Advertising is een van de kanalen om een band op te bouwen met je klanten. Het is vooral de kunst om (potentiële) klanten te raken met de juiste boodschap, waar ze het meest ontvankelijk voor zijn. Hoe beter je de doelgroep kent, des te persoonlijker en gerichter je campagnes kunt ontwikkelen om consumenten in het hart te raken.
Generatieve AI brengt marketingpersona’s tot leven
Maar wat nu als je geen of weinig data tot je beschikking hebt?
Deze uitdaging komt zelfs bij de grootste merken voor. Ook een grote, internationale bierbrouwer had tot voor kort eigenlijk nauwelijks inzicht in de eigen doelgroep. Consumenten werden namelijk alleen indirect bereikt – via retailkanalen, evenementen en sponsoren. Het marketingteam zag zich daarom gedwongen om de insteek van advertising-campagnes vooral te baseren op de eigen intuïtie, bij gebrek aan data over de verschillende doelgroepen.
Machine learning en generatieve AI bleken een uitkomst te bieden voor deze uitdaging. Dankzij sponsoring en het organiseren van evenementen had het biermerk de beschikking over behoorlijk wat social media-data. Info Support ontwikkelde slimme modellen om deze data om te zetten in clusters van consumenten met een vergelijkbaar profiel. Met behulp van generatieve AI-tools kwamen vervolgens sprekende marketingpersona’s tot leven; zo levensecht, dat het marketingteam van de brouwer gesprekken met deze fictieve consumenten kon voeren, om ze beter te leren kennen en campagne-ideeën te testen.
De hypothese
De vraag die centraal stond: kunnen we de effectiviteit van advertising verbeteren door persona’s te creëren die zijn gebaseerd op data van echte mensen, en zo een beter begrip krijgen van de doelgroep?
Het team maakte gebruik van data die afkomstig zijn van social media-kanalen. Joop Snijder, die het project leidde als Hoofd Research Center AI bij Info Support: “De eerste exercitie die we hebben gedaan, was het vormen van clusters van consumenten met vergelijkbare interesses. Daarvoor hebben we eerst traditionele machine learning-modellen ingezet, omdat die heel goed zijn in het clusteren van eigenschappen. Vervolgens hebben we large language models ingezet om overeenkomstige karakteristieken te vinden. Omdat large language models gebruik maken van natural language processing (NLP) kunnen ze op basis van social media posts inschattingen maken van de eigenschappen van gebruikers.”
Het team keek daarbij bewust verder dan demografische gegevens, zoals woonplaats of leeftijd: “We wilden vooral kijken naar eigenschappen die iets zouden zeggen over de ontvankelijkheid voor reclameboodschappen. Daarom zijn we gaan kijken naar wat complexere eigenschappen. Denk bijvoorbeeld aan taalgebruik, of een DISC-profiel waar een consument aan voldoet: hoe scoort iemand op het gebied van dominance, influence, steadiness en conscientiousness?”
Persona’s tot leven brengen
Voor verschillende clusters ontwikkelde het team vervolgens een marketingpersona. Deze persona’s worden vaak gebruikt binnen marketing om een beeld te krijgen bij een archetypische consument: wat zijn de interesses, passies en dromen van deze doelgroep? Maar ook: hoe wil deze doelgroep wel en niet benaderd worden? Persona’s zijn fictieve karakters die al deze eigenschappen van een cluster belichamen.
Een van de persona’s die door generatieve AI werd ontwikkeld voor de bierfabrikant was Emily.
Emily is een 24-jarige studente uit Amsterdam. Deze festivalganger gaat helemaal op in het moment als ze wordt omringd door muziek, mensen en goede vibes. Ze is altijd op de hoogte van de line-ups van festivals en gaat vaak naar de club met vrienden. Emily heeft ook een passion for fashion, ze ontdekt graag fashion-items die niemand anders heeft. Ze is fan van Vinted en scoort graag een goede deal in pre-loved kleding. Ook heeft ze oog voor sieraden en bladert ze graag door de collectie van merken als Lucardi.
Emily kwam echt tot leven dankzij generatieve tools DALLE-2 en GPT-4. Het marketingteam van de bierbrouwer kon daadwerkelijk het gesprek aangaan met Emily. Dat hielp om te bepalen hoe Emily wel of niet benaderd wilde worden: ze zocht vooral naar die unieke ervaring, en werd enthousiast van persoonlijke, interactieve content. Waar ze op afknapte? Formele, afstandelijke reclameboodschappen.
Hogere conversie en klanttevredenheid
De aanpak bleek behoorlijk succesvol: de door AI gegenereerde persona’s maakten het mogelijk om hele gerichte boodschappen te ontwikkelen, die veel beter bleken te resoneren bij de doelgroep, een hogere conversie bereikten en een hogere klanttevredenheid.
Joop Snijder: “Met deze aanpak hebben we de klant kunnen helpen om de impact van advertising fors te verhogen. De toepassing van machine learning en generatieve AI heeft bijgedragen aan een groter inzicht in de eigenschappen en voorkeuren van de doelgroep: wie zijn onze klanten en waar worden ze blij van? Dit project heeft de weg vrijgemaakt om veel meer stappen te maken op het gebied van gepersonaliseerde marketing.”