Vector embeddings in online marketing: hoe maak je jouw campagnes persoonlijker met AI?

AI ontwikkelt zich enorm snel en maakt het voor ons mogelijk om jou gerichter, sneller en persoonlijker te bedienen dan ooit tevoren. De krachtigste – maar tegelijkertijd minst bekende – technologie achter deze ontwikkelingen zijn vector embeddings. Maar wat zijn vector embeddings? Platgeslagen zijn dit woorden of zinnen die worden omgezet in getallen, zodat AI-modellen hier de betekenis van begrijpen.

Benieuwd hoe wij vector embeddings gebruiken om het zoekgedrag van jouw doelgroep te herkennen en preciezer in te spelen op de behoefte van je klant? Lees dan snel verder! In dit blog leggen we het uit.

Hoe kan het dat een AI-model jou begrijpt?

Voordat een AI-model zoals ChatGPT iets kan doen met een tekst, afbeelding of geluidsopname, splits het jouw prompt op in kleinere stukjes. Bij tekst zijn dat meestal woorden of zinsdelen. Bij afbeeldingen gaat het om pixels en bij geluid om korte fragmentjes. Elk van die stukjes zet het vervolgens om naar een lijst met getallen. Dat noemen we een vector embedding. Hieronder zie je een voorbeeld van hoe zo’n vector embedding eruit kan zien:

[-0.01979334  0.00838446  0.03000753 …  0.01769454 -0.02271015]

Je kunt deze lijst van getallen zien als een soort coördinaat: een plek op een kaart. Alleen is die kaart niet tweedimensionaal (zoals Google Maps) maar bestaat die uit misschien wel honderden dimensies. Dat kunnen wij ons maar lastig voorstellen, dus laten we het iets versimpelen: stel je even een plat vlak voor met een x- en y-as. In dit vlak is elk stukje tekst, beeld of geluid een stip. Hoe dichter twee stippen bij elkaar liggen, hoe meer ze op elkaar lijken qua betekenis.

Bijvoorbeeld: de woorden ‘slagroom’ en ‘vanille yoghurt’ liggen dicht bij elkaar, terwijl ‘slagroom’ en ‘tram’ verder van elkaar liggen. ’Tram’ en ‘metro’ liggen dan wel weer dicht bij elkaar. Dat is natuurlijk niet een heel beeldend voorbeeld, dus hieronder zie je precies wat we bedoelen:

Het is voor een mens soms niet helemaal duidelijk waarom bepaalde woorden dicht bij elkaar staan. Denk aan ‘vla’ en ‘scooter’. AI-modellen zoals ChatGPT zijn getraind met een enorme hoeveelheid data. Hierdoor ontstaan er soms connecties die wij zelf nooit zouden maken. Maar over het algemeen zie je dat voedselproducten samen zijn geclusterd, en vervoersmiddelen ook.

Maar hoe gebruiken we AI in je online marketingcampagne?

In online marketing delen we bepaalde woorden of zoekopdrachten vaak in in ‘keyword clusters’ (zoekwoordgroepen) of onderwerpen. Maar een embedding-relatie laat ons zien welke termen inhoudelijk op elkaar lijken, ook als we ze zelf niet zo snel aan elkaar zouden linken. Een simpel voorbeeld: als iemand zoekt op ‘gezonde snack’, kan een goed getraind embeddingmodel ook relevante suggesties geven zoals ‘notenmix’ of ‘gedroogd fruit’, zonder dat die woorden letterlijk zijn genoemd. Dit kan ook voor veel moeilijkere onderwerpen.

Door die verbanden slim te benutten, schrijven we gerichtere content, personaliseren we advertenties en passen we je volledige online marketingcampagne aan aan de behoefte van je doelgroep. Dat maakt je marketing niet alleen effectiever, maar ook menselijker.

Zet de volgende stappen met data en AI

‘Leuk verhaal’, denk jij nu, ‘maar wat heb ik eraan?’ Dat is een hele goede vraag. We zouden een heel boek kunnen schrijven over hoe taalmodellen zoals ChatGPT werken en hoe je daarmee je online marketing kunt verbeteren, maar uiteindelijk kun je dit het beste aan een dataspecialist overlaten. Wil je meer weten over AI in online marketing of heb je interesse in een volledige online marketingcampagne waarin data de hoofdrol speelt? Neem contact met ons op en plan direct een vrijblijvende kennismaking. Onze specialisten helpen je graag verder.