Productteksten per kanaal met AI: regels, tests en grenzen

Wat zijn kanaalspecifieke productteksten met AI?

Kanaalspecifieke productteksten met AI zijn teksten die een model per kanaal schrijft op basis van goedgekeurde attributen in het PIM. Eén product krijgt een marketplacetitel met bullets, een webshoptekst en een korte tekst voor het B2B-portaal, elk volgens eigen regels. Een mens keurt elke tekst goed voordat die online gaat.

In de volwassenheidstabel voor AI in PIM krijgt deze toepassing het oordeel productierijp met review. Drie voorwaarden maken het werkbaar:

• De attributen zijn volledig en goedgekeurd voordat de generatie begint.
• Elk kanaal heeft vastgelegde regels voor lengte, opbouw, toon en verboden claims.
• Een reviewer keurt de output goed, en het team meet hoeveel die reviewer wijzigt.

De winst is het grootst waar het aantal kanalen en de omvang van de catalogus elkaar versterken. Een merk met 5.000 producten en vier kanalen heeft per taal 20.000 teksten nodig. Die met de hand schrijven gaat traag. Ze genereren uit goedgekeurde attributen en daarna reviewen gaat sneller, mits de review serieus gebeurt. Voor een Belgisch merk dat in het Nederlands en het Frans verkoopt, verdubbelt dat aantal (illustratief voorbeeld).

Het risico is net zo duidelijk. Een model dat over een boormachine of een dagcrème schrijft, put uit algemene kennis van de categorie. Laat de prompt dat toe, dan voegt het model eigenschappen toe die het product niet heeft. Elk tekstproces begint daarom met één regel: de attributen zijn de enige bron van feiten.

Welke input heeft AI nodig om productteksten te schrijven?

AI heeft vier soorten input nodig: goedgekeurde attributen, een tone-of-voice-gids, kanaalregels en een lijst met verboden claims. Ontbreekt er één, dan zie je dat terug als correcties in de review.

Kanaalregels beginnen bij de harde grenzen die kanalen zelf publiceren. De tabel toont de grenzen die PIMvendors kon controleren. De grenzen van je eigen webshop en portaal volgen uit je sjablonen.

Leg naast grenzen ook regels voor de opbouw vast. Een marketplacetekst opent met producttype, merk en de belangrijkste specificatie. Een B2B-tekst opent met toepassing, compatibiliteit en technische data. Een webshoptekst volgt je tone of voice.

De tone-of-voice-gids bestaat bij voorkeur vooral uit goedgekeurde voorbeelden. Tien goedgekeurde teksten per productfamilie leren het model meer dan een pagina vol merkwaarden. Sla ze in het PIM op als referentiecontent, zodat elke leverancier in je test dezelfde voorbeelden gebruikt.

Hoe meet je de kwaliteit van AI-productteksten?

Meet de kwaliteit van AI-productteksten met het menselijk correctiepercentage, niet-onderbouwde claims, tijd per artikel en kosten per artikel. Samen dekken deze vier meetwaarden juistheid, reviewinspanning en uitgaven.

Het menselijk correctiepercentage is het nuttigste losse getal. Een laag percentage betekent dat het model dicht bij de tekst schrijft die de reviewer zou goedkeuren. Een hoog percentage betekent dat de review net zo lang duurt als zelf schrijven.

Niet-onderbouwde claims wegen zwaarder dan stijl. Een stroeve zin kost een paar seconden. Een claim als "waterdicht" bij een product dat alleen spatwaterbestendig is, leidt tot retouren en klachten. Tel zulke claims apart en beschouw elke niet-onderbouwde veiligheids- of milieuclaim als een afgekeurd artikel.

Meet per kanaal en per productfamilie. Resultaten op eenvoudige verbruiksartikelen zeggen weinig over resultaten op configureerbare industriële producten.

Welke claims mag AI nooit aan een producttekst toevoegen?

AI mag nooit milieu-, gezondheids-, veiligheids-, certificerings- of vergelijkende claims toevoegen die de attributen niet onderbouwen. Deze soorten claims dragen een regelgevings- en aansprakelijkheidsrisico dat verder gaat dan een gewone tekstfout.

• Milieuclaims, zoals recyclebaar, biologisch afbreekbaar of klimaatneutraal. De gids over groene claims legt de Europese regels uit.
• Gezondheids- en werkzaamheidsclaims, zoals hypoallergeen of klinisch bewezen.
• Veiligheidsclaims, zoals kindveilig of brandwerend.
• Certificeringen en keurmerken, zoals CE, energielabels of kwaliteitskeurmerken.
• Vergelijkingen, zoals beste in zijn klasse of sterker dan concurrerende producten.

Dwing de regel af in drie lagen. De prompt draagt het model op alleen aangeleverde attributen te gebruiken. Een lijst met verboden claims blokkeert bepaalde woorden, tenzij er een passend attribuut bestaat. De reviewer controleert vóór goedkeuring elke claim tegen de set attributen.

Test die lagen bewust. Neem producten op uit een categorie die uitnodigt tot een claim die het product niet waarmaakt. Een kunststof artikel in een categorie waarin gerecycled materiaal gebruikelijk is, is een goed voorbeeld. Voegt de output van een leverancier die claim toe, dan zit er een gat in zijn controles.

Moeten AI-productteksten een label krijgen?

Artikel 50 van de EU AI-verordening kan voor sommige AI-gegenereerde tekst openbaarmaking eisen, en productteksten zijn een grijs gebied dat een jurist moet beoordelen. De verplichtingen gelden vanaf 2 augustus 2026.

Volgens de samenvatting van artikel 50 door Cooley moeten gebruiksverantwoordelijken AI-gegenereerde tekst melden die wordt gepubliceerd om het publiek te informeren over zaken van algemeen belang. Die plicht vervalt als de tekst menselijke redactionele controle heeft doorlopen en iemand de redactionele verantwoordelijkheid draagt. Aanbieders van generatieve systemen moeten synthetische output bovendien machineleesbaar markeren.

Productteksten zijn commerciële content, en of ze onder de formulering over algemeen belang vallen, is een juridische vraag. PIMvendors geeft op dit punt geen juridisch advies. De praktische stap is onder beide lezingen dezelfde:

1. Houd voor elke gegenereerde tekst een vastgelegde menselijke goedkeuringsstap aan.
2. Leg goedkeurder, datum en modelversie vast in het PIM.
3. Vraag leveranciers hoe ze machineleesbare markering van gegenereerde content ondersteunen.

Die registratie helpt ook bij het beleid van marketplaces, die eigen regels voor gegenereerde content kunnen hanteren.

Wat vraag je leveranciers over AI-productteksten?

Laat leveranciers teksten voor jouw producten genereren onder jouw kanaalregels en meet daarna de correcties. Correctiepercentages op je eigen producten voorspellen de reviewinspanning beter dan welke functielijst ook.

Eisen om op te nemen, afkomstig uit de eisen voor AI-functies:

• Generatie gebruikt alleen de attributen die per kanaal en productfamilie zijn geselecteerd.
• Kanaalregels, toonvoorbeelden en lijsten met verboden claims zijn zonder hulp van de leverancier in te stellen.
• Gegenereerde tekst blijft in concept tot een benoemde reviewer haar goedkeurt.
• Bij elke tekst worden modelversie, promptversie, goedkeurder en datum opgeslagen.
• Generatie werkt per taalversie, of geeft door aan AI-vertaling met glossariumcontrole.
• De prijs per gegenereerde tekst, per hergeneratie en per taal staat vermeld.

Voer de test uit volgens het protocol van het AI Claims Lab, waarin omschrijvingen een van de vier taken zijn. Vraag elke leverancier het creditverbruik op te geven, inclusief hergeneraties. Een leverancier wiens output drie hergeneraties per artikel nodig heeft, kost per artikel drie keer de lijstprijs.