Naar de inhoud
Alle video’s

Waarom AI niet kan verkopen zonder domeinkennis

Klantenservice & SalesDuur: 1:37 min

Marja Silvertant, Aiden

Uit de sessie: Maandelijkse Meeting nov 2025

Marja Silvertant van Aiden legt uit waarom AI-chatbots slecht verkopen als je ze niets over je producten en klanten leert. Je hoort het argument over de trainingsdata en wat je eraan kunt doen met kennisbanken en adviesregels.

Voor wie: Je overweegt een AI-chatbot of productadviseur op je shop en wilt weten waarom die zonder eigen kennis tegenvalt.

Waarom dit ertoe doet

Een webshop met een AI-chatbot krijgt vragen als: welke matras past bij een zijslaper, of welke hardloopschoen werkt bij knieklachten? Een algemeen taalmodel kent productspecificaties, maar mist het oordeel van een ervaren verkoper. Een fout advies kost geen klik maar een retour of een verloren klant. Volgens Marja Silvertant ligt dat aan de trainingsdata: er staat weinig echt verkoopadvies op het internet. Dat is een standpunt van een leverancier van AI-productadvies, maar het sluit aan bij de dagelijkse ervaring van veel shops. Voor een manager is het praktisch: de kwaliteit van je AI-adviseur hangt af van de kennis die jij erin stopt.

Belangrijkste inzichten

  • Volgens Marja Silvertant is er weinig verkoopadvies in de 30 jaar internetdata waarop taalmodellen zijn getraind.
  • Zonder domeinkennis kan een model specificaties noemen, maar niet goed adviseren, bijvoorbeeld welke matras bij een zijslaper past.
  • De drie ingredienten uit de clip zijn een kennisbank, vastgelegde adviesregels en echte verkoopgesprekken.
  • Aiden verkoopt zelf AI-productadvies, dus het standpunt van Marja Silvertant is niet onafhankelijk.
  • Ontbrekende productattributen zijn vaak de eerste bottleneck bij een AI-adviseur.

Het argument in de clip

Marja Silvertant, medeoprichter en CEO van Aiden, stelt dat taalmodellen zijn getraind op dertig jaar internet, en dat dit precies de periode is waarin webshops geen verkoopmedewerkers hadden. Daardoor staat er amper verkoopadvies in de trainingsdata. Het model weet veel over specificaties, maar niet hoe een goede verkoper vraagt, afweegt en adviseert. Dit is een redenering van Marja Silvertant en geen gemeten onderzoek. Wat je wel kunt controleren, is het gevolg: vraag een algemene chatbot om advies over jouw categorie en kijk of het antwoord klopt met wat jouw beste verkoper zou zeggen.

Wat domeinkennis hier betekent

Domeinkennis is de kennis die een vakspecialist gebruikt om van een klantvraag een keuze te maken. Bij matrassen: lichaamsgewicht, slaaphouding, hardheid en allergieen. Bij schoenen: loopstijl, pronatie en ondergrond. Een model kan een productlijst lezen, maar zonder zulke regels raadt het. Marja Silvertant ziet de oplossing in drie stappen: bouw een kennisbank, leg adviesregels vast, en gebruik echte verkoopgesprekken om het systeem te verbeteren. In de clip heet dat 'trainen op echte gesprekken'. Technisch gaat het vaak niet om het opnieuw trainen van een model, maar om het aanleveren van deze kennis als context.

Waar Aiden en deze claim passen

Aiden verkoopt AI-productadvies voor webshops en beschrijft zijn product als het combineren van generatieve AI met jouw product- en categoriekennis tot een digitale verkoopadviseur. Marja Silvertant praat dus ook vanuit een commercieel belang, wat niet betekent dat de redenering onjuist is. Het levert wel een nuance op: de claim dat 'AI niet kan verkopen' is te algemeen. Een model met goede productdata en duidelijke adviesregels kan wel degelijk adviseren. De clip zegt feitelijk dat een model zonder die kennis niet goed adviseert.

Wat je zelf kunt opbouwen

Begin klein. Pak je vijf vaakst gestelde advieskwesties en schrijf per kwestie op welke vragen een verkoper stelt en welke regels hij toepast. Voeg daar de productattributen aan toe waar die regels naar verwijzen, zoals hardheid, drop of gewicht. Test de uitkomst met 20 echte klantvragen uit je klantenservice en laat je beste adviseur de antwoorden beoordelen. Zo ontdek je ook welke attributen ontbreken in je productdata, wat vaak het eigenlijke probleem is. Reken op ongeveer 2 weken werk voor die eerste 5 kwesties, vooral om de regels helder op te schrijven.

Probeer dit deze week

  1. Schrijf voor je 5 meest gestelde adviesvragen op welke 3 tegenvragen je beste verkoper stelt.
  2. Test je chatbot of ChatGPT met 20 echte klantvragen uit de klantenservice en laat een vakspecialist de antwoorden scoren.
  3. Controleer welke productattributen nodig zijn voor die regels en of ze in je productdata staan.

Begrippen

Domeinkennis
Vakkennis uit een specifiek gebied, zoals matrassen of hardloopschoenen, die nodig is om echt te kunnen adviseren.
Kennisbank
Een geordende verzameling feiten en regels die je aan een AI-model aanbiedt als context.
Trainingsdata
De teksten waarop een taalmodel is getraind en waaruit het zijn kennis haalt.
Adviesregel
Een vastgelegde als-dan-regel, zoals 'zijslaper: kies een zachtere matras'.

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.

En eigenlijk is dat ook niet gek. Want wat zien we? Die tools, die LLMs, die zijn getraind op 30 jaar internet. En laten we dat nou net exact de 30 jaar zijn waarin we geen Jeroen hadden.

En daarnaast kunnen ze vaak kijken naar de productdatabase. Maar het probleem van de productdatabase is dat die vooral vol zit met harde specs van producten. In dit geval heb ik hier een koptelefoon, typen over ear, hij is zwart en je kan hem inklappen. Maar dat zijn harde specs en dat is nou net de info die best wel lastig te vertalen is naar echt advies.

Dus wat krijgen we? Wat we vaak zien is slechte gesprekken, slecht advies, maar ook onwenselijk commercieel advies. Want we weten ook: de webshops die iets met productadvies willen, die willen hun klanten heel goed adviseren en zeker weten dat klanten het juiste product kopen, maar ook potentieel zorgen dat de producten die geadviseerd worden ook commercieel interessant zijn om te adviseren.

Als je een eigenmerkproduct hebt dat evengoed aan de toepassing van een klant voldoet als een ander product, dan adviseer je liever het eigenmerkproduct. Dus dat is een stukje controle wat je ook mist als je dat direct aan een LLM overlaat. Ook interessant, kleine zijstap, maar hier zien we dit ook terug.

Spreker: Marja Silvertant, Aiden

Bronnen

Meer over Klantenservice & Sales