De afgelopen maanden zijn er meerdere internationale cases gepubliceerd van publishers en subscription-bedrijven die AI inzetten in hun e-mailstrategie. Wat daarin opvalt:L AI wordt breder ingezet dan het maken van content. Het wordt ingezet om betere keuzes te maken. Dat lijkt een nuance, maar het raakt de kern van hoe e-mailmarketing zich ontwikkelt.
De meeste gesprekken over AI gaan nog steeds over creatie. Sneller schrijven, meer varianten, betere onderwerpregels. Dat is zichtbaar en tastbaar, en daardoor ook makkelijk om op te focussen. Maar bij publishers ligt de echte uitdaging ergens anders. Niet in wat er geschreven wordt, maar in hoe content zijn weg vindt naar de juiste lezer. Dat is waar we ons bij Basedriver op richten met de persoonlijke nieuwsbrieven. Met een overvloed aan content ontstaat complexiteit, en juist daar begint AI waarde toe te voegen.
Axios: automatische content-distributie
Bij Axios is dat scherp terug te zien. AI wordt daar bewust buiten de journalistieke inhoud gehouden. De redactie blijft leidend. De inzet van AI zit in alles daaromheen. In het versnellen van productie, het organiseren van distributie en het mogelijk maken van groei zonder dat de organisatie in dezelfde mate hoeft mee te groeien. Dat is geen principiële keuze, maar een praktische. Een publisher met tientallen nieuwsbrieven en edities heeft geen contentprobleem, maar een distributieprobleem. Elke dag opnieuw moeten keuzes worden gemaakt over wat er wanneer naar wie gaat. Naarmate het aantal titels en doelgroepen groeit, groeit die complexiteit exponentieel mee. >
Schibsted: gepersonaliseerde nieuwsbrieven
Een vergelijkbare beweging is zichtbaar bij publishers als Schibsted. Daar wordt geëxperimenteerd met nieuwsbrieven die niet langer volledig vaststaan, maar binnen redactionele kaders worden samengesteld. Wat we bij Basedriver ‘samenstellen’ noemen. De redactie bepaalt welke artikelen beschikbaar zijn, en AI bepaalt vervolgens welke selectie en volgorde het meest relevant is voor de individuele lezer.
Voor veel mediabedrijven ligt daar precies de bottleneck. De kennis over doelgroepen en content is er. De uitdaging zit in het consistent toepassen daarvan op grotere schaal. Handmatig is dat nauwelijks vol te houden, zeker niet als er meerdere merken, doelgroepen en proposities naast elkaar bestaan. AI maakt het mogelijk om die kennis wel toe te passen, zonder dat de organisatie vastloopt in uitvoering. >
Telegraph: automatische retentie-flows
Ook in de subscriptionhoek is een duidelijke verschuiving zichtbaar. Bij The Telegraph wordt AI ingezet om churn te voorspellen en e-mailflows daarop aan te passen. Niet alleen op basis van interesses, maar op basis van betrokkenheid en risico. Minder actieve lezers krijgen andere e-mails dan intensieve gebruikers, niet omdat de content anders is, maar omdat de behoefte anders is. Korter, toegankelijker of juist verdiepend en exclusiever. E-mail wordt daarmee minder een kanaal om content te distribueren en meer een middel om de relatie met de abonnee te onderhouden.
Die verschuiving is ook terug te zien in hoe publishers hun succes meten. Grote partijen bewegen weg van traditionele metrics zoals open rate en kijken steeds meer naar engagement. Klikgedrag, leestijd en wat er gebeurt na de klik worden leidend. Dat vraagt om andere keuzes, niet alleen in content, maar juist in timing, volgorde en relevantie. AI wordt ingezet om die keuzes continu te optimaliseren, niet eenmalig, maar als doorlopend proces dat steeds beter wordt naarmate er meer data beschikbaar komt. >
De veranderende rol van de marketeer
Wat daarbij opvalt, is dat de rol van de marketeer niet verdwijnt, maar verandert. De focus verschuift van het bouwen van individuele campagnes naar het definiëren van kaders. Welke content is beschikbaar, welke doelgroepen zijn er en welke fases doorlopen lezers en abonnees. AI helpt vervolgens om binnen die kaders de juiste combinaties te maken. Dat betekent minder handmatig werk, maar meer regie op hoe systemen beslissingen nemen.
Die ontwikkeling wordt nog duidelijker bij publishers met veel merken, zoals Future plc. Daar ontstaat vanzelf een enorme variatie aan doelgroepen, onderwerpen en commerciële doelen. De uitdaging is niet om te bepalen wat werkt, die kennis is er meestal wel. De uitdaging is om die kennis consistent toe te passen over alle varianten heen. AI maakt het mogelijk om die complexiteit te beheersen en schaalbaar te maken. Waar eerder een beperkt aantal varianten getest kon worden, ontstaat nu ruimte om veel meer combinaties te draaien en daar sneller van te leren.
De nieuwe dynamiek van e-mail marketing
Dat verandert de dynamiek van e-mailmarketing fundamenteel. Niet meer optimaliseren per campagne, maar continu verbeteren op basis van gedrag en data. Niet meer handmatig segmenteren, maar dynamisch selecteren. Niet meer denken in losse nieuwsbrieven, maar in doorlopende relaties met lezers en abonnees. Voor publishers en subscriptionbedrijven is dat geen kleine stap. Het raakt aan hoe teams werken, hoe processen zijn ingericht en hoe succes wordt gemeten.
Tegelijkertijd sluit deze ontwikkeling aan op een bredere beweging. Direct verkeer en zoekverkeer staan onder druk, terwijl de afhankelijkheid van platformen toeneemt. Eigen kanalen worden daardoor belangrijker. E-mail speelt daarin een centrale rol, niet omdat het nieuw is, maar omdat het een van de weinige kanalen is waar directe toegang tot de audience bestaat. Zonder algoritmes die bepalen wat wel en niet zichtbaar is.
De rol van Basedriver
Voor veel publishers is dit geen volledig nieuw terrein. Gepersonaliseerde nieuwsbrieven op basis van regels, segmenten en redactionele keuzes worden bij Basedriver al jaren ingezet om relevantie te verhogen. Wat nu verandert, is de mate waarin dit schaalbaar en dynamisch wordt. Bij Basedriver ligt die basis er al. Nieuwsbrieven worden samengesteld op basis van data, gedrag en vooraf gedefinieerde logica, vergelijkbaar met wat partijen als Schibsted doen. De toevoeging van AI maakt het mogelijk om die logica continu te verbeteren, sneller varianten door te rekenen en patronen te herkennen die handmatig moeilijk te zien zijn. Daarmee wordt personalisatie niet alleen slimmer, maar ook consistenter en beter toepasbaar over meerdere merken en doelgroepen heen.
