdoor kan de klant besluiten nog even goed na te denken en de logische keuze uit te stellen.

Merk en performance werken tegen frictie.

De volgende vraag is hoe deze frictie kan worden weggehaald. Wel, op zich is daar niet altijd iets nieuws voor nodig. Ofwel, je hoeft niet per se in “midfunneltermen” te denken.

Aan de ene kant kan het merk de doorslaggevende duw geven. Een sprekend voorbeeld is de iPhone van net. Je bent toe aan een nieuwe telefoon en weet dat een iPhone voor jou de logische keuze blijft, zo sterk is het merk Apple voor jou. Dan kan de keuze vervolgens verrassend eenvoudig zijn. Wil je de normale versie of een speciale variant (zoals de Air of Pro)?

Daardoor kun je voor een dure aankoop van een complex product opvallend kort in het rommelige midden zitten: “Ik heb een nieuwe telefoon nodig: welke iPhone is er nu op de markt? Hoeveel kost de reguliere versie?” Klik. Betaal. Klaar. Je merkvoorkeur is zo groot, dat er amper frictie is. Het kiezen van de juiste onderbroeken kan meer inspanning vergen.

Aan de andere kant kan performance-marketing je direct over de streep trekken: je loopt door de stad, ziet de aanbieding voor de wasmachine (“Alleen vandaag met 30% korting”) en gaat zo binnen een kwartiertje van “totaal niet op de markt voor wasmachines” naar “koper van een wasmachine”. Ook nu is er van frictie nauwelijks sprake.

Het belang van Category Entry Points.

Als je van je merk de doorslaggevende factor wilt maken, net als in het voorbeeld van Apple, zijn Category Entry Points belangrijk. Deze gaan over de situaties waarin mensen aan je categorie denken en de vraag of jouw merk hierbij naar boven komt drijven.

Voor Category Entry Points zijn waarom, wanneer, waar, met wie, bij wat, tijdens wat en met welk gevoel belangrijk. Uitgewerkt naar bier is dit als volgt. Waarom: “Ik krijg zin in bier als ik me wil ontspannen”. Wanneer: “Ik drink bier op vrijdagmiddag”. Waar: “Ik drink bier als ik op de camping ben”. Met wie: “Ik drink vooral bier als ik met mijn vrienden ben”. Bij wat: “Ik drink altijd een biertje als ik een burger eet”. Et cetera.

Met jouw merk probeer je zoveel mogelijk van die momenten als beste te claimen. Want hoe meer Category Entry Points mensen aan je merk koppelen, hoe sterker je positie in het rommelige midden is. Immers, als jouw biertje slechts geassocieerd wordt met één aanleiding (“Ik drink 0.0-bier alleen na het sporten”) zul je minder snel gekozen worden dan wanneer er meerdere aanleidingen zijn (“Ik kies 0.0 ook als ik afspreek met vrienden, als ik een zakelijke borrel heb of als ik nog moet rijden.”)

Je begrijpt: hoe sterker jij bepaalde Category Entry Points claimt, hoe makkelijker jouw merk in beeld kan blijven, ondanks allerlei ruis in het rommelige midden.

Content vermindert frictie.

Maar… ondanks dat je het bovenstaande goed invult, zal er vaak toch frictie zijn. Dit kan komen door onzekerheid, onwetendheid, verwarring of gebrek aan tijd of motivatie. Daardoor stellen mensen hun keuzes uit. De vraag is dan hoe jouw merk deze toch zo laagdrempelig mogelijk kan maken.

Een van de manieren waarop dit kan is met content: een simpele instructievideo kan een boel duidelijkheid geven en dus net het verschil maken voor een onzekere klant.

En vaak vergeten mensen dingen snel, ook al zijn ze die de afgelopen jaren vaak tegengekomen. Jouw content kan deze herinneringen activeren: “Vijf redenen om nu je energiecontract bij ons af te sluiten.” Zo’n boodschap kan klanten net het duwtje in de rug geven dat nodig is om tot actie over te gaan.

Ook brand-utilities helpen bij frictie.

Het kan ook zijn dat mensen praktische hulp nodig hebben om uit het rommelige midden te komen. Een slimme service kan dan het verschil maken.

Hier komt de brand-utility om de hoek kijken. Hier schreef ik rond 2010-2015 vaak over: een handig, opvallend hulpje van een merk. Inmiddels hebben deze diensten in mindere mate een PR-component (als alternatieve campagne) en zijn ze een logisch onderdeel van de funnel geworden. Neem de online keukenplanner van IKEA, waarmee je zelf je keuken kunt inrichten. Deze verkleint de stap van idee naar uitvoering en neemt daarmee frictie weg.

AI is een frictieconcurrent.

Een andere manier om frictie weg te nemen is uiteraard AI. Als je leest dat AI ervoor zorgt dat merken hun grip kwijtraken, dan gaat het eigenlijk met name om dit rommelige midden. Immers, het bouwen van bekendheid en voorkeur kan nog steeds prima zonder AI, net als het doen van aanbiedingen. Door simpelweg op de juiste plekken aandacht te kopen, kun je nog steeds merkcontact “afdwingen”.

Maar het is een stuk lastiger om als merk te concurreren met AI als je klant hulp wil in het rommelige midden. Claude of ChatGPT zijn vaak een logischere keuze. Ze worden dagelijks gebruikt, zijn een stuk geavanceerder dan jouw informatiepagina en hebben vaak veel persoonlijke data van de klant (op basis van chats uit het verleden). En AI lijkt je objectief te adviseren wat de beste keuze voor jou is, terwijl de content van een merk gekleurd is.

Illustratief is een onderzoek van Pew Research: mensen die op zoek zijn naar informatie klikken bij Google minder snel door (bijvoorbeeld naar jouw merk) als AI hen al de samenvatting geeft. Dit soort zoekgedrag vindt juist plaats in het rommelige midden, als mensen twijfelen welke beslissing ze moeten nemen. Daarom wordt het steeds belangrijker om AI van de juiste input te voorzien (onder meer omdat AI anders jouw merk verkeerd kan presenteren).

Hoe je je verdedigt tegen AI.

Maar dat betekent niet dat alles verloren is. Visuele content kan een oplossing zijn: als Praxis allemaal handige klusfilmpjes heeft, spreken die meer tot de verbeelding dan lappen tekst van AI. Daarbij kun je die klusfilmpjes passief vanaf de bank bekijken, in plaats van dat je actief moet nadenken welke klusvraag je aan AI wilt stellen.

Ook de brand-utility kan een goede verdediging zijn. Want AI heeft meestal niet alle data van jouw bedrijf. En AI is voor veel mensen nog vooral prompten. Dus de rol van een IKEA-keukenplanner wordt niet zomaar door AI overgenomen. AI heeft meestal* niet de afmetingen van alle IKEA-keukenkastjes in z’n systeem. En met een 3D-interface is het makkelijker om een keuken in te richten dan via tekstuele opdrachten.

(Tussen haakjes: ik plaats een sterretje bij “meestal”. Merken kunnen hun data ook bewust aan AI voeren. IKEA introduceerde bijvoorbeeld een AI-assistent in de GPT Store van OpenAI. Die geeft inrichtingsadvies op basis van afmetingen, budget en stijl en beantwoordt vragen over het assortiment en de voorraad per winkel. De brand-utility leeft in de toekomst dus misschien juist ín AI in plaats van ertegenover.)

Plus: IKEA kan helpen met de opvolging door een productlijst samen te stellen of een monteur te boeken om de keuken te installeren. En: hoe slim AI ook wordt, hallucinaties blijven op de loer liggen. Een merk kan de garantie geven dat onderdelen passen en helpen als er toch iets misgaat.

Klanten gebruiken in de “midfunnel” AI op dit moment dan ook vooral om informatie te vinden, prijzen te vergelijken en keuzes te versmallen. In een Amerikaans onderzoek gaf slechts een kleine minderheid aan ook de aankoopbeslissing volledig aan AI over te durven laten. Ofwel: AI neemt niet per se het hele stuk tussen merk en performance over. Maar het nestelt zich wel steeds meer in het rommelige midden.

Slapers worden kopers, en andersom.

Een inzicht dat nog steeds opzien baart, is dat slechts een klein deel van jouw potentiële klanten in het rommelige midden zit. Immers, niet iedereen die in staat is een nieuwe auto te kopen is daar ook daadwerkelijk mee bezig.

Hoe groot dit actieve deel is, hangt af van de categorie en de periode waarnaar je kijkt. Voor een B2B-merk kan volgens de bekende 95/5-vuistregel per kwartaal zo’n 5% van de potentiële kopers “op de markt” komen (uitgaande van een gemiddelde aankoopcyclus van vijf jaar). De overige 95% is met andere dingen bezig en zit waarschijnlijk nauwelijks in het rommelige midden.

Voor FMCG geldt een andere dynamiek. Toch zit ook daar meestal maar een klein deel van je klanten in het rommelige midden: producten als tandpasta, deodorant of wasmiddel worden meestal zo’n vier à zes keer per jaar gekocht (dus hooguit één keer per twee maanden). De rest van de tijd zijn mensen er niet zo mee bezig.

De kleine groep die wel klaar voor de aankoop is, lijkt voor marketeers het meest interessant. Immers, deze groep staat op het punt iets te doen en probeert zich door het rommelige midden te worstelen. Daardoor laten ze data achter (met hun kliks of zoekopdrachten) en zijn ze zo eerder te identificeren. Plus: ze zijn vrij makkelijk te converteren, omdat een duwtje in de rug bij hen goed werkt. Deze klanten zijn het laaghangende fruit.

De andere, veel grotere groep lijkt daardoor minder relevant (“de slapers”). Het is lastiger online data van hen te vinden, omdat ze niet zoeken naar de producten die jij aanbiedt. En waarom zou je nu al mensen benaderen die geen aankooppotentie lijken te hebben? Die mensen benader je pas als ze serieuze potentie krijgen.

Uiteraard verspeel je daarmee de kans om een voorkeurspositie op te bouwen (zie het begin van dit artikel). Deze voorkeur heeft een flink voordeel als deze slapers wel in het rommelige midden terechtkomen.

Kikkers die uit de kruiwagen blijven springen.

En als je het bovenstaande leest, valt je waarschijnlijk iets op. Doordat dit midden zo rommelig is, is het onderscheid tussen deze twee groepen ook misleidend. Het suggereert wederom een mate van vastigheid: “Zij zijn wel op de markt. En die daar, dat zijn slapers.”

Maar dat onderscheid is bijzonder fluïde. Mensen die het ene moment “op de markt” zijn, gaan er daarna weer vanaf. En andersom. Want zo gaat het leven. Een slaper kan ineens een mogelijke koper worden en iemand met een sterke voorkeur voor jouw merk kan op het laatste moment besluiten zich met iets totaal anders bezig te houden.

Daarmee kan de data die je over deze groepen hebt schijnzekerheid geven. Het lijkt verstandig om in de ene groep te investeren, terwijl de potentie van de andere slechts op de vage lange termijn lijkt te zitten. Maar iemand uit de ene groep kan zomaar tot de andere behoren, waarmee je investeringen op losse schroeven staan.

Belangrijke KPI’s voor het rommelige midden.

Belangrijk is dat je voor het rommelige midden de juiste dingen meet. KPI’s als bereik, kliks of het aantal keer dat een video is bekeken zeggen niet zoveel.

Het helpt om het volgende bierviltjesonderscheid in het achterhoofd te houden. Voor het begin van de funnel geldt: “Denken ze aan ons?” Voor het midden: “Vertrouwen ze ons genoeg om door te gaan?” En voor het eind: “Kopen ze bij ons?”

Dus wat je voor “de midfunnel” vooral moet meten is of je aanpak klanten daadwerkelijk verder helpt. Vermindert hun onzekerheid? Kunnen ze nu makkelijker kiezen? Nemen hun keuzevertrouwen en koopbereidheid toe? En welke actie ondernemen ze vervolgens?

Een interessante KPI om te kijken of jouw merk op de juiste momenten overwogen wordt, kan een aangepaste versie van het zoekaandeel zijn. Hoe vaak zoeken potentiële klanten op jouw merk in combinatie met een bepaald thema (bijvoorbeeld: “Energieaanbieder X + groene stroom”) in vergelijking met concurrerende merken op hetzelfde thema? Dit kan iets zeggen over hoe sterk jouw Category Entry Points op dit gebied zijn.

Zoekaandeel per thema: merk + thema vergeleken met concurrenten

(Tussen haakjes: houd er rekening mee dat “merk-plus-thema”-zoekopdrachten vaak lage volumes hebben. Dus dit werkt vooral bij grotere merken en over langere periodes. En deze methode meet alleen die Category Entry Points die tot zoekgedrag leiden.)

Kijk aanvullend binnen je eigen kanalen of ze een vervolgstap van betekenis hebben gezet: hebben ze een keuzehulp afgerond, een online calculator gebruikt, een checklist opgeslagen of een winkel geselecteerd?

Kortom, zie de orde in de chaos.

Lang verhaal kort: mensen zijn druk, afgeleid, onzeker, ongeïnteresseerd en inconsequent. Daardoor gaan ze minder logisch van stap naar stap dan je als marketeer zou denken. Opgebouwde merkvoorkeur kan dan helpen, maar uiteindelijk toch niet genoeg zijn. En een goede aankooptrigger kan sommige mensen snel over de streep trekken, maar niet sterk genoeg zijn om iedereen uit deze onzekerheid te halen.

Ook al is het niet makkelijk om te voorspellen hoe dit per persoon zal gaan (hoeveel data je ook hebt, want mensen blijven wispelturig), dat betekent niet dat je merk geen duidelijke actie kan nemen. Belangrijk is vooral dat jij het huis op orde hebt voor de midfunnel. Ook al bestaat deze fase lang niet zo duidelijk als je denkt en is dit proces chaotischer dan modellen suggereren. Want de vragen en onzekerheid van je klanten bestaan wel. Als je daar slim op inspeelt, maak je het makkelijker om voor jouw merk te kiezen.

Dus vergroot de kans dat klanten als eerste aan jou denken als ze twijfelen over hun beslissing. Zorg ervoor dat ze intuïtief geneigd zijn jouw merk het voordeel van de twijfel te geven. Bied hen laagdrempelige hulp aan om eventuele keuzestress weg te nemen. En onderzoek welke triggers hen verder helpen om tot actie over te gaan.

Zin om aan de slag te gaan?

Wil je ook een incompanytraining over de balans tussen merkbouwen en performance-marketing? En wil je weten wat het rommelige midden voor jouw merk betekent? Laat het me weten!

Interview: de kracht van het inzicht

Leestijd: < 1 minuut

Wat hebben een kraai en een pinda met merkstrategie te maken? Ofwel, wat is de kracht van een sterk inzicht?

Daarover had ik recentelijk een leuk gesprek met Dennis van Aalst en Martijn Jaartsveld. Aanleiding was “Inside Insight” van MarketingTribune. Daarin onderzoekt VIA Taskforce Consumer Insights de kracht van inzichten.

Lees het artikel hier.

Whitepaper: AI is niet het eind van consultancy

Leestijd: 10 minuten

Onlangs werd ik door een onderzoeker geïnterviewd over een interessante vraag: wat betekent AI voor de toekomst van consultancy? Ik werk als zelfstandig merkstrateeg en ben dus zo’n consultant. Lang verhaal kort: heb ik straks nog brood op de plank? Of nemen “Our Friends Electric” mijn werk over?

Bij het lezen van deze vraag glimlach je misschien meewarig. Claude, ChatGPT en NotebookLM doen in een paar tellen hetzelfde waar een toonaangevend adviesbureau een ton voor vraagt, toch? De bekende investeerder Marc Andreessen gaf onlangs aan dat voor elk onderwerp AI hem nu betere antwoorden geeft dan de befaamde experts die hij kan bellen. Ook Travis Kalanick, de oprichter van Uber, ziet donkere wolken aan de horizon voor consultants.

Dus deze vraag lijkt verdraaid veel op de vraag of de fax nog toekomst heeft. Of hoe lang de zeppelin nog concurreert met de Airbus A380.

Consultants staan onder druk.

Het ronkt dan ook al een tijdje in de consultancywereld. Een oud-topman van McKinsey stelt dat AI de toegang tot analyse en advies heeft gedemocratiseerd. Beide zijn nu voor iedereen beschikbaar, net zoals het internet eerder de toegang tot informatie vrijspeelde. Ofwel, het hek om The Big Four zakt in door AI. Bekende adviesbureaus snijden dan ook in hun personeelsbestand. Voorbeelden komen van Accenture, McKinsey, KPMG of PwC.

Het lijkt erop dat jongeren hier extra mee te maken krijgen. Vorig jaar waarschuwde Dario Amodei van Anthropic dat de helft van de jonge witteboordenbanen op losse schroeven kan komen te staan. Hij vreesde een werkloosheid van 20%.

Harvard Business Review ziet hier al tekenen van bij de consultants. Werk dat door juniors werd gedaan, zoals onderzoek, modelleren, benchmarks en slides maken, wordt met AI geautomatiseerd. Daarmee komt het klassieke piramidemodel onder druk te staan: minder juniors onderaan, meer nadruk op ervaren mensen die het probleem benoemen, de output beoordelen en klanten meenemen in de besluitvorming.

Dit effect is uiteraard vooral zichtbaar bij beroepen die bovengemiddeld aan AI worden blootgesteld. Gerenommeerd onderzoeker Erik Brynjolfsson en collega’s ontdekten vorig jaar dat de werkgelegenheid van jongere werknemers daar 16% lager ligt dan in minder blootgestelde velden.

Volgens The Economist is dit effect dan ook extra te zien onder computerspecialisten. De werkgelegenheid onder afgestudeerde programmeurs zakte in de VS in drie jaar van 70% naar 55%. Vacatures op het studentenplatform Handshake liggen 50% onder hun piek van 2022.

Dit alles is terug te zien bij de aanmeldingen van nieuwe studenten, zo staat in hetzelfde artikel. De instroom in computerwetenschappen daalde 11% in 2025, bij opleidingen gericht op programmeren was dit zelfs 26%.

Toch is er meer aan de hand.

Maar zoals vaker: dat wat logisch lijkt, hoeft niet altijd 100% waar te zijn.

Zo lijken er bedrijven te zijn die AI onterecht als boosdoener neerzetten. Ze wijten ontslagrondes aan de opkomst van kunstmatige intelligentie, terwijl er meer speelt.

Er zijn naweeën van COVID, waardoor bijvoorbeeld Big Tech met een overschot aan personeel worstelt, denkt diezelfde Marc Andreessen. OpenAI’s Sam Altman waarschuwt dan ook voor “AI-washing“: AI de schuld geven van problemen die compleet andere oorzaken hebben.

Onderzoek van MIT Sloan nuanceert daarbij het idee dat AI menselijke arbeid massaal vervangt. AI is meestal een aanvulling, bijvoorbeeld omdat volledige automatisering niet zo aantrekkelijk is. AI verandert de taakverdeling, maar niet de complete functie.

Twee economen bij Google trekken de stelling in twijfel dat met name jonge werknemers door AI worden verdrongen. Ze ontdekten dat het aantal vacatures in “AI-gevoelige beroepen” net zo sterk is gedaald voor oudere werknemers. En, hoe opvallend, dat deze trend al bestond vóór de lancering van ChatGPT, eind 2022. Ze zien het rentebeleid van de Fed als een logischere oorzaak.

En volgens het adviesbureau Challenger, Gray & Christmas waren van de 1,1 miljoen ontslagen die in 2025 in de VS vielen, ongeveer 55.000 direct toe te schrijven aan AI. Dat is 5%. Dit artikel stelt dat duizenden CEO’s terugkoppelen dat AI op organisatieniveau bij hen geen meetbare impact heeft gehad (wat doet denken aan Solow’s productiviteitsparadox uit de jaren ’80: “Je ziet het computertijdperk overal, behalve in de statistieken over productiviteit”).

Op macroniveau is het beeld daarmee voorlopig gemengd: er zijn tekenen van substitutie, maar ook van aanvulling en nieuw werk. Bijvoorbeeld omdat AI nieuwe functies oplevert of bestaande functies ondersteunt en daardoor effectiever maakt. Daardoor is de grote klap nog niet duidelijk zichtbaar in arbeidsmarktdata, zo blijkt uit analyses van Yale Budget Lab, Brookings en Goldman Sachs.

De bedreiging én het verdienmodel.

Daarbij is AI niet alleen een bedreiging voor consultancy, het biedt ook kansen. BCG haalde in 2024 zo’n 20% van de omzet uit AI-advies (twee jaar daarvoor was dit nog nul). Accenture heeft inmiddels 85.000 AI-professionals aan boord.

Want slechts een kleine groep van hun potentiële klanten heeft AI echt verweven in de organisatie. Deze koplopers behalen vijf keer meer omzetgroei en drie keer meer kostenreductie dan de achterblijvers. Bij volgers blijkt het opschalen van pilots naar structurele impact lastig. Vooral het topmanagement heeft moeite om snel genoeg te veranderen. Daardoor creëert AI ook weer een nieuwe vraag naar consultancy, waardoor het inkomen van de adviesbureaus juist stijgt.

Ofwel, door AI snijden adviesbureaus in hun personeelsbestand, maar ze verdienen tegelijkertijd fiks geld aan de technologie die hen zou kunnen vervangen. De impact doet dus denken aan Dr. Jekyll en Mr. Hyde.

De rafelige rand van AI.

Onderzoekers gaven in 2023 758 consultants van BCG 18 taken voor een fictieve klant. De helft kreeg GPT-4, de andere helft niet. Met AI rondden de consultants 12% meer taken af en deden ze er 25% korter over. Het democratische effect van AI was hierbij goed zichtbaar: de zwakste adviseurs maakten de grootste sprong.

Maar er kwam een fenomeen naar boven waar je zelf vast tegenaan bent gelopen: de grens tussen wat AI wel en niet goed kan. Deze is niet recht, maar gekarteld en grillig. AI kan enerzijds complexe analyse uitstekend uitvoeren, maar struikelt ineens over een simpele rekensom.

Een experiment in de publieke sector bevestigt dat AI geen uniforme productiviteitsmachine is. Bij documententaken verbeterde AI de kwaliteit met 17% en ging het werk 34% sneller. Maar bij datataken daalde de kwaliteit juist met 12% en was er geen tijdwinst.

Op taken die buiten de comfortzone van ChatGPT lagen, scoorden de consultants van het bovenstaande experiment dan ook 19% slechter met AI. Ze vertrouwden te makkelijk op adviezen die weliswaar plausibel klonken, maar nergens op sloegen.

AI maakt experts dommer.

Deze conclusie staat niet op zich. Allerlei onderzoeken bevestigen dat slimme computers hun gebruikers juist “dommer” kunnen maken.

Microsoft en Carnegie Mellon University deden samen een studie onder 319 medewerkers met witte boorden. Daaruit bleek dat hoe meer iemand AI vertrouwde, hoe minder kritisch de uitkomst werd bekeken.

Ook de SBS Swiss Business School ontdekte bij een onderzoek onder 666 deelnemers een negatieve correlatie tussen AI-gebruik en kritisch nadenken. Dit effect was het sterkst onder jongeren.

Het MIT Media Lab ging een stap verder en deed onder 72 deelnemers EEG-metingen bij gebruik van AI. Studenten die essays schreven met ChatGPT vertoonden de zwakste neurale connectiviteit. 78% kon achteraf geen passage uit de eigen tekst citeren.

De onderzoekers noemen dit “cognitive debt”. Ze waarschuwen dat AI denkspieren laat verslappen, omdat ze minder worden geoefend (zie mijn recente artikel over “Fatbike AI”: AI verleidt tot mentale luiheid). Dit beeld is ook te zien bij recruiters: wie goede AI ter beschikking heeft, wordt makkelijk lui en slechter in z’n eigen oordeel.

Wie stelt de juiste vraag, wie cureert het antwoord?

Tot zover de cijfers, nu mijn persoonlijke visie. Interessant vind ik dat de bovenstaande onderzoeken uitgaan van mensen die verstand van zaken hebben: ze weten waarover ze het hebben, maar gaan door AI minder nadenken.

De consultancy versus AI-vraag draait echter om een andere groep: mensen die niet genoeg verstand van zaken hebben over een bepaald onderwerp en daarom hulp van deskundigen vragen.

Mijn vraag is of AI dit gebrek aan expertise echt opvangt. Immers, ook in het tijdperk van AI lijkt te gelden dat slechte input resulteert in slechte output (zie hier mijn betoog in dit kader). Een AI-antwoord is meestal niet beter dan de kwaliteit van de vraag die je stelt. Dat zie ik ook terug in deze en deze onderzoeken, die keken naar de kwaliteit van prompts en de kwaliteit van het resultaat.

Stel, je wilt je merk succesvol maken. Dan is het de vraag of je met de prompt “Hoe maak ik mijn merk succesvol?” het juiste advies krijgt. Bijvoorbeeld omdat deze vraag uit allerlei onderliggende vragen bestaat (bijvoorbeeld: waar zitten de uitdagingen van jouw merk precies?).

Net zoals een vraag als “Hoe kan ik gebruikmaken van influencer-marketing?” waarschijnlijk voorbijgaat aan de vraag of een influencer jouw merkprobleem wel kan oplossen. Wie geen vakmatig kader heeft, kan de output waarschijnlijk niet goed beoordelen.

Ook de nieuwste modellen hallucineren nog flink.

Zelf liep ik hier recentelijk tegenaan. Ik vroeg vorige maand aan Claude Opus 4.7 (een model waar ik flink van onder de indruk was) om te helpen bij deze vraag: “Hoe lang duurt het gemiddeld om een merk te bouwen? Hoe verschilt dit tussen B2C en B2B? En welke fasering is hierin te zien?” Binnen enkele tellen kwam Claude met een overtuigende analyse, compleet met de wetenschappelijke bronnen waarnaar ik had gevraagd. Mijn werk leek klaar.

Maar hoe meer ik naar de onderbouwing ging kijken, hoe meer ik de behoefte kreeg om aanvullende vragen te stellen. En hoe meer Claude toegaf dingen te hebben verzonnen of veel te snel conclusies te hebben getrokken. Uiteindelijk bleef er weinig van de analyse overeind. Ofwel, zelfs een van de meest geavanceerde modellen op dat moment hallucineerde er nog vrolijk op los. Maar het presenteerde de resultaten vol zelfverzekerdheid.

Nu is dat in dit geval best te begrijpen: de vraag over de tijdsduur van merkbouwen is een lastige, want er is moeilijk een overkoepelend antwoord op te geven. Er spelen allerlei factoren, met doorkruisende verbanden, waarbij de ene situatie meestal niet direct met de andere te vergelijken is. De vraag zit dus aan de oncomfortabele kant van de kartelrand. Maar een marketeer met weinig ervaring kan zomaar z’n budget verdelen op basis van zo’n onjuist advies.

Het hallucineren door AI is niet alleen anekdotisch van aard. Dit komt ook terug in een rapport van Stanford van dit jaar: het “hallucinatiegehalte” bij 26 topmodellen loopt uiteen van 22% tot maar liefst 94% (!), afhankelijk van de taak en meetmethode. Nature schrijft dat tienduizenden publicaties uit 2025 mogelijk ongeldige, door AI verzonnen referenties bevatten.

Forrester verwacht dan ook dat zakelijke klanten bij aankoopadvies van AI eerder terugvallen op menselijke experts. Ze voelen een toenemende behoefte om analyses van AI tegen het licht te houden (hier schreef ik daar eerder over).

Het verschil tussen terugkerend en eenmalig werk.

Dan is er ook de vraag om welke consultancy het gaat. Mark Ritson voorspelt dat strategische mediaplanning binnen vijf jaar grotendeels geautomatiseerd is. Daar kan ik me een boel bij voorstellen. Dus adviseurs kunnen het op dat vlak lastig krijgen.

Maar ik denk dat ook hier een onderscheid belangrijk is. Dingen die een organisatie routinematig doet, zoals mediaplanning, kunnen makkelijker door AI worden overgenomen dan zaken die niet zo vaak plaatsvinden.

Want bij terugkerend werk kan de organisatie voortborduren op dingen die in het verleden zijn gedaan. De AI kan met historische data worden gevoed en bij elke iteratie kan de organisatie leren: welke AI-output deugt en welke niet? Er is een feedbackloop, die stapsgewijs wordt geoptimaliseerd.

Veel ander strategisch werk is daarentegen eenmalig. Ik doe bijvoorbeeld veel merkpositioneringen. En een organisatie die z’n positionering vaker dan eens per vijf jaar onder de loep neemt, heeft waarschijnlijk een probleem. Dus op dit gebied hebben mijn meeste klanten weinig routine, weinig data uit het verleden en weinig mogelijkheden om met een feedbackloop te leren.

Dat is precies het domein waar een te groot vertrouwen op AI gevaarlijk kan zijn. In zo’n geval is er mijns inziens veel baat bij een deskundige van buiten, die al vaak met zo’n bijltje heeft gehakt en de valkuilen herkent.

Verder wordt AI getraind met expliciete kennis: alles wat is opgeschreven. Maar een goede strategie neemt ook impliciete kennis mee: de dynamiek op de werkvloer, de onuitgesproken frustratie van een klant tijdens een bakje koffie of iets dat onderhuids borrelt in de cultuur van een bedrijf. AI kan die informatie niet verzamelen, omdat die simpelweg niet in de trainingsdata staat.

AI leidt je vaak naar hetzelfde, vlakke midden.

Toch kunnen ook aan het gebruik van AI voor routinematige werkzaamheden nadelen zitten. Als een taak bij jouw bedrijf routinematig is, is dat waarschijnlijk bij andere organisaties ook zo. Dus bestaat hier waarschijnlijk ook een gestandaardiseerde AI-oplossing voor.

Het gevaar is daarmee dat ieder bedrijf dezelfde instrumenten gebruikt en dus met dezelfde oplossingen komt. AI trekt iedereen naar hetzelfde veilige, vlakke midden. Voormalig Dentsu-topman Mark Byrne heeft het dan ook over een “machine of averages“.

Terwijl merkstrategie vaak draait om zaken net anders te doen dan de rest. Zodat je opvalt en uniciteit creëert of slimmer met schaarse middelen omgaat. Een oplossing die gemeengoed wordt, biedt meestal geen strategisch voordeel meer.

Consultancy is meer dan het advies.

En dan is er nog iets belangrijks voor de vraag of AI consultants overbodig maakt. Advies gaat meestal niet alleen om advies. Dat wil zeggen, het gaat niet alleen om het zo snel mogelijk geven van het juiste antwoord. Belangrijk is ook het meenemen van een organisatie in de zoektocht.

Stel, ik kom binnen bij een klant. Die beschrijft een complex probleem, waarvan de uitkomst flinke consequenties heeft. Als ik binnen vijf minuten na binnenkomst het antwoord op tafel leg, is de kans dat dit wordt overgenomen klein. Niet zozeer omdat het fout is, maar omdat de klant er niet in is meegenomen. Die heeft er geen beleving bij en kan de juistheid van het advies lastig inschatten. Het bekende Not-invented-here“-probleem.

Goede consultancy draait voor een belangrijk deel ook om de regie van een proces: de vragen stellen, hypotheses op tafel leggen, tegenwerpingen uitlokken en mensen zelf de oplossing laten zien. Dus stel dat een AI inderdaad in een paar tellen hetzelfde advies geeft als een traject van zes weken: hoe groot is de kans dat een organisatie dit antwoord breed omarmt? Zeker met de rafelige rand in het achterhoofd.

Plus: bedrijven huren consultants ook in voor rugdekking. De verdediging “Maar het advies kwam van gerenommeerde experts” voelt net wat lekkerder dan “Grok zei dat ik dit moest doen”.

Ook is er de implementatie van een advies. Een strategie zonder uitvoering is een PDF. Uitvoering vereist mensen motiveren, beslissingen nemen onder onzekerheid, conflicten managen, prioriteiten kiezen en doorzetten. Dingen waar AI niet per se in uitblinkt. Plus: AI heeft geen gevoel voor de machtsverhoudingen in een organisatie.

Dat is dan ook de reden dat veel adviesbureaus, zoals Deloitte, EY en Accenture, zich steeds meer focussen op uitvoering. Naar verluidt groeien zij anderhalf keer zo snel als “denkers” zoals McKinsey, BCG en Bain.

Kortom: de koning leeft, leve de koning.

Uiteraard kan dit over een paar jaar een legendarisch lachwekkend artikel blijken te zijn, vergelijkbaar met de uitspraak dat er wereldwijd een markt is voor vijf computers. AI lijkt zich steeds sneller te ontwikkelen, dus de kans dat AI consultants ondanks al deze argumenten toch wegblaast, blijft aanwezig.

Toch bekruipt mij steeds vaker het gevoel dat er een asymptoot is: de haas rent naar de boom en halveert telkens de afstand tussen hem en de boom. Maar daardoor bereikt hij de boom nooit.

AI komt weliswaar steeds dichter bij menselijke experts. Maar het kan best nog een tijd duren voordat die lijn echt wordt doorkruist. Dit doet me denken aan de zelfrijdende auto, waarover ik in mijn boek schrijf. “Veel mensen dachten dat het invullen van de laatste 10% moeilijker zou zijn dan de eerste 90% (…) Maar niet dat het tienduizend keer moeilijker zou zijn.”

Ofwel, ook al is er een nieuwe koning opgestaan, dit betekent niet dat de oude koning is overleden. Daarom blijf ik voorlopig nog even mijn best doen. Wil je sparren over je merkstrategie, laat het me weten.

Wanneer is een oprichtersverhaal essentieel?

Leestijd: 2 minuten

Steve Jobs, Yvon Chouinard en Martijn Verspeek zijn spraakmakende oprichters van succesvolle merken. Maar heeft elk merk zo’n oprichter nodig? Bas Hakker interviewde mij hierover voor Brand Potential.

Hoe belangrijk is het founderverhaal voor het merk?

‘Dat ligt aan de situatie. Een charismatische oprichter met een aansprekende visie kan goed werken om fans-van-het-eerste-uur te creëren. Denk bijvoorbeeld aan een lifestylemerk of een disruptieve startup: merken die voor mensen een verlengstuk van hun identiteit kunnen zijn Een eigenzinnige oprichter die de drijfveer van de doelgroep deelt, kan dan een effectieve verbinder zijn.

Maar niet elk merk heeft fans nodig en niet elk merk kan fans aan zich binden. Van de honderden merken die je kiest, van je autoverzekering tot je tandpasta, ben je niet bij elk merk geïnteresseerd in het achterliggende verhaal. De meeste moeten gewoon hun werk doen en zich op de achtergrond houden. Toch is het leuk om regelmatig merken met een originele visie tegen te komen. Waarbij je denkt: “Ja, zo kan het ook!” En dat kan in principe voor elke categorie. Kijk bijvoorbeeld naar het verhaal van Martijn Verspeek en zijn installatiebedrijf.

Als je zo’n inspirerende oprichter wilt zijn, leer dan van Marshall Ganz. Ik citeer hem in mijn boek Sterk Digitaal Merk. Ganz stelt dat een leider van een organisatie drie verhalen moet kunnen vertellen om mensen te betrekken: een verhaal over de eigen, authentieke drijfveer (“the story of self”), een verhaal over de hedendaagse urgentie (“the story of now”) en een verhaal over de bijzondere verbintenis van de mensen om hem heen (“the story of us”).

Uit trainingen die ik als merkstrateeg geef, blijken veel leiders dit drieluik lastig te vinden. Vooral als het gaat om dingen persoonlijk maken, dan blijven ze hangen in abstracte, afstandelijke betogen.

Lees het artikel verder