Van klikfraude tot CDP: succes van AI valt of staat met datakwaliteit

Ook in marketing speelt de inzet van AI een steeds grotere rol. De brandstof die dat allemaal mogelijk maakt is data: zonder kwalitatieve data presteren zelfs de krachtigste algoritmes ondermaats. En wat vaak vergeten wordt: toestemming om de data te gebruiken.

Futuroloog Kevin Kelly voorspelde in zijn boek The Inevitable (2016) al dat AI elke industrie, beroep en zelfs elk voorwerp zal verrijken. In de marketingwereld is dit al volop gaande: van segmentatie en personalisatie tot voorspellende analytics, contentmarketing, het creëren van advertenties en het bestrijden van klikfraude. En nu behoort zelfs het inzetten van een eigen LLM (Large Language Model) tot de mogelijkheden voor marketeers, waardoor er nog meer kansen ontstaan.

Maar er zitten ook voorwaarden verbonden aan je AI-succes. Het cruciale punt dat AI maakt of kraakt, is data. De kwaliteit van de AI-output is immers sterk afhankelijk van de datakwaliteit: garbage in, garbage out. Dat geldt op alle niveaus, van prompting en geüploade bestanden tot databases en trainingsdata. Om datakwaliteit te waarborgen, volg je de best practices van data-analyse die ook voor AI uitstekend werken.

Een tweede voorwaarde die nog vaak onderbelicht blijft, is de ethiek bij het toepassen van AI. Het vraagt om kritisch nadenken over wat moreel goed verantwoord is om te doen als bedrijf. Ook dat begint bij de data: heb je wel toestemming om die data te mogen inzetten voor AI?

Geen toestemming = geen AI

Data zijn continu in beweging. Daarom willen de meeste bedrijven en merken klik- en bezoekgedrag in realtime kunnen volgen. Maar de toestemming om deze data te gebruiken verandert eveneens. Onder de AVG hebben consumenten recht op toegang, rectificatie, wissen, beperking van verwerking en bezwaar. Kortom: ze hebben recht op privacy. Als verwerker van persoonsgegevens mag je dus niet zomaar historische data voor je trainingsmodel gebruiken zonder expliciete toestemming. Ook het langer bewaren van data dan nodig is, is niet toegestaan: er zit een houdbaarheidsdatum op de verworven toestemming.

In Nederland handhaaft de Autoriteit Persoonsgegevens de AVG nog niet heel intensief, maar in andere Europese landen, zoals Frankrijk (CNIL) en Zweden (IMY) gebeurt dat wél. Bovendien is dit jaar de AI-wet (gedeeltelijk) in werking getreden. Elk bedrijf dat AI-systemen ontwikkelt of gebruikt – vooral in hoog-risico-categorieën zoals gezondheid, wetgeving, financiën of sollicitatieprocedures – moet kunnen aantonen dat de trainings- en testdata van goede kwaliteit, representatief en niet-discriminerend is.

Je kunt dus wel snel met AI aan de slag, mits je de randvoorwaarden rondom dataverwerking en consent niet uit het oog verliest. Een goede use case waar dit duidelijk naar voren komt is het tegengaan van klikfraude bij online adverteren.

AI ‘use case’ van omvang: klikfraude

Bij klikfraude generen geautomatiseerde bots en click farms kunstmatige klikken op advertenties. Dit gebeurt vooral binnen pay-per-click-advertentiemodellen zoals Google Ads en Facebook Ads. Deze vorm van fraude leidt tot verspilde advertentiebudgetten en vertekende campagneresultaten. Wereldwijd lopen de verliezen op tot tientallen miljarden dollars. In Nederland alleen al gaat het naar schatting om honderden miljoenen euro’s. Het is dus big business.

AI is perfect om enorme hoeveelheden data razendsnel te analyseren en afwijkende patronen op te sporen. Klikfraude voorkomen met AI werkt als volgt:

1. In realtime afwijkingen signaleren – Zodra het algoritme een piek aan verdachte klikken detecteert kan het systeem direct een alarm afgeven. Zo kun je direct budgetaanpassingen doen of de campagne tijdelijk pauzeren.
2. Terugkerende fraudeurs blokkeren – AI kan patronen in IP-adressen en apparaat-ID’s herkennen, zodat bekende fraudeurs of click farms automatisch worden geweerd.
3. Campagne-optimalisatie verbeteren – Door frauduleuze klikken vroegtijdig te verwijderen houd je een realistisch beeld over waar échte leads vandaan komen. Daarmee maak je weer betere beslissingen over targeting, budgetverdeling en marketingstrategieën.
4. Leerzaam voor vervolgcampagnes – Elke actie die een AI-systeem herkent draagt bij aan het leereffect: het model wordt steeds beter in het herkennen van nieuwe fraudevormen. Zo blijf je beschermd, ook als de fraudeurs hun tactieken aanpassen.

Algoritmes zoals gradient boosting en random forest kunnen volgens recent onderzoek met een precisie van 98,5 procent frauduleuze klikken detecteren. Maar om zo’n hoog percentage te kunnen halen, is kwalitatieve data een vereiste. Anders loop je het risico de verkeerde klikken te blokkeren. En ook hier speelt toestemming een rol: zonder expliciete toestemming kun je data zoals IP-adressen of klikgedrag niet legaal verwerken. Toestemming vormt dus een noodzakelijke voorwaarde voor het verantwoord inzetten van AI bij fraudedetectie.

Van data naar actie

In de kern draait het succesvol inzetten van AI om data-activatie: het verzamelen, verbeteren, verrijken, organiseren en effectief inzetten van data. Met oog voor kwaliteit én toestemming. Een gestructureerde aanpak is dan ook onmisbaar. Een praktische oplossing hiervoor is een Customer Data Platform. Hiermee beheer je data overzichtelijk en zet je deze compliant in voor acties, zonder concessies te doen aan de kwaliteit of de toestemmingseisen.

Het probleem met actie, en zeker met AI, is de neiging om te snel te willen gaan. Focus op kortetermijnwinst kan op de lange termijn averechts werken. Het verbeteren van de kwaliteit van je data en het waarborgen van de vereiste toestemming kost tijd, maar vormt de basis voor duurzame campagnes en betrouwbare AI-toepassingen. Met een gestructureerde aanpak, zoals een CDP, speel je niet alleen in op de nieuwste ontwikkelingen, maar doe je dat ook op een verantwoorde en effectieve manier.

Over de auteur: Vincent de Winter is Brand ambassador Piwik PRO bij We Are North.