Klanten haten geen chatbots, ze haten wachten: de mythe die Belgische webshops geld kost

Kwart na elf 's avonds: het moment waarop een webshop zijn klant verliest

Een kledingwebshop uit de Gentse regio, een kleine onderneming met een handvol medewerkers, merkte iets vreemds op in haar klantendienstcijfers: bijna de helft van de inkomende vragen kwam binnen tussen 19u en middernacht. Vragen over levertermijnen, maatadvies, retourprocedures — stuk voor stuk simpel te beantwoorden, maar niemand was er om ze op te vangen. Tegen de tijd dat iemand de volgende ochtend reageerde, had een deel van die klanten al elders gekocht of het bestelproces stopgezet.

Dit is geen uitzondering. Statbel registreert dat Belgische consumenten hun online aankopen steeds meer buiten de klassieke winkeluren doen, net op momenten dat KMO's met een klein team onbemand zijn (Statbel). Voor een zaak die enkel tijdens kantooruren reageert, betekent dat een structureel gat van vijftien tot zeventien uur per dag waarin geen enkele vraag beantwoord wordt.

Het makkelijkste antwoord — 'we zetten er 's avonds iemand extra op' — is voor de meeste KMO's financieel onhaalbaar. Het alternatief dat vaak als 'te onpersoonlijk' wordt afgeschreven, is precies waar de mythe ontstaat: een AI chatbot die die avonduren opvangt. Niet omdat een chatbot een mens moet vervangen, maar omdat de keuze in de praktijk niet is 'chatbot versus medewerker' — het is 'chatbot versus niemand'.

Waar de mythe vandaan komt: de chatbot van 2016 is niet de chatbot van 2026

De weerstand tegen chatbots bij Belgische KMO's is begrijpelijk als je bedenkt welke chatbots de meeste ondernemers ooit hebben getest. Tien jaar geleden waren dat rigide keuzemenu's: 'Typ 1 voor bestellingen, typ 2 voor retours', gevolgd door een antwoord dat nooit paste bij de eigenlijke vraag. Klanten leerden die bots negeren of omzeilen, en die ervaring is blijven plakken als het beeld van 'de chatbot'.

De technologie waarmee die frustratie werd opgebouwd, heeft weinig te maken met wat een moderne AI-chatbot vandaag doet. Een systeem dat natuurlijke taal begrijpt, herkent of een klant een vraag stelt over een levertermijn of een klacht formuleert over een kapot product, en reageert met het juiste register — niet met een boomstructuur van keuzemenu's. Het onderliggende verschil is fundamenteel: waar de oude generatie chatbots op vaste scripts draaide, werkt de huidige generatie op taalmodellen die context begrijpen (Wikipedia: Kunstmatige Intelligentie).

Dat onderscheid verklaart ook waarom KMO's die een pilot deden met een goedkope, generieke chatbot-widget vaak teleurgesteld afhaken. Een chatbot die niet gekoppeld is aan de eigen voorraad, bestelstatussen of retourbeleid, kan onmogelijk een goed antwoord geven — en bevestigt dan net de mythe die hij had moeten ontkrachten. Het probleem zat niet in het idee van een chatbot, maar in de kwaliteit en de koppeling ervan.

Wat de cijfers echt zeggen over Belgische shoppers en klantendienst

De VLAIO Digitaliseringsbarometer volgt jaarlijks hoe Vlaamse KMO's digitale technologie inzetten, en de kloof tussen adoptie van AI-tools en effectief gebruik in klantcontact blijft opvallend groot (VLAIO). Veel bedrijven investeren wel in een webshop of onlinekanaal, maar laten klantendienst na sluitingstijd volledig onbemand — net het scenario waarin een chatbot het grootste verschil maakt.

Op Europees niveau bevestigt de Digital Decade-rapportering van de Europese Commissie dat KMO's die AI inzetten voor klantinteractie sneller reageren op vragen dan bedrijven die dat niet doen, en dat reactiesnelheid een van de sterkste voorspellers is van klanttevredenheid in e-commerce (EU Digital Strategy). Dat is de kern van de mythe die ontkracht moet worden: het is niet de aanwezigheid van AI die klanten stoort, het is de afwezigheid van een snel, correct antwoord.

Belangrijk is ook wat UNIZO signaleert bij zelfstandige ondernemers: de vraag is niet meer óf klanten digitaal geholpen willen worden, maar hoe snel en hoe persoonlijk dat gebeurt (UNIZO). Een KMO die twaalf uur nodig heeft om te antwoorden, verliest die vergelijking altijd — chatbot of niet. Wie dus AI wil vermijden 'omdat klanten dat niet lusten', vergelijkt eigenlijk een slecht geïmplementeerde bot met een ideale medewerker die niet bestaat binnen het budget van een KMO met vijf tot tien medewerkers.

Emily Sanders Lifestyle: waar een webshop en klantcontact samen ontworpen worden

Bij Emily Sanders Lifestyle, een lifestyle- en fashionmerk waarvan IoniqAI de webshop bouwde, speelt precies deze dynamiek. Fashion- en lifestyleklanten shoppen impulsief, vaak 's avonds tijdens het scrollen op de zetel, en stellen op dat moment vragen over beschikbaarheid, levertijden of retourvoorwaarden. Als een webshop op dat moment geen antwoord kan geven, is de kans reëel dat de klant de aankoop uitstelt of elders afrekent.

De manier om dat op te vangen, is niet door de webshop en de klantendienst als twee losse projecten te behandelen. Wanneer een webshop van de grond af mee ontworpen wordt met geautomatiseerd klantcontact in gedachten, ligt de koppeling tussen voorraad, bestelstatus en de antwoorden die een chatbot geeft, al ingebakken in de architectuur — in plaats van er achteraf een los widgetje bovenop te plakken. Dat is het verschil tussen een chatbot die 'erbij hoort' en een chatbot die daadwerkelijk werkt, omdat hij toegang heeft tot echte, actuele data in plaats van een los kennisbestand.

Deze aanpak toont ook waarom de discussie 'mens versus AI' de verkeerde vraag is voor een groeiend fashion- of lifestylemerk. De vraag is welk deel van het klantcontact structureel repetitief is — levertijd, maatadvies, orderstatus — en welk deel echt menselijk overleg vereist, zoals een klacht over een beschadigd product. Wie die twee categorieën scheidt via een goed opgezette AI website builder-aanpak in combinatie met slim klantcontact, houdt zijn team vrij voor de gesprekken die er echt toe doen.

Hoe het wél moet: vijf voorwaarden voor een chatbot die klanten niet haten

De mythe 'klanten haten chatbots' klopt dus niet zomaar — maar de zorg die erachter schuilt, is terecht als de implementatie slecht is. Een KMO die AI-klantcontact serieus wil aanpakken, moet aan een aantal voorwaarden voldoen voor het live gaat.

Eerst en vooral moet de chatbot gekoppeld zijn aan actuele data: voorraad, bestelstatus, leveringsvoorwaarden. Een chatbot die met verouderde of losstaande informatie werkt, geeft foute antwoorden en bevestigt precies de vooroordelen die klanten al hadden. Ten tweede moet er altijd een duidelijke escalatie naar een medewerker zijn zodra de chatbot twijfelt of de klant ontevreden reageert — niemand wil vastzitten in een lus zonder uitweg.

Ten derde is toon van belang: een Belgische klant reageert anders op een chatbot die stijf formeel antwoordt dan op een chatbot die aansluit bij hoe de zaak zelf communiceert. Ten vierde moet de verwerking van klantgegevens conform de regels van de Gegevensbeschermingsautoriteit gebeuren, met een duidelijk en beperkt doel voor de data die verzameld wordt (GBA). En ten vijfde: meet wat de chatbot doet. Hoeveel vragen worden zonder escalatie afgehandeld, hoeveel gesprekken leiden tot een verkoop, en waar haken klanten alsnog af?

Dit soort opvolging hoort ook thuis buiten de webshop. Een AI receptionist die telefonische oproepen buiten de kantooruren opvangt, werkt volgens dezelfde logica als een goede chatbot: niet als vervanging van het team, maar als eerste laag die routinevragen wegneemt zodat medewerkers zich kunnen focussen op wat echt aandacht verdient.

• Koppel de chatbot aan echte, actuele data — geen los kennisdocument.
• Bouw een automatische escalatie in naar een medewerker bij twijfel of frustratie.
• Stem de toon af op hoe de zaak zelf met klanten praat, geen stijve formele scripts.
• Verwerk klantgegevens conform de regels van de GBA, met een duidelijk doel.
• Meet resultaten: afhandelingsgraad, conversie en het moment waarop klanten afhaken.