Systemen in werking, van binnenuit

Mijn eerste poging liep vast tussen de vele campagnes en andere projecten die we destijds draaiden. Toen de organisatie zich meer op B2B ging richten, besloten we eindelijk een CRM in te voeren, en had ik een belangrijke rol in de groep die HubSpot en de implementatiepartner selecteerde.

Mijn deel van de implementatie was de technische kant en de data, die ik goed kende. Ik koppelde Google Analytics, Facebook en LinkedIn, en stemde de DNS-wijzigingen af met de mensen die toegang hadden tot het domein. Daarna migreerde ik de data uit Mailchimp.

Voor de opschoning legde ik levenscyclusfasen en marketingstatussen vast en verwijderde ik dubbele records uit 80.000 contacten en 12.000 bedrijven. Het doel was marketing en sales te laten zien waar hun tijd het meest oplevert.

De laatste stap was verrijking. Telefoonnummers en de standaardverrijking van HubSpot vulden de basis aan. Nuttiger voor sales was wat we al hadden zonder het te zien. Cursusboekingen kwamen binnen via Eventbrite, maar de koppeling alleen liet niet zien of medewerkers van een bedrijf een cursus bij ons hadden gevolgd, of welk soort cursus: een eerste indruk van hoe groot een mogelijke deal kon zijn. Beide voegde ik toe aan de bedrijfsrecords, en ook bij welke onderwijsplatformen de bedrijven waren aangesloten.

Zo’n 2.500 bedrijven misten een branche, en ongeveer evenveel een land; allebei tellen ze mee in de leadscoring. Ik ontwierp de regels die ze aan een vaste set labels koppelden en de controles op de uitkomsten. AI-tools voerden het onderzoek in stappen uit. Waar de data geen label kon dragen, bleef het veld leeg of kreeg het een label dat het onbekende markeerde. Bedrijven waarvan het land niet te achterhalen was, werken nu bijvoorbeeld vanuit Vaticaanstad. Een duidelijke vlag, en makkelijk te onthouden voor het team.

Eerst kwam de tracking, en die was niet eenvoudig. Vijf partners draaien dezelfde website, en de tagmanager is niet van ons, dus ik had er geen toegang toe. Toch kregen we de koopknoppen en de Calendly-gesprekken gemeten.

De rapportage begon in Google Analytics, en ik begeleidde de overstap van Universal Analytics naar GA4. Excel maakte later de inzichten tastbaar voor collega’s die niet vanzelf naar harde data grijpen. Elke week importeerde ik data uit Google Ads, uit GA4 (verkeer, conversies en het kanaal waarlangs ze binnenkwamen) en uit Eventbrite (de boekingen). Elke import moest eerst worden opgeschoond voordat hij in de draaitabellen en grafieken verscheen.

Hiermee kon ik het rendement op advertentie-uitgaven per cursus vrij precies schatten, en die cijfers gingen terug naar de cursusontwikkelaars. De data liet ook een duidelijke tweedeling zien: Google Ads werkte het best voor de Professional-cursussen, terwijl Meta de Instagramwaardige onlineprogramma’s goed verkocht.

Na verloop van tijd groeiden de losse rapporten, inmiddels met de advertentiedata van Meta erbij, uit tot dashboards: eerst in Excel en nu gebouwd met AI-tools. Bijwerken kost veel minder tijd, en met alles op één plek gingen collega’s ze ook echt gebruiken. Dezelfde cijfers hebben sindsdien budgetbeslissingen, keuzes in tools en meerdere onderhandelingen onderbouwd.

De nieuwste stap gaat dieper. Ik exporteer de data uit HubSpot en Eventbrite, anonimiseer die, koppel de twee op ID en analyseer het resultaat met Claude om de klantreis tot in detail te volgen.

De basis voor deze grondige aanpak legde ik in eerder onderzoek.

Via het schrijven kwam ik in de marketing terecht. Ik had al meer dan 200 blogartikelen geschreven toen ik als copywriter bij DTG begon. Daar schreef ik websiteteksten voor meer dan 300 klanten. Het werk ging verder dan de woorden: zoektermanalyse, metateksten, kopstructuur en de navigatie zelf. Later bouwde ik de advertenties voor nog zo’n honderd klanten, en toen DTG Youvia werd, begeleidde ik de verhuizing van de content van de website.

Bij The School of Life Amsterdam scherpte ik eerst mijn schrijven aan. Ik volgde de cursus Wetenschapsjournalistiek bij SCW, gegeven door wetenschapsjournalisten van NRC, de Volkskrant en Quest. We waren toen een horizontaal team, en ik overtuigde collega’s om als redactie bij elkaar te komen, de contentkalender gevuld te krijgen en elkaars teksten te redigeren. In de loop der jaren schreef ik tientallen artikelen en nieuwsbrieven, vooral rond onze cursussen. Een ervan, over het Ben Franklin-effect, staat in de top drie van Google en wordt aangehaald in het AI-overzicht.

Ook de huidige advertentiestrategie heb ik uitgedacht en opgezet. Met de juiste aandacht groeide die met een factor tien, en dat is terug te zien in de resultaten: zo’n 11 keer rendement op non-brand zoekadvertenties. Wat bezoekers drijft, komt terug bij het team dat de cursussen ontwikkelt.

Bij The School of Life Amsterdam ben ik het aanspreekpunt voor AI. Ik begon bij de criteria: een lijst voor het kiezen van AI-systemen die voor elke leverancier werkt, en waarmee ik daarna Claude en Copilot vergeleek. . De vergelijking eindigde in een korte vuistregel: Claude voor creatie, Copilot voor coördinatie.

Toen volgden de regels. Ik schreef de governancedocumentatie en de gebruiksrichtlijnen. Een van de duidelijkste besluiten was om Claude buiten onze Microsoft 365-omgeving te houden, zodat het alleen werkt met documenten die iemand het aanreikt. Klantdata die we met Claude analyseren, wordt eerst geanonimiseerd.

Naast de de training voer ik een kleine interne campagne: korte AI-tips in de personeelsbijeenkomsten, een tipsdraadje in Teams, en daar ook regelmatig berichten over waar het bedrijf staat met AI. Collega’s kunnen bovendien een één-op-ééngesprek met mij inplannen om uit te zoeken hoe AI in hun eigen werk past.

Om te zien of het aankomt, meten we. Een enquête in januari, nog een in augustus en een derde in december volgen hoe collega’s AI door het jaar heen gebruiken. Het strategieteam heeft ingestemd met mijn aanpak voor officiële adoptie.