Merkperceptie in AI per doelgroep: persona's slim inzetten
AI kan je merk aan de ene doelgroep aanraden en voor de andere links laten liggen. Zo kies je persona's, wat persona stacking doet, en wat een persona niet kan nabootsen.
Een financieel directeur en een office manager kunnen allebei vragen welk pakket het beste is voor de inkoopadministratie van een bedrijf met vijftig medewerkers. Het is dezelfde vraag, met andere verwachtingen erachter. De een wil horen over controle, rapportage en koppelingen met het boekhoudsysteem. De ander wil weten of het makkelijk werkt en of collega's het zonder training snappen. Een goed AI-antwoord houdt rekening met wie er vraagt, voor zover het model dat weet.
Daardoor kan je merk per doelgroep anders uitkomen. Voor de financieel directeur ben je misschien "de degelijke keuze met uitgebreide rapportages". Voor de office manager "krachtig, maar met een steile leercurve". Of je wordt bij de ene groep genoemd en bij de andere niet. Wie alleen meet met vragen zonder context, ziet een gemiddelde dat bij geen van beide doelgroepen past.
Wat een persona in AI-monitoring is
In Promptwatch is een persona een beschrijving van een type koper: rol, doelen en context. Je kunt persona's aanmaken met een door AI gegenereerde avatar, zodat je ze in grafieken uit elkaar houdt. Belangrijker is wat er met die beschrijving gebeurt.
Bij persona stacking wordt de context van de persona rond je prompt gezet voordat die naar het model gaat. Zo stuurt de monitor niet alleen "welk inkooppakket past bij een bedrijf met vijftig medewerkers?", maar die vraag met de achtergrond van een financieel directeur erbij. Het antwoord dat terugkomt, is het antwoord op die combinatie.
Dat is ook meteen de grens van wat een persona kan. Een persona is tekst die rond je vraag wordt gezet. Het is geen echt account met een chatgeschiedenis, opgeslagen voorkeuren of eerdere gesprekken. Wat een assistent onthoudt over een echte gebruiker die er al maanden vragen aan stelt, bootst een persona niet na. Een persona laat zien hoe een model reageert als een bepaald type koper zich voorstelt en zijn situatie uitlegt. Dat is nuttig, maar het is een benadering.
Persona Insights: per doelgroep naast elkaar
Sinds 23 oktober heeft Promptwatch een aparte pagina Persona Insights. Die laat zien hoe je zichtbaarheid, positie en sentiment per persona veranderen.
De changelogaankondiging van Persona Insights (23 oktober 2026), vastgelegd op 14 november 2026. De productweergave is een illustratie met voorbeeldmerken.
Elke persona krijgt een radargrafiek die wordt afgezet tegen het algemene publiek. Dat algemene publiek bestaat uit de antwoorden die zonder persona draaiden. Zo zie je niet alleen hoe je bij de financieel directeur scoort, maar vooral hoeveel dat afwijkt van de vraag zonder context. De spaken van de radar kunnen onderwerpen of AI-modellen zijn.
Een kaart wijst de persona aan met het grootste verschil, en daarbij het zwakste onderwerp of model. Dat is in de praktijk het nuttigste deel: het vertelt je bij welke doelgroep AI je het minst aanraadt, en op welk onderwerp.
Persona's zijn daarnaast een as in de heatmap, en de personaradar bestaat als widget op een aangepast dashboard en in PDF-rapporten. Daarmee kun je een verschil over tijd volgen in plaats van één keer te kijken.
Persona insights in Promptwatch, uit de Promptwatch-changelog, vastgelegd op 6 november 2026. Data van een voorbeeldproject.
Hoe je persona's kiest
Begin klein. Met acht persona's en vijftig prompts heb je per persona zo weinig antwoorden dat elke uitschieter het beeld bepaalt. Begin met twee of drie.
Kies persona's op basis van wie er bij jou koopt of beslist, niet op basis van een marketingdocument. Een paar vragen helpen:
- Wie neemt de uiteindelijke beslissing, en wie doet het vooronderzoek? Dat zijn vaak twee verschillende mensen met verschillende vragen.
- Bij welke doelgroep verlies je deals, of hoor je dat je "niet geschikt" bent?
- Welke doelgroep wil je de komende tijd winnen? Daar wil je weten of AI je al noemt.
Schrijf de beschrijving concreet. "Financieel directeur van een productiebedrijf met 80 medewerkers, verantwoordelijk voor de jaarafsluiting, wil minder handwerk in de crediteurenadministratie" geeft een model meer houvast dan "zakelijke beslisser". Gebruik de woorden die de doelgroep zelf gebruikt.
Een voorbeeld voor een verzonnen leverancier van inkoopsoftware, Inkoopwerk:
| Persona | Context in de beschrijving | Wat je wilt weten |
|---|---|---|
| Financieel directeur | Mkb-productiebedrijf, rapportage aan aandeelhouders, koppeling met boekhoudsysteem belangrijk | Word je genoemd als degelijke keuze? Hoe scoor je op Features? |
| Office manager | Kantoor met 30 medewerkers, weinig tijd, geen IT-afdeling | Word je als gebruiksvriendelijk beschreven of als ingewikkeld? |
| Inkoper in de zorg | Instelling met meerdere locaties, aanbestedingsregels | Word je überhaupt genoemd? Welke concurrenten staan ervoor? |
Persona's en perceptie samen lezen
Persona Insights zegt per doelgroep hoe zichtbaar en hoe positief je bent. Om te weten wat er precies gezegd wordt, combineer je het met Brand Narrative. Dat haalt de letterlijke claims uit de antwoorden en verdeelt ze over negen thema's, waaronder Audience: voor wie het merk bedoeld is of welk gebruik het best past.
Dat thema is bij persona's extra interessant. Staat er bij de office manager een claim als "vooral geschikt voor grote organisaties met een eigen IT-team", dan weet je waarom je bij die doelgroep laag scoort. Het model ziet je niet als product voor hen. De oplossing is dan geen algemene contentcampagne, maar pagina's die specifiek die doelgroep aanspreken, in hun woorden: hoe snel ze aan de slag kunnen, wat ze zonder IT-afdeling kunnen instellen.
Kijk ook per model. Het kan zijn dat ChatGPT je bij de financieel directeur prima neerzet en Google AI Overviews niet. Op de radar kun je modellen als spaken kiezen, zodat je dat direct ziet.
Een verschil lezen, stap voor stap
Stel dat de kaart in Persona Insights de office manager aanwijst als persona met het grootste verschil, met "implementatie" als zwakste onderwerp. Wat doe je dan?
Open eerst de prompts onder dat onderwerp en lees een paar antwoorden voor die persona naast de antwoorden voor het algemene publiek. Vaak zie je het verschil meteen: zonder persona noemt het model je wel, met de context van een kantoor zonder IT-afdeling schuift het een eenvoudiger concurrent naar voren.
Kijk dan naar de bronnen in die antwoorden. Welke pagina's citeert het model als het een eenvoudige oplossing zoekt? Staat daar een pagina van jou tussen, of alleen vergelijkingsartikelen waarin je als "uitgebreid maar complex" wordt beschreven?
Vraag je daarna af of je eigen site die doelgroep iets te bieden heeft. Heb je een pagina die in gewone woorden uitlegt hoe snel een klein kantoor aan de slag kan, zonder jargon? Zo niet, dan is dat het gat. Is die pagina er wel, controleer dan of hij gecrawld en geciteerd wordt.
Zet tot slot de personaradar op je dashboard, zodat je het verschil de komende weken ziet bewegen, of niet.
Wat je niet uit persona's moet afleiden
Een persona is een gestructureerde manier om te testen hoe een model op context reageert. Het is geen marktonderzoek onder echte gebruikers. Gebruik de uitkomst om te zien waar je content tekortschiet voor een doelgroep, niet om te concluderen dat "alle financieel directeuren" iets te horen krijgen.
Let verder op het volume. Onder elke radar staat hoeveel prompts en antwoorden erachter zitten. Bij een handvol antwoorden is een groot verschil met het algemene publiek nog geen patroon. Laat het een paar weken lopen.
En verwacht niet dat een aangepaste pagina het beeld per doelgroep direct omdraait. Je kunt de bronnen verbeteren en daarna meten of het verschil kleiner wordt. Meer garantie is er niet.
Een begin maken
Maak twee persona's aan voor je belangrijkste doelgroepen, zet persona stacking aan op een monitor met tien tot twintig organische prompts, en laat dat drie weken draaien. Open dan Persona Insights en kijk naar de kaart met het grootste verschil. Dat onderwerp is je eerste contentopdracht.
Je kunt dat proberen binnen de proefperiode van 7 dagen via de prijspagina van Promptwatch, al heb je voor een betrouwbaar beeld meer dan een week aan antwoorden nodig. Hoe je persona stacking per koperstype opzet, lees je in Persona stacking: prompts per koperstype.