Het voorbeeld van HubSpot’s AI-gestuurde chatbot: SalesBot
We wisten dat AI ons slimmer kon laten werken, maar we wilden geen nieuwe gescripte chatbot. We zochten een oplossing die kon denken als een salesmedewerker: kwalificeren, begeleiden en in real-time verkopen.
Zo ontstond SalesBot — een AI-gestuurde chatassistent die nu het grootste deel van HubSpot’s inkomende chatvolume afhandelt. De bot beantwoordt duizenden chatvragen, kwalificeert leads, plant afspraken en verkoopt zelfs rechtstreeks producten uit het Starter-assortiment.
Dit is wat we onderweg hebben geleerd.
Hoe we SalesBot bouwden en wat we leerden
1. Begin met deflection. Bouw daarna voor vraaggeneratie.
Bij de lancering was het primaire doel van SalesBot het afvangen van eenvoudige vragen met lage salesintentie (zoals: “Wat is een CRM?” of “Hoe voeg ik een gebruiker toe aan mijn account?”). We wilden de ruis verminderen en medewerkers vrijmaken voor complexere gesprekken.
We trainden de bot op HubSpot’s knowledge base, productcatalogus, Academy-cursussen en meer. Inmiddels vangen we meer dan 80% van alle chats op onze website af met AI en selfservice-opties.
Dat succes gaf vertrouwen, maar toonde ook de volgende uitdaging: deflection alleen laat een bedrijf niet groeien. Om waarde op te schalen, moet een bot meer doen dan oplossen — hij moet kunnen verkopen.
2. Gebruik scoring om het intentiegat te dichten.
Na de introductie van deflection zagen we een terugval in leads met middelhoge intentie — prospects die geen afspraak wilden boeken, maar wel koopintenties vertoonden. Mensen herkennen dit instinctief. Bots nog niet.
Daarom ontwikkelden we een realtime propensity-model dat chats een score van 0–100 toekent op basis van CRM-data, gespreksinhoud en AI-voorspelde intentie. Wanneer een chat een drempelwaarde overschrijdt, wordt deze aangemerkt als een gekwalificeerde lead.
Dit model helpt SalesBot nu om kansen met hoge potentie te identificeren — zelfs wanneer een klant niet expliciet om een demo vraagt. Dit toont hoe AI nuance op schaal kan herkennen.
3. Bouw voor verkoop, niet alleen voor support.
Met deflection en scoring op orde verlegden we de focus naar iets ambitieuzers: SalesBot omvormen tot een echte verkoopassistent.
We trainden de bot op ons kwalificatiekader (GPCT — Goals, Plans, Challenges, Timeline), waardoor SalesBot prospects kan begeleiden naar de juiste vervolgstap: starten met gratis tools, een afspraak boeken of direct een Starter-plan aanschaffen in de chat.
Het resultaat is een tool die niet alleen reageert, maar ook kwalificeert, intentie opbouwt en pitches doet zoals een salesrep.
4. Kies voor kwaliteitsmetingen, niet alleen voor CSAT.
We kwamen al snel tot de conclusie dat traditionele chatbot-metrics zoals CSAT (Customer Satisfaction Score) onvoldoende zijn.
Slechts een fractie van de chatgebruikers vult de enquête in, en zelfs een positieve score zegt niet noodzakelijk iets over de werkelijke gesprekskwaliteit.
Daarom ontwikkelden we een eigen kwaliteitsrubric samen met onze best presterende ISCs. Deze meet onder andere discovery-diepte, vervolgstappen, tone-of-voice en juistheid.
Dit jaar beoordeelden 13 evaluatoren handmatig meer dan 3.000 salesgesprekken. Die menselijke QA-loop is cruciaal om AI te verankeren in realistisch verkoopgedrag.
5. Schaal wereldwijd voor meer efficiëntie.
Voor de komst van AI was het bemensen van live-chat in zeven talen een van onze grootste operationele uitdagingen.
Nu kunnen we wereldwijd meertalige gesprekken afhandelen, met een consistente ervaring voor elke bezoeker. Dit biedt niet alleen operationele efficiëntie, maar ook een betere klantervaring.
AI levert wereldwijd bereik op zonder teamuitbreiding — en opent groei in regio’s waar personeelscapaciteit eerder een beperking was.
6. Bouw de juiste teamstructuur.
Succes kwam niet door één persoon of afdeling, maar door nauwe samenwerking tussen Conversational Marketing en Marketing Technology AI Engineering.
Conversational Marketing beheerde strategie, UX en kwaliteitsborging, met focus op de klantbeleving. Marketing Technology bouwde de modellen, prompts en infrastructuur die deze strategie mogelijk maakten.
We vormden één geïntegreerde werkgroep met gedeelde doelstellingen, een gezamenlijke backlog en wekelijkse iteraties — waardoor we als een productteam konden opereren.
7. Benader automatisering met een productmindset.
De grootste doorbraak was het omarmen van een productbenadering. SalesBot is geen eenmalig automatiseringsproject, maar een levend product dat voortdurend evolueert.
In twee jaar tijd gingen we van regelgebaseerde bots naar een retrieval-augmented generation (RAG)-systeem, schaakten we over naar GPT-4.1 en voegden we geavanceerde kwalificatie- en pitchfunctionaliteit toe.
Deze updates verdubbelden de reactiesnelheid, verbeterden de nauwkeurigheid en verhoogden de conversie van gekwalificeerde leads van 3% naar 5%.
Dit vergde honderden iteraties en een cultuur waarin AI-experimentatie centraal staat.
8. Mensen blijven essentieel.
Ondanks de vooruitgang blijven sommige taken menselijk werk: maatwerkoffertes, complexe bezwaren en empathisch reageren op nuance.
Menselijke experts evalueren outputs, geven feedback en zorgen dat het systeem blijft verbeteren. Hun oordeel bepaalt de kwaliteitsstandaard en borgt betrouwbaarheid.
AI schaalde bereik en snelheid — maar vervangt geen menselijke connectie. ISCs richten zich nu op hoogwaardig werk en edge cases waarin hun expertise het verschil maakt.
9. Geef het model structuur, niet alleen meer data.
In de eerste versie draaide SalesBot op een regelmotor: X leidt tot Y. Functioneel, maar niet verkoopgericht.
We probeerden fine-tuning met duizenden geannoteerde chats. Het resultaat klonk natuurlijker, maar de nauwkeurigheid daalde door te veel variatie in menselijke data.
Daarom stapten we over op een aanpak waarin structuur centraal staat. Met RAG kan de bot contextgericht informatie ophalen uit knowledge sources, tools en CRM-data.
Dit maakt SalesBot betrouwbaarder in complexe verkoopgesprekken en beter in intentieherkenning.
Hoe jij zelf start met een AI-chatprogramma
1. Bouw de basis voordat je automatiseert.
AI is slechts zo goed als het menselijke programma waarop het gebouwd is. Een stevige live-chatbasis levert:
• hoogwaardig trainingsmateriaal
• een duidelijke definitie van kwaliteit
• inzicht in wat eerst geautomatiseerd kan worden
Zonder dit weet AI niet wat “goed” is — en niet wanneer het fout zit.
2. Begrijp wat jouw mensen goed doen en leer dat aan de AI.
Analyseer je topperformers. Vraag:
• Hoe kwalificeren zij?
• Welke signalen herkennen zij?
• Welke taal wekt vertrouwen?
• Hoe herstellen zij zich wanneer iets ontspoort?
Menselijke excellentie vormt het sjabloon voor AI-gestuurde verkoop.
3. Bouw een experiment- en datagedreven team.
AI is geen project dat jij oplevert, maar een product dat u blijft ontwikkelen. Succesvolle teams:
• experimenteren voortdurend
• itereren snel
• meten wat werkt
• benutten mislukkingen als input
Zo verandert AI van een eenmalige lancering in een groeimotor.
Conclusie
De belangrijkste les: AI vervangt geen sterke go-to-marketstrategie — het versnelt deze. De gekozen tools moeten jouw eigen manier van werken weerspiegelen. Voor ons is dat een combinatie van technologie, creativiteit en klantgerichtheid, die ons helpt de manier waarop we verkopen continu te verbeteren.
*Dit artikel is vertaald naar het Nederlands
