Veldonderzoek
8 implementaties, 5 patronen: wat AI-chatbots écht doen
Acht Chatwize-implementaties, acht sectoren — verfwinkels, hypotheekkantoor, mediaproducties, beglazing, horeca-toelevering, schoonmaak, boormaterialen, maatwerkverpakkingen. Op het oog volledig verschillend, maar onder de motorkap zien we elke keer dezelfde vijf patronen. Hieronder breken we ze af, met de cijfers erbij.
8
klanten in deze meta-analyse
≥35%
van vragen buiten kantooruren — overal
1 dag
gemiddelde tijd tot livegang
Patroon 1 — 35-65% van de gesprekken vindt buiten kantooruren plaats
Innovi zit op 36%. Bestel-verf op 40%. Onlineborenkopen 35%. Horecasupply 38%. Maatwerkverpakkingen 64%. Noova 65%. In iedere case minimaal een derde, vaak meer. Dat is geen grilligheid van consumentengedrag — dat is structureel ondervraagde markt. Mensen kopen, vergelijken en heroverwegen 's avonds. Wie tussen 9 en 17 antwoordt, mist die piek.
Wat dit betekent
Een chatbot rekenen je niet voor in “% van werk geautomatiseerd” — reken hem voor in “klanten die anders niet bediend zouden zijn”. Dat is de echte ROI.
Patroon 2 — 1 dag tot live, 2-4 weken tot een stabiel cijfer
Bij Hypadvies en Onlineborenkopen stond de chatbot binnen één dag. Bij Maatwerkverpakkingen binnen één week. Bij Belned binnen één maand met 100% afhandeling. De technische go-live is steevast snel. Maar het automatisch-afgehandeld-percentage stabiliseert pas na 2 tot 4 weken iteratie — en dáár zit de fout die de meeste teams maken: de bot live zetten en dan niet meer terugkijken.
Wat we elke implementatie inplannen
- Gesprekslog-review na 7 dagen (30 min)
- Gesprekslog-review na 14 dagen (30 min)
- Eerste rapportage na 4 weken — pas dáár committen aan een KPI
Patroon 3 — productlinks > productbeschrijvingen
Bij Bestel-verf vraagt een klant: “Welke verf is geschikt voor hout buiten?” De bot tooit niet een lap tekst — hij linkt direct naar twee productpagina's. Bij Onlineborenkopen idem: “Welke boor heb ik nodig voor beton?” → twee linkjes. Bij Horecasupply gaat het via een artikelnummer-API: typ de code, krijg de pagina.
Lange productbeschrijvingen scoren matig in een chatvenster. Klanten lezen ze niet. Een korte uitleg + één klik naar de juiste pagina converteert beter, sneller en kwalitatiever.
Patroon 4 — de bot schaalt mee met je catalogus
Horecasupply heeft 35.000+ artikelen. Bij dat volume kun je geen losse productpagina's in een chatbot gieten — daarvoor is de aangepaste artikelnummer-API gebouwd. Het is geen exotische integratie; het is wat elke webshop boven de paar honderd SKU's nodig heeft. Bij kleinere catalogi (Bestel-verf, Belned) volstaan handmatig gekoppelde productbronnen.
Vuistregel
Onder ~500 SKU's: handmatige bronnen. Daarboven: webhook of API-koppeling. Een ingewikkelde integratie te vroeg bouwen kost meer tijd dan hij oplevert.
Patroon 5 — naam en persona = engagement
De Belned-chatbot heet Lynn. Klanten reageren aantoonbaar anders op een bot met een naam dan op “de chatbot”. Niet omdat ze denken dat ze met een mens praten — ze weten dat het AI is — maar omdat een naam de toon zet. Het kost vijf seconden, het scheelt voelbaar in hoe lang gesprekken doorgaan en hoeveel feedback klanten geven.
Wat je hieruit haalt voor jouw eigen implementatie
- Plan vanaf dag één voor 24/7 verkeer — niet voor kantooruren.
- Reken op 2-4 weken iteratie. Maak de slots in je agenda nu al vrij.
- Bouw rond productlinks, niet rond productbeschrijvingen.
- Bepaal nu of je catalogus handmatig of via API beheert — niet halverwege.
- Geef de bot een naam. Het is geen branding-ding, het is een toon-ding.
Klaar om dit voor je eigen team te realiseren?
Boek een korte demo en we laten zien hoe Chatwize past op jouw klantvragen, kanalen en processen.