Hoe je met AI Analytics je marketing op zeker 9 punten verbetert

Welke onderdelen van mijn campagnes scoren goed? Is een CTR van 17,5% goed? Wat betekent een acceptatieratio van 99,5%? Hoe zit ’t met de CLV, AOV, bounces, kliks op landingpagina’s et cetera?  

Marketeers zijn gek op tabellen, staaf- en lijndiagrammen. In bijna alle marketingsoftware komen dit soort overzichten terug. En als je AI je data laat analyseren, dan kun je uit alle data veel inzichten halen en bovenstaande vragen beantwoorden. AI Analytics helpt je om de kloof tussen data en inzicht te overbruggen. En dat kan veel opleveren. 

Wat zijn AI-gestuurde marketingrapportages? 

Zodra je AI inzet om marketingdata automatisch te verzamelen, te analyseren en te interpreteren, dan is er sprake van een AI-gestuurde marketingrapportage. 

Zo’n rapportage kun je vaak ook handmatig instellen, maar de kracht zit ‘m in de automatische opbouw ervan. Je wilt immers dat AI je werk uit handen neemt en dat je niet telkens opnieuw allerlei query’s moet intikken.

In deze guide geven we antwoord op de volgende vier vragen: 

• Hoe kun je met AI je marketingrapportages verbeteren? 
• Welke prompts moet je gebruiken voor AI Analytics? 
• Hoe vergroot je met AI Analytics je marketingeffectiviteit? 
• Hoe vergroot je met AI Analytics je resultaten? 

Hoe helpt Spotler?

Als je eenmaal de magie van AI Analytics hebt ontdekt, dan blijf je experimenteren. Vooral in Spotler. Wij hebben een visueel krachtige search based interface voor je gebouwd met een nagenoeg volledige lijst van marketing keywords en metrics, inclusief voorgedefinieerde formules en parameters.

Krijg antwoord op al je data-vragen

Met onze software voor AI Analytics genereer je automatisch prachtige grafieken voor alle mogelijke data-vragen die je hebt. Je hebt geen SQL-kennis nodig, je loopt niet te hannesen zoals in Power BI, maar je selecteert de juiste data points simpelweg via handige pull-downmenu’s. Het is een data-feest!

Ontdek de Spotler AI-magie en vergroot je marketing-inzicht! Vraag een demo aan

De opzet van deze guide is praktisch. Je krijgt bij alle informatie handige use cases. Of met andere woorden: je krijgt voorbeelden van hoe AI je verder kan helpen in het verkrijgen van kennis en inzichten uit je data. Kennis en inzichten die marketeers graag willen, maar die vaak niet eenvoudig uit klassieke en statische statistieken zijn op te halen. 

De meerwaarde van AI voor je marketingrapportages 

Als je ChatGPT vraagt naar de meerwaarde van AI, dan krijg je het volgende antwoord:

“Het automatiseren van routinematige taken, het personaliseren van ervaringen en het bieden van inzichten of aanbevelingen die mensen helpen betere keuzes te maken met minder inspanning.”  

De meerwaarde van AI voor je marketingrapportages past wel in deze definitie. Probeer maar: welke keuzes maak je als je onderstaande mailingstatistiek ziet? 

Deze statistiek geeft je in Mail+ 30 dagen een dynamisch overzicht van de aflevering, opens en kliks van een verzonden mailing. Vergeleken met een eerdere mailing deden je opens het goed, maar bleven je kliks wat achter. Als je hier conclusies aan wilt verbinden, dan zul je dat moeten onderzoeken. Bijvoorbeeld: 

• Kan ik een uitgebreidere trendrapportage maken om te zien in hoeverre deze mailing echt afwijkt van mijn reguliere campagnes? 
• Heb ik wellicht een andere doelgroep benaderd die ander gedrag vertoont ten opzichte van eerdere mailings? 
• Heeft een lagere klikratio ook effect op het aantal conversies of is die relatie niet te maken?  
• Heeft een lagere klikratio te maken met het aantal en het type links dat ik heb opgenomen in de mailing? 
• Is het verstandig om een A/B-test in te richten op mijn belangrijkste buttons om zo de klikratio te verbeteren of zit ’t probleem niet daar? 

Onze ervaring is dat veel marketeers deze vragen wel stellen, maar dat het onderzoek ernaar vaak te veel tijd kost of te ingewikkeld is. Zeker als het gaat over campagnes die zijn opgebouwd uit meerdere touchpoints en meerdere kanalen. 

Een voorbeeld van de meerwaarde van AI Analytics 

Stel dat je in de e-commerce werkt en vooral wilt weten wat er gebeurt na een klik. Je bottom-line doelstelling is conversie en je bent eerder benieuwd naar zoiets als ‘purchase-to-click-ratio’, dan alleen naar een CTO van 18,4%.  

Of anders: je bent eerder benieuwd welke campagnes een hoge klikratio hebben, maar die slecht converteren. En de reden voor deze kennis is: inzicht in het effect van landingpagina’s en meer grip op de check-out. Waarom haken klikkers af? En deze kennis wil je realtime op je scherm van elke campagne. 

Met AI Analytics is dit in te richten. Benieuwd hoe je dat doet? We leggen het uit, maar als je niet kunt wachten, lees dan hier verder.  

Hoe kun je met AI je marketingrapportages verbeteren? 

Op de volgende manieren: 

• Automatische data-integratie: AI koppelt data uit verschillende kanalen (Google Ads, Meta, e-mailmarketing, SEO etc.) en bouwt één geïntegreerd overzicht. 
• Realtime dashboards: Rapportages die zichzelf continu updaten, zodat je sneller kan inspelen op trends. 
• Anomaliedetectie: AI signaleert automatisch afwijkingen in campagnes (bijvoorbeeld plotselinge dalingen in CTR of conversies). 
• Voorspellende analytics: Inzichten in toekomstige prestaties en inzicht in campagnes die waarschijnlijk het meeste rendement opleveren. 
• Attributieanalyse: Slimmere toewijzing van conversies aan kanalen, gebaseerd op klantgedrag in plaats van alleen last-click. 
• Natural Language Reporting: AI schrijft begrijpelijke samenvattingen van data, zodat je sneller begrijpt wat er gebeurt. 

Niet alle aanbieders van AI Analytics bieden dezelfde functionaliteiten, maar bovenstaande verbeteringen geven een goed beeld van de mogelijkheden. Vaak moet je als marketeer wel eenmalig de AI-tool inrichten om een attributieanalyse of een anomaliedetectie mogelijk te maken, maar goede software voor AI Analytics helpt je daarbij: 

AI Analytics helpt je met data-interpretatie 

Omdat het verkrijgen van inzicht vanuit één statische data-analyse niet eenvoudig is en het veel onderzoek vergt om verschillende statistieken naast elkaar te leggen, is het belangrijk dat AI je hierin ondersteunt. En dat kan.  

AI Analytics werkt met een invoerveld of een zoekbalk zoals je dat kent van Google en ChatGPT: 

Als marketeer tik je in je AI Analytics software bijvoorbeeld het volgende in: 

“What 10 email campaigns had the highest CTR last month?”

Mocht je de software van Spotler gebruiken voor de inzet van AI Analytics, dan krijg je het volgende geruststellende antwoord terug: 

“Got it. You want to see the 10 email campaigns (i.e. Campaign Name) with the highest Clickthrough Rate (CTR) for the month that was completed the previous month. I will use the [Campaign Name] attribute, sort by [Clickthrough Rate] in descending order, and filter for [Activity Timestamp] = ‘last month’.”

Via AI Analytics voer je een dialoog met je data 

De data-kolomnamen, de ingevoerde waarden en allerlei keywords als ‘last month’ of ‘contains’ waarop de output van je vraag is gebaseerd, worden ‘netjes’ door de AI-machine ingevoerd. Vervolgens krijg je de grafiek die je wenst. Mocht je nu willen weten wat de conversie uit deze campagnes is en welke campagnes daarin laag scoren, dan kun je dat als vervolgvraag intikken. 

Op deze wijze voer je een dialoog met je data en laat je al het ingewikkelde uitzoekwerk over aan je AI-tool. Nog mooier: als je eenmaal tevreden bent met je zoekresultaat dan sla je de zoekopdracht op en pin je ‘m vast op een liveboard of live dashboard. Telkens als je inlogt, krijg je realtime inzicht in deze statistiek. 

Op deze wijze kun je met AI je marketingrapportages verbeteren. 

Welke prompts moet je gebruiken voor AI Analytics? 

In AI Analytics wordt een onderscheid gemaakt tussen SQL en NLQ. SQL staat voor Structured Query Language en NLQ voor Natural Language Query. 

SQL is een gestandaardiseerde taal die je kan inzetten om gegevens te bevragen en aan te passen in relationele databases. Zou je bovenstaande vraag (What 10 email campaigns had the highest CTR last month?) in SQL weergeven, dan krijg je in MySQL 8+ (een SQL-dialect) het volgende: 

SELECT
  campaign_id,
  campaign_name,
  ROUND(100 * SUM(clicks) / NULLIF(SUM(delivered), 0), 2) AS ctr_percent
FROM email_campaigns
WHERE send_date >= DATE_FORMAT(CURDATE() - INTERVAL 1 MONTH, '%Y-%m-01')
  AND send_date < DATE_FORMAT(CURDATE(), '%Y-%m-01')
GROUP BY campaign_id, campaign_name
ORDER BY ctr_percent DESC
LIMIT 10;

In deze SQL-vertaling zitten wel wat aannames over tabel- en kolomnamen, maar – los daarvan – dit wil je niet als marketeer. Je wilt niet eerst een SQL-training volgen om AI Analytics te kunnen gebruiken. Vandaar dat je de vraag aan de database ‘gewoon’ kunt intikken zoals je de vraag ook zou stellen aan een collega. Gelukkig maakt AI Analytics gebruik van NLQ. 

Maar ook in ‘gewone’ taal is niet elke invoer even effectief. Om je daarin verder te helpen, geven we je hieronder een groot aantal use cases met prompt-voorbeelden in NLQ om je marketing te verbeteren. 

Hoe vergroot je met AI Analytics je marketingeffectiviteit? 

We hebben de volgende 7 interessante use cases voor je uitgewerkt en getest. Het volgende kun je voor elkaar krijgen als je AI Analytics op de juiste manier inricht: 

1. Maak snel een einde aan inefficiënte campagnes 
2. Zorg voor een goede list hygiene die de aflevering beschermt 
3. Krijg grip op campagnes die leiden tot veel afmeldingen 
4. Stuur niet op inefficiënte verzendmomenten 
5. Krijg grip op campagnes met hoge kortingen die te weinig presteren 
6. Krijg grip op campagnestappen die een daling in engagement opleveren 
7. Identificeer overmatige personalisatie zonder rendement 

Maak snel een einde aan inefficiënte campagnes 

Als je veel campagnes draait, dan wil je snel inzicht in de campagnes die te weinig opleveren. Met dat inzicht kun je zo’n campagne aanpassen of zou je kunnen beslissen om er niet meer in te investeren. 

Wat heb je nodig? 

Je moet een analyse uitvoeren op het verschil tussen hoge en lage scores langs twee assen: purchases en revenu per sent. En wil je snel inzicht in de uitersten van beide scores, dan maak je een staafdiagram met gegroepeerde kolommen. Een volstrekt willekeurig voorbeeld over de assen maanden en omzet: 

Het voordeel van zo’n grafiek is het snelle inzicht dat je krijgt: je ziet direct welke maanden goed en slecht scoren.  

Als je werkt met Spotler, dan krijg je in onze software voor AI Analytics zo’n handige grafiek voor de gegevens die je met elkaar wilt vergelijken. De NLQ-prompt die je moet ingeven, is: geef een overzicht van alle campagnes van de afgelopen 30 dagen inclusief hun opbrengst? Vervolgens voer je een wijzigingsanalyse of Change Analysis uit op de twee genoemde assen om zo’n staafdiagram voor je te zien. In goede software voor AI Analytics is het uitvoeren van een wijzigingsanalyse niet heel ingewikkeld. 

Het geeft je veel inzicht als je de uitersten naast elkaar legt. De kans is groot dat je daarmee ook tendensen ontdekt in je metrics die je zonder zo’n analyse niet zouden zijn opgevallen.  

Zorg voor een goede list hygiene die de aflevering beschermt 

Elke marketeer wil bounces voorkomen. Marketinguitingen die niet worden afgeleverd, schaden je reputatie. Nu ben je gewend om bounces op te volgen zodra ze binnenkomen. Dat moet je uiteraard blijven doen, maar hoe mooi zou het zijn als je hier meer grip op krijgt?  

Voer de volgende NLQ-prompt in: geef een overzicht van de dagelijkse bounceratio voor de afgelopen 30 dagen? Als je deze informatie voor je hebt, dan wil je graag weten waarom er op bepaalde dagen pieken te zien zijn. Je wilt de achterliggende oorzaken weten en je wilt het liefst een alert instellen zodra zo’n piek in je bounceratio zich voordoet.  

Als je software voor AI Analytics is uitgerust met een module voor forecasting, trends en outliers dan krijg je inzicht in deze oorzaken. En met die kennis werk je proactief aan het beschermen van je reputatie. 

Krijg grip op campagnes die leiden tot veel afmeldingen 

Wat voor je bounceratio geldt, geldt ook voor je afmeldingen. Hoe mooi zou het zijn als je beter begrijpt welke campagnes leiden tot veel afmeldingen en wat daarvan de oorzaken zijn. Je voert dezelfde prompt in als bij de bounceratio, maar nu tik je de term ‘afmeldratio’ in en je maakt weer gebruik van de outlier-analyse-optie. 

Stuur niet op inefficiënte verzendmomenten 

Je kunt de effectiviteit van je marketing enorm vergroten als je je uitingen verstuurt op de momenten dat je lezers, klanten of prospects erop zitten te wachten. Elke marketeer stuurt een uiting liever op dinsdag als dat tot betere cijfers leidt dan op andere dagen in de week. Ook als de donderdag de vaste verzenddag is. 

Maar hoe weet je nu wanneer dat precies is? Of nog iets scherper: hoe haal je die informatie uit de statistieken van je campagnes? 

Voer de volgende NLQ-prompt in: toon mij de open ratio per dag van de week voor de afgelopen 90 dagen? Als je deze informatie voor je hebt, dan wil je graag weten of er in deze data een trend te achterhalen is. Gebruik de feature Trend Analysis in je AI-software om hier inzicht in te krijgen.  

Nederlandse E-mail Marketing Benchmark

Wil je weten hoe andere organisaties scoren op aflevering, opens en kliks? Download de Nederlandse E-mail Marketing Benchmark 2025. Deze editie analyseert 1,4 miljoen campagnes van 6.904 bedrijven en bevat ruim 22,8 miljard mails. De benchmark biedt je:

• volledig overzicht van de Nederlandse e‑mail activiteiten;
• een totaaloverzicht van 24 onderzochte branches;
• een vergelijking met gegevens die teruggaan tot 2015;
• 11 learnings waar je direct mee aan de slag kunt!

Download de benchmark

Krijg grip op campagnes met hoge kortingen die te weinig presteren 

Voor je marges is het belangrijk dat campagnes met hoge kortingen voldoende presteren. Eigenlijk moeten ze het veel beter doen dan campagnes zonder korting. Of anders: als je campagnes met hoge kortingen slecht scoren, dan is de doelgroep die je hebt getarget daar onvoldoende gevoelig voor. Dan is het goed dat je andere overtuigingsmiddelen inzet.  

Voer de volgende NLQ-prompt in: toon mij de opbrengst van elke verzonden uiting gespecificeerd per campagne van de afgelopen 30 dagen? Daarnaast is het handig als je campagnes getagd zijn met ‘korting’ en ‘geen korting’.  

Krijg grip op campagnestappen die een daling in engagement opleveren 

Je kunt ook specifiek zoeken op campagnestappen die hebben geleid tot een daling in engagement. Wie weet, presteert je complete campagne wel beter als je de slecht scorende onderdelen onder handen neemt. Met AI Analytics kun je zo’n analyse uitvoeren als je de mogelijkheid hebt om ‘purchases per step’ te selecteren. 

Identificeer overmatige personalisatie zonder rendement 

Een ander groot voordeel van AI Analytics is de mogelijkheid om interessante correlaties in je data te spotten. Niet alle software voor AI Analytics biedt deze mogelijkheid, maar het is interessant als je kunt filteren op de mate waarin je bijvoorbeeld verschillende personalisatietechnieken hebt toegepast. 

Zo zou je kunnen onderzoeken of de inzet van personalisatietechnieken van invloed is op je verkopen. De algemene wijsheid is immers dat personalisatie goed is voor je opbrengst. Met AI Analytics kun je achterhalen of deze wetmatigheid wel of niet geldt voor je eigen database en de mate waarin. 

Hoe vergroot je met AI Analytics je resultaten? 

Je kunt met AI Analytics niet alleen meer inzicht krijgen in de effectiviteit van al je marketinginspanningen; je kunt met deze software ook meer euro’s verdienen. Of anders: je resultaten verbeteren. Als laatste – in deze toch al uitgebreide guide – geven we nog twee use cases waarmee je dat voor elkaar krijgt: 

• Identificeer de campagnes met hoge kliks en lage conversie 
• Identificeer de campagneonderdelen die leiden tot de beste resultaten

Identificeer de campagnes met veel kliks en weinig conversie 

Veel kliks veronderstelt een uiting die aanspreekt. Aansprekende marketinguitingen zouden tot conversie moeten leiden. In ieder geval: wel meer dan bijvoorbeeld actiemails met een lage klikratio. Als dat niet klopt, dan is het goed om hier grip op te krijgen. Kennelijk is er dan iets aan de hand ‘na de klik’. 

Bestel zelf gewoon een product vanuit de marketinguiting met hoge kliks en lage conversie om te achterhalen wat er mis is. Dan maak je je statistiek minder abstract, verbeter je de marketingprocessen en dat leidt tot betere resultaten. 

De prompt die je gebruikt, is niet ingewikkeld: geef mij per campagne-uiting een overzicht van de Purchase-to-Click Rate en de Click-Through Rate? Vervolgens kun je beide met elkaar vergelijken.  

Identificeer de campagneonderdelen die leiden tot de beste resultaten 

Elke campagne kent een bepaalde timing of doorlooptijd, is opgebouwd uit verschillende uitingen (e-mail, app-berichten, social posts, webpages e.d.) en is ingericht voor een specifiek publiek. Als een campagne de gewenste resultaten geeft, dan is het interessant om te weten welke campagneonderdelen daarvoor verantwoordelijk waren. 

Met AI Analtyics kun je een attributieanalyse uitvoeren. De prompt: geef een overzicht van alle campagnes van de afgelopen 30 dagen inclusief hun opbrengst? Gebruik de feature Correlation in je AI-software om een cross-check uit te voeren op de verschillende campagneonderdelen. 

Inzicht in attributie is geweldig. Het is kennis die je in alle vervolgcampagnes direct kunt toepassen en die de resultaten van je campagnes aanzienlijk zullen verbeteren. 

Het data-inzicht via AI Analytics is bijzonder 

Als je AI aan het werk zet met je marketing metrics, dan kun je interessante dwarsverbanden, trends, uitbijters en voorspellingen doen. Je hebt in deze guide 9 voorbeelden gekregen die je gewoon zelf moet opzetten en inrichten. Dat gaat vaak verrassend snel als je de juiste software voor AI Analytics inzet.