AI-klantsegmentatie: zo bouw je doelgroepen die daadwerkelijk converteren

16 april 2026

Waarom de meeste marketingsegmenten te breed zijn om nuttig te zijn

"Marketeers van 25-45 jaar die interesse hebben getoond in digitale marketing." Dat is een segment. Het is ook een beschrijving van ongeveer 40 miljoen mensen. Dezelfde boodschap naar 40 miljoen mensen sturen die vaag gedeelde kenmerken hebben, is geen segmentatie - het is uitzenden met een smallere antenne.

AI-klantsegmentatie creëert doelgroepen die worden gedefinieerd door gedragspatronen, aankoopgeschiedenis, intentsignalen en voorspellende waarschijnlijkheid - niet door demografische hokjes. De segmenten die het oplevert zijn kleiner, specifieker en converteren aanzienlijk beter, omdat de boodschap daadwerkelijk aansluit bij wat de doelgroep op dat moment nodig heeft.

Het segmentatie-handboek

Amos - AI Skill voor audiencesegmentatie

$14.99deze Skill vs. $150per uur, CRM-consultant

Voordat je het gedrags-, voorspellende of intentgebaseerde segment in je platform opbouwt, helpt Amos je precies te bepalen rond welke uitkomst dat segment moet worden opgebouwd - de stap die de meeste teams overslaan voordat ze direct naar filters springen.

Bekijk Amos →

Drie AI-segmentatiebenaderingen en wanneer je ze gebruikt

1. Gedragssegmentatie (voor targeting op basis van betrokkenheid)

Groepeert contactpersonen op basis van wat ze doen - bezochte pagina's, geopende e-mails, bekeken content, bekeken producten en gedane aankopen - in plaats van wie ze zijn. AI identificeert patronen in gedragsreeksen die intentie en koopbereidheid voorspellen.

Praktijkvoorbeeld: De segmenten ‘Active on Site’ van Klaviyo identificeren contactpersonen die je site in de afgelopen 7 dagen hebben bezocht, in de afgelopen 90 dagen een aankoop hebben gedaan of meerdere keren op een specifieke categoriepagina hebben geklikt. Deze gedragssegmenten presteren consequent 2-3 keer beter dan demografische segmenten op het gebied van e-mail-CTR en conversie.

Ideaal voor: E-commerce, SaaS en elk bedrijf met betekenisvolle gegevens over website- of productgebruik.

2. Voorspellende segmentatie (voor targeting op basis van levenscyclusfase)

AI analyseert historische patronen om te voorspellen waar elke contactpersoon zich in zijn levenscyclus bevindt - en waar die naartoe gaat. Welke klanten zullen waarschijnlijk binnenkort opnieuw kopen? Welke vertonen vroege signalen van klantverloop? Welke zijn klaar om te upgraden?

Praktijkvoorbeeld: De voorspellende CLV-segmentatie van Klaviyo groepeert klanten op basis van hun voorspelde klantwaarde gedurende de hele levensduur, zodat je klanten met de hoogst voorspelde waarde al vroeg toegang kunt geven tot nieuwe producten, loyaliteitsbeloningen en persoonlijke aandacht - nog voordat ze die zouden hebben gekregen met segmentatie op basis van volume.

Ideaal voor: E-commerce- en abonnementsbedrijven met meer dan 6 maanden aankoopgeschiedenis.

3. Intentgebaseerde segmentatie (voor het prioriteren van B2B-pijplijnen)

Combineert intentgegevens van derden (Bombora, G2) met gedragsgegevens uit CRM om accounts en contactpersonen te identificeren die actief oplossingen in jouw categorie onderzoeken. Deze segmenten worden niet opgebouwd uit je eigen gegevens - ze zijn gebaseerd op signalen van het bredere web.

Praktijkvoorbeeld: Een account dat in de afgelopen 30 dagen meerdere contentitems over "platforms voor marketingautomatisering" op websites van derden heeft bekeken en waarvan tegelijkertijd een contactpersoon op je e-maillijst twee keer je prijspagina heeft bezocht, vormt een segment met hoge koopintentie dat direct aandacht van sales verdient.

Ideaal voor: B2B-bedrijven met een accountbased-marketingaanpak en toegang tot aanbieders van intentiegegevens.

Je eerste AI-segment opbouwen: een stapsgewijs voorbeeld

Klaviyo gebruiken voor een e-commerce merk:

De uitkomst definiëren - Je wilt een segment van klanten die zeer waarschijnlijk binnen de komende 30 dagen een tweede aankoop doen.
De voorspellende eigenschap 'Next Purchase Date' van Klaviyo gebruiken - Filter contacten van wie de voorspelde datum van de volgende aankoop binnen 30 dagen valt EN van wie de laatste aankoop meer dan 14 dagen geleden was (zodat je niet richt op mensen die nog midden in hun overweging van hun eerste aankoop zitten).
Een gedragsfilter toevoegen - Voeg toe: heeft in de afgelopen 14 dagen een e-mail geopend (actief en bereikbaar). Hierdoor verwijder je inactieve contacten van wie de AI voorspelt dat ze zullen kopen, maar die niet op e-mail zullen reageren.
De campagne opbouwen - Stuur specifiek naar dit segment een gerichte e-mail voor hernieuwde betrokkenheid of een productaanbeveling. Gebruik Claude om tekst te schrijven waarin hun recente aankoop wordt erkend en aanvullende producten onder de aandacht worden gebracht.
Meten - Vergelijk het conversiepercentage van dit door AI opgebouwde segment met dat van je algemene segment 'recente kopers'. De stijging laat precies zien welke waarde de AI-segmentatie toevoegt.

Het segment dat Claude bouwt en geen enkel platform kan bouwen

Elk platform hierboven bouwt segmenten op basis van je gegevens. Claude bouwt een ander soort segment: het communicatiesegment - de specifieke invalshoek, toon en aanbieding die aanslaan bij elke doelgroep die je hebt geïdentificeerd.

Zodra je weet dat je je richt op "klanten met een hoge CLV die waarschijnlijk binnen 30 dagen kopen", schrijft Claude met een marketingbestand de e-mail, de onderwerpregel en de formulering van de productaanbeveling die direct aansluit bij de specifieke motivaties van die doelgroep. Het platform identificeert wie. Claude schrijft wat je tegen hen moet zeggen.

Ontvang het e-mailmarketingbestand voor Claude bij KissMySkills.com.

Klaar om dit in de praktijk te brengen? Bekijk Tech- en ontwikkelingsvaardigheden voor Claude en ChatGPT, of ontdek alle Claude-skills en de promptbibliotheek.

Gerelateerde Skill-gidsen

Veelgestelde vragen

What is AI customer segmentation and why does it outperform traditional demographic segmentation?+

AI customer segmentation creates audiences defined by behavioural patterns, purchase history, intent signals, and predictive likelihood — not demographic boxes like age range or job title. A demographic segment describing marketers aged 25–45 interested in digital marketing describes approximately 40 million people. AI segments are smaller, more specific, and convert at significantly higher rates because the message matches what the audience actually needs at this moment rather than what a broadly similar group of people might respond to on average.

What are the three AI segmentation approaches and when should each be used?+

The three approaches are: behavioural segmentation (groups contacts by what they do — pages visited, emails opened, products viewed, purchases made — consistently outperforming demographic segments by 2–3x on email CTR and conversion; best for ecommerce, SaaS, and businesses with meaningful website or product usage data); predictive segmentation (AI analyses historical patterns to predict lifecycle stage — which customers will buy again soon, which show early churn signals, which are ready to upgrade; best for ecommerce and subscription businesses with 6 or more months of purchase history); and intent-based segmentation (combines third-party intent data from Bombora or G2 with CRM behavioural data to identify accounts actively researching solutions in your category; best for B2B companies with an account-based marketing motion).

How do you build your first AI customer segment step by step?+

Using Klaviyo for an ecommerce brand targeting customers likely to make a second purchase within 30 days: define the outcome first — a segment of contacts with high repurchase likelihood. Filter using Klaviyo's predictive next purchase date property for contacts predicted to buy within 30 days whose last purchase was more than 14 days ago. Layer a behavioural filter requiring the contact to have opened an email in the last 14 days, removing unengaged contacts who the AI predicts will buy but who won't respond to email. Build and send a targeted product recommendation campaign to this segment. Then measure conversion rate against your general recent purchasers segment — the lift quantifies the precise value the AI segmentation is adding.

What is the difference between what AI segmentation platforms do and what Claude does?+

AI segmentation platforms — Klaviyo, Bombora, HubSpot — identify who to target by analysing behavioural data, purchase history, and intent signals. Claude builds the messaging segment: the specific framing, tone, and offer that resonates with each identified audience group. Once you know you are targeting high-CLV customers likely to buy within 30 days, Claude writes the email, subject line, and product recommendation framing that speaks directly to that audience's specific motivations. The platform identifies who. Claude determines what to say to them. The combination is what produces the conversion lift.

What makes intent-based B2B segmentation different from behavioural segmentation?+

Behavioural segmentation is built entirely from your own first-party data — how contacts have interacted with your website, emails, and products. Intent-based segmentation is built from signals across the broader web, using third-party data providers like Bombora and G2 to identify accounts actively researching solutions in your category on external sites, not just on yours. A high-intent B2B segment might combine an account that has consumed multiple pieces of competitor content on third-party sites in the last 30 days with a contact from that account who has visited your pricing page twice — a pattern no first-party data source alone could identify.