Hoe productdata in ERP’s meestal ontstaat bij KMO’s
In de meeste KMO’s is productdata niet in één keer netjes opgebouwd. Die groeit mee met het bedrijf. Een nieuw product wordt toegevoegd omdat het nodig is. Een variant komt erbij. Iemand vult snel een omschrijving in “nog toe te voegen”. En later komt er iets anders tussen.
ERP’s zijn daar ook niet per se voor gemaakt. Ze zijn gebouwd om processen te ondersteunen. Bestellen, stockeren, factureren. Niet om te overtuigen of uitleg te geven aan een bezoeker die je product nog niet kent.
Intern werkt dat perfect. Iedereen weet wat “Pomp XYZ-300” is. Iedereen weet waarvoor die dient. Maar een webshopbezoeker ziet alleen die naam. Zonder context. Zonder uitleg. Zonder reden om te kopen.
Zo’n data kan een probleem vormen
Zolang je ERP alleen intern gebruikt wordt, is dat geen issue. Maar zodra je online wil verkopen of zelfs maar producten wil tonen, komt die kwaliteit van de data bovendrijven.
Da’s vaak ook de reden dat wij in offertefase vragen om een export van enkele producten. Gewoon alle data die je hebt, prijzen mag je leeglaten. Maar dan weten wij precies wat er allemaal al is.
Want jij verwacht van ons een goeie website of webshop. En wij bekijken het vanuit de ogen van de klant. Bezoekers willen weten wat een product doet. Voor wie het bedoeld is. Wat het verschil is tussen twee varianten. En Google wil tekst om te begrijpen waar je pagina over gaat. Zonder inhoud wordt dat moeilijk.
Het gevolg zie je snel.
Productpagina’s die amper bezocht worden. Of wel bezocht, maar weinig opleveren. Een webshop die technisch werkt, maar commercieel niet trekt.
En dan komt het besef: eigenlijk moeten we onze productdata eens proper zetten. “Dan maken we die data wel eens in orde”… maar wanneer?
Niemand wilt het doen, het blijft maandenlang op de to do staan, het is een echte huzarenklus. Je hebt geen tien producten, maar honderden. Soms duizenden. En vaak ook nog in meerdere talen. Productomschrijvingen schrijven is geen klusje dat je er even bijneemt op een vrijdagmiddag.
In een KMO zijn er altijd dringender dingen. Klanten. Leveringen. Offertes. Personeel. Productdata schuift dan automatisch naar “voor later”. En dat later blijft vaak lang uit.
Wat AI hier wél kan betekenen (en wat niet)
AI wordt vaak voorgesteld als een magische oplossing. Alstublieft niet. En het laatste dat wij willen doen, is overkomen als een vage AI-goeroe. Maar zo zijn er veel: “druk op een knop en alles is geregeld”. Zo werkt het niet. AI verzint geen productkennis. Als er geen informatie is, kan er ook niks zinnigs uitkomen.
Maar AI is wel heel sterk in iets anders. Het kan bestaande informatie combineren, structureren en begrijpelijk verwoorden. Je hebt meestal meer info dan je denkt. Technische specificaties. PDF’s van leveranciers. Oude catalogi. Interne omschrijvingen. Soms zelfs losse teksten die ergens rondzwerven. Voor mensen is dat lastig om samen te brengen. Voor AI net niet.
AI vervangt geen productkennis, maar helpt ze verwoorden. Dat is een belangrijk verschil.
Hoe we dit praktisch aanpakken met AI-assistants
Wat we hier doen, is geen generieke “typ iets in en hoop dat het goed is”-aanpak. We werken met AI-assistants die specifiek zijn opgezet voor jouw context.
Eerst verzamelen we alle beschikbare info. ERP-data, ja. Maar ook technische fiches, handleidingen, brochures, bestaande websitecontent. Alles wat relevant is voor die producten.
Daarna bepalen we hoe de assistant moet schrijven. Voor wie is de tekst bedoeld? Voor een professional of een particulier? Informatief of meer begeleidend? Hoe uitgebreid? Welke tone of voice? Dat ligt allemaal vast voor we iets genereren.
Pas dan laten we de assistant productomschrijvingen maken (of andere nodige teksten). We testen, sturen bij en verfijnen tot het resultaat klopt.
Van beperkte data naar bruikbare productomschrijvingen
In de praktijk zie je dan iets interessants gebeuren. Ruwe, technische input wordt omgezet in teksten die wél begrijpelijk zijn voor een bezoeker. En ook commercieel, zonder zaken te verzinnen.
Gewoon helder uitleggen wat een product doet, waar het voor dient en waar je op moet letten. Dat is vaak al genoeg om een groot verschil te maken.
Belangrijk detail: die teksten komen gewoon in je CMS terecht. Ze zijn overschrijfbaar. Aanpasbaar. Je behoudt altijd de controle. AI helpt je vooruit, maar beslist niet in jouw plaats.
Wanneer dit goed werkt, en wanneer minder
Deze aanpak werkt goed wanneer er basisinformatie aanwezig is. Hoe beperkt ook. Het werkt uitstekend bij grote catalogi waar manueel schrijven geen optie is. En bij KMO’s die vooruit willen zonder eerst alles perfect te maken.
Het werkt minder goed als er echt niets is. Geen specs, geen context, geen documenten. AI kan veel, maar geen productkennis uit het niets toveren. Dan is het eerst zaak om die basis te leggen.
B2B en B2C vragen een andere benadering
Niet elke webshop is dezelfde. En dat geldt ook voor productteksten.
In een B2B-context wil je vooral duidelijkheid. Specificaties. Toepassingen. Minder uitleg, meer zekerheid. De assistant wordt daar ook op ingesteld. Zakelijker, to the point.
In B2C ligt dat anders. Daar wil je context. Uitleg. Begrijpbare taal. Minder jargon. Nog altijd correct, maar toegankelijker.
Het interessante is dat je met dezelfde basisdata verschillende outputs kan maken. Eén bron, meerdere benaderingen. Zonder alles dubbel te moeten doen.
Meertaligheid zonder extra werk
Zodra meerdere talen in het spel komen, wordt manueel werken helemaal lastig. Teksten kopiëren. Vertalen. Controleren. En hopen dat terminologie consistent blijft.
Met AI-assistants kan je werken vanuit één bron. De teksten worden per taal herschreven, niet letterlijk vertaald. Dat zorgt voor leesbare teksten die ook in die taal logisch aanvoelen.
Dat scheelt niet alleen tijd, maar ook frustratie.
Hoeveel kost zo’n AI assistant voor website-omschrijvingen?
Transparantie is hier belangrijk. Zo’n traject omvat het opzetten van de prompts, het testen, het aanmaken van de assistant, de implementatie en het effectief laten draaien ervan.
Wat daar niet in zit, is het verbruik van AI-credits. Dat hangt af van hoeveel tekst er gegenereerd wordt. Een webshop met honderd producten vraagt iets anders dan eentje met vijfduizend. Dat verbruik wordt apart berekend op basis van het effectieve gebruik. Maar dat is véél minder dan je denkt.
Zo blijft het schaalbaar en eerlijk.
