Duizenden productbeschrijvingen schrijven is een van de meest tijdsintensieve taken voor webshops. AI biedt een oplossing, maar het vraagt om een goede aanpak. Dit is hoe een middelgrote e-commerce partij dit aanpakte.
Voor een webshop met meer dan 5.000 producten was het bijhouden van productbeschrijvingen een permanente bottleneck. Nieuwe producten kwamen wekelijks binnen, bestaande beschrijvingen waren inconsistent in kwaliteit en toon, en een copywriter inhuren voor alles was financieel niet haalbaar. De oplossing lag in een gestructureerde AI-aanpak.
De webshop verkocht consumentenelectronica in het middensegment. Het assortiment groeide doorlopend: nieuwe modellen, seizoensproducten, bundels. De bestaande productbeschrijvingen varieerden sterk in kwaliteit: sommige waren gekopieerd van fabrikanten (technisch correct, maar niet SEO-geoptimaliseerd), andere waren handmatig geschreven maar inconsistent in stijl.
Het gevolg: lage conversie op producten met slechte beschrijvingen, matige vindbaarheid in zoekmachines en een contentachterstand die bleef groeien.
De oplossing bestond uit drie onderdelen:
1. Productdata gestructureerd maken: alle productattributen werden gestandaardiseerd in een database: merk, model, technische specificaties, doelgroep, gebruiksscenario's en onderscheidende kenmerken. Zonder gestructureerde input is AI-output ook ongestructureerd.
2. Beschrijvingstemplates ontwikkelen: per productcategorie werd een template ontwikkeld met de gewenste structuur: openingszin, kernvoordelen, technische specificaties in leesbare taal, gebruiksscenario, CTA. De templates waren uitgeschreven door een copywriter.
3. AI vult in op basis van data en template: het model gebruikte de productattributen als input en het template als structuur om per product een unieke beschrijving te genereren. Meerdere varianten per product maakten A/B-testen mogelijk.
De initiële batch van 2.000 beschrijvingen werd in twee weken gegenereerd. Een redacteur controleerde een steekproef van 10 procent en paste waar nodig aan. De bevindingen:
De tijdsbesparing ten opzichte van volledig handmatig schrijven: circa 90 procent. De kwaliteitsverbetering ten opzichte van fabrikantenteksten: aanzienlijk.
De aanpak faalde bij producten met weinig gestructureerde data. Als een product alleen een naam en een EAN-code had, zonder specificaties of gebruikscontext, produceerde AI tekst die nietszeggend was. De kwaliteit van de input bepaalde de kwaliteit van de output.
Ook bij premium producten waarbij de beschrijving een luxe-beleving moest overbrengen, schoot AI tekort. Die beschrijvingen vroegen om een schrijver met gevoel voor toon en aspiratie, niet om een template.
Na de initiële productie was onderhoud nodig. Nieuwe producten werden wekelijks toegevoegd via een semi-geautomatiseerd proces: productdata invoeren, AI genereert beschrijving, redacteur keurt goed. De doorlooptijd per product: gemiddeld 20 minuten in plaats van 2 uur.
De templates werden twee keer per jaar herzien op basis van conversiedata: welke beschrijvingsstructuren leidden tot hogere toevoeging aan winkelwagen?
Schaalbare AI-contentproductie vereist drie dingen: gestructureerde data, goede templates en menselijk toezicht. Wie AI inzet zonder die basis, krijgt snel veel tekst van wisselende kwaliteit. Wie de basis goed legt, haalt een structureel voordeel.
Een webshop die AI goed inzet voor productbeschrijvingen kan aanzienlijk besparen op schrijfkosten zonder kwaliteitsverlies, mits de aanpak goed is ingericht. De 90 procent besparing in dit geval was geen toeval, maar het resultaat van goede voorbereiding.
Mach8 helpt e-commerce partijen bij het opzetten van AI-ondersteunde contentproductie voor grote catalogi. Bekijk onze contentproductie dienst of neem contact op.
Wij helpen je van strategie naar implementatie. Plan een vrijblijvend gesprek.
Plan een gesprek