Eén invulveldje. “Branche.” Hoe moeilijk kan het zijn?
Dat dachten we ook. Tot we merkten dat dit simpele veldje aan de basis ligt van veel beslissingen in sales en marketing. Segmentatie. Scoring. Personalisatie. Reporting. Targeting. Het begint allemaal met een goed begrip van in welke branche je klant zich beweegt.
En daar wringt het. Want zelfs bij bedrijven die hun CRM keurig hebben ingericht, is die ene kolom verrassend vaak een rommeltje. Vage omschrijvingen. Foutieve toewijzingen. Interne discussies over wat een klant eigenlijk doet.
Dus gingen we op onderzoek uit. We spraken met klanten. We keken naar data. We analyseerden hoe vaak de branche-indeling afweek van de werkelijkheid. En toen besloten we iets te bouwen. Iets dat ons, en onze klanten, zou helpen om dit probleem structureel slimmer op te lossen.
We bouwden een AI-agent.
Het probleem: meer dan semantiek
Wie een bedrijf wil indelen, loopt al snel tegen het volgende aan. Veel organisaties zijn geen monoliet. Ze zijn actief in meerdere sectoren. Ze hebben verschillende business units. Hun core business is voor buitenstaanders niet altijd duidelijk. En hun online aanwezigheid is lang niet altijd consequent.
Neem ANWB. Is dat een verzekeraar? Een mobiliteitsorganisatie? Een reisbureau? Een contentproducent? Een dienstverlener? Het juiste antwoord hangt af van wie je het vraagt. Een marketeer. Een developer. Een klant.
Of neem Wolters Kluwer. Daar werkte een compleet team anderhalf jaar lang aan een nieuwe branche-indeling. Voor een corporate als dat is dat logisch. Maar voor veel van onze klanten moet het sneller. Praktischer. Goed genoeg om met vertrouwen te segmenteren.
En precies dat is het doel van onze AI-agent. Geen perfecte waarheid. Maar wel een model dat in 85 tot 90 procent van de gevallen een branche-indeling oplevert waar je als marketeer of salespersoon mee verder kunt.
Hoe het werkt: combineren van bronnen
De kracht zit niet in één databron. De kracht zit in de combinatie.
Onze AI-agent kijkt niet alleen naar hoe een bedrijf zichzelf presenteert op de eigen website. Dat is vaak verouderd of geschreven vanuit een bepaald perspectief. Daarom voegen we extra lagen toe:
- LinkedIn: hoe positioneert het bedrijf zich richting de buitenwereld? Welke content plaatsen ze? Welke woorden gebruiken ze in hun tagline?
- VPC’s: in de gesprekken die we voeren tijdens het Value Proposition Canvas proces, komen vaak signalen naar boven die niet op de website staan. Wat maakt deze klant anders? Welke rol speelt technologie? Hoe wordt er gesproken over klanten en markten?
Door deze drie bronnen te combineren, ontstaat er een beeld dat veel rijker is dan één enkele input. De AI vergelijkt dat beeld met een steeds groeiende set van bekende bedrijven en hun branches. Zo ontstaan verbanden en categorieën die logisch zijn voor mensen, maar sneller en consistenter worden toegewezen door het model.
Waarom we dit nodig hadden
Je zou denken: als branche-indeling zo belangrijk is, dan zorgen bedrijven daar toch gewoon zelf voor?
Helaas. In de praktijk blijkt dat CRM’s vaak gevuld zijn met verouderde, handmatig ingevoerde informatie. Vaak zijn er meerdere mensen betrokken bij dataverrijking. Soms wordt de branche afgeleid van de eerste klantafspraak. Of van het KvK-uittreksel. Of van een productcategorie.
En dan krijg je dit soort verschillen:
- Een softwarebedrijf dat bij de ene accountmanager als “ICT” staat en bij de andere als “onderwijs”, omdat ze veel klanten in die sector hebben.
- Een groothandel in bouwmaterialen die is gelabeld als “logistiek” omdat ze een groot magazijn hebben.
- Een fabrikant van medische hulpmiddelen die wordt gezien als “zorg”, terwijl ze vooral aan distributeurs verkopen.
Dat zorgt voor segmentaties die niet kloppen. Voor campagnes die niet aankomen. Voor dashboards die verwarring zaaien. En voor verkopers die leads krijgen die eigenlijk niet relevant zijn.
Wat het oplevert
Sinds we de AI-agent inzetten, merken we drie duidelijke voordelen:
- Betere segmentatie: campagnes zijn gerichter, omdat we bedrijven sneller in de juiste bucket zetten.
- Snellere account scoring: doordat branche en subbranche automatisch herkend worden, kunnen we de lead scoring daarop laten meebewegen.
- Eenduidiger rapportage: als je één consistente indeling hanteert, kun je veel beter rapporteren op sectoren, trends en marktpotentie.
Daarnaast merken we dat klanten het prettig vinden dat er geen welles-nietes-discussies meer zijn over in welke branche een bedrijf nou eigenlijk zit. De AI-agent doet een voorstel, en als het niet klopt, kun je het aanpassen. Maar je begint in elk geval niet vanaf nul.
Voor wie dit interessant is
We zetten dit model nu vooral in bij klanten die:
- werken met veel verschillende sectoren of klanttypes
- meerdere business units of verkoopteams hebben
- een grote klantendatabase willen verrijken voor outbound marketing
- betere accountselectie willen toepassen op basis van branchepotentie
In veel gevallen is de branche-informatie het startpunt voor vervolgstappen zoals contentpersonalisatie, nurture flows, campagnes of partnerprogramma’s. Dan wil je dat die eerste stap al klopt.
Geen alleskunner, wel een slimme assistent
Laat één ding duidelijk zijn: deze AI-agent is geen alwetende orakeltool. Hij werkt niet op basis van magie of ChatGPT-trucjes. Hij is getraind op een combinatie van echte data en menselijke input. Hij leert bij op basis van feedback. En hij maakt af en toe fouten.
Maar hij is consistent. Snel. En hij bespaart onze consultants en marketeers ontzettend veel tijd.
In plaats van telkens handmatig moeten zoeken wat een bedrijf nou eigenlijk doet, hebben we nu een voorstel klaarstaan dat in de meeste gevallen klopt. En dat voorstel is gebaseerd op logica, data en ervaring.
Dat betekent: meer tijd voor echte analyse. Voor het bouwen van segmentaties. Voor het testen van campagnes. Voor het maken van keuzes die impact maken.
Wat we verder nog willen ontwikkelen
We zijn nu aan het experimenteren met subcategorieën. Bijvoorbeeld: een bedrijf zit in de sector “bouw”. Maar gaat het om installatietechniek, projectontwikkeling of productie van bouwmaterialen? Hoe beter we dat kunnen onderscheiden, hoe relevanter onze targeting en boodschap worden.
Ook willen we de AI koppelen aan realtime CRM-updates. Zodat je niet alleen bij het importeren van een lijst een branche krijgt, maar ook als een bedrijf bijvoorbeeld van naam verandert, fuseert of zijn website aanpast.
En we onderzoeken of we dit ook kunnen inzetten bij het opschonen van bestaande CRM-databases. Zodat je in één keer duizenden bedrijven kunt herlabelen op basis van actuele inzichten.
Wil je dit ook?
Wil je weten of dit ook iets voor jouw organisatie is? Of worstel je al langer met onduidelijke branchedata in je CRM? Stuur ons een bericht. Misschien kan onze AI een keer meekijken.
