Hulp bij reviews, interviews & meer: zo helpt AI je bij klantinzichten

De afgelopen tijd wordt LinkedIn overspoeld met berichten over AI, en ik wil voorkomen dat ik herhaal wat je al talloze keren voorbij hebt zien komen. Daarom neem ik je graag mee achter de schermen, naar concrete voorbeelden uit de praktijk. Naar mijn werk als gedragspsycholoog binnen CRO-trajecten, waar ik AI-tools inzet om beter te begrijpen waarom mensen online doen wat ze doen.

Mijn doel is niet om bekende AI-concepten te herhalen, maar om vanuit mijn ervaring als consultant concrete voorbeelden te delen van hoe AI in de praktijk een verschil kan maken in CRO. Laten we samen kijken hoe AI ons kan helpen om veel sneller en effectiever diepgaand klantonderzoek te doen, in plaats van ons te verliezen in eindeloze A/B-tests zonder fundamenteel inzicht.

In mijn werk als gedragspsycholoog combineer ik data-analyse met psychologie: de data om te begrijpen wat er gebeurt op online platformen, en de psychologie om te verklaren waarom mensen zich gedragen zoals ze doen en wat hun onderliggende beweegredenen zijn.

Het is precies dit laatste aspect, het begrijpen van de menselijke psychologie achter online gedrag, waarvan ik geloof dat kunstmatige intelligentie (AI) ons verder kan helpen. Ik hoop jullie te inspireren om zelf met deze tools aan de slag te gaan en de potentie ervan te ontdekken.

De kern van CRO: gedragsinzicht boven groei

Voordat we dieper ingaan op de rol van AI, wil ik even stilstaan bij wat een baan als CRO-specialist eigenlijk inhoudt. Ik zie dit in twee belangrijke aspecten uiteenvallen. Aan de ene kant is er de duidelijke doelstelling van groei, het genereren van meer omzet, het verkopen van meer producten of diensten. Dit is het ‘earn‘ aspect, de directe bijdrage aan de bedrijfsresultaten.

Maar er is een tweede, minstens zo belangrijk aspect, dat soms onderbelicht blijft. Doordat we via online platformen continu in contact staan met duizenden klanten tegelijk, bevinden we ons in een unieke positie om enorm veel te leren over hun gedrag en hun beweegredenen. Dit vergaren van klantinzichten is van onschatbare waarde. Niet alleen voor toekomstige optimalisaties, maar ook voor de bredere organisatie. Vanuit mijn psychologische achtergrond is dit dan ook mijn belangrijkste drijfveer, en ik ben ervan overtuigd dat we hier als sector nog een aanzienlijke slag kunnen maken.

Meer aandacht voor vooronderzoek

Er zijn verschillende vormen van data die we kunnen gebruiken om meer te leren over onze klanten. Denk hierbij aan wat concurrenten doen, wat klanten zelf aangeven belangrijk te vinden en wat we zien in onze webdata. De vraag is: welke van deze bronnen gebruiken we actief, welke wellicht minder en hoe kan AI ons helpen om deze bronnen beter, makkelijker en sneller te benutten?

De meest gehoorde reactie op het belang van vooronderzoek is vaak dat het ten koste gaat van de snelheid. Er is druk om snel veel tests te lanceren, er zijn veel overleggen, en soms is er het gevoel dat we het wel ‘een beetje weten’. Maar met de inzet van AI vervalt dit excuus: we kunnen nu veel sneller en grondiger vooronderzoek doen.

Hoe ontdek je waar je moet optimaliseren? En hoe haal je diepere inzichten uit gedrag? Hoe kunnen we AI inzetten om de juiste richtingen voor onze tests te vinden en om klantgedrag effectiever te analyseren?

Wat klanten zeggen: de kracht van AI bij de ‘voice of the customer’

Een van de meest waardevolle bronnen voor CRO is de stem van de klant: reviews, enquetes, interviews. De ‘voice of the customer‘: wat zeggen mensen zelf? Dit kan wel een tijdrovend proces zijn, zeker als het gaat om grote hoeveelheden data zoals customer reviews.

In een van mijn recente projecten had het bedrijf in kwestie maar liefst 23.208 reviews ontvangen. Deze reviews bevatten een schat aan informatie over wat klanten belangrijk vinden, wat hun pijnpunten zijn en waar hun behoeften liggen. Maar tot voor kort was het onbegonnen werk om al deze reviews handmatig te lezen en te analyseren.

Gelukkig biedt ChatGPT hier een uitkomst. Door deze reviews te scrapen en in ChatGPT in te voeren, kunnen we de AI vragen om de belangrijkste thema’s, pijnpunten en behoeften te identificeren. Vervolgens kunnen we de AI zelfs vragen om USP’s te formuleren op basis van de woorden die klanten zelf in hun reviews hebben gebruikt. Vanuit de psychologie weten we dat mensen zich graag identificeren met anderen die op hen lijken en dat ze het meest luisteren naar mensen in hun directe omgeving. Door de taal van de klant te spreken, creëren we dus overtuigendere boodschappen dan wanneer we vanuit ons eigen marketingperspectief USP’s bedenken.

Wat mij opviel: klanten gebruiken vaak andere woorden dan je verwacht. Het bedrijf sprak bijvoorbeeld over “all-in huurformule” en “24/7 Nederlandstalige support”. Hoewel dit vanuit een bedrijfsperspectief logisch lijkt, lazen we in de reviews dat klanten termen gebruikten als ‘geen zorgen over extra kosten’, ‘snel en gemakkelijk geregeld’, ‘duidelijke communicatie’ en ‘betrouwbare service’. Door de eigen taal van klanten te gebruiken, konden we de USP’s effectiever formuleren.

Kijk uit voor fictieve content van AI

In een van mijn analyses van toeristenreviews stuitte ik op iets interessants: een ervaring die voor ons als Nederlander heel vanzelfsprekend is, bleek voor buitenlandse bezoekers juist uitzonderlijk waardevol – namelijk het gebruik van een fiets. In eerste instantie vroeg ik ChatGPT om quotes over deze fietservaring te genereren. Die klonken overtuigend: “Biking was the highlight of our trip. It offered a unique and immersive experience…”.

Maar toen ik de bron controleerde, bleek dat de AI deze uitspraken had geconstrueerd op basis van sentiment, niet letterlijk uit reviews gehaald. Dat was een belangrijke reminder: AI kan geloofwaardige maar fictieve content maken. Door de tool specifieker aan te sturen, kon ik alsnog echte citaten vinden. Die hebben we vervolgens effectief ingezet in een test, met een boodschap als ‘Explore the city like a local’.

AI inzetten om klantinterviews te voeren

Naast het analyseren van bestaande reviews kunnen we AI ook inzetten om zelf klantinterviews te voeren op een efficiëntere manier. Traditionele face to face-interviews zijn waardevol, maar ook tijdrovend. Er zijn nu oplossingen die dit proces kunnen versnellen, zoals WhatsApp-chatbots. Met zo’n chatbot kun je geautomatiseerd vragen stellen, bijvoorbeeld over de tevredenheid met het opladen van een elektrische auto, en doorvragen op basis van de antwoorden.

Mensen kunnen antwoorden typen of voice memo’s inspreken. De chatbot vat de antwoorden samen en kan zo in korte tijd input van een groot aantal mensen verzamelen (bijvoorbeeld 200 interviews). Hoewel de automatisch gegenereerde visualisaties misschien niet altijd even nuttig zijn, bieden deze tools vaak wel dashboards met de belangrijkste pijnpunten en behoeften die uit de interviews naar voren komen.

Een stap verder gaat Conveo, een platform dat video-interviews met AI-bots aanbiedt. Je kunt je vragen invoeren en de AI voert vervolgens gesprekken met respondenten, die gewoon kunnen praten zoals in een normaal interview. Ook dit leidt tot dashboards met samengevatte resultaten. Dit soort oplossingen zijn veelbelovend, omdat ze het belang van direct met klanten praten binnen CRO benadrukken, iets wat soms ondergesneeuwd raakt door de focus op data.

Een laatste, vaak onderbenutte bron van klantinzichten, is de customer service. Medewerkers van de klantenservice hebben dagelijks contact met klanten die problemen ervaren of specifieke behoeften hebben. Zij beschikken over waardevolle kennis, maar het is vaak lastig om deze informatie te ontsluiten en te delen. Door gesprekken met de klantenservice op te nemen en door AI te laten samenvatten, kan deze kennis eenvoudig toegankelijk worden. Dit bespaart de klantenservicemedewerkers tijd en zorgt ervoor dat waardevolle inzichten de rest van de organisatie kunnen bereiken.

De meerwaarde van de ‘view of the customer’ met AI

Naast de ‘voice of the customer’ is de ‘view of the customer’, de analyse van webdata, ook heel belangrijk in CRO. In mijn werk heb ik het geluk om met ervaren data-analisten samen te werken, maar in veel organisaties zijn deze resources schaars en druk bezet. Daarom zijn er steeds meer AI-tools die ook dit aspect van CRO automatiseren.

Neem bijvoorbeeld heatmap-analyses in tools zoals VWO. Waar je normaal gesproken zelf moet kijken naar scrolgedrag en klikpatronen, kan AI nu alvast belangrijke inzichten identificeren. Zoals dat mensen niet ver genoeg scrollen of niet op de juiste knoppen klikken. En AI kan dan zelfs advies geven over mogelijke oplossingen.

Opnames analyseren

Nog waardevoller is de analyse van opnames van gebruikerssessies. Het handmatig bekijken van voldoende opnames om patronen te ontdekken kost doorgaans veel tijd. AI kan deze opnames analyseren en de belangrijkste gedragingen en knelpunten naar voren brengen, met de mogelijkheid om direct naar de relevante fragmenten te linken ter controle.

Je kunt de AI ook specifieke vragen stellen, zoals het tonen van opnames van gebruikers die een bepaald filter gebruiken, waardoor je inzicht krijgt in het gedrag rondom die functie. Dit is niet alleen handig voor het identificeren van problemen, maar ook om je argumenten te versterken door concrete voorbeelden van gebruikersfrustratie te laten zien in presentaties.

Daarnaast kunnen AI-tools hypotheses genereren op basis van de analyse van je website. Ze scannen je site en komen met suggesties voor mogelijke verbeterpunten. Hoewel dit in eerste instantie mijn rol als psycholoog in het bedenken van hypotheses lijkt te bedreigen, is het belangrijk om te onthouden dat AI momenteel nog niet in staat is om verschillende datapunten uit het volledige 6V-model te combineren en zo de echte, dieperliggende problemen en behoeften te identificeren. Hier blijft de menselijke expertise van cruciaal belang om het overzicht te bewaren en de juiste strategische keuzes te maken.

Wetenschappelijke onderbouwing met hulp van AI

Een aspect dat in CRO vaak onderbelicht blijft, is het toepassen van wetenschappelijk onderzoek in testprogramma’s. Dit komt vaak doordat wetenschappelijke artikelen moeilijk te vinden en te begrijpen zijn. Gelukkig zijn er tools die dit toegankelijker maken.

Consensus is een zoekmachine specifiek voor wetenschappelijke literatuur. Je kunt hier in normale taal vragen stellen, bijvoorbeeld “Waarom betalen mensen voor nieuws?”. De AI zoekt vervolgens relevante artikelen en vat de belangrijkste bevindingen samen. Inclusief de persoonlijke motivaties en economische en sociale factoren die een rol spelen. Er wordt ook een link naar het originele artikel gegeven, zodat je de informatie kunt verifiëren.

Daarnaast geeft Consensus inzicht in de methodologie van de onderzoeken. Zoals de herkomst van de deelnemers, of er een experiment is uitgevoerd en welke uitkomsten zijn gemeten. Dit helpt om snel de relevantie en betrouwbaarheid van een artikel in te schatten. Je kunt ook filteren op type onderzoek (bijvoorbeeld randomized controlled trials of meta-analyses), op de kwaliteit van het tijdschrift en op de publicatiedatum.

Hulp van Notebook LM

Artikelen die je via Consensus vindt, kun je vervolgens eenvoudig uploaden naar Notebook LM, een tool van Google. In tegenstelling tot AI-modellen die op het hele internet getraind zijn, wordt Notebook LM alleen getraind op de documenten die je er zelf in stopt. Daardoor kun je een gefocust gesprek voeren met de relevante onderzoeksresultaten. De tool toont direct aan de linkerkant waar de informatie vandaan komt, zodat je de context begrijpt en zeker weet dat je het correct interpreteert.

Een interessante functionaliteit die ik recentelijk heb ontdekt, is de mogelijkheid om audiofragmenten van de geanalyseerde artikelen te genereren. Dit kan handig zijn als je onderweg bent of geen tijd hebt om te lezen. De hoogtepunten van het onderzoek worden dan besproken op een toegankelijke manier.

Tot slot is er de mogelijkheid om in ChatGPT deep research aan te zetten. Door een gerichte vraag te stellen, kun je binnen korte tijd een uitgebreid rapport met wetenschappelijke onderbouwing ontvangen. Er is dus eigenlijk geen excuus meer om wetenschappelijke literatuur niet te benutten in je CRO-strategie.

Samenwerken met de intelligente stagiair

Wat betekent dit nu allemaal voor de toekomst van CRO? Allereerst denk ik dat AI ervoor zorgt dat we veel efficiënter kunnen werken. Met de beschikbare tools voelt het alsof ik mezelf heb vermenigvuldigd en met meerdere versies tegelijk aan het werk kan. Ik kan meer vooronderzoek doen en houd tegelijkertijd tijd over voor andere taken.

Daarnaast stelt AI me in staat om rollen te vervullen waar ik van nature minder sterk in ben, zoals data-analyse en UX-principes. De tools fungeren als een analist, designer en psycholoog in één. Betekent dit dat mijn rol in de toekomst volledig overbodig wordt? Ik denk het niet. We zijn nog niet zover dat AI al ons werk kan overnemen.

De beste manier om naar AI in CRO te kijken, is als een zeer gemotiveerde, super intelligente stagiair. Deze stagiair komt voortdurend met nieuwe ideeën en kan allerlei klusjes snel en goed uitvoeren. Maar jij moet als expert de controle behouden en het werk controleren. Je stuurt een stagiair immers ook niet alleen naar de klant.

Blijf eigenaar

Het is belangrijk dat je de eigenaar blijft van de learning. Richt je niet alleen op het scoren van snelle overwinningen (‘earn’), maar gebruik de inzichten uit je experimenten en onderzoeken om een diepgaand begrip van je klanten te ontwikkelen en dit binnen de organisatie te communiceren. Laat je niet blindelings leiden door de suggesties van AI, maar zorg ervoor dat je zelf de controle houdt over de richting en de interpretatie van de resultaten.

Op de lange termijn zal AI het traditionele CRO, waarbij we voornamelijk sleutelen aan knoppen en titels, wellicht overbodig maken. Deze basale optimalisaties zullen met een paar klikken te realiseren zijn. Dit geeft ons de kans om ons te richten op duurzamere kennis over klantgedrag. En op het blootleggen van hun werkelijke behoeften en pijnpunten. Ontwikkel jezelf in het effectief inzetten van AI om dit te bereiken en verschuif de focus van trucjes naar betekenisvolle inzichten over wat je klanten echt nodig hebben.

Home < Hulp bij reviews, interviews & meer: zo helpt AI je bij klantinzichten