AI-personalisatie op je website: wat werkt en waar het creepy wordt

De belofte van "elke bezoeker zijn eigen website" klinkt aantrekkelijk maar faalde jarenlang op data en complexiteit. Wat nu wél werkt, is bescheidener en daardoor effectiever: een klein aantal betekenisvolle varianten, gekozen op basis van context in plaats van identiteit.

De bezoeker die via een artikel over linkbuilding binnenkomt, ziet een hero die daarop aansluit. De bezoeker die vanuit een vacaturepagina komt, ziet cases uit zijn sector. Dat vereist geen profielen of tracking — alleen aandacht voor herkomst en gedrag binnen de sessie.

Uit tientallen tests bij B2B- en dienstverlenende sites blijven drie ingrepen consequent bovenaan staan:

• Hero per intentie: pas kop en subkop aan op de pagina of zoekterm waar de bezoeker vandaan komt. Dit is de hoogstrenderende test in bijna elke funnel.
• Social proof per sector: toon cases en logo's uit de branche van de bezoeker, gekozen op basis van de landingspagina of een expliciete keuze.
• Vervolgstap per gedrag: wie drie artikelen over één onderwerp leest, krijgt de gerichte CTA (download, gesprek) in plaats van de generieke nieuwsbrief.

Alledrie werken op context die je al hebt, zonder cookies van derden en zonder profielen op te bouwen.

Personalisatie wordt ongemakkelijk op het moment dat de bezoeker merkt dat je meer weet dan hij heeft gedeeld. De praktische grenslijn die wij hanteren:

• Acceptabel: variatie op basis van herkomst, sessiegedrag, apparaat, tijdstip en expliciet aangegeven voorkeuren.
• Grijs: variatie op basis van eerdere bezoeken (vereist toestemming en transparantie).
• Over de grens: variatie op basis van afgeleide persoonlijke kenmerken of data die de bezoeker niet bewust heeft gegeven.

Houd je aan de eerste categorie, dan is personalisatie zowel AVG-proof als vertrouwenveilig. De meeste conversiewinst zit daar overigens ook — de exotischere vormen leveren zelden meer op dan ze aan vertrouwen kosten.

Personalisatie voelt logisch en wordt daarom zelden getoetst — een dure gewoonte. Elke variant die je toevoegt, splitst je verkeer en vertraagt je leersnelheid. De discipline die werkt:

• Test één personalisatie tegelijk, met een controlegroep die de generieke versie ziet.
• Definieer vooraf het minimale effect dat de extra complexiteit rechtvaardigt (bijvoorbeeld +10% op de primaire conversie).
• Laat tests lang genoeg doorlopen voor statistische betrouwbaarheid; bij weinig verkeer betekent dat weken, niet dagen.
• Ruim varianten op die structureel verliezen; personalisatie zonder opruiming wordt een spaghetti van uitzonderingen.