Waar vind je AI-marketingcases met echte cijfers? Op minder plekken dan het conferentiecircuit doet voorkomen. De meeste ‘AI-succesverhalen’ tellen output: gegenereerde assets, in theorie bespaarde uren, ingevoerde tools. De weinige verhalen waar je van kunt leren, benoemen een specifieke inefficiëntie, meten die, leggen de methode uit en zeggen eerlijk of het resultaat al is behaald.
Het nieuwste voorbeeld verscheen deze week. Campaign Middle East meldde dat performancebureau TRKKN het open-source marketing mix model Meridian van Google gebruikte om Faces, de beautyretailer, te laten zien waar zijn omzet in Saoedi-Arabië echt vandaan komt. Drie jaar aan data, 11 kanalen en een geraamde incrementele omzetstijging van 8,5% plus een ROI-verbetering van 10,8 procentpunt, simpelweg door budget te verschuiven dat Faces al uitgaf.
Wat bewijst de case van Faces en TRKKN eigenlijk?
Iets specifieks en nuttigs. TRKKN zette Meridian in binnen de bestaande Google Cloud-omgeving van Faces, modelleerde online en offline marketing- en omzetdata van 2023 tot 2025 en bouwde voor elk kanaal respons- en verzadigingscurves. Performance Max kwam naar voren als het sterkste kanaal. Het model liet ook zien waar extra uitgaven zouden stuiten op afnemende meeropbrengsten.
Harry Lonergan, digital marketing director bij Faces, onderdeel van Chalhoub Group, vatte de waarde samen in één zin: ‘Meridian heeft ons geholpen om verder te kijken dan wat we zien in last-click-performance.’
Twee kanttekeningen. Ten eerste komen, zoals het verslag duidelijk maakt, de 8,5% en de 10,8 punten uit gemodelleerde scenario's en niet uit resultaten na implementatie. Ten tweede is dit statistische modellering en geen generatieve AI, dus het zegt niets over contenttools. Geen van beide punten ondermijnt de case. Beide maken hem juist geloofwaardig, want je weet precies waar je naar kijkt.
Waarom zijn de meeste AI-marketingcases zo mager?
Economen hebben een naam voor markten waarin prijzen niet meer de juiste signalen afgeven: marktfalen. Een klassieke oorzaak is informatie-asymmetrie, wanneer de ene partij bij een deal veel meer weet dan de andere. De reclamewereld leeft er al tientallen jaren mee. Platforms keuren hun eigen vlees. Bureaus factureren uren voor werk dat klanten nooit zien. Klanten beoordelen kanalen op last-click-cijfers die flatteren wat toevallig het dichtst bij de verkoop zat.
AI-cases erven het probleem. Aanbieders publiceren de successen, zelden de methode en bijna nooit de nulmeting. Een zin als ‘40% productietijd bespaard’ klinkt als bewijs totdat je vraagt: 40% van wat, op welke manier gemeten, en wat gebeurde er met het werk?
De bruikbare cases doen het tegenovergestelde. Ze pakken een inefficiëntie aan die de markt heeft getolereerd, zoals last-click-meting of dagen handmatige rapportage, en ze laten het cijfer zien. Efficiëntie is in die zin echt de moeder van innovatie: je kunt een proces pas opnieuw uitvinden als je ziet wat het kost.
Welke AI-cases hebben cijfers die je kunt controleren?
Dit is waar we vandaag naar kunnen wijzen, inclusief onze eigen klanten, beoordeeld volgens dezelfde toets. Waar geen gepubliceerd cijfer is, zeggen we dat.
| Case | Aangepakte inefficiëntie | Het cijfer | Geraamd of gerealiseerd? | Wat ontbreekt |
|---|---|---|---|---|
| Faces en TRKKN (Meridian MMM) | Een last-click-beeld van 11 kanalen | 8,5% incrementele omzetstijging; ROI-verbetering van 10,8 procentpunt | Geraamd op basis van drie jaar aan data | Resultaten na implementatie |
| SAMY met Defy Agents | Handmatige performancerapportage | Drie dagen werk teruggebracht naar één | Gerealiseerd in de workflow | De commerciële waarde van de vrijgekomen tijd |
| Enchant met Defy Monitor | Handmatige CRM-inzichten en campagne-uitrol | Geen gepubliceerd cijfer | Ingevoerd voor al zijn klanten | Een gekwantificeerd resultaat |
| SharkNinja met Defy Monitor | Inzicht in de LATAM-markten | Geen gepubliceerd cijfer | Gebruikt om strategieën te bouwen waarmee het snel kan testen en leren | De resultaten van die tests |
| Sprintbureaus (Beers With Friends, X&O) | Projecten van maanden en retainers | Sprints van vijf dagen; klanten komen meerdere keren per jaar terug | Bedrijfsmodel in gebruik | AI speelt geen rol in het verhaal |
Hoe ziet ‘van drie dagen naar één’ eruit binnen een bureau?
SAMY, een wereldwijd influencerbureau, zette Defy Agents in om de performancerapportage te stroomlijnen en bracht drie dagen werk terug naar één. Het is geen glamoureus cijfer. Het is het soort dat ertoe doet, want rapportage is het klusje dat elk accountteam kent: cijfers uit platforms halen, afstemmen, de presentatie opmaken, controleren, versturen, toelichten.
Agentic workflows op het Defy-platform nemen dat soort repetitief leverwerk uit handen van je mensen. De interessante vraag is wat de andere twee dagen worden. Als ze opgaan in meer van hetzelfde, merkt de klant er niets van. Als ze naar analyse, ideeën en gesprek gaan, is het rapport geen kostenpost meer maar een reden om te verlengen.
De analyse van Campaign US over het sprintmodel van bureaus laat zien waar snelheid commercieel toe leidt. Beers With Friends werkt in sprints van vijf dagen. Brett Banker, medeoprichter van X&O, zegt dat het bureau ‘nul klantretentie’ heeft, omdat klanten meerdere keren per jaar terugkomen in plaats van agency-of-record-contracten te tekenen. Het stuk noemt AI helemaal niet. Dat is juist het punt: klanten betalen nu al voor snelheid en focus. Snellere oplevering maakt dat model alleen beschikbaar voor meer bureaus.
Zo beoordeel je een AI-marketingcase voordat je hem kopieert
- Benoem de inefficiëntie. Wat was er voorheen verspillend of onzichtbaar? ‘We zijn AI gaan gebruiken’ is geen inefficiëntie.
- Zoek de nulmeting. Drie dagen rapportage, last-click-attributie, een project dat in maanden wordt gemeten. Geen nulmeting, geen case.
- Check de methode. Welke data, over welke periode, over hoeveel kanalen? De Faces-case beantwoordt alle drie.
- Scheid geraamd van gerealiseerd. Een gemodelleerde stijging is een prognose. Behandel haar als een hypothese om te toetsen, niet als een resultaat om in een pitch te noemen.
- Vraag waar de bespaarde tijd naartoe ging. Efficiëntie telt alleen als ze zichtbaar wordt in beter werk, snellere beslissingen of lagere kosten voor de klant.
- Draai je eigen pilot. Eén klant, één workflow, één maand, met de nulmeting opgeschreven voordat je begint.
Waar is het bewijs nog mager?
Vooral waar de beweringen het luidst zijn. Meting en rapportage leveren heldere voor-en-nacijfers op, dus ze maken goede cases. Generatieve content is lastiger: meer assets produceren is gemakkelijk te tellen, maar bewijzen dat die assets meer verkochten niet. Wees op je hoede voor elke case die bij volume ophoudt.
Ook in onze eigen tabel zitten gaten. Enchant en SharkNinja zijn echte implementaties zonder gepubliceerde cijfers, en het cijfer van SAMY meet tijd, geen omzet. We tonen liever de gaten dan ze weg te moffelen. De bureaus die het hierna goed doen, publiceren hun methode naast hun successen, want dat is de enige soort case die een sceptische financieel directeur van een klant twee keer leest.
