In dit artikel leggen de leden van de DDMA Commissie Digital Marketing Transformation uit wat full funnel marketing inhoudt en lichten zij een KPI-framework dat je praktisch kunt toepassen uit. Ook vind je in dit artikel do’s en dont’s én een succesvol praktijkvoorbeeld. Het artikel is ook verschenen op Emerce.
Van one-size-fits-all naar relevantie
De afgelopen jaren heeft er een shift plaatsgevonden van ‘one-size-fits-all’-achtige push-marketing naar een meer gesegmenteerde en gerichte aanpak. Consumenten zitten niet meer te wachten om advertenties te zien van een product of dienst van een bedrijf waar ze geen gebruik van zullen maken of niet mee geassocieerd willen worden. Sterker nog, het zorgt voor een negatieve merkassociatie met bedrijven die dit wel nog op deze agressieve manier aanpakken.
Capabele marketeers begrijpen dat het belangrijk is om product in de markt te zetten op een specifieke en relevante manier en duidelijk te maken waarom dit zo goed past in het leven van hun doelgroep. Het begrijpen van de mogelijke ‘customer journeys’ die een potentiële klant af kan leggen van bewustzijn naar aankoop is hiervoor een vereiste. Deze verschilt per persoon en per product of dienst. Zo ziet het aankoopproces van een keuken er heel anders uit dan het aankoopproces van een t-shirt.
Full funnel marketing
Nadat een potentiële klant het idee krijgt dat hij mogelijk je product zou willen aanschaffen, heeft hij vaak tijd nodig om zich te oriënteren. Als je jouw marketingstrategie benadert vanuit klantperspectief, dan realiseer je je dat een klant vaak niet direct een actie onderneemt zonder dit oriëntatieproces. Je marketingstrategie moet hier goed op aansluiten. Hoe zorg je ervoor dat een potentiële klant van jouw bedrijf afweet, zich oriënteert en uiteindelijk de aankoop bij jou doet?
Het antwoord is full funnel marketing. Een strategie waarbij je in elke fase van de journey relevant bent als bedrijf en hier ook de juiste kanalen en middelen inzet om je doelgroep te bereiken. Een wereld waarbij de communicatieafdeling een branding-campagne bedenkt en de online marketeers onafhankelijk een performance-campagne optuigen is dus verleden tijd. Het één gaat niet zonder het ander.
Om per fase van de customer journey te bepalen welke middelen en welke communicatieboodschap je gebruikt, zijn er een aantal gangbare modellen die je kunt gebruiken. Van de meer traditionele modellen zoals Touch, Tell, Sell tot moderne modellen als See, Think, Do, Care.
Dergelijke modellen dwingen marketeers om na te denken vanuit de klant. De vraag die centraal dient te staan is ‘Aan welke boodschap heeft mijn (potentiële) klant behoefte in deze specifieke fase van de customer journey en hoe zorg ik ervoor dat mijn boodschap in alle fases op elkaar aansluit?’ Dit laatste onderdeel is vaak onderschat, maar een logische opvolging in communicatieberichten is cruciaal voor het succes van een full funnel marketing-strategie.
KPI-framework voor full funnel marketing
Maar hoe weet je of je boodschap de juiste is en hoe optimaliseer je hierop? Wanneer je puur optimaliseert op performance dan zijn je KPI’s vaak duidelijk. Wanneer je optimaliseert op basis van de customer journey dan zijn er meer KPI’s waar je rekening mee moet houden. Essentieel hiervoor is een KPI-framework. Met een KPI-framework ben je in staat om per fase van de customer journey te bepalen voor welke metrics je optimaliseert en of je marketing inzet succesvol is geweest. Hieronder vind je een voorbeeld van een KPI-framework.
In het KPI-framework staat de belangrijkste KPI geformuleerd – in dit voorbeeld zijn dat leads – maar ook KPI’s die hier direct en indirect aan bijdragen. Elke fase in het model heeft zijn eigen KPI’s waarop gestuurd wordt. Marketing inzet in de See-fase wordt in dit geval bijvoorbeeld niet direct afgerekend op leads, maar wel op hoe er indirect aan wordt bijgedragen. De Care-fase is in dit voorbeeld niet meegenomen.
Do’s en don’ts voor full funnel marketing
Leuk, die theorie, maar hoe realiseer je nou daadwerkelijk een succesvolle full funnel marketingstrategie? Een aantal praktische tips:
Do’s
- Stel per fase (per KPI) een meetbaar target op. Begin vanuit je hoofddoelstelling en reken vervolgens terug wat dit betekent voor de doelstellingen van de fases hoger in de funnel. Zo kun je bijvoorbeeld je salesdoelstelling terugrekenen naar traffic en views.
- Speel in op de behoefte van de (potentiële) klant, afhankelijk van de fase waarin hij of zij zit en stem de content en boodschap hierop af.
- Zorg dat de boodschappen en uitingen voor de verschillende fases goed op elkaar aansluiten
- Hou bij het bepalen van de maximale CPA (Cost Per Acquistion, in de Do-fase) rekening met de initiatieven binnen de campagne die niet direct op sales worden afgerekend (maar wel kosten met zich meebrengen)
Don’ts
- Zorg dat plannen voor full funnel-campagnes niet per fase door verschillende teams worden uitgewerkt
- Focus je bij grootschalige performance-campagnes niet alleen op kanalen die direct converteren. Zonder de juiste aandacht voor upper- en midfunnel-initiatieven zul je waarschijnlijk je hoofddoelstelling niet halen.
- Denk niet dat al je (potentiële) klanten lineair door alle fases van de customer journey lopen, zoals jij het van tevoren bedacht hebt. Hou hier rekening mee in de boodschap in mid- en lowerfunnel-uitingen.
Full funnel marketing in de praktijk
Case: NS – Treinpakkers
De Treinpakkers-campagne van NS bestaat uit voordelige uitjes in combinatie met een treinticket, zoals musea, stedentrips, beurzen, dierentuinen en pretparken. Binnen deze grootschalige campagne worden verschillende marketingdoelstellingen nagestreefd, zoals het vergroten van de bekendheid van deze producten, het creëren van overweging voor het gebruik ervan en (uiteindelijk) de aankoop van de producten. Daarbij werden voorheen al wel verschillende uitingen en kanalen ingezet voor de verschillende marketingdoelstellingen, maar deze initiatieven sloten vaak niet goed op elkaar aan.
In de nieuwe full funnel marketing-aanpak is ervoor gezorgd dat dit veel meer op elkaar is afgestemd. Zo zijn er bijvoorbeeld in de See-fase dynamische video’s ingezet met algemene informatie over Treinpakkers. Consumenten die deze video hebben uitgekeken, kregen vervolgens enkele dagen later video’s en banners te zien met informatie over specifieke Treinpakkers-deals (Think-fase). Degenen die deze video’s uitkeken of klikten op de banners werden vervolgens geretarget met meer salesgerichte banners over een specifiek product (Do-fase).
Dit heeft onder meer geresulteerd in een significante stijging van Treinpakkers-aankopen en daling van de CPA van de ads die ingezet werden, vergeleken met eerdere campagnes die op een meer traditionele manier werden ingezet.
Hoe nu verder
Met het bovengenoemde framework, de do’s & dont’s en de voorbeeldcase kun je aan de slag met full funnel marketing. Ons advies: gewoon beginnen. Start klein en ga vervolgens aan de hand van inzichten langzaam campagnes uitbouwen, budgetten anders verdelen en je interne stakeholders meenemen. Dit zorgt voor een hogere ROI uit je marketinguitgaven, intern voor een goede teamspirit en natuurlijk meer relevantie richting jouw doelgroep. Want dat is wat je uiteindelijk wil bereiken: de klant altijd in de juiste context én op het juiste moment raken.
Op donderdag 5 maart organiseert de commissie Digital Marketing Transformation een Afternoon Update over de impact van marketplaces. Er zijn nog maar een paar plekken beschikbaar!
Berry van Es
Email ROI in 2026: what the data actually says
Email ROI is no longer in question, but measurement still is
At Sinch Mailjet, this tension is clearly reflected in the findings from the Sinch Mailgun Email Impact Report, based on a global survey of more than 1,200 email senders and real sending data from over 400 billion emails.
The data shows that fewer than half of senders can accurately measure the ROI of their promotional emails, despite consistently strong returns. This creates a growing problem: mailbox providers increasingly reward genuine user engagement. In other words, you cannot optimise deliverability without understanding performance, and you cannot understand performance without measuring it.
The organisations that move from “a channel we believe in” to “a channel with proven business impact” will be better positioned to justify budgets, defend programmes and systematically improve results.
What the numbers show
Let’s start with the good news. Among senders who do measure email ROI, the results are compelling:
- More than 60% report at least €10 return for every €1 invested
- Around 13–14% achieve returns above 40:1
- Transactional email delivers similarly strong results
Making 10 euros for every 1 euro invested in a communication channel is genuinely exceptional, and the majority of senders measuring their returns are already there.
Sinch Mailgun Email Impact Report
But those figures only cover senders who measure. Only 46% say they can measure the ROI of promotional email. For transactional email, that drops to 43%. The majority of professional email senders do not have a clear financial picture of what their email programme returns.
That is not a niche problem. When 23% of respondents cite difficulty proving email’s ROI as a top barrier to investment, and 20% struggle to get leadership buy-in, the root cause is almost always the same: the data is not there to make the case.
How to Tackle Email ROI: From belief to evidence
Closing the measurement gap does not require a complete operational overhaul. It starts with a few deliberate improvements in how email performance is tracked and reported.
Start with the right formula
The baseline calculation is straightforward. Take the total revenue attributed to email, subtract total email costs, divide by those costs, and multiply by 100. The result is your ROI percentage. A programme returning 200,000 euros against 10,000 euros in costs delivers a 1,900% ROI or roughly 19 euros per euro spent.
The challenge is making that calculation honest. Revenue attribution is rarely clean. Digital customer journeys involve multiple touchpoints, and email often contributes at more than one stage. If your organisation uses last-click attribution, email will be under-credited. If it uses first-click, the picture will be different again.
The most defensible model for email is time-decay attribution, which assigns greater weight to touchpoints closer to conversion. This reflects email’s tendency to appear throughout the customer journey without over-crediting any single interaction.
Account for what transactional email actually does
Transactional email: order confirmations, shipping updates, password resets and fraud alerts, does not drive revenue directly. But it protects it.
A failed password reset email blocks a user from completing a purchase. An undelivered payment reminder increases the risk of churn. A missing shipping update generates a support ticket. Each of these represents a measurable cost, and each avoided failure has a quantifiable value.
The numbers add faster than most teams expect. If just 1% of your 10,000 daily password reset emails fail to deliver, and that prevents 50 purchases at an average order value of €50, you are losing €2,500 every single day — from one message type, at a failure rate most organisations would consider acceptable. That is €75,000 a month quietly leaving through a door nobody is watching.
Organisations that want an honest view of transactional email ROI need to work across departments: support, finance, product. The data exists, but it rarely sits in one place. The effort is worth it. Among those who do measure transactional email ROI, 62% report returns above 10:1.
Move beyond open rates
Open and click rates remain useful engagement indicators, but they are not enough to demonstrate business impact.
Metrics such as:
• Revenue per email
• Revenue per campaign
• Total email-driven revenue
• Customer retention impact
provide a much stronger foundation for proving value internally.
At the same time, deliverability metrics such as bounce rates, inbox placement and spam complaints have become critical indicators of sender reputation and long-term performance.
Deliverability and engagement are now inseparable
Mailbox providers like Gmail, Yahoo and Outlook increasingly use engagement
There is a direct connection between measurement and deliverability that is easy to miss. Mailbox providers like Gmail, Yahoo, and Outlook use engagement signals to determine where emails land. If your programme is generating low opens, high bounces, or elevated spam complaints, your inbox placement will suffer, regardless of how technically sound your sending infrastructure is.
That means deliverability cannot be optimised in isolation. You need to understand which segments are engaging, which content drives action, and which lists are stale. All of that requires measurement. The programmes struggling most with deliverability are often those flying blind on performance.
Among the top performers in the benchmark data, the pattern is consistent. Air Freight and Logistics achieved a 99.25% delivery rate with a 0.01% bounce rate. Capital Markets recorded 98.13% delivery with low unsubscribe volumes. These are not just good infrastructure numbers. They reflect sender behavior: clean lists, relevant content, engaged audiences.
Where email investment is heading in 2026
The forward-looking signals in the report point to a channel that is not only stable but attracting renewed investment, particularly from organisations willing to treat email as a discipline rather than a default.
Budgets remain strong
31% of organisations plan to increase their email budgets in 2026, while only 7% expect reductions. The remaining 48% plan to maintain current investment. Taken together, that means roughly 79% of organizations are treating email as a stable or growing line item.
That is a meaningful signal. In a period when marketing budgets are under scrutiny, email is holding its ground and then some. The 78% of respondents who describe email as very or extremely important to organizational success are not speaking in abstractions. They are describing a channel that, when it fails, is felt immediately across the business.
AI is accelerating email performance
AI adoption in email marketing is rapidly increasing:
• 79% of senders already use or plan to use AI
• The most common applications include copy generation and subject line optimisation
• More advanced use cases include predictive analytics, segmentation and send-time optimisation
Importantly, organisations already using AI report significantly stronger programme performance compared to those that are not.
54% of senders who have implemented AI say their email programmes improved moderately or significantly in 2025, compared to 37% among those not yet using AI.
AI is not a shortcut to success. But it is becoming a major accelerator for teams with strong foundations in measurement and deliverability.
Authentication standards are becoming essential
The technical environment around email is tightening, and that is broadly good news for senders who have their house in order.
DMARC adoption has risen from 43% in 2023 to 61% today, driven partly by enforcement requirements from Google, Yahoo, and Microsoft. More than half of those using DMARC have now moved to quarantine or reject policies, meaning they are actively blocking emails that fail authentication rather than simply monitoring the situation.
BIMI adoption has jumped from under 10% in previous years to 22% of all senders. Seventy-six percent of BIMI users report tangible benefits after launching inbox logos, including higher open rates and improved brand recall. For European senders operating across multiple markets, these signals matter: inbox trust is increasingly earned through authentication, not assumed.
The accountability gap is the next frontier
The data from the Email Impact Report makes one thing clear: email’s performance is not the problem. The problem is the gap between what email delivers and what organisations can document, defend, and build on.
Senders who close that gap — by investing in measurement, attribution, deliverability monitoring, and authentication — are the ones who will be able to act on what AI, automation and securing real deliverability by high engagement make possible. They will also be the ones with the evidence to protect and grow their email programmes when budgets come under pressure.
The 2026 shift in email is not primarily a technology shift. It is an accountability shift. The channel has always performed. Now it needs to be able to prove it.
Email does not need to prove it can deliver results — it already has. What it needs now is the measurement infrastructure to prove it every single time, to every stakeholder who controls the budget.
This is an article by EMAS 2026 Gold Sponsor Sinch.
Curious how to put this into practice? Visit EMAS 2026 on June 11 at Circa Amsterdam. Be inspired by international speakers and discover how to take your email marketing to the next level. Tickets and programme: emas.nu
David Jordine
Senior Technical Account Manager at Sinch Mailjet
Ook interessant
Email ROI in 2026: what the data actually says
Waarom je volgende e-mail waarschijnlijk niet gelezen wordt
AI in the modern inbox: what’s happening?
AI-labeling: wat marketeers moeten weten over transparantie voor AI
Voor marketeers is dat relevant. AI wordt inmiddels op grote schaal ingezet voor chatbots, customer journeys, contentcreatie, vertalingen, video’s en advertenties. Maar wanneer moet je gebruikers informeren dat AI wordt gebruikt? En wanneer moet AI-content worden gelabeld?
In dit artikel bespreken we de belangrijkste aspecten van de transparantieverplichtingen en de nieuwe praktijkcode.
Uitgestelde deadlines en nieuwe ontwikkelingen
Met de Digital Omnibus AI worden verschillende deadlines uitgesteld, waaronder de deadline voor de inwerkingtreding van de transparantieverplichtingen uit artikel 50. Deze zullen pas vanaf december 2026 van toepassing worden. Dit uitstel van 6 maanden geeft organisaties wat meer ademruimte, maar is zeker geen moment om dit in de ijskast te zetten.
Vrijwel direct na het uitstellen van deze deadline publiceerde de Europese Commissie ook een voorlopige praktijkcode voor de toepassing van de transparantieverplichtingen. De consultatie van deze praktijkcode loopt tot 3 juni, waardoor de inhoud nog kan wijzigen.
Hieronder zullen we de transparantieverplichtingen en de belangrijkste toepassingen voor marketing bespreken. Hierbij maken we onderscheid tussen drie categorieën:
- AI-chatbots en AI-agents;
- AI-gegenereerde of AI-gemanipuleerde content;
- Deepfakes.
AI-chatbots en AI-agents: wanneer moet je gebruikers informeren?
Wanneer AI direct in contact staat met mensen, zoals bij AI-chatbots, voice assistants en conversational agents, moet je transparant zijn over het gebruik van AI.
De verplichting tot labelen ligt in dit geval bij de aanbieder van het AI-systeem. Dat is doorgaans de partij die het systeem ontwikkelt of onder eigen naam aanbiedt. Gebruik je een standaardtool van een externe aanbieder, dan ligt die verantwoordelijkheid meestal bij die aanbieder. Laat je echter een eigen AI-chatbot ontwikkelen en zet je die onder eigen naam in, dan gelden deze verplichtingen waarschijnlijk ook voor jouw organisatie.
Hoe moet je gebruikers informeren?
De hoofdregel is dat gebruikers uiterlijk bij het eerste contact moeten weten dat zij communiceren met AI en niet met een mens. De praktijkcode geeft organisaties relatief veel vrijheid, zolang de informatie duidelijk waarneembaar en begrijpelijk is voor de doelgroep en niet verstopt zit in algemene voorwaarden of documentatie.
Ook de context speelt een belangrijke rol. Bij een tekstchatbot ligt een tekstuele melding voor de hand, terwijl bij een voice assistant een auditieve notificatie logischer is. De praktijkcode moedigt daarnaast multimodale labeling aan, bijvoorbeeld een tekstuele melding gecombineerd met een visueel element. Tegelijkertijd waarschuwt de Commissie voor “banner blindness”: te veel of te storende meldingen verliezen uiteindelijk hun effectiviteit. Hier zal dus een goede balans gevonden moeten worden.
De praktijkcode noemt ook expliciet wat níet voldoende is. Een verwijzing in algemene voorwaarden, een URL of uitsluitend machineleesbare metadata of watermerken voldoen niet aan deze verplichting. Daarnaast moeten labels begrijpelijk zijn voor een breed publiek. Technische termen zoals “LLM” of vage aanduidingen als “assistent” worden daarom niet als toereikend beschouwd.
Wanneer hoef je niet te labelen?
Er geldt een uitzondering wanneer het “overduidelijk” is dat iemand met AI communiceert. Daarbij wordt gekeken naar de doelgroep van het systeem en het kennisniveau van een gemiddeld geïnformeerde gebruiker binnen die doelgroep.
Iemand die een grote technische kennis heeft en veel met AI werkt zal dit sneller doorhebben dan een ouder persoon die niet zo technisch onderlegd is. De praktijkcode noemt als voorbeeld een AI coding assistant voor developers. In die context mag sneller worden aangenomen dat gebruikers begrijpen dat zij met AI communiceren. Voor consumentgerichte marketingtoepassingen zal die uitzondering echter minder snel opgaan.
AI-gegenereerde content: wanneer moet output worden gemarkeerd?
Wanneer je AI gebruikt om audio, beeld, video of tekst te genereren of te manipuleren zijn er ook verschillende transparantieverplichtingen van toepassing. Ook hier rust de verplichting in eerste instantie op de aanbieder van het AI-systeem. Gebruik je generatieve AI van een externe partij, dan ligt de verantwoordelijkheid doorgaans bij die aanbieder. Ontwikkel of exploiteer je echter een eigen AI-systeem of AI-agent onder eigen naam, dan kun je zelf verantwoordelijk worden voor deze verplichtingen.
Hoe moet je gebruikers informeren?
Als aanbieder zorg je ervoor dat content die wordt gegenereerd of gemanipuleerd met jouw AI-systeem op een machineleesbare manier wordt gemarkeerd. De AI Act geeft enkele voorbeelden van technieken die hieronder vallen zoals watermerken, metadata, cryptografische oplossingen, logging en fingerprints.
Welke content valt buiten de verplichting?
Content die alleen bestaande content reproduceert of herschikt hoeft doorgaans niet te worden gelabeld. Daarnaast maakt de praktijkcode onderscheid tussen standaard editing en inhoudelijke of semantische aanpassingen. Standaard editing, zoals spellingcorrecties en lichte kleurcorrecties, valt meestal buiten de transparantieverplichting. Bij inhoudelijke of semantische wijzigingen moet AI-content volgens de praktijkcode meestal wel worden gemarkeerd wanneer AI de betekenis, stijl of inhoud substantieel verandert. Dit is bijvoorbeeld het geval bij AI-vertalingen of samenvattingen, het toevoegen van objecten of personen of het aanpassen van hun uiterlijk. Of er sprake is van een uitzondering is volgens de praktijkcode sterk afhankelijk van de context en moet per geval worden beoordeeld.
Voorbeelden van standaard editing die doorgaans buiten de verplichting vallen:
- spelling- en grammaticacorrecties;
- compressie;
- noise reduction;
- beperkte cropping;
- lichte kleur- of belichtingscorrecties.
Voorbeelden van inhoudelijke of semantische wijzigingen die wel onder de transparantieverplichtingen vallen:
- AI-vertalingen;
- AI-samenvattingen;
- objecten of personen toevoegen;
- achtergronden vervangen;
- gezichten blurren;
- lichaamsvorm of uiterlijk aanpassen;
- vergaande visuele manipulaties.
Deepfakes: aparte regels voor misleidende AI-content
Naast de regels voor algemene contentcreatie bevat artikel 50 lid 4 AI Act een aparte transparantieverplichting voor deepfakes. Opvallend is dat deze verplichting niet rust op de aanbieder van het AI-systeem, maar op de gebruiker van het systeem. Gebruik je AI om deepfakecontent te maken, dan moet je die content dus zelf labelen.
Wanneer is sprake van een deepfake?
Deepfakes komen ook binnen marketing sneller voor dan gedacht. Volgens de AI Act is er sprake van een deepfake als er sprake is van:
- een duidelijke gelijkenis met bestaande personen, objecten, locaties of gebeurtenissen;
- content die authentiek of waarheidsgetrouw kan overkomen bij een brede doelgroep;
- een reëel risico dat mensen de content voor echt aanzien.
De perceptie van het publiek staat daarbij centraal. Bij de beoordeling hiervan gaat het niet om de intentie van de maker van de deepfake, maar om de interpretatie van de mensen die worden blootgesteld aan de deepfake. Anders dan bij de uitzondering voor chatbots wordt hier niet gekeken naar een “gemiddelde gebruiker”, maar naar de bredere groep mensen die mogelijk met de content wordt geconfronteerd.
De praktijkcode noemt expliciet als voorbeeld een AI-gegenereerde video waarin een synthetische versie van een bekende influencer een product aanprijst. Zo’n video zou ook echt kunnen bestaan, waardoor het publiek deze ten onrechte als authentiek kan beschouwen. Daartegenover staat een fictieve reclamevideo met pratende muizen die discussiëren over kaas. Omdat die content duidelijk fictief is, zal die doorgaans niet als deepfake kwalificeren. Uiteindelijk blijft ook hier de context bepalend. Het aanpassen van kleuren of achtergronden in productadvertenties zal minder snel problematisch zijn dan het realistisch simuleren van personen of gebeurtenissen.
Hoe moet je gebruikers informeren?
Als er sprake is van een deepfake, moet voor gebruikers duidelijk zijn dat de content met AI is gegenereerd of gemanipuleerd. De AI Act vereist dat dit op een duidelijke, zichtbare en onderscheidende manier gebeurt. Het label moet dus voldoende opvallen ten opzichte van de rest van de content en begrijpelijk zijn voor het publiek dat ermee wordt geconfronteerd. Ook hier kijkt de praktijkcode nadrukkelijk naar de perceptie van het publiek. Niet de technische werking van het label staat centraal, maar de vraag of een brede groep mensen daadwerkelijk begrijpt dat zij naar AI-gemanipuleerde content kijken.
Uitzondering voor creatieve content
Voor artistieke, creatieve, satirische en fictionele werken geldt een lichtere transparantieverplichting. Het label mag dan zo worden geplaatst dat het de gebruikerservaring of artistieke waarde niet onnodig verstoort. Die uitzondering wordt echter beperkt uitgelegd. Volgens de praktijkcode moet het voor gebruikers duidelijk zijn dat het daadwerkelijk gaat om fictieve of satirische content. Wanneer daar redelijkerwijs discussie over kan ontstaan, ligt toepassing van de uitzondering minder voor de hand.
Met name in commerciële contexten zal de uitzondering vaak niet opgaan. De praktijkcode noemt expliciet als voorbeeld een AI-gemanipuleerde reclamevideo waarin deepfaketechnologie wordt gebruikt om realistische personen of influencers producten te laten aanprijzen in een AI-gegenereerde omgeving. Wanneer het doel van de content is om consumenten te overtuigen een product of dienst af te nemen, valt dergelijke content volgens de Commissie in beginsel niet onder de uitzondering voor creatieve of fictionele werken.
Wat betekent dit concreet voor marketeers?
De praktijkcode laat zien dat de Europese Commissie sterk focust op de perceptie van gebruikers. Niet de techniek staat centraal, maar de vraag of mensen begrijpen dat zij met AI-gegeneerde of AI-gemanipuleerde content te maken hebben.
Voor marketeers betekent dat onder meer:
- inzicht krijgen in waar AI binnen marketingprocessen wordt ingezet;
- beoordelen wanneer AI-output “substantieel” manipuleert;
- nadenken over labeling van AI-content;
- duidelijke afspraken maken met bureaus en creators;
- rekening houden met consumentenrecht en andere transparantieregels naast de AI Act.
De uitgestelde deadlines geven organisaties iets meer tijd, maar de richting is duidelijk: transparantie wordt een structureel onderdeel van AI-gebruik in marketing. Meer weten over transparantieverplichtingen voor AI? Vraag gratis advies aan onze DDMA legal cousels via legal@ddma.nl.
Team Legal DDMA
Ook interessant
AI-labeling: wat marketeers moeten weten over transparantie voor AI
Podcast Shaping the Future: De Pizzaiolo van New York Pizza
AI in the modern inbox: what’s happening?
Frank van Dijk
De herroepingsknop komt eraan: wat verandert er voor jouw website?
In dit artikel geven we directe duiding aan de nieuwe regels en weet je wat je voor 19 juni geregeld moet hebben op je website of app.
De situatie tot nu toe: het herroepingsrecht bestond al
Wanneer een consument online een aankoop doet of dienst afneemt, is vaak sprake van een overeenkomst op afstand. Zonder opgave van redenen, hebben consumenten binnen de bedenktijd van veertien dagen de tijd om de overeenkomst te ontbinden. Die mogelijkheid komt naar voren in het herroepingsrecht.
Binnen het herroepingsrecht geldt dat organisaties vooraf duidelijk moeten informeren over dat recht en over de manier waarop zij daarvan gebruik kunnen maken. Bestellen is vaak snel en eenvoudig geregeld, terwijl terugkomen op die bestelling meer zoeken of extra handelingen vroeg.
Wat verandert er straks?
Met de nieuwe regels wordt dat verschil kleiner. Het is straks niet meer genoeg dat een consument ergens kan terugvinden hoe hij kan herroepen. De consument moet dat ook via een online functie eenvoudig kunnen doen binnen de digitale omgeving waarin de overeenkomst is gesloten.
De gedachte daarachter is simpel: als je online makkelijk kunt bestellen, moet je ook online makkelijk kunnen terugkomen op die bestelling binnen de bedenktijd. De bedoeling is consumenten bewuster te maken van hun herroepingsrecht en om het gebruik van dat recht te vereenvoudigen.
Die nieuwe herroepingsfunctie is overigens een aanvulling op de bestaande mogelijkheden. Kan een consument nu binnen veertien dagen terugkomen op zijn aankoop via een modelformulier? Dan zal hij daarvan, of van een andere duidelijke functie, ook nog gebruik kunnen maken.
Wat moet die herroepingsfunctie kunnen?
De herroepingsfunctie moet bestaan uit een aantal onderdelen:
- Een duidelijke knop die zorgt dat de consument de overeenkomst gemakkelijk kan herroepen;
- Een online formulier dat ter beschikking wordt gesteld aan een consument om de volgende informatie te verstrekken:
- Naam;
- E-mail of telefoonnummer, in ieder geval gegevens waar de consument mee bereikt kan worden om de herroeping te bevestigen;
- Gegevens waarmee de overeenkomst herkenbaar is (bestelnummer, datum, etc.);
- Een knop waarmee de consument de herroeping kan bevestigen
- Een ontvangstbevestiging (bijvoorbeeld per e-mail) met bevestiging van informatie over de inhoud, de datum en het tijdstip van de indiening
Deze vier onderdelen moeten gedurende de gehele bedenktermijn te allen tijde beschikbaar zijn, duidelijk worden weergegeven op de website en gemakkelijk toegankelijk zijn. Ook moet de website- of appeigenaar voordat de overeenkomst tot stand komt, duidelijke informatie geven over de herroepingsfunctie.
Design knop
Plek van de knop
Als eerste moet er een knop worden geplaatst die duidelijk zichtbaar wordt weergegeven op de website of app. Er zijn (nog) geen concrete vereisten aan de precieze plek van de knop, zolang de consument de knop maar op eenvoudige wijze kan vinden.
Tekst op de knop
Wat moet er precies op de knop staan? Ook hier zijn nog geen concrete vereisten aan verbonden, maar we kunnen wel een inschatting maken op basis van een ander voorbeeld: de bestelknop.
Het Europese Hof van Justitie oordeelde dat het echt gaat over de tekst op de knop, niet er boven of ergens anders. Bij de keuze van de bewoording wordt uitgegaan van de omgangstaal met een normale consument. Daarbij kun je bedenken dat te juridische terminologie niet op zijn plek is. Meer in lijn daarmee zijn opties als: ‘hier de overeenkomst herroepen’ of ‘hier retourneren’.
Wat nu als je geen herroepingsknop plaatst? Waarschijnlijk leidt dat tot een verlenging van de bedenktijd tot maximaal een jaar. Ook zou kunnen dat de betalingsverplichting aan de kant van de consument wordt verlaagd.
Conclusie
Het recht om binnen de bedenktijd terug te komen op een online aankoop bestond al. Nieuw is dat organisaties straks ook een duidelijke online route moeten aanbieden om dat recht eenvoudig uit te oefenen.
Voor webshops en aanbieders van online diensten is dit dus het moment om niet alleen de juridische informatie op orde te brengen, maar ook kritisch te kijken naar de inrichting van website, app en klantproces. De vraag is straks niet alleen of herroepen juridisch mogelijk is, maar ook of een consument op jouw platform meteen begrijpt waar en hoe dat moet.
Meer weten over herroeping? Vraag gratis advies aan onze DDMA legal cousels via legal@ddma.nl.
Isa Nieuwstad
Ook interessant
AI-labeling: wat marketeers moeten weten over transparantie voor AI
De herroepingsknop komt eraan: wat verandert er voor jouw website?
Big Tech onder vuur: dit speelt er rond platforms in 2026
Podcast Shaping the Future: De Pizzaiolo van New York Pizza
In deze aflevering van Shaping the Future spreekt host Ronnie van Nieuwenhoven met Maarten Meijer, Productmanager Marketing Solution bij New York Pizza. Aanleiding is de winst van de DDMA Data Innovation Award 2025. Maar het gesprek gaat al snel over de fundamentele vraag waarom data pas waarde krijgt als je stopt ernaar te kijken.
Van veel data naar een klantbeeld dat klopt
Wie denkt dat datasucces begint met een Customer Data Platform, komt in deze aflevering bedrogen uit. New York Pizza groeide bijna 35 jaar zonder zo’n fundament. Het merk bouwde op merk, product en lokale ondernemers. Data kwam pas later.
Geen pleidooi tegen technologie, maar wel een reality check. De eerste stap was niet tooling, maar structuur. Verspreide databronnen, geen segmenten, geen scherp beeld van de klant. Herkenbaar voor veel organisaties, zeker als we kijken naar de praktijk in Nederland, waar klantdata in tweederde van de organisaties nog altijd versnipperd zit over meerdere systemen. Pas toen die basis op orde kwam, ontstond iets wat lijkt op grip: inzicht in verschillen tussen loyale klanten en incidentele bestellers, tussen regio’s, tussen gedrag en voorkeuren. Geen magie, wel volwassenheid en het besef dat een centraal klantbeeld geen startpunt is, maar het eindstation van discipline.
🎧 Luister de aflevering via de player hieronder of in je favoriete podcast-app
Of luister via Apple Podcasts of Spotify.
De valkuil van dashboards
Het echte probleem begint vaak ná de implementatie. Dashboards zijn er, data is er, rapportages zijn er. En dan? De observatie van Maarten Meijer is pijnlijk precies. Organisaties kijken naar grafieken, signaleren afwijkingen, en blijven vervolgens hangen. De stap van inzicht naar actie blijkt structureel moeilijker dan de stap van data naar inzicht.
Daar zit de kern van deze case. Niet in het verzamelen van data, maar in het doorbreken van de analyse-paralyse. New York Pizza probeert dat op te lossen met een eigen AI-laag, intern gedoopt tot ‘Pizzaiolo’, die data uit verschillende bronnen samenbrengt en vertaalt naar concrete aanbevelingen. Niet alleen wat er gebeurt, maar wat je ermee kunt doen. Dat klinkt als een logische volgende stap, en dat is het ook. In 2026 verschuift de rol van analytics immers van rapportage naar besluitvorming, waarbij AI fungeert als vertaler tussen data en actie.
Het interessante is niet de technologie maar de intentie: minder tijd in Excel, meer tijd in beslissingen.
AI als versneller, niet als vervanger
Wie verwacht dat AI hier de show steelt, komt opnieuw bedrogen uit. De rol van AI is ondersteunend, niet leidend. Of zoals Meijer het zelf samenvat: zonder menselijk inzicht blijft AI vooral slim gereedschap. Klinkt als een open deur, maar in de praktijk blijkt het een strategische keuze. Zeker in een tijd waarin AI overal wordt ingezet, maar zelden echt is geïntegreerd in processen en besluitvorming. Veel organisaties blijven steken in pilots, terwijl de druk toeneemt om aantoonbare waarde te leveren.
De aanpak van New York Pizza is pragmatischer. Begin bij een concreet probleem. Automatiseer een proces dat elke week terugkomt. Laat AI één keer echt helpen. En bouw van daaruit verder. Een voorbeeld uit de praktijk maakt dat tastbaar. Waar eerder handmatig promoties voor platforms als Uber Eats werden verwerkt, is dat proces nu geautomatiseerd én gekoppeld aan data-analyse. Het resultaat is niet alleen tijdswinst, maar vooral betere keuzes: welke promotie werkt waar, en waarom.
Dat is de belofte van AI zoals die zelden wordt waargemaakt. Niet méér output, maar betere beslissingen.
Data democratiseren, maar dan echt
Het meest opzienbarende deel van de case zit niet in het hoofdkantoor, maar daarbuiten. In de ambitie om data daadwerkelijk bij franchisenemers te krijgen. Dat is waar veel organisaties stranden. Data blijft hangen in centrale teams, terwijl de echte waarde juist lokaal ligt. Zeker in een franchiseorganisatie, waar elke vestiging zijn eigen dynamiek heeft.
De volgende stap voor New York Pizza is dan ook logisch en ambitieus. Het wil elke ondernemer toegang geven tot eigen inzichten, vertaald naar begrijpelijke adviezen. Niet nog een dashboard, maar een gesprekspartner. Dat sluit weer aan op een bredere beweging in marketing, waarin customer intimacy en lokale relevantie steeds belangrijker worden voor onderscheidend vermogen. De ironie is dat technologie hier vooral een middel is om terug te keren naar iets wat al bestond: beter ondernemen op lokaal niveau.
Begin niet met AI
Wat deze aflevering vooral duidelijk maakt, is dat de volgorde ertoe doet. Eerst data op orde, dan processen, dan pas AI. Niet andersom. Het is een les die zelden wordt gevolgd. Enthousiasme voor technologie leidt al snel tot brede ambities en complexe projecten. Terwijl de grootste winst vaak zit in het oplossen van één terugkerend probleem. Of, zoals Meijer het samenvat: begin klein, bij een concrete ‘hiccup’. Maak het beter. En bouw van daaruit.
Dat klinkt minder spectaculair dan een AI-transformatie. Maar het is wel hoe het werkt.
Luisteren dus
De case van New York Pizza is geen verhaal over technologie die alles oplost. Het is een verhaal over keuzes maken, processen versimpelen en data laten werken voor mensen in plaats van andersom. Wie denkt dat de toekomst van marketing draait om meer data, zal verrast zijn. Het draait om betere vragen. En uiteraard om een pizza die op tijd wordt bezorgd.
Ronnie van Nieuwenhoven
Ook interessant
De herroepingsknop komt eraan: wat verandert er voor jouw website?
Podcast Shaping the Future: De Pizzaiolo van New York Pizza
Inschrijving DDMA Customer Data Awards 2026 geopend
Ook interessant
De herroepingsknop komt eraan: wat verandert er voor jouw website?
Podcast Shaping the Future: De Pizzaiolo van New York Pizza