AI-gegenereerde productbeschrijvingen — kwaliteit vs kwantiteit

AI-gegenereerde productbeschrijvingen — kwaliteit vs kwantiteit

10.000 productbeschrijvingen in één dag. Voor €50 aan API-kosten. Dat kan. De vraag is of je dat moet willen.

Wij hebben het uitgetest bij een merchant met een catalogus van 8.400 producten. De resultaten zijn genuanceerder dan de belofte suggereert — en precies daardoor interessanter.

De belofte van AI-productcopy

ChatGPT en Claude zijn goed in het schrijven van tekst op basis van gestructureerde input. Geef je een productnaam, een paar specificaties en een tone-of-voice instructie, dan krijg je een leesbare beschrijving terug in seconden.

Voor een webshop met duizenden producten is dat aantrekkelijk. Tekstbureaus vragen €0,05 tot €0,25 per woord voor productcopy. Een beschrijving van 200 woorden kost dan €10 tot €50 per stuk. Bij 8.400 producten kom je al snel op €84.000 aan copykosten.

Met GPT-4o kost dezelfde hoeveelheid tekst ongeveer €35 aan API-kosten. Dat is een kostenreductie van 99,9%. De vraag is: wat ben je bereid in te leveren op kwaliteit voor die besparing?

Waar AI-productcopy tekortschiet

Generieke tekst herkent Google — maar niet zoals je denkt

Veel webshops die massaal AI-teksten publiceerden zonder redactie zagen hun organisch verkeer dalen. Niet omdat Google AI-content als zodanig bestraft — dat is een hardnekkig misverstand. Google bestraft dunne, lage-kwaliteitscontent. AI-content zonder redactie valt daar vaak onder.

Google beoordeelt content op E-E-A-T: Experience, Expertise, Authoritativeness, Trustworthiness. Een productbeschrijving die je had kunnen schrijven zonder het product ooit gezien te hebben, scoort laag op "experience". Dat is precies wat AI zonder goede context produceert.

Bij de merchant met 8.400 producten zagen we dit patroon:

• 60% van de AI-gegenereerde beschrijvingen was acceptabel en bruikbaar na minimale aanpassing
• 30% was herkenbaar generiek en verdiende handmatige revisie om SEO-waarde te hebben
• 10% bevatte feitelijke fouten door ontbrekende of onjuiste inputdata

De input bepaalt de output — garbage in, garbage out

AI is zo goed als de data die je het geeft. Als je productdata slecht is — ontbrekende attributes, slechte categorisering, inconsistente specificaties — dan is je AI-output ook slecht.

Merchants die massaal AI-beschrijvingen genereren zonder eerst hun productdata op orde te hebben, versterken bestaande problemen op schaal. Een verkeerde categorie-toewijzing wordt niet alleen één keer weergegeven, maar in 8.400 variaties.

Tone-of-voice verdwijnt in de middelmaat

AI-modellen zijn getraind op de gemiddelde tekst op het internet. De output klinkt daardoor naar de gemiddelde webshop — niet naar jouw merk. Voor commodityproducten is dat misschien goed genoeg. Voor merken waar identiteit en positionering een rol spelen, werkt het niet.

Een workflow die kwaliteit en schaal combineert

Na meerdere implementaties hebben wij een workflow ontwikkeld die de voordelen van AI behoudt zonder de kwaliteitsrisico's te negeren.

Stap 1: Dataverrijking eerst

Breng je productdata op orde voordat je AI inzet. Controleer op ontbrekende attributes, inconsistenties en categorisatiefouten. Exporteer je catalogus, scan op leeggelaten velden en corrigeer die systematisch. Dit is het fundament — alles wat je hierna bouwt staat of valt hiermee.

Voor Magento: gebruik de product attributes structuur en zorg dat alle relevante attributes ingevuld zijn per categorie. Voor Shopify: gebruik metafields voor uitgebreide productdata naast de standaardvelden.

Stap 2: Segmenteer op commercieel belang

Niet elk product verdient dezelfde investering. Segmenteer je catalogus op basis van omzetbijdrage:

• Categorie A (top 20% omzet): handgeschreven copy of AI-copy met uitgebreide redactie
• Categorie B (volgende 30% omzet): AI-copy met lichte redactie — één ronde aanpassingen
• Categorie C (resterende 50%): AI-copy met kwaliteitscheck, geen redactie

Dit geeft je de beste verhouding tussen kwaliteit en investering.

Stap 3: Prompt engineering per categorie

Een goede prompt voor productbeschrijvingen is geen twee zinnen. Het is een gestructureerde instructie die precies vertelt wat het model moet doen en wat het moet laten.

Een werkende promptstructuur voor Categorie B-producten:

Schrijf een productbeschrijving voor onderstaand product.

PRODUCT INFORMATIE:
Naam: {productnaam}
Categorie: {categorie}
Doelgroep: {doelgroep}
Specificaties: {specs_als_lijst}
Gebruik: {primair_gebruiksscenario}

STIJLINSTRUCTIES:
- Tone of voice: direct, functioneel, geen marketing-taal
- Lengte: 150-200 woorden
- Structuur: één openingszin met het primaire voordeel, dan 3-5 bullet points met specificaties, dan één afsluitende zin
- Schrijf in de tweede persoon (jij/je)

VERMIJD ALTIJD:
- "topkwaliteit", "uitstekend", "perfect voor", "ideaal voor"
- Vage superlativen zonder onderbouwing
- Zinnen die je ook over elk ander product kunt schrijven
- Passieve constructies

FEITELIJKHEIDSREGEL:
Vermeld alleen specificaties die in de PRODUCT INFORMATIE staan. Verzin niets.

Het verschil tussen een slechte prompt en een goede prompt is het verschil tussen 30% bruikbare output en 85% bruikbare output.

Stap 4: Kwaliteitscontrole met AI

Gebruik een tweede AI-call als kwaliteitsfilter. Vraag een model om de gegenereerde tekst te beoordelen op vier criteria: aanwezigheid van generieke zinnen, feitelijke claims die niet in de inputdata staan, grammaticafouten en afwijking van de tone-of-voice instructie.

Dit klinkt als extra kosten, maar een kwaliteitscheck-call kost 80% minder tokens dan de generatiecall en vangt de meeste problemen op.

Stap 5: Menselijke review voor Categorie A

Voor je best-verkopende producten is menselijke review niet optioneel. Dit zijn je inkomstendragers. Behandel ze zo.

SEO-impact — wat de data laat zien

Wij hebben de organische prestaties gemeten van drie approaches over een periode van 6 maanden bij een merchant in de gereedschappen-sector. Baseline = index 100.

De conclusie is duidelijk: AI zonder redactie presteert slechter dan de baseline. AI met lichte redactie haalt 90% van de prestaties van volledig handgeschreven copy voor 27% van de schrijftijd.

Het omslagpunt zit in de redactiestap. Die is niet optioneel.

Tools en kosten in detail

ChatGPT / GPT-4o (OpenAI)

• API-kosten: ~$0,005 per beschrijving van 200 woorden (input + output gecombineerd)
• Sterktes: brede kennis, goede instructie-opvolging, snelle batch-verwerking
• Zwaktes: context window limiet bij grote productdatasheets, minder goed in tonale nuance

Claude (Anthropic)

• API-kosten: vergelijkbaar met GPT-4o, output tokens iets duurder
• Sterktes: beter in het volgen van stijlinstructies, minder kans op hallucinaties bij beperkende prompts
• Zwaktes: hogere latency bij grote batches, iets duurder bij hoge volumes

Shopify Magic

• Kosten: inbegrepen in elk Shopify-plan
• Sterktes: geen technische setup, direct in het admin-dashboard
• Zwaktes: geen batch-verwerking, minder controle over output, geen custom prompt-engineering mogelijk

Eigen workflow via API

Voor een catalogus groter dan 1.000 producten is een custom workflow via de API de juiste keuze. Je hebt volledige controle over prompts, batchverwerking en kwaliteitscontrole. De setup kost een of twee dagen development; de tijdsbesparing is daarna structureel.

Veelgemaakte fouten

Wanneer het wél en niet werkt

AI-productcopy werkt goed voor:

• Producten met duidelijke, gestructureerde specificaties (elektronica, hardware, kleding met maten)
• Grote catalogussen met consistente productdata
• Talen waarvoor geen native copywriter beschikbaar is

AI-productcopy werkt slecht voor:

• Producten waarbij merkidentiteit en emotie centraal staan (luxemerken, fashion met eigen stem)
• Producten met complexe technische specs waarbij fouten gevaarlijk zijn (gereedschap, medische producten)
• Catalogussen met slechte of onvolledige inputdata

Conclusie

Kwaliteit en kwantiteit sluiten elkaar niet uit — als je de workflow goed inricht. De fout die de meeste merchants maken is denken dat "AI-productbeschrijvingen" een knop is die je aanzet. Het is een proces met meerdere stappen en menselijk toezicht.

De merchants die er het meeste uit halen, investeren eerst in datakwaliteit, bouwen een gestructureerde workflow met goede prompts en meten de SEO-impact continu. Degenen die teleurgesteld zijn, lieten AI draaien zonder context en publiceerden de output onbewerkt.

Meer weten over hoe AI past in je e-commerce contentaanpak? Lees ook ons artikel over AI inzetten in Shopify of bekijk wat wij doen voor Magento-shops en Shopify-shops.

Meertalige productbeschrijvingen met AI

Een onderschatte toepassing is het inzetten van AI voor meertalige content. Een vertaling van 200 woorden kost bij een vertaalbureau €30-€60 per taal per product. Met AI kost dat €0,01.

Dat betekent dat een Nederlandse catalogus van 2.000 producten ook in het Duits, Frans en Engels beschikbaar kan zijn — voor €60 aan API-kosten in plaats van €360.000 bij een vertaalbureau.

De kwaliteit van AI-vertalingen is voor productcopy uitstekend. Niet perfect — regionale nuances en idioom vereisen soms aanpassing — maar sterk genoeg voor de meeste producten. Implementeer dezelfde workflow: segmenteer op omzetbijdrage en reserveer menselijke review voor de hoogste categorie.

Genereer eerst de Nederlandse basistekst (of laat die schrijven). Gebruik die als input voor meertalige generatie. AI vertaalt beter vanuit een menselijk geschreven basistekst dan vanuit een slechte prompt direct naar de doeltaal.

Controleer ten minste steekproefgewijs op regionale correctheid. "Sneakers" is in België "sportschoenen" en in Duitsland "Turnschuhe" — AI-modellen kennen die nuances, maar testen blijft nodig.

Integratie met je PIM-systeem

Voor shops met een Product Information Management (PIM) systeem is AI-productcopy nog krachtiger. Het PIM bevat gestructureerde productdata — precies de input die AI nodig heeft voor goede output.

Een workflow via PIM ziet er zo uit:

1. PIM levert gestructureerde productdata als input (JSON of CSV)
2. AI-workflow verrijkt per product de beschrijvingen
3. Output wordt teruggeschreven naar het PIM
4. PIM distribueert naar Magento, Shopify, en andere kanalen

Dit geeft je één centraal punt voor AI-gegenereerde content met automatische verspreiding naar alle verkoopkanalen. Een implementatie als deze bouwen we als maatwerk in Laravel — meer hierover lees je op onze Magento dienstenpagina.

Monitoring en kwaliteitsborging op schaal

Eenmalig genereren is relatief eenvoudig. Kwaliteit borgen bij een groeiende catalogus is de langetermijnuitdaging.

Wat je nodig hebt voor schaalbare kwaliteitsborging:

• Versiecontrole voor prompts — welke prompt heeft welke beschrijving gegenereerd? Zo weet je bij een promptupdate welke producten hergeschreven moeten worden
• Automatische kwaliteitsscoring — een tweede AI-call die gegenereerde teksten beoordeelt op generieke zinnen, feitelijke inconsistenties en afwijking van tone-of-voice
• SEO-monitoring — houd de organische prestaties bij per productsegment, gesplitst op generatie-methode
• Herindexeringskalender — producten in Categorie A worden maandelijks herbeoordeeld, Categorie B per kwartaal

Zonder dit systeem worden AI-beschrijvingen over tijd verouderd of inconsistent. De eenmalige investering in monitoringinfrastructuur betaalt zich terug in langdurig hogere kwaliteit.