Wie en wanneer

Er verandert iets fundamenteels in lead- en demand generation, en het is niet wat de meeste AI-verhalen erover beweren. Het gaat niet om sneller schrijven of meer volume, maar om de vraag waar al het voorbereidende werk voor dient.

Waarom je timing altijd blind was

Traditionele leadgeneratie begint bij validatie. Je scherpt het klantprofiel aan, zoekt de accounts die daarbij passen, brengt per account de DMU in kaart en bouwt per beslisser een profiel op. Daarna gaat de campagne aan.

Dat proces beantwoordt één vraag uitstekend: wie past bij onze propositie. Het beantwoordt de vraag die de uitkomst bepaalt helemaal niet: wanneer heeft die organisatie er iets aan.

Op elk willekeurig moment is slechts een klein deel van je markt daadwerkelijk in beweging. De rest zit in een lopend contract, heeft het budget elders belegd of heeft het probleem nog niet gevoeld.

Wie de timing niet kent, compenseert met volume. Meer namen, meer touches, meer herhaling, in de hoop dat je toevallig op een moment binnenkomt waarop het ergens over gaat. Dat is geen strategie, maar een verzekering tegen onwetendheid.

Het onderzoek is eenvoudiger geworden, niet overbodig

Accountonderzoek was een tijdrovende  stap in het proces. Een account fatsoenlijk doorgronden, organisatiestructuur, technologiekeuzes, financiële ruimte, wie waarover beslist, kostte uren. Daarom deed vrijwel niemand het goed. Sales heeft er een gloeiende hekel aan; marketing kocht een lijst en het “klantprofiel” bleef een sector met een omzetgrens eraan geplakt.

De mogelijkheden zijn door AI sterk vergroot. De verleiding is om te concluderen dat je hetzelfde werk nu alleen sneller doet, en dus meer accounts aankunt. Dat is de kleine winst. De grote winst zit ergens anders.

Je bouwt het accountprofiel niet langer om te weten wie je moet benaderen, maar om te weten wat het betekent als iemand daar beweegt.

Het profiel wordt context, geen startsein

Onder je accounts hangt een ecosysteem van bronnen dat continu signalen afgeeft, en dat valt in twee lagen uiteen.

De eerste laag is de organisatie. Technografische databases laten zien welke technologie binnenkomt of verdwijnt. Vacatureteksten verraden investeringen voordat ze zijn aangekondigd. Daarnaast pers en berichtgeving, en het bezoek aan je eigen website. Deze signalen zeggen: er beweegt iets bij dit bedrijf.

De tweede laag is de mens, en die wordt het vaakst overgeslagen. Het volgen van de DMU op social media: wat iemand post, waar hij op reageert, wie hij volgt, bij welke events hij opduikt en, het krachtigste van allemaal, wanneer hij van functie wisselt. LinkedIn is daarvoor in B2B het werkpaard, maar Instagram, TikTok, Facebook en YouTube horen erbij. Die leveren zelden een koopsignaal. Ze leveren toon: hoe iemand schrijft, waar hij warm van wordt, welk kanaal hij daadwerkelijk gebruikt. Dat bepaalt niet óf je iemand benadert, maar hoe.

Het onderscheid tussen die twee lagen is niet academisch. Een organisatie koopt niets. Eén persoon daarbinnen start een traject en zet een budgetaanvraag in gang. Accountsignalen zeggen dat er iets speelt; persoonssignalen zeggen wie het in gang zet, en dat is degene met wie je het gesprek voert.

Zo richten we AI-gedreven leadgeneratie in: eerst het profiel, dan de persoonlijke reach-out per rol in de DMU, en daaronder permanente monitoring op beide lagen tegelijk.

En dan verandert de volgorde. Het onderzoek stond er altijd om de outreach te voeden. Maar zonder dat onderzoek zijn de signalen onleesbaar. Een vacature voor een security-engineer is een vacature; bij een account waarvan je de infrastructuur kent en weet wanneer het contract afloopt, is het een aanleiding met een datum eraan. Een comment van een IT-directeur onder een post over datasoevereiniteit is een comment; met het profiel erbij is het een geopende deur.

Misschien bestaat die eerste stap daarom niet langer om outreach mogelijk te maken, maar om de signalen betekenis te geven.

Elk signaal heeft een houdbaarheidsdatum

Hier stranden de meeste intent-programma’s, en het ligt zelden aan de data. Signalen worden op één hoop gegooid, terwijl ze in twee opzichten verschillen: hoe lang ze geldig blijven, en welke reactie erbij past.

Een functiewissel opent het langste venster. Een nieuwe directeur herziet in zijn eerste maanden wat hij aantreft: leveranciers, contracten, architectuur. Juist daarom is een propositie in week één misplaatst — die eerste periode gaat over oriëntatie, niet over aanschaf.

Een technologiekeuze of een vacature geeft je weken. Er is iets besloten, of het staat op het punt besloten te worden; je haakt aan bij een beweging die al loopt.

Een reactie op een post geeft je dagen, soms uren. Daarna verschuift dezelfde opmerking van alert naar ongemakkelijk.

Websitebezoek is het kortst houdbaar en het minst betrouwbaar. Je weet dat er iemand was, zelden wie en waarom.

De reactie moet meebewegen met het signaal. Op een comment reageer je in hetzelfde kanaal, kort, in dezelfde toon. Op een vacature reageer je met inhoud die aansluit bij wat er kennelijk wordt opgebouwd. Op een functiewissel reageer je met geduld. Wie op alles hetzelfde antwoordt, bijvoorbeeld met een gepersonaliseerde e-mail met een voorstel voor een afspraak, maakt van een goed signaal alsnog koude outreach.

Waar dit in de praktijk vastloopt

Het meeste is ruis. Intent-tooling is er goed in om ruis te verkopen als inzicht. Een dashboard met tweehonderd signalen per week is geen voorsprong, maar een nieuwe vorm van volume. Zonder scherp profiel onderscheid je een toevalligheid niet van een koopmoment, en de tool doet dat ook niet voor je. Dat is meteen het beste argument om het accountonderzoek niet af te schaffen: het is de enige filter die werkt.

Er zit een grens aan het volgen van personen. Publieke professionele uitingen zijn eerlijk spel: een post, een reactie, een functiewissel, een spreekbeurt. Iemands privéleven is dat niet, ook al staat het open. Het criterium is streng en bruikbaar: kun je in je eerste bericht verwijzen naar wat je hebt gezien zonder dat het ongemakkelijk wordt? Zo niet, dan heb je geen signaal maar informatie die je beter niet had gehad.

De opvolging is bijna nooit op tijd geregeld. Als de route van signaal naar gesprek via drie overleggen verloopt, is de investering in monitoring verspild. Dat vraagt eerst om wat datavolwassenheid en wat je interne processen betreft, zoals we eerder hebben beschreven bij het commercieel inzetten van salesdata.

Waar het onderscheid straks zit

Signalen zijn niet exclusief. Iedereen kan dezelfde vacaturedatabase afstruinen en dezelfde post openen om te zien wie erop heeft gereageerd. Zodra dat gemeengoed is, verdwijnt de bron als voorsprong en blijft over wat je ermee doet: begrijpen wat dit signaal voor dít account betekent en de reactie erop laten aansluiten.

Snelheid blijft een voorwaarde. Een signaal dat drie weken op een dashboard staat, is geen signaal meer. Maar snelheid is te kopiëren, duiding niet.

De verkoper belt daardoor niet met een naam, maar met een reden. Dat klinkt als een verschil in leadkwaliteit. Het is een verschil in wat er van het gesprek overblijft: geen introductie van een propositie, maar een reactie op iets wat de ander zelf in gang heeft gezet.

De organisaties die deze verschuiving het snelst maken, zijn niet die met de meeste tooling. Het zijn de organisaties die accepteren dat ze minder accounts benaderen dan vorig jaar, omdat achter elk contactmoment een mens zit die net iets in beweging heeft gezet.

IN HET KORT

• Een gevalideerde doelgroep zegt wie bij je propositie past, maar niets over het moment waarop die organisatie beweegt.
• Accountsignalen tonen dat een organisatie beweegt; het volgen van de DMU op LinkedIn en andere platforms laat zien welke persoon beweegt — en dat is degene met wie je praat.
• Elk signaal heeft een eigen houdbaarheid en vraagt om een eigen reactie; op alles hetzelfde antwoord maakt van een goed signaal alsnog koude outreach.
• Snelheid is te kopiëren, duiding niet. Daar zit het onderscheid zodra iedereen dezelfde bronnen leest.