Inhoudsopgave
Door Frank
15 september 2026 — 12 minuten lezen
Kantar beantwoordt de vraag waar marketeers al jaren mee worstelen: kan kunstmatige intelligentie de effectiviteit van creatieve advertenties voorspellen? Het antwoord is genuanceerder dan veel martech-leveranciers je willen doen geloven. Onderzoek van het internationale onderzoeksbureau laat zien dat AI niet denkt zoals mensen, maar juist daardoor nieuwe mogelijkheden biedt. Voor Nederlandse marketing directors betekent dit: AI is geen vervanging van menselijk creatief oordeel, maar een aanvulling die vooral werkt als je begrijpt wat het wél en niet kan.
Drie takeaways:
- AI voorspelt creatieve effectiviteit fundamenteel anders dan mensen: het herkent patronen in data, geen emotionele respons
- De bruikbaarheid van AI-modellen hangs af van hoe goed ze individuele adverteerders helpen de beste ads te identificeren, niet van algemene validatiestatistieken
- Platforms als Snap en bureaus als Whalar zien sterke correlaties tussen AI-voorspellingen en daadwerkelijke marktresultaten, maar hybride modellen presteren beter dan pure AI
Waarom deze vraag nu urgent is
De druk op marketing budgets neemt toe, terwijl de effectiviteit van advertenties keldert. System1 en het IPA tonen aan dat in 2026 minder dan 20% van alle advertenties een score haalt van 3+ sterren, de drempel voor meetbare businessimpact. Tegelijkertijd stijgt de wereldwijde ad spend richting de 1 biljoen dollar. Meer geld, minder resultaat: dat is de realiteit waar CMO's mee worstelen.
Tegelijk beloven steeds meer martech-leveranciers dat AI het antwoord is. Automated creative testing, real-time optimization, predictive analytics: de belofte is verleidelijk. Maar werkt het ook echt? Kantar's Duncan Southgate en Ecem Erdem, respectievelijk Global Creative & Media Lead en Global Creative Thought Leadership Manager, onderzochten of AI de effectiviteitscode kan kraken. Hun conclusie: ja, maar niet op de manier die veel marketeers verwachten.
Voor Nederlandse marketeers is dit vooral relevant omdat lokale campagnes vaak met beperkte budgets worden getest. Als AI kan helpen de beste creative varianten te identificeren vóór je grote media-investeringen doet, bespaart dat direct geld. De vraag is: wanneer vertrouw je op de machine, en wanneer op menselijk oordeel?
Hoe AI creatieve effectiviteit anders beoordeelt dan mensen
Het grootste misverstand over AI in creative testing is dat het 'denkt' zoals mensen. Dat doet het niet. Kantar benadrukt: AI-voorspellingen zijn gebaseerd op patronen in data, getraind op uitkomsten van menselijke observaties en meningen. Maar de manier waarop AI tot conclusies komt, is fundamenteel anders.
Een mens kijkt naar een advertentie en reageert emotioneel: vind ik dit grappig, herkenbaar, irritant? AI analyseert visuele elementen, timing, muziekkeuzes, gezichtsuitdrukkingen en tekstopbouw, en vergelijkt die met duizenden andere advertenties waarvan de effectiviteit bekend is. Het voorspelt niet of jij de ad leuk vindt, maar of de combinatie van elementen historisch gezien tot betere resultaten leidt.
Dit verschil is cruciaal voor hoe je AI inzet. Onderzoek van de Marketing Science Institute laat zien dat mensen bepaalde visuele kenmerken associëren met AI-gegenereerde content: heldere beelden en grote gezichten worden als 'menselijk' gezien, intense kleurverzadiging en bepaalde esthetiek als 'AI'. Maar die waarneming zegt niets over effectiviteit. Harvard Business Review rapporteert zelfs dat AI-gegenereerde advertenties slechter presteren dan door mensen gemaakte ads, ook als consumenten het verschil niet zien. Het echte risico is creative die er goed genoeg uitziet om goedgekeurd te worden, maar in de markt underpreformed.
Wat publishers en bureaus leren uit AI-metingen
De praktijk levert interessante inzichten. Kantar meldt dat publishers als Snap en bureaus als Whalar sterke correlaties zien tussen AI-voorspellingen en daadwerkelijke marktresultaten. Dat betekent: wat de AI voorspelt als effectieve creative, blijkt in campagnes ook echt beter te werken.
Maar er is een kanttekening. Agency Reporter analyseerde 500 miljoen impressies en concludeert dat hybride modellen in 2026 het beste presteren: een combinatie van AI-analyse en menselijke creatieve input. Pure AI-creative underpresteert, pure menselijke intuïtie is te langzaam en te duur om op schaal te testen. De combinatie wint.
Kantar benadrukt dat validatiestatistieken slechts één aspect zijn. In dagelijks gebruik wordt de bruikbaarheid van een AI-model bepaald door hoe goed het individuele adverteerders helpt de ads te identificeren die voor hén het beste werken. Een generiek model dat gemiddeld 70% accuraat is, kan voor jouw merk of categorie compleet irrelevant zijn. The Drum rapporteert over Kantar's 5C's, de decodering van patronen achter award-winning advertenties. Dat kader helpt creative teams te begrijpen welke elementen systematisch bijdragen aan effectiviteit.
Voor Nederlandse marketeers betekent dit: test AI-tools niet op basis van marketingclaims, maar op basis van hoe goed ze jouw specifieke creative challenges oplossen. Vraag naar case studies in jouw categorie, en start met kleine tests voordat je grote investeringen doet.
Welke KPI's stuur je bij op basis van AI-inzichten
De centrale vraag voor elke CMO: wat meet je, en wat doe je met die data? AI-modellen voor creative effectiviteit meten doorgaans: attention (hoe lang kijken mensen), emotion (welke emotionele respons wekt de ad op), branding (wordt het merk duidelijk gecommuniceerd), message (komt de boodschap over) en distinctiveness (is de ad herkenbaar als van dit merk).
Die metingen vertaal je naar KPI's die je al kent: brand awareness lift, ad recall, purchase intent, en uiteindelijk conversie en ROAS. Het verschil met traditioneel testen is snelheid en schaal. Waar je vroeger weken wachtte op resultaten van een creative test met panels, geeft AI binnen uren voorspellingen. Dat betekent dat je sneller kunt itereren: meerdere creative varianten testen, de beste selecteren, en doorontwikkelen.
Maar pas op voor valse zekerheid. WFA's Clients & Creativity 2026 onderzoek, gebaseerd op 160+ senior marketeers en 141 miljard dollar ad spend, laat zien dat consistente creatieve excellentie voor de meeste merken buiten bereik blijft. De beste merken doen iets anders: ze combineren data-gedreven inzichten met creatieve vrijheid, en bouwen systemen die leren van elke campagne.
Concreet betekent dit: stuur niet alleen op de AI-score, maar op de combinatie van voorspelde effectiviteit en strategische fit met je merkpositionering. Een ad die hoog scoort op attention maar niet past bij je merk, is een korte termijn win met lange termijn schade. Gebruik AI om opties te valideren en te rangschikken, niet om creativiteit te vervangen.
Wat Nederlandse marketeers nu kunnen doen
Begin klein en learn fast. Kies één campagne en test twee of drie creative varianten met een AI-tool. Vergelijk de voorspellingen met de daadwerkelijke resultaten. Klopt de voorspelling? Zo ja, breid uit. Zo nee, analyseer waarom niet.
Bouw een hybride proces: laat creatieven vrij werk maken, gebruik AI om de beste varianten te identificeren, en laat mensen de finale keuze maken op basis van merkstrategie en context. Agency Reporter's onderzoek bevestigt: dat hybride model wint.
Investeer in creative analytics capability. Te veel marketingteams kunnen wel campagnes draaien, maar niet systematisch analyseren wat werkt en waarom. Kantar's onderzoek laat zien dat actionability belangrijker is dan algemene validatiestatistieken. Dat vraagt om mensen die data kunnen interpreteren én creatieve implicaties kunnen trekken.
En blijf kritisch. HBR's onderzoek waarschuwt voor creative die er goed genoeg uitziet, maar underpresteert. AI kan helpen slechte opties uit te filteren, maar garandeert geen excellentie. Die komt nog steeds van menselijke creativiteit, gebouwd op inzicht in wat jouw merk onderscheidend maakt.
De conclusie: AI kan creatieve effectiviteit voorspellen, maar alleen als je begrijpt wat het meet, hoe het verschilt van menselijk oordeel, en hoe je het integreert in een proces dat creativiteit versterkt in plaats van vervangt.
Bronnen & verder lezen:
- https://www.kantar.com/inspiration/agile-market-research/can-ai-really-decode-creative-effectiveness
- https://hbr.org/2026/09/research-ai-generated-ads-perform-worse-than-human-made-ones-even-when-customers-cant-tell-them-apart
- https://agencyreporter.com/ai-generated-creatives-vs-human-ads-ab-testing/
- https://www.deepmarketing.it/en/blog/more-budget-less-impact-creativity-crisis-marketing-2026
- https://www.thedrum.com/news/declassified-how-ai-cracking-the-creative-effectiveness-code
- https://wfanet.org/leadership/marketing/clients-creativity-2026
