
CX-expert zegt dat bedrijfswebsites het door AI gevormde gebruikersgedrag nog niet hebben bijgebeend

Chris Gibbins
Chief Experimentation Officer bij CreativeCX.

Chris Gibbins legt uit hoe AI het gebruikersgedrag opnieuw vormgeeft en waarom CX-teams echte klantproblemen moeten oplossen, vaak moeten experimenteren en de controle bij mensen moeten houden.
Chris Gibbins
Chief Experimentation Officer bij CreativeCX.

Key Takeaways
Resultaten: CX-leiders moeten AI beoordelen aan de hand van meetbare klant- en bedrijfsresultaten en investeringsbeslissingen die door hype worden gedreven afwijzen.
Werkproces: AI versnelt het samenvatten van onderzoek, het maken van prototypes en de ontwikkeling van A/B-tests, terwijl menselijk toezicht essentieel blijft voor de kwaliteit.
Gedrag: Bedrijfswebsites moeten zoekfuncties en contenttrajecten aanpassen, omdat gebruikers steeds vaker door AI gevormde vragen en vergelijkingen meenemen.
Waarborgen: AI kan met grote stelligheid fouten produceren, waardoor strengere kwaliteitscontroles en flexibele prompts nodig zijn om verzonnen bevindingen te beperken.
Strategie: Een probleemgerichte strategie waarbij overal wordt geëxperimenteerd helpt organisaties de opleversnelheid te verhogen zonder ineffectieve klantervaringen op te schalen.
Chris Gibbins heeft een carrière van 25 jaar in gebruikerservaring en experimenten geleid, waaronder functies als directeur klantervaring. Momenteel is hij directeur experimenten bij CreativeCX. Daarnaast is hij medeoprichter van het evenement Experimentation London.
We spraken met Chris om te ontdekken hoe AI de ervaring voor zijn teams en klanten verandert. Dit is wat hij met ons deelde.
Neem beslissingen over AI op basis van resultaten, niet op basis van hype

Ik ben een CX- en experimentenprofessional met meer dan 25 jaar ervaring. Momenteel ben ik directeur experimenten bij Creative CX.
Creative CX is een gespecialiseerd adviesbureau voor experimenten met ongeveer 45 medewerkers. We helpen ondernemingen zoals Sky, easyJet en Virgin Media O2 om meetbare innovatie te stimuleren, de klantervaring te verbeteren en elke klantreis te optimaliseren door middel van UX en experimenten.
Cruciaal is dat we onze klanten ook helpen deze capaciteit zelf op te bouwen. Dat onderscheidt ons van veel andere bureaus en adviesorganisaties. We zetten UX- en experimentenprogramma's op voor de productteams van onze klanten, zodat zij ons uiteindelijk niet meer nodig hebben!
Ik werk samen met een getalenteerd team van consultants, waaronder UX-onderzoekers, UX-ontwerpers, engineers en experimentstrategen. Ik werk ook nauw samen met enkele van onze grootste klanten en help de visie en koers van het adviesbureau te bepalen. Dit houdt in dat we voorop blijven lopen op het gebied van klantervaring, wat nu extra spannend is omdat AI het landschap heeft veranderd!
Ik help eindklanten graag om hun taken eenvoudig uit te voeren en bedrijven om meetbare verbeteringen aan te brengen in hun digitale producten. Ik geloof dat er in de meeste situaties geen conflict hoeft te zijn tussen klantbehoeften en bedrijfsbehoeften — zolang Product, UX en Experimenten goed worden uitgevoerd!
Ik ben ook medeoprichter van Experimentation London, een regelmatig community-evenement dat we in 2024 zijn gestart om de experimentengemeenschap in Londen en het Verenigd Koninkrijk op te bouwen en te versterken.
Ik ben optimistisch over het potentieel van AI om de klantervaring en bedrijfsprestaties te verbeteren, maar ben tegelijkertijd sceptisch over de hype en hyperbolen op dit gebied. Een experimentele mentaliteit toepassen is belangrijker dan ooit. We moeten met AI experimenteren en nuchtere beslissingen nemen op basis van daadwerkelijke resultaten, niet op basis van hype!
More Articles
Hoe AI kan worden gebruikt in CX en ontwikkeling
We hebben AI in veel van onze processen geïntegreerd om de efficiëntie te verbeteren en de mogelijkheden op het gebied van ontwikkeling, procesautomatisering en UX-onderzoek en -synthese uit te breiden.
We hebben verschillende Claude-vaardigheden ontwikkeld die ons daarbij helpen. Zo hebben we een vaardigheid die grote datasets met open enquêtevragen analyseert — iets wat voorheen onmogelijk was. Een andere vaardigheid die ik bijzonder waardeer, analyseert alle ideevormingsresultaten uit onze zeer grote gezamenlijke ideevormingssessies.
Aan de ontwikkelingskant hebben we de snelheid waarmee A/B-tests worden ontwikkeld aanzienlijk verhoogd met behulp van het maatwerkraamwerk dat we met ondersteunende AI hebben ontwikkeld. Hierdoor kunnen we het innovatietempo voor klanten verhogen en complexere experimenten bouwen binnen hetzelfde budget.
Natuurlijk verschilt de ontwikkeling van A/B-tests van codering van het type 0-1 — waarbij we nog grotere efficiëntiewinsten kunnen verwachten — omdat we vaak bestaande code aanpassen met behulp van een methode na het renderen. Dit zorgt voor veel complexiteit, waardoor mensen nog steeds bij het proces betrokken moeten zijn.
Over 0-1 gesproken: prototyping is een gebied dat voor ons aanzienlijk is verbeterd door AI. We gebruiken Claude om volledig werkende prototypes met code te ontwerpen, waardoor we prototypes met een hoge getrouwheid in 1-2 dagen kunnen bouwen in plaats van in 1-2 weken!
We zijn vooral enthousiast over methoden voor liveprototyping, waarbij we volledig werkende concepten boven op bestaande websites kunnen bouwen en deze vervolgens met echte gebruikers kunnen testen. Veel beter dan de oude methode waarbij Figma-schermen aan elkaar werden geplakt!
Waarom CX-leiders zich moeten richten op problemen en experimenten

Ik raad aan om voor al het werk op het gebied van Product en klantervaring een strategie te hanteren die uitgaat van problemen en overal experimenteren stimuleert.
Oplossingsgerichte ideeën zijn overal. Teams besteden zoveel tijd aan het proberen op te lossen van niet-bestaande problemen door te gokken en concurrenten te kopiëren. Een probleemgerichte aanpak betekent daarentegen dat er hoogwaardig onderzoek wordt uitgevoerd naar het ontdekken van kansen, om de belangrijkste klantproblemen binnen een volledige klantreis bloot te leggen en, cruciaal, deze problemen goed te begrijpen voordat je ze probeert op te lossen.
Roadmaps staan niet langer vol met oplossingen. In plaats daarvan staan ze vol met problemen die moeten worden opgelost. Deze aanpak pakt ook het probleem van bevestigingsvooroordeel aan — waarbij mensen onderzoek misbruiken om hun bestaande ideeën te ondersteunen.
En dankzij onze aanpak waarbij overal wordt geëxperimenteerd, geloven we dat elk team op elk platform moet experimenteren. De sleutel tot het succes van een merk ligt in de potentiële winst die de ideeën van iedereen kunnen opleveren. Experimenteren is de sleutel om dit potentieel te benutten, omdat het iedereen — wanneer het goed wordt uitgevoerd — in staat stelt avontuurlijker te zijn, vaker meer ideeën te testen en vaak meerdere ideeën tegelijkertijd te testen, allemaal binnen het vangnet van een experiment.
Er is een reden waarom medicijnen op deze manier worden ontwikkeld. Wij geloven dat dezelfde wetenschappelijke methode essentieel is voor het creëren van de beste klantervaringen. En dankzij AI is dat nu eenvoudig!
Waarom AI niet het antwoord op alles is
Soms hebben mensen geen andere chatbot nodig. Misschien hebben ze alleen het telefoonnummer nodig om met een echt persoon te praten!

Dat gezegd hebbende, is er momenteel ontzettend veel AI-ruis en FOMO. AI is niet het antwoord op alles, en het is goed om dat te onthouden.
Zelfs met alle effectieve toepassingen van AI zorgen we ervoor dat het geen definitieve CX-beslissingen neemt. We gebruiken het ook niet om gebruikersonderzoek uit te voeren — hoewel het wel helpt bij het synthetiseren van gegevens en bepaalde aspecten van het maken van notities. We hebben hoogwaardig onderzoek en hoogwaardige gegevens nodig, en menselijke experts moeten dit onderzoek uitvoeren om dat te bereiken. Slechte gegevens/inzichten leiden tot slechte beslissingen.
Als AI je helpt een betere klantervaring te bieden en je helpt een echt klantprobleem effectiever op te lossen dan je anders zou kunnen, dan is dat geweldig. Maar zie het alstublieft niet als de oplossing voor elk probleem.
Soms hebben mensen geen andere chatbot nodig. Misschien hebben ze alleen het telefoonnummer nodig om met een echt persoon te praten!
Waarom CX-leiders QA moeten uitbreiden bij het gebruik van AI

Chris States
Geef AI geen overdreven stellige instructies, zoals “noem de 10 belangrijkste thema’s.” AI zal vaak hallucineren om dat aantal te bereiken!
Wanneer je AI gebruikt, moeten we nauwlettend letten op de kwaliteit van de uiteindelijke output. AI is namelijk vaak vol vertrouwen onjuist.
Daardoor worden sommige efficiëntiewinsten tenietgedaan door de extra tijd die nodig is voor QA — of het nu gaat om CX-taken, ontwikkeling of het synthetiseren van grootschalige enquêtegegevens.
Hier is een tip — iets wat ik uit ervaring heb geleerd. Geef AI geen overdreven stellige instructies, zoals "noem de 10 belangrijkste thema's." AI zal vaak hallucineren om dat aantal te bereiken!
Hoe gebruikersgedrag verandert door AI

Websites en apps van ondernemingen zijn niet meegegaan met de veranderende verwachtingen van het publiek als gevolg van het gebruik van AI.
Onlangs zagen we een interessante trend in verschillende onderzoeksprojecten: gebruikers gingen heel anders om met websites en apps van ondernemingen dan vóór AI. Hier zijn twee voorbeelden:
- Interne zoekfunctie: Veel gebruikers typen in interne zoekfuncties precies in wat ze in ChatGPT zouden typen — inclusief producttype, kenmerken en andere contextuele aspecten van hun behoeften. Hierdoor raakt de traditionele zoekfunctie volledig ontregeld en levert deze verschrikkelijke resultaten op.
- Werken vanuit LLM's: Veel gebruikers zeggen dat ze nu product-URL's kopiëren en naar ChatGPT/Claude gaan, waar ze vragen stellen — bijvoorbeeld om diepgaande vergelijkingen.
Omdat website- en app-ervaringen niet zijn bijgewerkt om deze nieuwe gedragingen te ondersteunen, lijdt de algehele klantreis daaronder.
Drie factoren die de versnelling van AI waardevol kunnen maken voor CX-leiders
…drie voorwaarden: Richt je voor 100% op het oplossen van echte problemen en kansen voor jouw klanten. Benut de kracht van experimenten volledig om deze verhoogde snelheid van functies, verbeteringen en innovaties voor de klantervaring te leveren. Vermijd de fout die bij personalisatie is gemaakt als het om AI-functies gaat.

AI heeft de uitvoering door teams (ontwerp en ontwikkeling) al aanzienlijk versneld, en dat zal zo blijven. Als je, net als ik, veel waarde hecht aan het helpen van je klanten om gemakkelijker te kopen, te boeken, zich aan te melden en hun taken uit te voeren, dan kan dit een heel goede ontwikkeling zijn — onder drie voorwaarden. Je moet:
- Richt je voor 100% op het oplossen van echte problemen en kansen voor jouw klanten. Dit betekent dat je de bespaarde uitvoeringstijd investeert in onderzoek en strategie aan het begin van het proces.
- Benut de kracht van experimenten volledig om deze verhoogde snelheid van functies, verbeteringen en innovaties voor de klantervaring te leveren. Valideer op schaal; ga niet uit van aannames. Anders creëer je in twee keer zo hoog tempo vreselijke ervaringen!
- Vermijd de fout die bij personalisatie is gemaakt als het om AI-functies gaat. Alleen omdat iemand zegt dat iets AI is en voorstelt om het aan de website toe te voegen, betekent dat zeker niet dat het nuttig zal zijn. Als het geen echt klantprobleem oplost, zal het nooit werken en zal het de zaken waarschijnlijk erger maken. Rol het uit als experiment. Maar besteed geen enorme hoeveelheden middelen aan het oplossen van niet-bestaande klantproblemen.
Blijf op de hoogte
Je kunt Chris Gibbins volgen op LinkedIn.
Er volgen meer interviews met experts op The CX Lead!



