Een performance marketeer bekijkt lopende campagnes, ziet welke advertenties goed presteren en verschuift budget van de zwakke naar de sterke posities. Dat is werk dat continu terugkomt en grotendeels gebaseerd is op cijfers uit het advertentieplatform. De vraag is of AI dat verschuiven zelf kan doen, en het antwoord is: deels, en onder voorwaarden die er wel echt moeten liggen.
De taak scoort hoog op gestructureerdheid, klantcontact, fysiek en creativiteit. Er is geen klant die meekijkt, geen fysieke handeling nodig, en de beoordeling draait om getallen: kosten per conversie, klikratio's, omzet per campagne. Dat zijn juist de kenmerken waarop een systeem goed kan meelezen. Het advertentieplatform levert de data al gestructureerd aan, en de regels voor wat "goed presteert" zijn in de meeste bedrijven vooraf te definiƫren.
Ook het volume speelt mee. Grote accounts met tientallen campagnes en honderden advertenties genereren meer bijstuur-momenten dan een mens dagelijks bij kan houden. Daar ligt een reƫle reden om een deel van dat werk te automatiseren: niet omdat het te ingewikkeld is voor een mens, maar omdat het te veel is om continu te doen.
Drie assen houden dit bij "deels": foutkosten, oordeelsruimte en volume. Foutkosten zijn de kern van het probleem. Een verkeerde verschuiving kost meteen geld, en die schade is niet altijd meteen zichtbaar. Een systeem dat budget van een campagne met een tijdelijke dip naar een campagne met een tijdelijke piek schuift, kan een structureel goede investering laten leeglopen op basis van drie slechte dagen. Dat is geen theoretisch risico, dat gebeurt in de praktijk als de sturingsregels te grof staan.
Oordeelsruimte is de tweede reden. "Gerealiseerde prestaties" is geen vast begrip. Telt een merkcampagne die weinig directe conversies oplevert maar wel zoekvolume genereert mee als slecht presterend? Weegt seizoensinvloed mee, of externe factoren zoals een concurrent die tijdelijk uitverkoop houdt? Een ervaren marketeer weegt die context mee; een systeem doet dat alleen als die context is vastgelegd in regels. Waar die regels ontbreken, blijft de afweging mensenwerk.
En dan compliance: in gereguleerde sectoren, of bij grote mediabudgetten, gelden vaak interne goedkeuringslijnen voor wie welk bedrag mag verschuiven. Die lijnen verdwijnen niet omdat een systeem het werk overneemt.
In de praktijk werkt dit het best als agent: een systeem dat binnen vooraf ingestelde drempelwaarden zelf budget verschuift, en pas om goedkeuring vraagt als een verschuiving buiten die grenzen valt. Denk aan: verschuif automatisch tot een bepaald percentage van het dagbudget, maar leg elke wijziging boven dat bedrag voor. Of: reageer alleen op prestatieverschillen die langer dan een ingestelde periode aanhouden, zodat een piek van ƩƩn dag niet meteen een herverdeling triggert.
De randvoorwaarden zijn concreet: er moeten duidelijke sturingsregels en drempelwaarden liggen, en er moet een budgetplafond zijn ingesteld zodat een systeem niet ongelimiteerd kan opschalen naar ƩƩn campagne. Zonder die twee zaken is dit geen taak om aan een systeem over te laten, hoe verleidelijk de tijdsbesparing ook is.
Een webshop met honderd lopende advertenties en een duidelijke conversiedoelstelling per campagne heeft een heel andere uitgangspositie dan een B2B-bedrijf met vijf campagnes die vooral op naamsbekendheid en leadkwaliteit worden beoordeeld. Bij de webshop is het signaal helder en het volume hoog: een goede kandidaat voor automatisering binnen grenzen. Bij het B2B-bedrijf is de beoordeling zachter, met minder data en meer context, en blijft het bijsturen langer mensenwerk.
Dit sluit aan bij een breder patroon: werk dat leunt op platformdata en herhaalt in hoog volume verschuift eerder naar een systeem, terwijl werk dat leunt op context en uitzonderingen langer bij mensen blijft. Dat patroon zie je ook terug bij het analyseren van websitestatistieken, waar het platform het grootste deel van het werk al gestructureerd aanlevert, en bij het opstellen van een prijsvergelijking met concurrenten, waar de brondata minder eenduidig is en er meer interpretatie nodig blijft.
De verschuiving hier is niet dat de performance marketeer overbodig wordt, maar dat het handmatige bijsturen van kleine, veelvoorkomende budgetwijzigingen wegvalt, terwijl het instellen van regels, het beoordelen van uitzonderingen en het bepalen van de bredere campagnestrategie overblijft. Dat is een verschuiving in wat het werk inhoudt, niet automatisch in hoeveel mensen dat werk doen. Wat een bedrijf met vrijgekomen uren doet, is een eigen afweging; voor besluiten die personeel raken gelden eigen wettelijke vereisten, los van wat een taak technisch overneembaar maakt.
Ook elders in het bedrijf zie je vergelijkbare verschuivingen: bij het schrijven van social-mediaposts neemt AI het eerste concept over terwijl de toon en de goedkeuring mensenwerk blijven, en bij werk op de HR-afdeling zie je hetzelfde onderscheid tussen gestructureerde administratie en oordeelsgevoelige beslissingen.
Of budgetsturing in uw eigen bedrijf een goede kandidaat is, hangt af van hoeveel campagnes u draait, hoe eenduidig uw prestatiemaatstaf is en of u al drempelwaarden en plafonds heeft vastgelegd. De gratis quickscan van FTE TO AI stelt twaalf vragen, vraagt geen account, en geeft een indicatie welk deel van de uren in uw marketingprofiel vandaag door AI over te nemen is. De volledige werkscan, die dit tot op taakniveau uitrekent in fte-capaciteit, is nog in aanbouw.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.