Wanneer een lead binnenkomt, wil je die zo snel mogelijk bij de juiste persoon krijgen met genoeg context om iets zinnigs te zeggen. Hoe je dat organiseert hangt af van je volume, databronnen en de complexiteit van je verkoopproces. Dit artikel zet de opties naast elkaar: van simpele CRM-regels tot volledig AI-gedreven verrijking en scoring. Niet om je over te halen, maar om te helpen kiezen.
Wat lossen vaste routeringsregels prima op?
Vaste routeringsregels zijn de eenvoudigste vorm van lead-routering. Je stelt ze in op basis van velden in je CRM of formulier: "als branche = bouw en regio = zuid, stuur door naar accountmanager A." Dit werkt uitstekend als:
- Je formulieren weinig vrije tekst bevatten.
- De verdeling simpel is: regio, productcategorie of type aanvraag.
- Je leadvolume laag is (tot zo'n 50 leads per maand).
- Iedereen in het team dezelfde definitie van een goede lead hanteert.
Het grote voordeel: het is transparant, voorspelbaar en eenvoudig aan te passen. Het nadeel: zodra de logica complexer wordt, zoals meerdere voorwaarden tegelijk, weging van signalen, of vrije tekst die je niet in een vast veld kunt vangen, lopen regels snel tegen hun grens aan.
Voor meer achtergrond over hoe scoring werkt met zowel regels als AI, lees lead scoring automatiseren met AI.
Wanneer voegen verrijking en AI-scoring waarde toe?
AI-gedreven verrijking en scoring worden pas interessant als je meer uit je leads wilt halen dan een CRM-veld kan bevatten. Denk aan:
- Vrije tekst uit formulieren classificeren: welke urgentie, welk type aanvraag, welke productcategorie.
- Meerdere bronnen combineren: KvK-data, website-inhoud, CRM-historie en formuliervelden in een weging meenemen.
- Functietitels normaliseren en rollen herkennen die anders door de mazen van een vast veld zouden vallen.
- Routing op basis van fit, niet alleen op vaste kenmerken.
Dit is precies waarom je bij hogere volumes en meerdere databronnen meer aan een AI-workflow hebt dan aan vaste regels. Een taalmodel kan uit de formuliertekst "we willen binnen twee maanden drie afdelingen automatiseren" afleiden dat dit een urgente, kansrijke lead is. Een regel ziet alleen de vinkjes.
Hoe verrijking in de praktijk werkt en wat het oplevert, lees je in leadverrijking automatiseren met AI.
Welke risico's ontstaan bij slechte data of te agressieve automatisering?
AI klinkt als een upgrade, maar het introduceert ook risico's die je bij vaste regels niet hebt.
Model drift. Een scoringsmodel dat vorig kwartaal werkte, kan nu achterlopen omdat je aanbod, doelgroep of kanaalmix veranderde. Zonder periodieke controle gaat de kwaliteit van je routering ongemerkt achteruit.
Data-kwaliteit. AI versterkt bestaande problemen. Als je CRM rommelige data bevat, herhaalt een model die rommel op schaal. Een slechte formulierinvoer, zoals te veel verplichte velden of onduidelijke keuzes, leidt tot onbetrouwbare verrijking.
Te veel vertrouwen in de score. Als sales blind de AI-score volgt zonder eigen oordeel, mis je uitzonderingen die niet in het patroon passen maar toch waardevol zijn. Zonder feedbackloop (sales geeft niet terug of de score klopte) valt er niet van te leren.
AVG bij automatische besluiten. Als je leads volledig automatisch afwijst op basis van profilering, heb je een uitlegplicht en moet de lead bezwaar kunnen maken. Zie leadverrijking onder de AVG voor de kaders.
Besliskader: regels, verrijking of AI-scoring?
| Niveau | Wanneer volstaat het? | Wanneer is het overkill? |
|---|---|---|
| Vaste regels | Minder dan 50 leads per maand, simpele formulieren, duidelijke verdeling per regio of product | Meerdere databronnen, vrije tekst, brancheherkenning nodig |
| Verrijking plus regels | Je wilt context toevoegen zoals KvK of website, maar scoring blijft eenvoudig | Zeer hoog volume, genuanceerde weging nodig |
| AI-scoring en routing | Meer dan 100 leads per maand, vrije tekst, meerdere bronnen, routing op fit | Zeer laag volume, of team heeft geen eenduidige leaddefinitie |
De overgang tussen niveaus is vloeiend. Je kunt starten met vaste regels en later verrijking toevoegen zonder de hele workflow overhoop te halen, zolang de architectuur vanaf begin flexibel is ingericht. De dienst lead-routering is zo opgezet, met werkstroomorkestratie als basis voor de onderliggende workflow.
Wat betreft kosten: bij een paar leads per week is handmatig verrijken vaak sneller en goedkoper dan een workflow bouwen. Pas vanaf zo'n 50 leads per maand wordt eenvoudige routering interessant. Daarboven, bij 100 of meer leads per maand, wordt AI-scoring ook financieel rendabel. Zie wat kost lead-routering automatiseren voor het MKB voor een gedetailleerde kostenvergelijking.
Veelgestelde vragen
Wanneer zijn vaste regels slimmer dan AI?
Als je leadvolume laag is, je formulieren weinig vrije tekst bevatten, en de verdeling eenvoudig is per regio of product. Dan voegt AI weinig toe en creëert het alleen extra beheerlast.
Kan ik AI-scoring later toevoegen aan bestaande regels?
Ja, als de workflow vanaf begin modulair is opgezet. Je kunt eerst alleen routeren met vaste regels en later een verrijkings- en scoringsstap toevoegen zonder de bestaande logica overhoop te halen.
Wat is het grootste risico van AI-gedreven lead-routering?
Model drift: het scoringsmodel wordt minder accuraat na verloop van tijd doordat je aanbod, doelgroep of markt verandert. Regelmatige controle en een feedbackloop vanuit sales zijn noodzakelijk om dit te voorkomen.
Hoeveel leads heb ik minimaal nodig voor AI-routering?
Richtlijn: bij minder dan 30 leads per maand is handmatig verwerken vaak sneller. Tussen de 30 en 80 leads per maand zijn eenvoudige regels meestal voldoende. Pas boven de 100 leads per maand wordt AI-scoring financieel en praktisch rendabel.
Moet ik een menselijke check houden bij AI-routering?
Ja, vooral in het begin. Automatische afwijzing op basis van profilering kan onder de AVG vragen oproepen. Een menselijke check bij twijfelgevallen is niet alleen juridisch verstandig, maar geeft je ook data om je model te verbeteren.