Je AI-medewerker bouwen
Adviesmodus
De Adviesmodus verandert een agent van een chatbot die alles beantwoordt wat hem gevraagd wordt, in een assistent die zich gedraagt als een ervaren medewerker: voordat hij advies geeft, zorgt hij ervoor dat hij de bezoeker goed begrijpt. Als één korte vraag tot een echt beter antwoord zou leiden, stelt hij die vraag eerst — anders antwoordt hij meteen. Het werkt voor elk soort bedrijf, want alleen de kennis en het doel veranderen, nooit het gedrag.
Nieuwe agenten zijn standaard adviseurs — ze moeten zich eerst kwalificeren voordat ze direct antwoorden. Je kunt elke agent per agent omschakelen naar de gewone standaard chat (of terug naar adviseur) onder Agenten → jouw agent → Gedrag › Eerst vragen stellen (dit stond voorheen onder Instellingen → Adviseursmodus).
Feiten die de bezoeker over zichzelf vermeldt
Als een bezoeker een harde beperking over zichzelf noemt — vandaag bijvoorbeeld zijn schoenmaat — onthoudt de assistent dit voor de rest van het gesprek, niet alleen het bericht waarin het werd getypt. De beperking wordt bij elke volgende beurt opnieuw aan het model doorgegeven, samen met één regel: beveel alleen aan wat volgens de bronnen in die maat verkrijgbaar is; als een pagina de maten van een product toont en de maat van de bezoeker daarbuiten valt, zeg dat dan duidelijk; als er op geen enkele pagina maten van een product staan, zeg dan nooit dat het niet beschikbaar is — zeg dat de maten niet worden weergegeven en verwijs naar de productpagina; en beweer nooit dat de maat geen invloed heeft op de beschikbaarheid, prijs of pasvorm.
Een maat wordt herkend, hoe de bezoeker het ook schrijft: maat 45, mt 45, maatje 45, size 45, Größe 45, taille of pointure 45, en maat EU 45. Een halve maat (44,5) telt als de volgende maat groter, en twee maten (43/44) als de grotere — een sok die te strak zit, is de grootste fout. Een losstaand getal wordt nooit als maat gezien, dus 39 euro, 6 paar of EU 27 blijven gewoon wat ze zijn.
Winkels verkopen sokken en schoenen in maatbereiken (35-38, 39-42, 43-46…), en een klein model geeft niet altijd duidelijk aan of 45 binnen 43-46 valt. Dus de assistent rekent het even uit voordat hij antwoordt: voor elke productpagina uit de bronnen bekijkt hij de maattabel van dat product en vertelt hij model in welk bereik het past — of, als de maat op de grens van twee bereiken ligt (44 in 43-44 en 44-45), beide bereiken, en dat de grotere maat het advies is, tenzij je eigen pagina’s iets anders aangeven. Het vermeldt alleen maten die passen; het concludeert nooit op basis van een pagina dat een product niet in een bepaalde maat verkrijgbaar is. Het maattfilter van je winkel op categoriepagina’s (alle maten die je verkoopt) en pagina’s waarop de maten van meerdere producten naast elkaar staan, worden genegeerd, en je productregister heeft voorrang op een pagina wanneer de twee van elkaar verschillen.
Een productkaart is een koopknop, dus die krijgt een tweede, onmisbare controle. Als de opgehaalde bronnen het maatbereik van het product tonen en de maat van de bezoeker daarbuiten valt, wordt de kaart verwijderd voordat het antwoord wordt verzonden — de bezoeker leest nog steeds over het product, maar krijgt geen bestelknop te zien voor een maat die niet besteld kan worden. De controle is bewust conservatief: als de bronnen niets over maten zeggen, blijft de kaart staan. Producten onderdrukken die we simpelweg niet kunnen bevestigen, zou een grotere fout zijn dan degene die hiermee wordt voorkomen.
Wat de AI onthoudt tijdens een winkelgesprek
In een winkel — een AI-medewerker met productgegevens, of het type e-commerce-site, al dan niet in Advisor Mode — onthoudt de assistent wat er tijdens het gesprek is vastgesteld en leest dit voor elk antwoord nog eens door:
- Wat de bezoeker heeft gezegd: zijn maat, waar het product voor dient (werk, wandelen, sport, paardrijden, dagelijks gebruik), binnen of buiten, koude of warme omstandigheden, de gewenste kleur, een budget („onder de 12 euro”) en hoeveel paar. Woorden als „warme sokken“ tellen als behoefte aan warmte; „een warme hal“ als warme omstandigheden.
- De producten die al aan bod zijn gekomen, met wat er met elk is gebeurd: getoond, aanbevolen, gekozen door de bezoeker („die neem ik“) of afgewezen („te duur“). Ze worden gerangschikt op basis van hoe goed de gegevens van elk product aansluiten: het maatbereik waarin de maat van de bezoeker valt, of het geschikt is voor koude of warme omstandigheden, de voorraad in de gewenste kleur, het budget.
- Producten die passen bij wat de bezoeker heeft aangegeven, ook als nog niemand ze heeft genoemd: zodra de bezoeker het over koude of warme omstandigheden heeft, worden maximaal drie producten getoond waarvan de maatvoering zijn maat en waarvan het materiaal bij de omstandigheden past — warme vezels zoals wol, merino of Thermolite (of een naam als „Thermo”) voor de kou, geen wol of thermo voor warme omstandigheden. Een product waarvan de naam aangeeft dat het voor een ander doel is gemaakt (een wandel- of rijsok voor iemand die werksokken nodig heeft), een product dat in alle kleuren uitverkocht is, of een product dat de bezoeker heeft afgewezen, wordt buiten beschouwing gelaten. Hun gegevens worden bij het antwoord meegestuurd, dus een bezoeker die buiten in de kou werkt en maat 37 heeft, hoort over die ene warme sok in die maat, zelfs als er op geen enkele pagina iets over stond.
- De fase: uitzoeken wat ze nodig hebben, het aanbod de keuze, vergelijken, aarzelen, maat of kleur kiezen, of klaar zijn om te bestellen — met één vaste instructie per fase (vergelijk de besproken producten in hun gegevens en beveel er één aan; help met de maat en kleur van het gekozen product; vertel ze hoe ze het kunnen bestellen).
De medewerker krijgt de instructie om nooit meer naar iets uit de lijst te vragen, maar voort te
bouwen op de producten die al besproken zijn in plaats van opnieuw te beginnen, nooit
een product aan te bevelen dat de bezoeker heeft afgewezen of dat niet in
zijn maat verkrijgbaar is, en het product te behouden dat hij heeft gekozen. Als de bezoeker vraagt
naar „hij“ of „die“ zonder naam („Wat kost hij?“), komt het dossier van het
product dat hij heeft gekozen — of anders het laatst aanbevolen product — tevoorschijn, zodat
zelfs een strikte AI-medewerker daarop reageert in plaats van te weigeren. Op de gesprekspagina
zie je hetzelfde onder Wat de AI weet
— handig als een
teamlid de chat overneemt. Met RAG_SHOPPING_STATE=false
zet je het uit.
De beslissing die de assistent neemt vóór elk antwoord
Er hoeven geen beslissingsbomen te worden gebouwd of onderhouden. Voor elk antwoord beslist de assistent, in stilte, in dezelfde stap waarin hij het antwoord schrijft:
Zijn vragen blijven gericht op wat je verkoopt. Hij vraagt alleen naar een eigenschap die op je eigen pagina’s of in je documenten wordt genoemd en waarin je producten zich onderscheiden — hij zal niet vragen hoe belangrijk waterdichtheid is als geen van je sokken waterdicht is, omdat het antwoord zijn advies nooit zou kunnen veranderen. En hij vraagt niet naar wat de bezoeker al heeft gezegd: na „sokken voor werk in de kou“ vraagt hij niet of warmte, vochtafvoer of comfort het belangrijkste is, maar vraagt hij naar het volgende punt waarmee jouw producten zich onderscheiden.
- Kan ik dit al goed beantwoorden op basis van de inhoud van de site en wat de bezoeker me tot nu toe heeft verteld? Zo ja, dan geeft het meteen antwoord. Eenvoudige, feitelijke vragen — openingstijden, adres, prijs, retourneren, contactgegevens — worden altijd direct beantwoord, zonder vervolgvragen.
- Zou precies één korte vraag mijn advies wezenlijk beter maken, en zou het antwoord daadwerkelijk veranderen wat ik aanbeveel? Zo ja, dan stelt hij die ene vraag en verder niets.
Als de ontbrekende informatie niet in de eigen inhoud van de site staat, zal de assistent de bezoeker nooit ondervragen om dit aan te vullen — hij geeft eerlijk antwoord met wat hij heeft, of biedt de volgende stap aan. (Die leemte wordt ook aan jou gemeld via Inhoudsleemtes , zodat je de ontbrekende inhoud kunt toevoegen.)
Veiligheidsmaatregelen, zodat het nooit aanvoelt als een verhoor
- Maximaal één vraag per antwoord — nooit twee tegelijk. Dit wordt op de server afgedwongen, niet alleen gevraagd in de prompt: als het model ooit een tweede vraag toevoegt — of dat nu als een aparte zin is of als een tweede vraag die in dezelfde zin is verwerkt (“… en wat zijn je doelen?”) — wordt deze verwijderd voordat de bezoeker het ziet, zodat een kleiner model het gesprek niet in een checklist kan veranderen.
- Elke vraag moet zijn plaats verdienen: hij wordt alleen gesteld als het antwoord de aanbeveling daadwerkelijk zou veranderen. Daardoor is de stroom adaptief in plaats van een vast script — soms is één vraag genoeg, vaak twee, af en toe drie of vier als het extra antwoord de keuze echt omgooit. Het gaat nooit verder dan vier.
- Er wordt nooit opnieuw iets gevraagd wat de bezoeker al heeft beantwoord. De AI leest alleen de laatste acht berichten woord voor woord, dus de antwoorden die de bezoeker eerder in het gesprek gaf (uit de kwalificatie-fase) worden herhaald in de instructies, met de regel dat ze nooit meer worden gesteld, in welke bewoording of taal dan ook. Een reactie telt als antwoord als die kort is en geen nieuwe vraag, begroeting of openingszin is. Bij een lange eerdere reactie blijft de vraag staan waarmee die eindigde, dus een kort antwoord zoals „Klein team“ wordt gelezen als het antwoord dat het is (Jan werd in twee dagen drie keer gevraagd naar de grootte van zijn team).
- Feitelijke vragen omzeilen de trechter volledig.
Zelfverzekerd genoeg om aan te bevelen?
De assistent stopt met vragen stellen zodra hij er zeker van is, niet wanneer een teller opraakt. Voordat hij een specifiek product noemt, controleert hij: “zou een onbeantwoorde vraag kunnen veranderen welk product ik zou kiezen?” Om dat te beantwoorden, kijkt hij naar wat de kandidaten daadwerkelijk van elkaar onderscheidt — warmte versus ademend vermogen, seizoen, binnen versus buiten, gebruiksintensiteit, capaciteit, duur, budget. Als de bezoeker nog nooit is gevraagd naar de factor die hen het meest onderscheidt, wordt dat de volgende vraag.
Dit voorkomt een overhaaste keuze. Weten dat iemand sokken voor op het werk wil in maat 43 is niet genoeg om thermosokken aan te raden – warmte versus ademend vermogen is nooit vastgesteld, en dat ene antwoord verandert de hele aanbeveling. Hoewel het de keuze beperkt, blijft het waarde bieden in plaats van te vertragen: het noemt de categorie waar het naartoe stuurt en stelt de ene onderscheidende vraag (“Voor werk en dagelijks gebruik in maat 43 zou ik onze allround sokken bekijken – heb je vooral warmte nodig voor koude dagen, of juist ademend vermogen?”), en kiest pas voor één specifiek product als geen enkel ander antwoord daar nog verandering in zou brengen.
Het blijft ook volhouden voordat het het doorverwijst . Als het iets niet direct uit zijn kennis kan beantwoorden — „wat dacht je van de maattabel?“ — begint het niet met „dat is niet beschikbaar, neem contact op met de klantenservice“. Het biedt eerst de oplossing aan die het probleem oplost („Naar welk product kijk je precies? Ik kan je naar de maattabel of de productpagina verwijzen“ ) en stelt pas voor om contact op te nemen met de klantenservice als het echt niet anders kan. Een ervaren medewerker blijft proberen te helpen voordat hij de bezoeker doorverwijst.
De aanbeveling doen
Cruciaal is dat de aanbeveling pas volgt na de afbakening — ze komt nooit daarvoor. Bij een algemene opmerking als „Ik ben op zoek naar sokken“ gooit de assistent je niet meteen een heleboel productkaarten voor de voeten; hij stelt eerst de allerbelangrijkste vraag („Waar ga je ze voornamelijk voor gebruiken?” met aanklikbare opties zoals Werk / Wandelen / Sport / Dagelijks) en laat pas producten zien als hij genoeg weet om de selectie op maat te maken. Het meteen laten zien van de catalogus voelt aan als een zoekvak; eerst vragen voelt aan als een ervaren verkoper.
Zodra de assistent genoeg info heeft om advies te geven, krijgt hij de opdracht om te klinken als een ervaren adviseur in plaats van een menu. In plaats van een abonnement of product droog op te noemen, doet hij het volgende:
- Begint met één duidelijke keuze — de allerbeste optie — in plaats van een lijst met gelijkwaardige opties.
- Leg uit waarom die keuze past bij wat de bezoeker net heeft verteld (hun maat, bezoekersaantallen, gebruikssituatie of budget). Die redenering zorgt ervoor dat het aanvoelt als iemand die de catalogus kent, niet als een zoekvak.
- Noemt één of twee alternatieven en de mogelijkheid om te upgraden, zodat de afweging duidelijk is en de bezoeker later kan overstappen naar een uitgebreidere optie .
- Geef elk cijfer precies weer – prijs, naam van het abonnement, quota – zoals de bronnen het aangeven (“3.000”, nooit “3”). Een cijfer dat in geen enkele bron van dit antwoord wordt genoemd, wordt weggelaten: de aanbeveling noemt de optie en waarom die geschikt is (bijvoorbeeld: zonder de prijspagina werd het Growth-abonnement aanbevolen met “5 AI- medewerkers, 1.000 gesprekken”). Advies over abonnementen dat in elk antwoord moet staan, inclusief de cijfers, hoort thuis in de opmerking van de Adviseur, die de AI als laatste leest.
Een typisch voorbeeld: “Op basis van je geschatte 1.000–5.000 maandelijkse bezoekers zou ik het Growth-plan aanraden. Dat omvat 3.000 AI- gesprekken per maand, wat ruim voldoende is voor een winkel van jouw omvang. Als je bezoekersaantal later groeit, kun je overstappen naar het volgende plan.”
Het primaire doel
Een bedrijf heeft in het algemeen meerdere doelstellingen, maar de assistent moet per gesprek één prioriteit hebben. Het primaire doel is die prioriteit — waar de assistent op afstuurt als een gesprek verschillende kanten op kan gaan. Het expliciete verzoek van je bezoeker komt altijd op de eerste plaats; het doel bepaalt alleen de richting als de bezoeker zelf geen richting heeft aangegeven.
Elk doel leidt naar een resultaat dat de widget al biedt, dus voegt de Adviesmodus geen nieuwe gebruikersinterface voor bezoekers toe:
- Bezoekers informeren — een duidelijk, volledig antwoord met links naar de meest relevante pagina’s.
- Gekwalificeerde leads genereren — een uitnodiging om contactgegevens achter te laten, aangevuld met wat de bezoeker heeft gedeeld.
- Producten aanbevelen — specifieke productkaarten die aansluiten bij de behoeften van de bezoeker.
- Afspraken boeken — hulp bij het boeken van een telefoongesprek of afspraak.
- Klanten ondersteunen — het probleem oplossen, of doorverwijzen naar een medewerker als het niet opgelost kan worden.
Via een optioneel veld Extra aanwijzingen kun je het doel in je eigen woorden beschrijven (bijvoorbeeld: „Onze prioriteit is om bezoekers te helpen bij het kiezen van de juiste opslagruimte; als ze geïnteresseerd zijn, leid ze dan naar een reservering.“). Dit wordt doorgegeven aan de assistent, maar nooit aan bezoekers getoond.
Contextuele snelle antwoorden
De aanklikbare kaartjes onder een antwoord volgen het gesprek. Terwijl de assistent de behoeften in kaart brengt, zijn de kaartjes waarschijnlijke antwoorden op de vraag die hij net heeft gesteld — na "Wat voor soort bedrijf heb je?" ziet de bezoeker “Een webshop”, “Een dienstverlenend bedrijf”, “Iets anders” en kan daarop tikken in plaats van te typen. Zodra de assistent een aanbeveling doet, worden de chips de logische volgende acties richting het doel van de medewerker — “Een gesprek boeken”, “Alternatieven vergelijken” of een relevante volgende stap.
Elke chip is geschreven in de stijl van de bezoeker — de woorden die een bezoeker zou aantikken om te antwoorden — nooit een vraag die de assistent terugstelt. Kleine modellen laten er af en toe nog wel een glippen („Heb je een kleur in gedachten?”), dus de server houdt een strikte veiligheidsmaatregel aan: in de Adviesmodus wordt elke chip die als een vraag overkomt (eindigt op „?“ of begint als een vraag, in het Engels of Nederlands) wordt verwijderd voordat hij de widget bereikt, zodat een bezoeker nooit een vraag ziet die hij aan de assistent moet „beantwoorden“. Chips die dingen beloven wat de chat niet kan, worden op dezelfde manier verwijderd: betalen of een winkelmandje zonder in-chatbetalingen (“Afrekenen”, “Koop nu”, “Jetzt kaufen”) en meldingen dat iets weer op voorraad is („Bestellen zodra weer op voorraad“), die nog geen agent kan versturen — tenzij de chip naar een echte pagina kan leiden. Als het antwoord een productkaart laat zien, opent een chip die vraagt om het te bekijken of te kopen ("Naar de productpagina", "Koop nu", "Bekijk de Thermo Super", "View product", "Jetzt kaufen") opent de productpagina in plaats van nog meer tekst te sturen: hij verwijst naar de kaart die hij noemt, of naar de enige kaart als er maar één is, en hij toont een klein ↗. Een chip die geen van beide noemt, of die een vraag is, blijft een antwoord. En als je ze weglaat en de rij te kort wordt — wat vooral gebeurt tijdens het kwalificeren, waar het kleine model steeds vragen blijft schrijven — genereert de server de antwoordknoppen uit het eigen antwoord van de assistent met één kleine modeloproep, zodat de bezoeker altijd antwoorden krijgt waarop je kunt tikken (“Voor werk”, “Voor sport”, “Dagelijks”) in plaats van niets. Dat genereren gebeurt alleen als de eigen chips van het model niet volstaan, en nadat het antwoord al is gestreamd, dus het vertraagt het antwoord nooit.
Dit vereist geen extra instellingen: de assistent kiest de chips per antwoord op basis van wat hij net heeft gedaan, en als je erop tikt, wordt het gewoon als het volgende bericht van de bezoeker verzonden.
Soepele overgangen naar formulieren
Als de assistent op een punt komt waarop hij gestructureerde gegevens nodig heeft — de naam, e-mail en telefoonnummer van de bezoeker — en de bezoeker heeft ingestemd om die te delen, vraagt hij niet om die velden in de chat. In plaats daarvan zegt hij een kort zinnetje („Perfect — vul je gegevens even in het formulier hieronder en dan nemen we contact met je op.” ) en opent hij meteen het leadformulier . Het bevestigen van interesse is geen nieuwe informatie, dus het opnieuw intypen van de velden als een vraag zou een onnodige extra stap zijn; de overgang naar het formulier op het moment dat de bezoeker er klaar voor is, voelt alsof je met een ervaren medewerker praat. Het boeken van een gesprek werkt op dezelfde manier — de ‘boek een gesprek’-kaart wordt geopend in plaats van dat er in de chat een datum en tijd worden gevraagd.
Dezelfde doorverwijzing geldt voor een bezoeker die je gewoon wil bereiken – „neem contact met ons op“, „laat van je horen“, „breng me naar het contactformulier“. De assistent opent het contactformulier direct in plaats van je door te sturen, en hij zal nooit een pagina-URL doorgeven als ‘de contactpagina’: als hij geen echte, eenduidige contactpagina in zijn kennis heeft, opent hij het formulier in plaats van een link te raden (naar de verkeerde pagina linken — bijvoorbeeld de algemene voorwaarden — is erger dan het formulier openen).
Kwalificatie vastleggen
Terwijl de assistent een bezoeker kwalificeert, leert hij dingen die de moeite waard zijn om te onthouden: wat voor soort bedrijf ze runnen, wat ze willen bereiken, welke bezwaren hen tegenhouden. De Adviseur-modus registreert die vraag-en-antwoordparen, zodat ze kunnen worden gebruikt voor rapportages en opvolging. Dit is het enige deel van het gesprek dat achteraf niet meer kan worden gereconstrueerd, dus wordt het vastgelegd vanaf de eerste dag dat de modus is ingeschakeld.
- Elk Advisor-gesprek krijgt één sessie — een verslag van het doel dat werd nagestreefd en, wanneer het gesprek tot een conversie leidt, het resultaat dat eruit voortkwam. Een ingediende lead, een geboekte afspraak of een aangeklikte call-to-action wordt automatisch aan de sessie gekoppeld, zodat je kunt zien welke gekwalificeerde gesprekken daadwerkelijk tot resultaten hebben geleid — de attributielink tussen „wat de assistent vroeg“ en „wat de bezoeker deed“. Het sterkste resultaat telt: een boeking wordt nooit overschreven door een latere, minder belangrijke klik.
- Elke kwalificerende vraag die de assistent stelt, en het antwoord dat de bezoeker in de volgende beurt geeft, wordt als één beurt opgeslagen.
De registratie vindt plaats nadat het antwoord naar de bezoeker is verzonden, dus het heeft geen invloed op hoe snel de chat aanvoelt. De gegevens van elke werkruimte staan op zichzelf — afgeschermd door dezelfde tenantgrens als de rest van je content — en worden gebruikt voor de rapportage en attributie van die werkruimte zelf.
Bekijk het onder Resultaten → Adviseur
(/app/results/advisor
): elke gekwalificeerde sessie, de
vragen die de assistent stelde en de antwoorden van de bezoeker, het resultaat dat elke
sessie opleverde, en samenvattende statistieken — gekwalificeerde sessies, conversiepercentage,
en leads / boekingen / CTA-klikken / productklikken / bestellingen — filterbaar
op agent, resultaat en tijdsperiode. Elk resultaat dat de sessie heeft geregistreerd
telt als geconverteerd; dit is dezelfde set die het filter Geconverteerd
laat zien
(productklikken en bestellingen kregen vroeger een lege badge en werden
niet meegeteld). Elke rij linkt direct naar het bijbehorende gesprek.
"Geen resultaat" betekent dat er nog niets meetbaars is gebeurd: een aanbeveling
alleen is nog geen resultaat totdat de bezoeker klikt, gegevens achterlaat, boekt
of bestelt.