CMO deelt welke stappen marketeers moeten zetten

Kelly Cheng is CMO bij Goldcast, waar ze leiding geeft aan de wereldwijde marketingorganisatie.

We spraken met haar om alles te horen over hoe ze haar contentmarketingstrategie met AI heeft vernieuwd. Dit deelde ze met ons.

AI herdefinieert de rol van CMO's fundamenteel

Ik ben Kelly Cheng, CMO bij Goldcast, waar ik leiding geef aan een wereldwijde marketingorganisatie die de volledige B2B GTM-beweging omvat, waaronder merk en content, productmarketing, groei en vraaggeneratie, marketingactiviteiten en community.

Het team werkt verspreid over de VS, het VK en India en ondersteunt zowel Goldcast als zelfstandig product als onze integratie in Cvent's bredere eventcloudportfolio na de overname.

Mijn weg naar dit moment is gevormd door leiding te geven aan marketingteams tijdens elke grote platformverschuiving van het afgelopen decennium, van contentmarketing naar ABM en productgestuurde groei, en nu AI.

Ik heb geleerd dat de marketingleiders die winnen niet degenen zijn die elke nieuwe trend najagen. Aanpasbare leiders gebruiken deze verschuivingen om fundamenteel opnieuw na te denken over hoe hun teams werken, wat ze meten en waar ze waarde creëren.

AI is de grootste aanjager van verandering waarmee we ooit te maken hebben gehad en dwingt CMO's om de rol zelf opnieuw te definiëren. Het werk draait minder om het beheren van kanalen en campagnes en meer om het opbouwen van lerende organisaties die zich met de snelheid van de markt kunnen aanpassen.​​​​​​​​​​​​​​​​

Hoe AI een verschuiving van campagnegestuurd naar inhoudgestuurd mogelijk maakt

De grootste verandering die we met AI hebben doorgevoerd, was de overstap van een campagnegestuurd bedrijfsmodel naar een door AI aangedreven inhoudgestuurd model.

Historisch gezien plande ons team in driemaandelijkse campagnecycli, waarbij elk programma een afzonderlijke briefing, lijst met middelen en tijdlijn had. In het afgelopen jaar hebben we onze activiteiten opnieuw ingericht rond een continue inhoudsmotor. AI verzorgt nu het hergebruik, het maken van eerste versies en de voorbereiding van de distributie, waardoor het team zich eerder in het proces kan richten op ideeën, standpunten en kwaliteitscontrole.

Dit leidde tot een aanzienlijke toename in output en snelheid: we produceren vier tot vijf keer zoveel middelen per bronstuk. Maar de belangrijkere verandering is cultureel: het team denkt nu in termen van doelgroepen en verhalen in plaats van campagnes en opleveringen, waardoor het werk zowel beter als strategischer is geworden.

Naast de toegenomen inhoudsproductie hebben door AI ondersteunde accountscoring en personalisatie ook de betrokkenheid bij onze ABM-programma's verhoogd. En we hebben de kosten per gekwalificeerde verkoopkans in betaalde kanalen aanzienlijk verlaagd door AI te gebruiken om creatieve varianten op een schaal te testen die voorheen niet mogelijk was.

Hoe je workflows voor contentmarketing vernieuwt

Hier is een voorbeeld van hoe één webinar of evenement van een uur binnen enkele dagen in plaats van weken uitgroeit tot een volledig inhoudspakket voor meerdere kanalen.

De workflow begint met het live-evenement, waarbij we automatisch de video en het volledige transcript vastleggen. Vervolgens genereert AI de eerste reeks afgeleide middelen, waaronder een blog met een samenvatting, een samenvatting voor bestuurders, kaarten met belangrijke citaten, socialmediaclips, een e-mailsamenvatting en fragmenten voor salesondersteuning die zijn afgestemd op specifieke persona's.

Ons team voegt standpunten, redactionele verfijning en merkstem toe en past daarbij menselijk inzicht toe.

Vervolgens verzorgt AI de voorbereiding van de distributie: van het opstellen van LinkedIn-berichten voor elke spreker en ons directieteam tot het genereren van onderwerpregelvarianten voor e-mail, het maken van korte videobewerkingen met ondertiteling voor organische social media en het schrijven van gepersonaliseerde uitgaande berichten die sales met doelaccounts kan delen.

Prestatiegegevens vloeien terug naar een dashboard, waar AI samenvat wat werkt voor verschillende indelingen en doelgroepen. Die inzichten vormen vervolgens de basis voor de briefing van het volgende programma.

Het resultaat is dat inhoud die vroeger een week relevant bleef, nu 60 tot 90 dagen lang betrokkenheid en pipeline genereert, terwijl het team zijn tijd besteedt aan ideeën en strategie in plaats van productie.​​​​​​​​​​​​​​​​

Hoe AI onderscheidend vermogen kan schaden

Kelly deelt

Al vroeg leunden we te zwaar op AI voor content in de eerste versie, waardoor de output generiek begon aan te voelen en onze merkdifferentiatie werd geschaad.

AI heeft geen doorbraak opgeleverd op het gebied van pipeline en vraagcreatie.

Het heeft ons geholpen sneller te werken en meer te produceren, maar het heeft ons vermogen om vraag te creëren bij accounts die ons nog niet kennen niet wezenlijk veranderd. Generatieve content, AI-gepersonaliseerde e-mails en geautomatiseerde outbound leveren snel afnemende meeropbrengsten op, omdat elke concurrent toegang heeft tot dezelfde tools. Daardoor ligt de drempel om door te breken hoger dan voorheen, niet lager.

Al vroeg leunden we te zwaar op AI voor content in de eerste versie, waardoor de output generiek begon aan te voelen en onze merkdifferentiatie werd geschaad. We moesten opnieuw strengere redactionele normen en lagen met een eigen POV boven op AI-gegenereerd werk aanbrengen.

Het is ook belangrijk om op te merken dat, omdat op elk willekeurig moment 95% van de kopers niet actief op zoek is, het vastleggen van bestaande vraag maar een klein spel is. Het grotere spel is vraag creëren door al lang voordat mensen klaar zijn om te kopen vorm te geven aan de manier waarop zij over de categorie denken. Dat vereist minder, maar betere content met een echt standpunt, niet meer van hetzelfde.

Hoe contentstrategieën moeten worden bijgestuurd

We hebben drie grote veranderingen doorgevoerd in onze content.

1. We baseren alles op een origineel POV en eigen data: onderzoek uit onze community, inzichten van klanten en benchmarks die niemand anders heeft. AI kan bestaande content opnieuw combineren, maar geen nieuw perspectief of eigen data genereren. Daar ligt dus onze voorsprong.
2. We zetten sterk in op formats die AI niet goed kan nabootsen, vooral livevideo, podcasts, storytelling door bestuurders en evenementen op locatie, waar de menselijke stem en aanwezigheid het product zijn.
3. We zijn overgestapt van brede contentdistributie naar het opbouwen van eigen communities en doelgroepen waarmee we een directe relatie hebben met marketeers, zonder dat er een algoritme tussen zit.

Het mentale model is eenvoudig: in een markt die verzadigd is met AI volgt aandacht vertrouwen, en vertrouwen volgt een herkenbaar standpunt, een echt mens en een community die waarde hecht aan wat je zegt.

Waarom mensen verantwoordelijk zijn voor POV, oordeel en relaties

AI ondersteunt nu dus het grootste deel van onze uitvoering en analyse: het hergebruiken van content en eerste versies, doelgroepsegmentatie en accountscoring, variaties in advertentiecreatie, prestatierapportage, concurrentiemonitoring en zelfs eerste versies van briefings en e-mails. Het verandert ook het onderzoek, waarbij we AI gebruiken om klantgesprekken, winst-verliesgegevens en communitygesprekken samen te vatten tot inzichten waar het team binnen enkele uren in plaats van weken mee aan de slag kan.

Wat expliciet menselijk blijft, is alles wat verband houdt met standpunt, oordeel en relaties. Strategie en positionering, narratiefontwikkeling, storytelling door bestuurders, relaties met klanten en beïnvloeders en creatieve conceptontwikkeling blijven allemaal bij mensen.

De reden is eenvoudig: AI is goed in het herkennen van patronen in wat al bestaat, maar marketingleiderschap draait om beslissen waar je merk voor staat en waar de markt naartoe gaat. Daarvoor zijn overtuiging, smaak en verantwoordelijkheid nodig, en die kun je niet uitbesteden.

De teams die winnen, zijn de teams die AI gebruiken om meer tijd vrij te maken voor precies dat menselijke werk, niet minder.

Hoe AI een model voor continue planning mogelijk maakt

Het systeem dat de meeste leiders opnieuw zouden moeten ontwerpen, is de planning- en beoordelingscyclus van marketing. De meeste teams werken nog steeds met een driemaandelijkse campagneplanningscyclus, houden maandelijkse evaluaties en leunen zwaar op achterlopende meetwaarden zoals MQL's en pipeline. Dat ritme paste bij een wereld waarin het produceren en lanceren van een campagne zes tot acht weken duurde. Maar in een door AI ondersteunde omgeving, waarin een team binnen enkele dagen content en creatief werk kan produceren, testen en verbeteren, wordt kwartaalplanning de bottleneck. Teams benutten hun AI-capaciteit niet en wachten op de volgende planningscyclus om die in te zetten.

We hebben dit opnieuw ingericht door over te stappen op een model voor continue planning: een duidelijk jaarlijks narratief, kwartaalthema's en wekelijkse redactionele en programmatische evaluatiecycli waarin het team vrijwel in realtime beslist waarop het extra moet inzetten, wat moet worden stopgezet of wat opnieuw moet worden gecombineerd op basis van betrokkenheidssignalen.

AI verwerkt de gegevens tot samenvattingen en brengt naar voren wat werkt, terwijl het team sneller kleinere inzetten doet in plaats van minder, grotere inzetten. Dit leidde tot een aanzienlijk hoger succespercentage voor content en campagnes, omdat we wekelijks leren en bijsturen in plaats van per kwartaal.

Waarom de structuur van marketingteams met AI moet veranderen

De meeste marketingorganisaties zijn nog steeds opgebouwd rond kanaalspecialisten. Er is een contentschrijver, een e-mailmarketeer, een manager voor betaalde media en een socialmedia-lead, die elk verantwoordelijk zijn voor hun eigen werkterrein en resultaten.

Deze structuur was logisch toen elk kanaal diepgaande, gespecialiseerde vakkennis en veel handmatige productie vereiste. In een door AI ondersteunde wereld dalen de kosten en de benodigde tijd voor het productiewerk in elk van die werkterreinen sterk. Dat betekent dat een op productie gericht organigram op het verkeerde optimaliseert.

Het nieuwe ontwerp verschuift van kanaalgebaseerde rollen naar teams die zijn gebaseerd op doelgroepen en resultaten. In plaats van een contentteam, een demandteam en een socialteam bouw je kleine multifunctionele teams die end-to-end verantwoordelijk zijn voor een specifieke doelgroep of aanpak, waarbij AI het grootste deel van de onderliggende productielaag voor zijn rekening neemt.

Ook de rollen binnen deze teams veranderen: je hebt minder mensen nodig die uitsluitend uitvoeren en meer mensen die strategie, redactioneel oordeel, prompt engineering en creatieve regie voor meerdere formats kunnen bieden.

Leiders die hun organisaties niet op deze manier herontwerpen, eindigen met logge, verkokerde teams die moeten concurreren met slankere, snellere en AI-native teams. En die kloof zal snel groter worden.

Waarom AI-adoptie een verandermanagementprobleem is dat zich voordoet als een technologieprobleem

AI-adoptie is een verandermanagementprobleem dat zich voordoet als een technologieprobleem, en als je het omgekeerd benadert, kost dat je tijd en geloofwaardigheid.​​​​​​​​​​​​​​​​

Onze eerste AI-pilots waren gericht op voor de hand liggende successen, zoals contentgeneratie en e-mailpersonalisatie, en we behandelden ze als de uitrol van tools. We zagen over het hoofd dat AI fundamenteel verandert wie wat doet, hoe werk wordt beoordeeld en wat ‘goed’ betekent. Ook herontwierpen we de workflow of rollen niet om daarop aan te sluiten.

Dit resulteerde in snellere output maar wisselende kwaliteit, waarbij teamleden óf te veel op AI leunden óf weigerden het te gebruiken, zonder duidelijke standaard voor een van beide.

Als ik dat van tevoren had geweten, was ik begonnen met het operationele model: rollen opnieuw definiëren, kwaliteitsnormen vaststellen, redactionele richtlijnen opstellen en het team trainen in oordeelsvorming en prompting voordat ik de tools vrij spel gaf. We hadden ongeveer zes maanden aan inconsistente output, interne frustratie en enkele contentstukken die eerlijk gezegd nooit gepubliceerd hadden mogen worden, kunnen voorkomen.

Waarom CMO’s activiteit niet mogen verwarren met vooruitgang

Kelly deelt

Verwar activiteit niet met vooruitgang. Elk marketingteam haast zich momenteel om AI-tools te adopteren, maar de leiders die uiteindelijk voorop zullen lopen [zijn] degenen die dit moment gebruiken om hun strategie, hun standpunt en de kwaliteit van het denkwerk van hun team aan te scherpen.

Verwar activiteit niet met vooruitgang. Elk marketingteam haast zich momenteel om AI-tools te adopteren. Maar de leiders die uiteindelijk voorop zullen lopen, gebruiken dit moment om hun strategie, hun standpunt en de kwaliteit van het denkwerk van hun team aan te scherpen. Een grotere technologiestack kan je inspanningen zelfs afleiden als die niet effectief wordt beheerd en echt waardevol is voor je team.

Mijn advies bestaat uit drie punten:

1. Wees duidelijk over wat alleen jouw merk kan zeggen en zet daar volledig op in, want AI zal de markt overspoelen met generieke content en de enige verdediging daartegen is overtuiging.
2. Investeer in het beoordelingsvermogen en de smaak van je team, niet alleen in hun vaardigheid met tools, want het knelpunt verschuift van productie naar onderscheidingsvermogen.
3. Bescherm het menselijke werk: community, relaties, origineel onderzoek en storytelling. Daar wordt mindshare opgebouwd, en mindshare groeit wanneer al het andere een commodity wordt.​​​​​​​​​​​​​​​​

Blijf op de hoogte

Je kunt het werk van Kelly Cheng volgen op LinkedIn.

Er volgen meer interviews met experts op The CMO Club!