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!
LinkedIn-aandeel daalt sterk binnen B2B, TikTok en Snapchat groeien | Lancering DDMA Social Advertising Benchmark 2026
Download verderop in dit artikel het volledige (gratis) trendrapport van de DDMA Social Advertising Benchmark 2026.
B2B-adverteerders kijken steeds kritischer naar de rol van verschillende platformen in hun mediamix. LinkedIn blijft waardevol voor specifieke zakelijke doelgroepen, maar is niet langer vanzelfsprekend het belangrijkste kanaal. Platforms als TikTok en Snapchat bieden nieuwe mogelijkheden om doelgroepen te bereiken.
Dionne van Dijk, Social Media Lead bij DEPT en voorzitter van de DDMA Commissie Social Media.
De DDMA Social Advertising Benchmark laat ieder jaar zien hoe snel het social medialandschap verandert. Door trends in platformgebruik, budgetten en campagnedoelstellingen over een langere periode te volgen, helpen we social advertising-specialisten om hun campagne-inzet in een breder perspectief te plaatsen en onderbouwde keuzes te maken.
Nanda Appelman, Market Insights Specialist bij DDMA
De vier meest opvallende trends in social advertising in Nederland
De DDMA Social Advertising Benchmark 2026 brengt de belangrijkste ontwikkelingen in social advertising in Nederland in kaart. In het (gratis) trendrapport worden de ontwikkelingen verder toegelicht en geduid door de DDMA Commissie Social Media.
1. TikTok groeit door, maar Meta blijft het grootste platform
Meta blijft met 65,5% van de mediabestedingen het grootste platform, een lichte stijging ten opzichte van H1 2025 (64,2%). Ook TikTok groeit door naar 17,2% en blijft met lagere CPM’s een aantrekkelijk platform voor bereik. Tegelijkertijd ligt de gemiddelde contactfrequentie bij Meta hoger. Van een grote verschuiving van Meta naar TikTok is dan ook geen sprake.
2. B2B kijkt steeds verder dan LinkedIn
Binnen B2B verandert de platformmix sterk. Het aandeel van LinkedIn in de B2B-mediabudgetten daalt van 52,7% in 2024 naar 9,3% in H1 2026. TikTok en Snapchat winnen flink terrein, terwijl Meta met 41,2% het grootste platform blijft. Tegelijkertijd verschuift het budget steeds meer van traffic & engagement naar awareness- en conversiecampagnes.
3. Budget concentreert zich rond awareness en conversie
Awareness en conversie zijn in H1 2026 samen goed voor 64,2% van de social spend. Vooral binnen B2B is de verschuiving groot: het aandeel traffic & engagement-campagnes daalt van 41,2% naar 18,6%, terwijl de verdeling binnen B2C relatief stabiel blijft. B2B lijkt daarmee steeds vaker te kiezen voor zichtbaarheid aan de bovenkant van de funnel en directe conversie aan de onderkant.
4. Goedkopere kliks op Meta leiden niet automatisch tot goedkopere leads
Bij Meta liggen de gemiddelde kosten voor bereik, kliks en verschillende commerce-acties in H1 2026 lager dan het gemiddelde over heel 2025, terwijl de kosten per lead (CPL) en de contactfrequentie juist stijgen. Goedkopere kliks leiden daarmee niet automatisch tot goedkopere conversies.
Download hier het volledige (gratis) trendrapport van de DDMA Social Advertising Benchmark 2026.
Ontvang het volledige (gratis) trendrapport direct in je mailbox
DDMA-lid? Log in en download al onze onderzoeken zonder formulier.
Nog geen lid? Als DDMA-lid krijg je direct toegang tot alle kennis, onderzoeken en events. Bekijk het lidmaatschap.
Het interactieve dashboard met alle resultaten is exclusief toegankelijk voor DDMA-leden en deelnemende bureaus.
Log in of word lid om het dashboard te bekijken.
Heeft jouw organisatie resultaten aangeleverd voor het dashboard?
Gebruik dan onderstaande knop om toegang aan te vragen.
Social Advertising Meetup
De resultaten van de Social Advertising Benchmark 2026 worden toegelicht tijdens de Social Advertising Meetup op 17 november bij Google.
Over de benchmark
De DDMA Social Advertising Benchmark 2026 is een onafhankelijk initiatief van DDMA en de DDMA Commissie Social Media. In deze vierde editie zijn 674.000 social advertisingcampagnes geanalyseerd (2025: 514.000) uit de periode van 1 januari 2021 tot en met 30 juni 2026, met een totale waarde van 511 miljoen euro (2025: 354 miljoen euro).
De data is geanonimiseerd aangeleverd door 19 deelnemende bureaus: A Bigger Circle, Artefact, DEPT, Doublesmart, Fanflock, Goldfizh, Happy Horizon, Initiative, MondoMarketing, Monkeys & Bananas, ODIV, OMD, PHD, SDIM, Semwerkt, Springbok, UM, WeConnect en WIJ Special Media.
Omdat resultaten verschillen per branche, doelgroep en campagnedoelstelling en de samenstelling van de dataset jaarlijks verandert, zijn jaar-op-jaarvergelijkingen vooral richtinggevend.
Nanda Appelman
Ook interessant
LinkedIn-aandeel daalt sterk binnen B2B, TikTok en Snapchat groeien | Lancering DDMA Social Advertising Benchmark 2026
Influencer marketing: tussen geloofwaardigheid, vrijheid en verantwoordelijkheid
Nieuwe gezichten in de DDMA Commissies Experimentation & Optimisation, Social media, Fieldmarketing en Data, Decisions & Engagement
Cookie-aanscherpingen (lijken) van tafel: een update over de Digital Omnibus ontwikkelingen voor marketing
Hoe zat het ook alweer?
Op 19 november 2025 presenteerde de Europese Commissie de Digital Omnibus: een pakket voorstellen om Europese digitale wetgeving eenvoudiger en beter uitvoerbaar te maken. Minder administratieve lasten, duidelijkere regels en meer ruimte voor innovatie zijn daarbij de belangrijkste doelen.
Voor de marketingsector sprongen vooral de wijzigingen aan de AVG en cookieregels eruit. De Commissie wilde de regels voor cookies en vergelijkbare technieken bij de verwerking van persoonsgegevens grotendeels verplaatsen van de ePrivacy-richtlijn naar de AVG. Daarnaast moesten websites privacyvoorkeuren uit browsers respecteren en mochten zij na een geweigerde toestemming minimaal zes maanden niet opnieuw dezelfde vraag stellen.
Ook de AVG zou veranderen. De Commissie stelde onder andere een andere afbakening van het begrip persoonsgegevens, eenvoudigere datalekmeldingen en meer duidelijkheid over het gebruik van persoonsgegevens voor AI-training voor.
In onze eerdere artikelen over de cookieregels en de AVG bespraken we deze voorstellen uitgebreid. Maar inmiddels is er het nodige veranderd.
Cookies: minder grote veranderingen, wel nieuwe mogelijkheden
De opvallendste koerswijziging gaat over cookies. Waar de Commissie de cookieregels grotendeels naar de AVG wilde verplaatsen, wil de Raad ze behouden in de ePrivacy-richtlijn. De huidige verdeling tussen de cookieregels en de AVG blijft daarmee grotendeels bestaan. Voor organisaties betekent dit vooral continuïteit: het bestaande systeem wordt niet volledig op de schop genomen.
Meer ruimte voor analytics en advertentiemetingen
Positief voor de marketingsector is dat de Raad meer duidelijkheid wil bieden over situaties waarin cookies zonder toestemming kunnen worden gebruikt. Zo bevat het voorstel uitzonderingen voor bepaalde geaggregeerde bezoekersstatistieken, bereikmetingen van media en het meten van de prestaties van contextuele advertenties. Dat laatste gaat om advertenties die aansluiten bij de inhoud van een pagina of een zoekopdracht, zonder gebruikers over verschillende websites te volgen.
Maar let op: dit betekent niet dat tracking voor gepersonaliseerde advertenties ineens zonder toestemming mag. Voor toepassingen zoals retargeting en het volgen van bezoekers over verschillende websites blijft toestemming in veel gevallen noodzakelijk.
Geen verplichte browsersignalen, wel minder herhaalde cookiebanners
Ook de voorgestelde verplichting om privacyvoorkeuren uit browsers te respecteren is door de Raad geschrapt. Als DDMA waren we kritisch op dit voorstel en hebben we onze standpunten onder andere via dit artikel gedeeld. We zijn dan ook blij dat dit onderdeel uit de voorgestelde wijzigingen lijkt te zijn geschrapt.
Verder verkort de Raad de periode waarin websites na een weigering niet opnieuw om toestemming mogen vragen: van zes naar vier maanden. In de wet wordt bovendien nu vastgelegd dat gebruikers toestemming met één klik of een vergelijkbaar eenvoudig middel moeten kunnen weigeren.
AVG: gerichte versoepelingen blijven overeind
Bij de AVG kiest de Raad eveneens voor een minder ingrijpende aanpak, hoewel een aantal belangrijke wijzigingen behouden blijft.
Persoonsgegevens en pseudonimisering
De Raad schrapt de voorgestelde wijziging van de definitie van persoonsgegevens. In plaats daarvan komt er een aparte bepaling over gepseudonimiseerde gegevens. Volgens het voorstel kunnen gegevens voor een ontvangende derde buiten de AVG vallen als die partij de betrokken persoon niet redelijkerwijs kan identificeren. Voor verwerkers die namens een andere organisatie handelen, blijven deze gegevens wel persoonsgegevens.
Meer duidelijkheid over AI en datalekken
Ook blijft het voorstel bestaan om expliciet te verduidelijken dat gerechtvaardigd belang een mogelijke grondslag kan zijn voor het ontwikkelen en gebruiken van AI-systemen. Dat kan interessant zijn voor organisaties die AI inzetten om diensten of modellen te verbeteren. Een zorgvuldige belangenafweging en passende bescherming van persoonsgegevens blijven verplicht. Daarnaast wil de Raad de termijn voor het melden van datalekken verlengen van 72 naar 96 uur en de meldplicht beperken tot datalekken met waarschijnlijk een hoog risico.
Hoe gaat dit aflopen?
Het is nog te vroeg om te zeggen welke voorstellen definitief worden aangenomen. Toch lijkt de koers van de Raad erop te wijzen dat Europa eerder kiest voor gerichte vereenvoudiging dan voor een volledige herziening van de privacyregels.
Wat betekent dit nu voor jou?
Voorlopig verandert er niets aan de regels waar organisaties aan moeten voldoen. Blijf dus werken volgens de huidige AVG en cookieregels, inclusief de bestaande verplichtingen voor toestemming en datalekmeldingen.
Bij DDMA blijven we de ontwikkelingen volgen en houden we je op de hoogte van wat de uiteindelijke wijzigingen betekenen voor jouw organisatie.
Vragen over de Digital Omnibus? Neem contact op met het DDMA Legal Team via legal@ddma.nl. DDMA leden ontvangen gratis advies.
Isa Nieuwstad
Ook interessant
Cookie-aanscherpingen (lijken) van tafel: een update over de Digital Omnibus ontwikkelingen voor marketing
Young Legal Breakfast: uitdagingen op de werkvloer
Uitspraken van de maand | oktober 2026
Buurtmailing
Motivatie lidmaatschap
Omdat ons platform volledig opereert op het snijvlak van data, AI en marketing, is de DDMA voor ons de perfecte vereniging om ons bij aan te sluiten. We zijn lid geworden om drie belangrijke redenen:
- Kennis en Innovatie: De markt verandert razendsnel door de opkomst van AI. Binnen de DDMA willen we onze expertise rondom AI-marketing verder aanscherpen en leren van de nieuwste technologische trends.
- Privacy & Wetgeving: Zorgvuldig, transparant en AVG-proof omgaan databestanden is voor ons een absolute prioriteit. De juridische expertise van de DDMA helpt ons om altijd voorop te lopen in veranderende wet- en regelgeving.
- Netwerken: We kijken ernaar uit om actief deel te nemen aan de community, te sparren met gelijkgestemde professionals en kennis te delen binnen dit vooruitstrevende netwerk.
Donateurstrouw: van behoud naar duurzame relaties
Loyaliteit begint bij vertrouwen
Urgentie, vertrouwen, persoonlijke relevantie en emotionele betrokkenheid zijn belangrijke redenen waarom donateurs blijven geven. Vooral bij gezondheidsfondsen speelt persoonlijke verbondenheid met het onderwerp een grote rol.
Maar betrokkenheid betekent niet voor iedere donateur hetzelfde. Sommige donateurs geven jarenlang, zonder behoefte aan intensief contact. Loyaliteit uit zich dus niet altijd in interactie, maar kan ook voortkomen uit vertrouwen in de organisatie en haar impact.
Eenmalige gevers verdienen meer aandacht
Een terugkerend dilemma is hoeveel aandacht organisaties moeten besteden aan eenmalige gevers. Zij zien zichzelf vaak wel degelijk als donateur, terwijl organisaties vooral investeren in structurele gevers.
De conversie naar een tweede gift of structurele steun blijft regelmatig achter. Beperkt contact, te korte donateursjourneys en ontbrekende data spelen daarbij mogelijk een rol. De uitdaging is om deze groep op een rendabele manier betrokken te houden.
Slimmer segmenteren met data
Data en segmentatie bieden kansen om donateurstrouw te versterken. Denk aan het vroegtijdig signaleren van uitstroom op basis van betaalgedrag, interacties of veranderende betrokkenheid. Sommige organisaties experimenteren al met AI en voorspelmodellen.
Tegelijkertijd vraagt segmentatie om keuzes. Een meer persoonlijke benadering kan waarde toevoegen, maar brengt ook extra werk en kosten met zich mee. De centrale vraag is daarom niet hoeveel segmenten je kunt maken, maar welke verschillen daadwerkelijk bijdragen aan betere resultaten.
De eerste maanden maken het verschil
Niet iedere loyaliteitsactie levert aantoonbaar resultaat op. Zo worden telefonische bedankacties gewaardeerd, maar vertaalt dat zich niet altijd in betere retentiecijfers.
De eerste vier tot zes maanden na werving kwamen naar voren als een belangrijke periode voor donateursbehoud. Juist hier liggen kansen om de relatie te versterken en vroegtijdige uitstroom te beperken.
Ook communicatiefrequentie vraagt om nuance. Minder contact is niet automatisch beter. Juist minder betrokken donateurs kunnen baat hebben bij regelmatiger communicatie, mits die relevant is.
Kijk verder dan retentie
Donateurstrouw draait niet uitsluitend om het voorkomen van uitstroom. Ook herhaalgiften, aanvullende steun en waardegroei verdienen aandacht. Een bestaande donateur die zijn bijdrage verhoogt of op een andere manier betrokken raakt, kan minstens zo waardevol zijn als het voorkomen van een opzegging.
Dat vraagt om een bredere kijk op de supporterrelatie. Niet het kanaal of de afzonderlijke gift staat centraal, maar de totale betrokkenheid bij de organisatie. Wie stopt met structureel geven, hoeft immers niet als supporter verloren te zijn.
Van inzichten naar actie
De rondetafelsessie maakte duidelijk dat er geen standaardaanpak bestaat voor donateurstrouw. Wel liggen er concrete kansen in betere data, gerichte segmentatie en sterkere journeys. De belangrijkste les: kijk niet alleen naar hoeveel donateurs je behoudt, maar vooral naar hoe je de relatie met hen duurzaam versterkt. En toets daarbij welke inspanningen daadwerkelijk bijdragen aan loyaliteit en waarde.
Content DDMA
Ook interessant
Donateurstrouw: van behoud naar duurzame relaties
Chiara Padalino en Jeroen Beelen (Save the Children): ‘Door te kiezen voor een best-of-breed oplossing zijn we niet afhankelijk van één leverancier’
Case: Datagedreven fondsenwerving bij het Prinses Beatrix Spierfonds
DDMO 2026: De grootste AI-misvatting is denken dat gebruik een voorsprong is
Van productiviteitshulp naar strategisch voordeel
Wie verder kijkt dan de adoptiecijfers, ziet dat de echte uitdaging ergens anders ligt. Niet in de vraag óf organisaties AI gebruiken, maar in de vraag of hun data, processen en organisatie al klaar zijn voor wat AI mogelijk maakt. En daar wringt het: het gebruik concentreert zich nog vooral op laagdrempelige toepassingen die bestaande werkzaamheden ondersteunen. Toepassingen die marketingprocessen en de manier van werken fundamenteel veranderen, bevinden zich nog in een veel eerdere fase van ontwikkeling.
Uit het DDMO 2026 blijkt dat de populairste AI-toepassing binnen marketing tekstcreatie (46%) blijft, gevolgd door ideeëngeneratie (32%) en het genereren van campagnecontent zoals beelden, video en audio (31%). Een veel kleinere groep van de organisaties die AI gebruiken, zet de stap naar voorspellende analytics (20%), e-mailautomatisering (17%), campagnepersonalisatie (14%) en autonome AI-agents (12%).
Juist die laatste groep verandert marketing fundamenteel. Waar een AI-assistent braaf reageert op een prompt, voert een AI-agent zelfstandig taken uit. De agent krijgt een marketingdoel mee, vertaalt dat naar concrete stappen, beoordeelt tussentijds de voortgang en stelt de aanpak bij wanneer dat nodig is. De inzet van agents is met 12% nog relatief beperkt. De grootste uitdaging zit allang niet meer in wat deze technologie allemaal kan. Het verschil ontstaat pas wanneer organisaties AI veilig en verantwoord weten te verbinden met hun data, processen en expertise. Daar wordt bepaald of AI een losse tool blijft, of uitgroeit tot een vast onderdeel van de manier waarop marketing werkt.
Waarom de volgende stap begint bij data
Dat stelt ook hogere eisen aan het onderliggende datafundament. Laagdrempelige AI-toepassingen, zoals tekst- en beeldgeneratie, leunen vaak nog nauwelijks op interne data en systemen. Geavanceerdere toepassingen zoals personalisatie, voorspellende analyses en AI-agents zijn echter afhankelijk van betrouwbare data, goede datakoppelingen en duidelijke governance. Juist daar liggen voor veel organisaties nog uitdagingen. Bij organisaties die nog geen AI inzetten, worden beperkte datakwaliteit (14% tegenover 9% in 2025) en onvoldoende beschikbare data (12% tegenover 8%) ook vaker als belemmering genoemd.
Opvallend genoeg zitten de oplossing en de uitdaging in dezelfde hoek. Organisaties hebben een stevig datafundament nodig om geavanceerdere AI-toepassingen mogelijk te maken, maar ontdekken dan pas welke data, koppelingen en processen ontbreken zodra ze ermee gaan experimenteren. Governance en experimenteerruimte zijn daarom geen tegenpolen, maar voorwaarden voor elkaar. Zonder ruimte om nieuwe toepassingen te verkennen, ontstaat er weinig urgentie om te investeren in data en datakwaliteit. En zonder betrouwbare data, koppelingen en governance die daarvoor nodig zijn, blijft AI hangen in persoonlijke productiviteitswinst, terwijl juist daarbuiten de grootste strategische kansen liggen.
Wie verder wil komen dan AI voor productiviteit en basistaken, ontkomt dus niet aan een sterk datafundament. Brenda van den Berg, marketingmanager bij KPN Zakelijk en lid van de DDMA Commissie AI, onderstreept dit:
“AI inzetten voor de top 3 marketingtoepassingen voelt als een voorsprong, maar is in werkelijkheid de nieuwe standaard. De echte kans zit een laag dieper: in je data en je innovatievermogen. AI vraagt om rijkere data dan je tot nu toe nodig had voor traditionele marketing. Meer context, hogere kwaliteit en realtime inzichten. Zonder dat datafundament blijft AI-inzet beperkt tot persoonlijke productiviteit en ondersteuning in basistaken. Het momentum om daaraan te werken is er. En aandacht voor data ontstaat vanzelf zodra marketeers gaan experimenteren met vernieuwende toepassingen. Die speelruimte heb je nu meer nodig dan een paar jaar geleden. Want dat bepaalt of AI een handige productiviteitshulp blijft, of een strategisch voordeel wordt.”
De inhaalslag van governance
Het DDMO 2026 laat zien dat organisaties binnen marketing zich voorbereiden op de volgende fase. Waar de nadruk eerder vooral lag op kennisopbouw en experimenteren, verschuift de aandacht nu naar datakwaliteit, governance en organisatorische randvoorwaarden. Dat zie je terug in de investeringen: 66% heeft inmiddels AI-beleid, tegenover 54% in 2025. Ook in AI-competenties wordt fors meer geïnvesteerd: van 43% in 2025 naar 50% in 2026. Daarnaast heeft 56% inmiddels beleid en afspraken voor het beheer van data. Organisaties investeren daarmee niet alleen in technologie, maar steeds nadrukkelijker ook in de voorwaarden die nodig zijn om AI structureel toe te passen.
Ook de regie verschuift. In 38% van de organisaties ligt de sturing op AI nu bij het management, tegenover 28% vorig jaar. Het is een vraagstuk geworden dat op directieniveau wordt besproken. AI wordt daarmee steeds vaker onderwerp van strategische besluitvorming en minder uitsluitend een verantwoordelijkheid van individuele teams.
AI krijgt een grotere rol in het marketingproces
De groei stopt niet. Ruim 7 op de 10 organisaties (72%) overwegen AI volgend jaar vaker in te zetten binnen marketing. En de manier waarop verandert mee. De eenvoudige toepassingen blijven het populairst, maar de sterkste stijging zit in online advertising (+10% ten opzichte van huidige inzet), campagnepersonalisatie (+7%), e-mailautomatisering (+6%) en autonome AI-agents (+4%). AI ontwikkelt zich zo van een hulpmiddel voor specifieke taken naar een technologie die centraal komt te staan in marketingprocessen en besluitvorming.
AI in marketing: van gebruiken naar benutten
De opvallendste conclusie uit het onderzoek is dat AI steeds minder een technologievraag is, en steeds meer een organisatievraagstuk. Experimenteren blijft onmisbaar: het brengt niet alleen aan het licht wat ontbreekt, maar ook wat er mogelijk is. Maar het levert pas echt iets op als het leidt tot een sterker datafundament, heldere governance en betere processen. Dat is niet het sluitstuk, maar voorwaarden om geavanceerdere AI-inzet daadwerkelijk te laten werken. Juist daar ontstaat het onderscheid tussen AI gebruiken en AI werkelijk benutten.
Over het Data Driven Marketing Onderzoek (DDMO) 2026
Het DDMO is een onafhankelijk initiatief van DDMA en de DDMA Commissies Data, Decision & Engagement (DDE) en AI. Het onderzoek brengt jaarlijks in kaart hoe de Nederlandse marketingsector data en technologie inzet, met het oog op kansen, uitdagingen en ethische vraagstukken.
Het DDMO 2026 is gebaseerd op 436 Nederlanders die werkzaam zijn binnen de marketingsector, geworven via het GfK-panel, die positief hebben geantwoord op de vraag of zij grotendeels marketing gerelateerde werkzaamheden uitvoeren. Daarnaast hebben 89 respondenten uit de DDMA-achterban deelgenomen. De genoemde resultaten zijn gebaseerd op de onderzoeksdoelgroep (n=436), tenzij anders vermeld.
Brenda van den Berg
Joost Gipman
Nanda Appelman
Ook interessant
DDMO 2026: De grootste AI-misvatting is denken dat gebruik een voorsprong is
Connect the dots: turning customer insights into experiences that work
DDMA Insights Monitor: Meer technologie maakt klantrelaties niet vanzelf beter
Connect the dots: turning customer insights into experiences that work
You have plenty of new ideas to work with: analytics show where visitors dropped off, heatmaps reveal where they clicked, and session recordings offer a closer look at their journeys. Somewhere in the backlog, there’s probably a hypothesis about the same problem.
The ingredients are there, but cooking up the perfect recipe to plate in the end is where the opportunity gets exciting. When customer insights, experimentation, and personalization inform one another, each activity becomes more useful. Teams can investigate a problem, build an experience around a specific need, test its impact, and use the result to make their next move.
AI can help keep that process moving, carrying context between tasks and reducing the effort involved in turning an observation into something testable. At Wingify, we see this connection as an opportunity to make optimization more thoughtful and more actionable.
Here are six ways to put those ideals into practice:
1. Give your experiment results some company
An experiment result tells you how a change affected a measured outcome. Behavioral evidence gives you more to investigate.
Imagine testing a shorter product page. Visitors interact more with the new version, but completed purchases decline. Has the page become more engaging? Or are visitors clicking around because something important has become harder to find?
The numbers raise the question. Reviewing the experience can help you explore better ways to answer it.
Wingify’s article on integrated CRO insights examines how connecting experiment results with heatmaps and session recordings helps teams investigate performance in context. Viewing behavior for a particular variation provides that investigation a more relevant starting point.
Before drawing conclusions, it’s important to check that the evidence covers the same audience, variation, and time period. Otherwise, it’s surprisingly easy to build a convincing explanation from mismatched pieces.
Be sure to keep curiosity in the process, too. Repeated clicks might suggest frustration, but they don’t tell you exactly what someone was thinking. A recording provides clues worth exploring.
To keep things precise, try structuring your review around three questions:
- What changed in the primary outcome?
- Which behaviors could help explain the result?
- What would we need to test to investigate that explanation?
That gives the next experiment a clear job to do.
2. Look for the need behind the segment
A smooth experience makes it easier for visitors to move forward. A relevant experience helps them find a reason to.
Consider two people visiting the same software website. One is discovering the product for the first time. The other is an existing customer exploring an additional feature.
The first visitor might need examples, reassurance, and a clear introduction. The second might want compatibility details and a quick route to activation. Both deserve an easy journey, but heir questions could be on opposite ends of the spectrum.
Wingify’s personalization article explores how behavioral and contextual data can help teams deliver experiences suited to different visitor needs and moments in a journey. That provides a useful starting principle: make the experience more helpful by understanding the task someone is trying to complete.
The practical challenge is deciding whether your audience signals reflect that task.
“Returning visitor” is easy to measure. Intent takes more thought. Someone might return because they’re ready to buy, still comparing options, or looking for support.
Before creating a personalized experience, finish this sentence:
“This audience needs something different because…”
A strong answer describes a meaningful need and the evidence behind it. If the answer is simply that the segment exists in your analytics, there’s more to discover and dive deeper into before putting that plan into action.
Start with one audience whose needs you understand well. You’ll give yourself a clearer hypothesis and an experience that’s easier to evaluate.
3. Let personalization earn its place
A tailored experience can sound like a clear improvement. Testing gives you the chance to find out for sure.
Returning to our illustrative software example, suppose the team believes existing customers would benefit from feature-specific guidance. The hypothesis might be:
“Showing eligible customers setup and compatibility information earlier will help more of them successfully activate the feature.”
Now the team has something concrete to evaluate.
Within the eligible audience, a randomized comparison against the existing experience can help establish whether the new guidance adds value. Comparing existing customers with first-time visitors would leave other differences between those groups tangled up in the result.
Choose metrics that reflect the intended benefit. More clicks on an activation button could be encouraging, but successful activation and subsequent usage may tell you more about whether the experience helped.
It’s also key to consider what could get worse with your potential experimentation project. A message that encourages more people to begin setup might create additional support demand if it sets the wrong expectations.
Starting small makes this manageable. A few well-supported audiences give teams room to learn, maintain the experiences, and challenge their assumptions.
Every segment should have a purpose. Every tailored experience should have a fair chance to prove its value.
4. Give AI the context to be useful
Moving from research to a live experiment involves several steps. Someone summarizes the evidence, someone writes the hypothesis, someone prepares the variation, and someone reviews the result. That’s a lot of opportunities for the original reasoning to get lost along the way.
Wingify’s article on Wingz AI describes how AI can support connected stages of optimization, helping carry context from an insight into execution and measurement, with teams setting the boundaries for action.
For practitioners, a useful application is keeping the evidence attached to the work.
If you ask AI to prepare an experiment brief, give it the relevant research, audience definition, business objective, and previous findings. Then ask it to identify the assumptions it has made.
A helpful brief should make it easy to answer the following questions:
- Which observation prompted this idea?
- Why might the proposed change help?
- What alternative explanations should we consider?
- Which decision will the result inform?
This gives reviewers something substantial to challenge. They can question an assumption, check a source, or suggest a different way to tackle the problem at hand.
The same discipline helps after an experiment. Ask AI to distinguish measured findings from possible explanations and proposed next steps. A fluent summary becomes much more useful when readers can see where the evidence ends and interpretation begins.
5. Build confidence one task at a time
There’s plenty of room to be ambitious about AI while being deliberate about how you introduce it.
Begin with a recurring task whose output is easy to inspect. Preparing a research summary, drafting a hypothesis, or retrieving related experiments gives the team a practical way to assess usefulness.
Look at time saved, correction effort, and whether the output helps people make a clearer decision.
As AI takes on more execution work, it’s crucial to clearly define the responsibilities before they take on the task. A team might let AI prepare variations while requiring a review before launch. Routine monitoring could be automated, with a named owner responsible for investigating alerts.
Review the customer experience as carefully as the recommendation. Does the variation work on mobile? Is it accessible? Are the claims accurate? Does the targeting behave as intended?
Agree on the conditions that would trigger intervention and make sure someone can stop or reverse the change.
These habits help teams build confidence through experience. Each successful use creates a firmer basis for deciding what to delegate next.
6. Leave a useful trail for the next experiment
An experiment’s value continues far after the first results are in.
The next team may want to know why an idea was tested, which audience saw it, and what remained uncertain – meaning it’s key to make those exact answers easy to find.
Record the hypothesis, treatment, audience, results, and decision. Include implementation issues or other limitations that could affect interpretation.
For personalization, preserve the audience definition and the reasoning behind it. A finding becomes much more useful when people understand where it may apply.
Keep inconclusive results recognizable, too. “We didn’t detect a clear difference” leaves a different starting point from “we found evidence of harm.”
AI can help teams retrieve and organize this history. Good documentation gives it something dependable to work with.
Choose one journey to begin. Connect the evidence around a recurring customer problem, identify an experience worth testing, and agree on the decision the result will support. Then bring what you learn into the next round.
That’s how the pieces start working together: behavioral insights sharpen the question, personalization offers a relevant response, experimentation evaluates its impact, and AI helps carry the context forward.
With each cycle, the team gains a better understanding of its customers – and a clearer idea of what to try next.
Wingify is sponsor of Experimentation Heroes 2026. Get your tickets for Experimentation Heroes taking place on 5 November at Hotel Casa in Amsterdam.
Kate Feng
Growth Marketing | Wingify
Ook interessant
Connect the dots: turning customer insights into experiences that work
DDMO 2026: AI verandert alles, mensen maken (nog) het verschil
The Experimentation Bottleneck Is Disappearing. What Happens Next?
Ook interessant
DDMO 2026: De grootste AI-misvatting is denken dat gebruik een voorsprong is
DDMA Insights Monitor: Meer technologie maakt klantrelaties niet vanzelf beter