Mr. Marvis: 51% opgelost door een AI-agent, 90% CSAT
Tijmen van den Elzen, Engaige
Uit de sessie: Maandelijkse Meeting dec 2025
Tijmen van den Elzen van Engaige laat de resultaten zien van de AI-agent die Engaige voor modemerk Mr. Marvis bouwde. Daarna geeft hij drie lessen voor webshops die zelf een AI-agent in hun klantenservice willen zetten. Je ziet het in de maandelijkse meeting van december 2025.
Voor wie: Je overweegt een AI-agent voor je klantenservice en wilt weten welke resultaten realistisch zijn en hoe je begint.
Waarom dit ertoe doet
Een AI-agent in de klantenservice wordt vaak verkocht met grote beloftes. Deze clip geeft concrete cijfers van een bekend Nederlands merk. Volgens Tijmen van den Elzen lost de agent bij Mr. Marvis 51% van ongeveer 4.000 gesprekken per maand zelf op, met een klanttevredenheid van 90%, even hoog als bij het menselijke team. De andere helft gaat dus nog naar mensen. Voor een manager is vooral de les over de aanpak bruikbaar: begin met een kleine, specifieke toepassing met lage complexiteit en hoge opbrengst, ga snel live en verbeter op echte gesprekken. Mr. Marvis dacht eerst dat productadvies te moeilijk was, en juist dat werd een kerntoepassing.
Belangrijkste inzichten
- Bij Mr. Marvis lost de AI-agent volgens Engaige 51% van ongeveer 4.000 gesprekken per maand zelf op.
- De CSAT op gesprekken met de agent is 90%, volgens Tijmen gelijk aan die van het menselijke team.
- De grootste winst zit in schaalbaarheid tijdens pieken zoals de zomer en Black Friday.
- Productadvies leek te moeilijk, maar werd een van de kerntoepassingen.
- Begin met 1 specifieke toepassing met lage complexiteit en hoge opbrengst, en verbeter op echte data.
De drie cijfers
Resolution rate is het deel van de gesprekken dat de AI-agent helemaal afhandelt, zonder dat een medewerker het overneemt. Bij Mr. Marvis is dat volgens Tijmen van den Elzen 51%, op ongeveer 4.000 gesprekken per maand. CSAT staat voor customer satisfaction score: na een gesprek geeft de klant een cijfer, vaak op een schaal van 1 tot 5. Zendesk beschrijft CSAT als een kpi die meet hoe tevreden klanten zijn over een aankoop of interactie. De 90% CSAT voor gesprekken met de agent is volgens Tijmen gelijk aan die van het menselijke team. Let op: dit zijn cijfers van de leverancier zelf, gedeeld in december 2025, zonder externe controle.
Waar de winst zit
Het voordeel dat Tijmen het zwaarst laat wegen is schaalbaarheid. Mr. Marvis verkoopt veel korte broeken en heeft daardoor grote seizoenspieken in de zomer en rond Black Friday. Eerder moest het team in die periodes op- en afschalen. Met de agent hoeft Mr. Marvis in pieken een stuk minder mensen aan te nemen en kan het volume beter aan. Daarnaast schaalt het productadvies mee, terwijl het voor medewerkers steeds lastiger werd om alle producten en pasvormen bij te houden. Engaige laat op de eigen site een citaat zien van de Head of Customer Experience van Mr. Marvis: de agent adviseert over pasvorm en stof in de toon van het merk en bereidt complexe zaken voor.
Begin klein, ga live, itereer
De lessen vat Tijmen samen als 'start small, get real data, and iterate quickly'. Eerst: vraag je leverancier eerlijk wat realistisch is. Mr. Marvis zag productadvies als de heilige graal, maar ook als te ingewikkeld, en was er anders misschien nooit aan begonnen. Tweede: begin met specifieke toepassingen waar de complexiteit laag en de opbrengst hoog is, en breid van daaruit uit. Dat helpt niet alleen technisch en voor de ROI, maar ook om je team mee te krijgen; beginnen met het moeilijkste werkt vaak demotiverend. Derde: wacht niet op een perfecte omgeving. Je kunt niet voorspellen wat klanten gaan vragen, dus ga live en verbeter op basis van echte gesprekken.
Hoe je deze cijfers leest
Een resolution rate van 51% betekent dat 49% van de gesprekken nog naar een mens gaat, en dat is bewust zo ingericht: Tijmen noemt dat sommige gesprekken naar het menselijke team gaan en andere naar de agent. Vergelijk cijfers van verschillende leveranciers daarom altijd op dezelfde definitie. Telt een gesprek als opgelost als de klant niet terugkomt, of pas als de klant het bevestigt? Engaige zelf noemt op de site inmiddels 120.000 klantvragen per jaar voor Mr. Marvis, ofwel gemiddeld 10.000 per maand. Dat is een later en ander getal dan de 4.000 gesprekken uit deze sessie. De site zegt niet over welke periode of welke kanalen dat getal gaat.
Probeer dit deze week
- Zoek in je ticketsysteem de 3 vraagtypes met het hoogste volume en de eenvoudigste afhandeling.
- Spreek met je leverancier vooraf af hoe 'opgelost' en CSAT gemeten worden.
- Zet een agent eerst 4 weken live op 1 kanaal, zoals chat, en bekijk wekelijks de gesprekken die naar een mens gaan.
Begrippen
- Resolution rate
- Het deel van de gesprekken dat een AI-agent volledig afhandelt zonder overdracht aan een medewerker.
- CSAT
- Customer satisfaction score: de klanttevredenheid na een gesprek of aankoop, gemeten met een korte vraag op een schaal.
- Seasonality
- Vaste pieken en dalen in vraag door seizoen of acties, zoals zomer of Black Friday.
- Itereren
- In korte rondes verbeteren op basis van wat je in de praktijk ziet.
Verdiep je in de gids
Transcriptie
Uitgeschreven uit de audio van dit fragment. Stopwoorden en herhalingen zijn weggelaten. Waar [onverstaanbaar] staat, is de opname niet te verstaan.
Wat zijn de resultaten? Inmiddels hebben we een 51% resolution rate op de gesprekken bij Mr. Marvis, ongeveer 4000 gesprekken per maand. We hebben een 90% CSAT op de gesprekken met een AI-agent, wat ook gelijk is aan de CSAT die ze hebben met het menselijke team, wat natuurlijk echt gaaf is om te zien. en tegelijkertijd kunnen natuurlijk voor zorgen bepaalde gesprekken naar het menselijke team gaan, en bepaalde gesprekken naar de AI agent, en ze merken dat er heel groot voordeel zit in de schaalbaarheid van hun operatie, dus ze hoeven echt een stuk minder mensen aan te nemen in die piekperiodes, kunnen dat volume een stuk beter aan, kunnen echt on top of support blijven, en tegelijkertijd kunnen ze echt het productadvies veel beter schalen, waarbij het lastig werd voor al die medewerkers om bij te houden wat er allemaal gaande was. Nou, dus key learnings, om even snel doorheen te gaan. Start small, get real data, and iterate quickly. Dus ga echt in gesprek met de partner waar je dit mee implementeert, over wat realistisch is en wat je kan gaan gebruiken. Ik denk bij Mr. Marvis heel relevant als het gaat over dat productadvies, waarvan ze dachten, dit is de holy grail, maar wel super ingewikkeld. Dus alles waren er waarschijnlijk anders niet aan begonnen. En nu zijn ze daar juist wel aan begonnen. En hebben ze dat uit kunnen rollen. Begin met kleine specifieke use cases. Waarbij de complexiteit relatief laag is. En de return hoog is. En breid het van daaruit. Niet alleen omdat technisch dat beter haalbaar is. En dat natuurlijk logisch is qua ROI perspectief. Maar ook om echt je team en je organisatie mee te krijgen. Als je met gelijk de meest complexe dingen begint. Dan kan dat nog wel eens demotiverend werken. Ga snel itereren op echte data. Dus ga live en op basis van die data die je daarmee krijgt, ga dan ook snel itereren. Wacht niet totdat je denkt het volledige perfecte environment te hebben, totdat je live gaat. Want je kan nooit uiteindelijk precies inschatten wat mensen gaan vragen of hoe ze ermee gaan interacten. Maar zorg er voornamelijk voor dat je daar dicht op blijft en snel blijft itereren.
Spreker: Tijmen van den Elzen, Engaige
Bronnen
Meer over Klantenservice & Sales
Duur 1:09Salesforce: 100 miljoen leads eindelijk opvolgen
Tachmy Dilmy, eCommerce AI Club
100 miljoen leads in 26 jaar nooit opvolgd, tot AI kwam
Duur 1:37Waarom AI niet kan verkopen zonder domeinkennis
Marja Silvertant, Aiden
LLMs zijn getraind op 30 jaar internet zonder verkoopadvies, dat merk je
Duur 1:37Hoe Mr. Marvis AI trainde op merkspecifieke productnamen
Tijmen van den Elzen, Engaige
AI snapt je productnamen niet, en dat kost je klanten