Latest / De Sales Architect / Morgen Outbound #21: Sales (AI) Agents

Transcript

Morgen Outbound #21: Sales (AI) Agents · De Sales Architect

0:00
Welkom bij morgen outbound de podcast voor Iedereen die wil
0:04
bouwen aan een moderne b to be sales machine.
0:07
Luister mee voor de beste strategieën, de nieuwste
0:10
technologie en de slimste tactieken om commerciële groei
0:13
te versnellen. De host van deze podcast zijn
0:16
devy guid go to market specialist en Terry van der,
0:19
Bemmpt auteur van de sales architect.
0:22
Samen zijn zij de oprichters van Saleslift Studio.
0:34
We hebben weer een nieuw. Onderwerp, nieuw onderwerp.
0:36
Voor onze miniserie podcast. Kijk even hoe lang we erover
0:39
kunnen plaatsen. Praten bepalen we wel welke
0:42
categorie die. Valt dus ja.
0:46
Godverdorie over categorieën gesproken, We gaan het hebben
0:49
over sales agents of AI sales agents, hè?
0:55
Dat is een hot topic tegenwoordig.
1:00
Volgens mij. Het lijkt er af en toe op alsof
1:03
het doel is om een sales AI agent te maken in plaats van dat
1:09
het doel Natuurlijk. Het is geen einddoel Natuurlijk
1:14
om een sales agent te maken, maar zo kijken sommige Mensen er
1:18
wel naar volgens mij. Die zijn gewoon op zoek naar
1:20
manieren om iets in elkaar te knutselen en niks meer hoeven te
1:25
doen. Maar dat levert vervolgens ook
1:27
helemaal niks op. Maar goed, We willen het topic
1:30
toch even aansnijden, want. We zien ook veel online
1:34
voorbijkomen. Er wordt veel over geschreven.
1:38
En. Wat je ziet daarin eigenlijk
1:42
twee verschillende soorten agents, dus n agents die dus
1:46
inderdaad gewoon stukjes van het proces kunnen automatiseren met
1:49
behulp van allerlei soorten technologie.
1:52
En je ziet agents die daadwerkelijk een AI component
1:55
hebben en dus inderdaad zelf lerend zijn en bepaalde stappen
1:59
helemaal zelf zetten. En daarbij ook de context
2:03
scheppen. En daarin ook beter worden.
2:07
Nou de reden Waarom ik het onderwerp wilde wilde aansnijden
2:10
was Omdat ik heel vaak iets voorbij zie komen waarin iemand
2:13
iets noemt dat een AI agent het gedaan heeft, terwijl er
2:17
eigenlijk geen AI bij komt kijken.
2:19
Maar het is wel een slim automatiserings proces.
2:25
Een aantal een aantal voorbeelden wil ik eigenlijk
2:28
eventjes. Ja, het heeft Misschien is dit
2:30
goed Als ik even in mag breken om even te kijken.
2:32
Kijk een een AI sales agent. Dat is nogal best wel breed.
2:37
Dus Misschien is het goed om even te kijken van OK, hè?
2:39
Over welke onderdelen van het proces hebben wij al goede AI
2:46
agents gezien en welke nog niet, hè?
2:49
Dus om maar even een voorbeeld te geven, Er zijn Mensen die
2:51
zeggen dat ze ook AI gesprekken, hè?
2:54
Dat soort sales agents. Ja dat dat dat dat al werkt, dat
3:00
hebben wij niet gezien. Ik vrees, Ik denk wel dat Het
3:03
gaat komen dus, maar die hebben wij nog niet gezien, hè?
3:07
Iemand een tool waarmee je dus echt gesprekken kan Laten doen
3:10
en dat tot tevredenheid dat soort dingen hebben wij het nog
3:12
niet gezien. Getwijfeld komen, maar is er nog
3:14
niet, maar Er zijn op allerlei deelonderwerpen het begin van
3:20
het sales proces, het researcher van het sales proces.
3:22
Het beantwoordde van ja, het beantwoorden van Van Replyze
3:28
incyl proces zijn wel degelijk al een aantal agents In de markt
3:33
te bouwen. Of dat soort dingen?
3:36
Ja en willen gelijk beginnen met een voorbeeld noemen.
3:39
Nou ja, dat wil ik eigenlijk wel, dus eentje die.
3:44
Waar eigenlijk? Al heel veel.
3:47
Zeg maar, werk gedaan wordt voorheen.
3:51
Dat zit eigenlijk in een soort lead agent of Research agent,
3:54
hè? Dus in het geval van clay met
3:56
behulp van clagent de AI Tool in clay, kan je al heel veel werk
4:03
Laten researchen en informatie uithalen Als het gaat om het
4:08
vergaren van of de juiste lead data en Misschien nog wel
4:12
belangrijker om de juiste filters te vinden.
4:16
Hè, dus je bent al lang niet meer afhankelijk van de filters
4:19
van LinkedIn, zoals we dat twee jaar geleden wel waren, maar Er
4:22
is via claygent in dit geval allerlei ja slimme.
4:29
Mogelijkheden om tot bepaalde specifieke prospect data te
4:33
komen, dus op dat stuk heeft het zich al nou in ieder geval bij
4:37
ons bewezen en en zit er, ik noem het maar even een een lead
4:41
agent. Misschien is leadgent nog beter
4:43
dan een Research agent, want Dat is eigenlijk de vervolgstap.
4:46
Ja dus daar zit, daar zit heel veel in.
4:50
Als we het gaan hebben? Ja en dan bedoel je dus van OK,
4:53
je hebt een lead of een accountlijst gemaakt en binnen
4:57
die lead of accountlijst wil je onderzoek doen naar een bepaald
5:01
thema bijvoorbeeld hè? Dus en dan en dan kan die op
5:04
basis van websites gaat hij gewoon.
5:07
Kan je jij vraagt van OK, kan je iets vinden over wat het bedrijf
5:12
doet aan medewerkers, tevredenheid en dan gaat hij
5:15
zelf aan de slag en dan Zonder dat je het aangeeft, zegt hij
5:18
eigenlijk van joh Ik ben naar de website geweest.
5:21
Is daar kon ik niks vinden. Toen ben ik te werken bij pagina
5:24
gaan kijken. Daar zag ik een stukje beleid
5:26
staan over thema X. Verder zag ik voorbijkomen op
5:31
Glass door dat er wat personeel ontevreden was over de benefits
5:37
die werden aangeboden door het bedrijf.
5:38
Dus eigenlijk. Jij stelt een vraag en
5:40
vervolgens gaat hij zelf op pad om zijn onderzoek te voltooien
5:46
en en en hij geeft ook de reasnik terug en de context en.
5:49
Die is wel heel belangrijk hè? Want dat die reasting is
5:51
Natuurlijk heel belangrijk, want AI is Natuurlijk zo goed of zo
5:54
slecht Als je er zelf mee omgaat.
5:56
En juist de resening, zeg maar, zoals die dat teruggeeft dat
6:00
dat, dat geeft jou de input voor jou stel ik wel de juiste vragen
6:03
of schrijf ik wel de goede prompt dus dus Dat is, Dat is
6:07
heel belangrijk, dus dat zou interessant is.
6:09
Dat is één kant van het verhaal, de andere kant en daarvan.
6:12
Volgens mij is het ook AI, Maar ik ben geen techneut, dus
6:14
Misschien is het wel stiekem een andere technologie maar.
6:18
Bijvoorbeeldüberhaupt kijken of je.
6:22
Bepaalde informatie op andere websites kan checken.
6:26
Hè? Dus bijvoorbeeld de site van het
6:27
Kadaster. Ja, als jij wil van OK, Ik heb
6:29
hier allemaal leads. Die lijken mij interessant, Maar
6:32
ik wil weten welke energielabel ze hebben.
6:34
Hoeveel vierkante meters dat soort dingen dat je dan naar een
6:38
bepaalde site gaat het daar laat invoeren de en de output
6:42
terugkrijgt, ja of nee, zeg maar, of welke erbij zit.
6:48
Dat. In dat geval is dat dan, zeg
6:50
maar, is dat dan geautomatiseerd?
6:51
Is dat automatisering of ja ligt ermee?
6:54
Te anonimiseerd. Ja is Misschien wel.
6:58
We zijn in ieder geval heel blij mee en het werkt dus de vraag is
7:02
Het is mis, Het is, Het is meer. Laat ik het zo zeggen, Het is
7:08
Het is creping wat hij doet. De input die wordt wel via een
7:13
prompt gegeven van ga dit doen, dan wil ik dat je deze stappen
7:16
zet, dus dus je zit wel in een AI functionaliteit, zit je dat?
7:23
Ja want de berichten te maken. Jij zegt eigenlijk wat je wil,
7:27
hé, hij. Zet dat om in een.
7:31
Veel uitgebreidere prompt ja, dit wordt nog een keer gecheckt.
7:35
En nou gaat hij aan de slag, dus aan die kant.
7:39
Van het proces daar is daar, daar is de technologie nu al
7:43
zover dat je daar superveel mee kan winnen.
7:47
Ja, kijk en wat? Laatst hebben we ook een best
7:51
wel, want Ik ben een hele interessante.
7:54
AI agent gebouwd die. Op accountlijsten hadden we een
7:59
monitor gemaakt die live signalen oppakte uit de markt.
8:04
Daar zit nog niet zoveel AI in, maar vervolgens met ei hebben
8:08
we. Heel veel klantdata toegevoegd
8:13
om ervoor te zorgen dat die die signalen.
8:17
Op kan pikken en ook kan bepalen welke signalen relevant zijn
8:22
voor de propositie van die klant, dus vervolgens werd er
8:27
eigenlijk een soort van onderzoeksverslag teruggekoppeld
8:30
waarin stond van Hé, ik zit dit Company page voorbijkomen.
8:36
Pietje was zelf in het nieuws in deze podcast.
8:41
Ze adverteren met deze advertentie.
8:44
Ze zijn groeiende. Ze hebben investering opgehaald.
8:47
Ja allemaal allemaal signalen. Ja.
8:50
En die signalen wordt, werd er dan gekoppeld aan de propositie
8:54
van het bedrijf. Vervolgens kwam daar een soort
8:57
van verslagje van. Van Waarom dit interessant zou
9:00
kunnen zijn voor x is Omdat het zo past op deze service.
9:06
En vervolgens is er eigenlijk op basis van dat verslag.
9:09
Is er een eerste e mail geschreven en die was zo
9:13
ongelooflijk gedetailleerd en goed.
9:16
Ja dat er bijna geen werk meer dat als hij end houdt iets.
9:22
Die wel die wij nog wel controleren, maar nu wel zo ver
9:26
zijn dat het niet meer zou. Hoeven en.
9:29
Daarmee. Is het proces zo ongelooflijk
9:34
efficiënt geworden, want dit dit zijn dus hij en klanten van hele
9:39
grote waarden die door middel van EY heel goed heb onderzocht
9:44
en eigenlijk in verschillende stapjes en verschillende EY.
9:48
Toepassingen aan elkaar heb gekoppeld om tot de goede output
9:52
te komen. Ja OK dat, dat klopt dus, maar
9:56
Dave, daar heeft de even de controlevraag van, want dat dit
10:00
kan, Dat is Natuurlijk prachtig en Dat is ook heel goed.
10:03
Ik heb het gezien, Dat is ook heel goed, maar wat Natuurlijk
10:06
wel interessant is. Je hebt wel wat nodig om daar te
10:08
komen. Want, Ik weet niet hoe het met
10:11
jouw outfist die jij krijgt. Ik krijg heel veel iets en die
10:15
is heel vaak echt heel slecht. Ja hadden ze beter niet kunnen.
10:18
Aya, hadden ze beter template kunnen sturen die wel relevant
10:22
was in plaats van. Allemaal dingen erbij te halen
10:25
die niet relevant zijn, dus waar ik wel benieuwd naar ben is om
10:30
tot zoiets te komen. Moet je wel heel veel.
10:34
Je moet wel heel veel al weten. Nou zeg maar dus Je moet al heel
10:38
veel. Je moet wel weten waar je naar
10:39
op zoek gaat en in dit geval hè? Het bedrijf waar jij dit voor
10:44
gebouwd hebt. Ja, Dat is bekend, merk hè?
10:48
Bestaansrecht, grote partij, heel veel content tot de
10:52
beschikking, dus je hebt daar wel heel veel informatie.
10:57
Bij elkaar waar je dingen mee kan en dus dus, en dat heb je
11:02
heel mooi aan elkaar geknoopt. Dan kan je dat bouwen en dan dan
11:05
bouw je iets wat waarvan je denkt, ja, als dit maar maar
11:09
voordat je zover bent, moet je wel als jij een nieuwe markt
11:14
ingaat, zeg maar een nieuwe markt ingaat of je bent een wat
11:16
jonger bedrijf. Dan denk ik dat wat jij gebouwd
11:19
hebt. Het is op die manier werkt.
11:23
Niet op die manier werkt. Nee, maar goed, kijk, de reden
11:26
Waarom je zoveel slechte AI uitrit krijgt, dus Omdat er geen
11:30
Omdat Het is gemaakt door iemand die nog eigenlijk gewoon te
11:33
weinig ervaring heeft van business van de producten van de
11:36
markt van functieprofielen. Die weet helemaal die die zou
11:42
ook niet. Één op één een goed bericht
11:45
kunnen schrijven Zonder EA. I nee, Als je kijkt dus inhaken.
11:49
Ja, die kan ook niet doen valideren of het bericht dat hij
11:52
schrijft of dat goed is ja of. Nee, Maar dat komt ook Omdat in
11:57
dit wat er denk ik een groot verschil is bij bij bij wat jij
11:59
gebouwd hebt, is dat jij hebt onderzoek gedaan, zeg maar op
12:03
verschillende bronnen, verschillende signalen dat en
12:05
vervolgens heb je dat bijeengebracht in een in in een
12:09
output. En het meeste wat gebeurt is dat
12:13
er helemaal niet verschillende signalen of verschillende
12:15
bronnen wordt gebruikt. Nee, er wordt ga naar de website
12:18
van social Studio. Kijk, voor wie ze werken, wat ze
12:21
doen en maak op basis daarvan. Ja een mail en wat gebeurt er
12:26
dan? Heel toevallig is onze website
12:28
een beetje gedateerd, heel toevallig, dus je krijgt je
12:32
krijgt, dus je krijgt iets waarvan.
12:33
Ja, ja, Ik weet ook wel dat die case erop staat dat dat We zijn
12:36
bezig met een nieuwe weet je wel dus dus dus je krijgt gewoon, je
12:39
ziet gewoon OK. Iemand heeft geprobeerd de
12:41
website te lezen, heeft niet helemaal begrepen, dus klopt het
12:44
niet. Nou ja goed, kijk in ons geval
12:46
wat het mooie is wat wat je Als je zelf een salesbureau bent.
12:51
Salesbureau is geen categorie op LinkedIn, hè dus?
12:55
Maar wel marketingservice advertising services, managing
13:00
consultancy. Nou professional services noem
13:03
het maar op, nou, wij wij vallen in één van die bakjes en Dat is
13:08
voor bepaalde bedrijven. Is dat een target markt, ook
13:12
voor salesbureaus en die dat dan met EAI automatiseren.
13:15
Dus wij krijgen heel vaak berichten met hé davy, Ik heb je
13:20
website gelezen en dan komt een stukje wat.
13:22
Geautomatiseerd is. Ik zie dat je, hoe ik zie dat
13:26
jullie goed zijn in het. Optimaliseren van
13:29
verkoopprocessen? Ja.
13:30
Het optimaliseren van verkoopprocessen, het genereren
13:33
van B two b leads. Dat is supermooi.
13:37
Wij helpen in Amsterdam bureau's zoals.
13:42
TBA en Snip Snapal Social Agend met het genereren van leads.
13:50
Wil je ook? Vijftienjarig wil je ook 15e
13:52
afspraken per week? Nou, Dat is, Dat is helemaal
13:54
top. We hebben een heel.
13:56
We hebben een heel rijtje van Van die.
13:58
Nee, dat klopt, nee dus Het is even terugkomend, Maar ik denk
14:01
met name dat waar zit dan waar is de AI sales agent al toe in
14:05
staat? Die is met name al goed Als je
14:08
meerdere bronnen pakt. Meerdere Research doet en dat
14:12
goed aan elkaar weet te knopen en daar heb je één bepaald
14:16
bestaansrecht en informatie voor nodig.
14:18
Maar Je moet het ook niet aan de junior vragen, want Je moet ook
14:21
goede business kennis kunnen koppelen om het te maken.
14:25
Een procesmanager, procesmanager.
14:27
Ja OK proces. Daarom zijn er ook zoveel, dus
14:30
dus dat Dat is het enige wat wat wat?
14:34
Niet het enige, Maar dat is wel een goed signaal.
14:36
Kijk, Er zijn er zoveel Omdat ze goed zijn in het uitvoeren van
14:41
hele kleine stapjes in het proces.
14:43
Dus het wordt al veel moeilijker.
14:45
Kijk Waarom er niet, Waarom wij niet één EY agent hebben voor
14:49
dat hele proces van die signalen opvangen, samenvatting schrijven
14:53
en vervolgens de mail. Dat is Omdat het teveel
14:56
foutmarge is in in in die verschillende stappen.
14:58
Het proces is te lang en te groot Omdat met één agent te
15:02
doen, dus er zitten Misschien wel 4 of 5 agenten in dit proces
15:06
die uiteindelijk Samen tot een goed.
15:08
Resultaat komt. Er zijn een aantal partijen die
15:12
zeggen dat ze. Dat allemaal ineen kunnen
15:15
brengen? Ja, maar wat.
15:18
Wat gebeurt wat? Hè?
15:19
Nee, Ik denk dat aan de andere kijk, het ligt eraan wie de
15:21
eigenaar is en straks van die agent kijk.
15:24
Wij zouden in principe ook één agent kunnen verkopen die dit
15:28
doet. En dan is het bij ons zijn het
15:30
er 6. Nee, precies, Maar dat is ook
15:32
wat wij zien, want Wij hebben vaak het idee Als we naar
15:34
kijken, dan denken we, ja, ziet er mooi uit.
15:37
Dit lijkt. Dit lijkt veel op de filters van
15:39
LinkedIn. Dit ziet eruit als klay.
15:42
Hey, dit lijkt oplemist, weet je wel dus dat Dat is het toch vaak
15:44
een beetje aan elkaar geknoopt. Ja en.
15:49
Maar Wij hebben nog niet gezien dat het allemaal in één kan, dus
15:53
echt nog wel meerdere tools OK één laatste nog hier op dit
15:57
onderwerp ben ik ook benieuwd wat jij ervan vindt?
16:01
Reprise. Ja.
16:03
Mensen die mij mailen die krijgen tegenwoordig heel, soms
16:06
heel goed geschreven stukje tekst.
16:07
Dat ben ik dan meestal niet. Dat is fixer.
16:11
Hè, dus dat dus dus je ziet ook aan de reply kant.
16:16
Ja dat dat die technologie die gaat best wel heel hard.
16:20
Ja en het mooie is dan dat. Dan de ene met de andere e hij
16:25
praat. Maar dat is aan de andere kant
16:27
Natuurlijk ook zo precies. Ja dus dus er komt een.
16:29
Er komt een geautomatiseerde mail aan via en die wordt.
16:33
Keurig geparkeerd met fixen. Ja en voor het weten heb je
16:36
contact getekend en eigenlijk Niemand weet wat er precies
16:38
gebeurd is. Ja.
16:39
Ja, en Dat is maar hopen dat je aan de goede kant van het
16:41
gesprek. Weet jij dat jij als eerste je
16:44
hebt, maar. Wat wel wat ik wel interessant
16:47
vind aan fixen is dat die dus leer je het op basis van de
16:52
manier waarop jij gesprekken voert en dat je Natuurlijk ook
16:54
kan trainen op bepaalde projecten en inhoudelijk.
16:58
Beter maakt op thema's en topics en je ziet wel gewoon dat het
17:02
dat het ongelooflijk. Dichtbij de werkelijkheid komt
17:07
soms denk ik echt van ja, dat ik echt.
17:10
Ja, ik zeg het vaak tegen jou Omdat je Het is in je in je op
17:13
je telefoon is heel moeilijk te zien wat wat er.
17:15
Gebeurt, Maar dat is wel grappig op je telefoon, want Het is
17:18
Natuurlijk wel zo. Is kijk wat hij schrijft dat dat
17:22
lijkt best wel veel wat je zelf schrijft, dus daar wordt je en
17:25
je wordt er steeds makkelijker in, dus dus dus je wordt Alleen
17:28
soms. Is het wel eens links of rechts,
17:30
dus Wij hebben ook wel eens misverstand gehad Omdat ik iets
17:32
doorstuurde dat jij dacht dat ik dit ergens mee eens was.
17:35
Terwijl ik het er helemaal niet mee eens was, maar Omdat er al
17:38
een voorgeprogrammeerde tekst meegestuurd was, Omdat ik het
17:41
doorstuurde vanaf mijn telefoon dacht jij hè?
17:42
Maar je bent er wel mee eens, weet je wel?
17:44
Ik dacht dat je al dit had, dus dus Het is wel zo.
17:48
Hij gaat wel eens linksaf als jij rechtsaf wil, Maar het is
17:53
wel vaak zo. Ja, weet je wel?
17:55
Hij programmeert het voor en ja, en Als je allebei rechtsaf wil
18:00
dan dan is er niet zo heel veel meer voor nodig om om om die
18:03
mail aan te passen. Nee, precies, ja Je moet Alleen
18:06
oppassen dat je er niet te lui van wordt.
18:09
En wel ja dus dat nee dus die dus die ontwikkeling en daar.
18:13
Daar zijn er ook een aantal goede voor en een andere.
18:17
Maar dat is dan meer een soort classificatie agent.
18:20
Noem ik het maar even. Die zijn er ondertussen ook,
18:24
althans, die moet je. Zelf bouwen, Dat is met.
18:29
Gecategoriserend toch? Categorisatie dus herkennen van
18:33
OK, hè? Dus we herkennen van OK, deze
18:37
meneer mevrouw geeft dit terug, OK, dit betekent deze moet
18:41
volgend jaar benaderd worden om dit tijdstip.
18:44
Deze moet volgend jaar benaderd worden, Omdat met deze boodschap
18:48
dus die kan, hè, Dat is dus die, die moet je wel nog zelf bouwen.
18:53
Ja, want die die zit nog niet in outletool in al hebben we niet
18:57
gezien, maar die is wel aan elkaar te knoppen met met
19:01
verschillende tools. Dus Dat is en en die is wel.
19:07
Heel erg waardevol, want dat scheelt kijk los van het feit
19:12
dat je anders in CRM dingen moet gaan taggen en Mensen dat moeten
19:16
gaan doen is dat Natuurlijk heel erg prettig dat je dat allemaal
19:19
al kan. Geautomatiseerd op de juiste
19:22
plek kan krijgen en ik durf wel te stellen dat die is niet 100%
19:26
goed, maar Als je het Mensen laat doen is het ook niet 100%
19:30
goed en heb je ook nog een hoop gezeur en gezeik zeg maar.
19:33
Ja die is, die is wel heel goed door te automatiseren.
19:37
Dus als jij zo'n agent hebt die replic categoriseren en dan gaat
19:42
het Natuurlijk om replic die niet direct een succes zijn,
19:45
maar waar er in staat van joh verkeerd moment.
19:48
We hebben nog contract voor 12 maanden.
19:51
Joh verkeerd moment ik werk met deze leverancier.
19:54
Ik ben niet de juiste persoon, Je moet bij Pietje zijn.
19:59
Wat is de prijs nou van dat soort vragen, waar waar waarbij
20:02
je eigenlijk al weet, nou, die moet daar, die moet daar, die
20:06
moet daarheen. Nou, die kan dan geautomatiseerd
20:08
naar een nerd campagne worden toegestuurd.
20:12
Ja, in die campagne heb je dus al de input hoe die messaging
20:17
eruit moet gaan zien, dus dus buiten het feit dat die het
20:20
automatisch gecategoriseerd wordt.
20:22
Eventueel antwoorden terug kan sturen.
20:26
Kans om iemand ook automatisch doorgezet worden naar de juiste
20:28
flow en ook daar is de messaging eigenlijk alweer
20:32
geoptimaliseerd. Dus dan kom je pas weer in actie
20:35
op het moment dat er weer reply komt.
20:38
Ja, Omdat je datapunt je kan die je kan Natuurlijk datapunten
20:41
niet Alleen halen uit wanneer er gereageerd is op wie die
20:45
gereageerd is, maar je kan Natuurlijk wel door die AI ook
20:48
datapunten halen uit keywords, dus uit het bericht zelf.
20:52
Dus je hebt aangegeven je je gaf, je hebt vorig jaar contact
20:55
gehad met mijn collega Sven. Daarin gaf je aan dit dit en
20:59
dit. Dat komt letterlijk uit de body
21:01
tekst en vervolgens maakt hij daar wat van.
21:04
Ja. Ja nee zeker mooi OK.
21:07
Ja, dit zal niet de laatste keer zijn dat het hier over.
21:09
Hebben gehad? Nee, dat dat zeker niet, zeker
21:12
niet, dus Er is al veel te doen. Er is ook nog een hoop niet te
21:16
doen, dus Misschien wel goed. En de vraag is soms ook, in
21:18
hoeverre moet je het willen? Want daar wil ik nog even iets
21:20
anders over zeggen en dan gaan we echt afsluiten.
21:23
We hebben ook wel eens door AI. Teksten Laten maken, zeg maar op
21:29
basis van input en dan terwijl je achteraf ook had kunnen
21:32
zeggen, nou ja, weet je wat? Soms moet je hoef je helemaal
21:35
niet door AI tekst gepersonaliseerd te maken, maar
21:38
kan je veel beter aan de voorkant en strakkere
21:41
segmentatie. Maken.
21:42
Dus de oplossing is niet altijd met AI de tekst zo maken, maar
21:46
je kan ook Natuurlijk nog steeds een een relevante messaging, een
21:51
goede, relevante messaging wint het nog steeds van een
21:54
personalisatie. Dus Als je aan de voorkant goed
21:58
segmenteerd. Met of Zonder AI, dan heb je het
22:01
in veel gevallen nog niet. Nodig nou.
22:04
Tot zover. Tot de volgende doei.