Stop met prompten, begin met specificeren: AI-landingspagina's die converteren

Samenvatting

De meeste adviezen over AI-landingspagina's zijn verkapte verkooppraat. Het probleem is dat een generieke prompt een generieke pagina oplevert — en een generieke pagina converteert niemand, zeker niet wanneer je hetzelfde succes probeert te herhalen bij twaalf verschillende klanten. De echte bottleneck is niet de creativiteit van de AI; het is de context die je aanlevert voordat de generatie begint. Dit artikel behandelt AI als een capabele maar naïeve junior designer die een strakke spec nodig heeft, geen vibe. Je krijgt een herbruikbare workflow voor bureaus: audit eerst, schrijf een gestructureerde briefing, maak je designsysteem machinaal leesbaar, onderbouw de AI met echte conversiedata en controleer de output met menselijke controles. Onderweg zie je waarom ongekalibreerde AI-tools de meeste echte usabilityproblemen missen, en wat je eraan kunt doen. Het doel is landingspagina's die vaker converteren dan je vorige batch — geen landingspagina's die klinken als AI.

De meeste adviezen over AI-landingspagina's zijn verkapte verkooppraat. Ze gaan ervan uit dat het moeilijke deel is om het tool een pagina te laten produceren, en dat een betere prompt het verschil is tussen een flop en een succes. Voor iedereen die bij een bureau werkt, is dat niet alleen onjuist — het is gevaarlijk. Het maakt van het werk prompt schrijven, dat net zo goed schaalt als elke andere handarbeid, en het levert pagina's op die er prima uitzien en converteren als een natte krant. Het moeilijke deel is bepalen wat 'goed' betekent voordat de AI iets genereert, en dan een herbruikbare manier opzetten om dat voor elkaar te krijgen bij een hele portefeuille klanten. Het goede nieuws is dat het herbruikbare deel saai en leerbaar is: audits, briefings, tokens en reviewcontroles. Het slechte nieuws is dat geen enkele promptbibliotheek ter wereld je zal redden als je die stappen overslaat. Wat volgt is een checklist-met-onderbouwing voor het werk dat de conversiecijfers echt beweegt.

Begin met de audit, niet met de vraag

Voordat je een AI-tool opent, moet je weten wat de huidige pagina — of de laatste drie pagina's van de klant — daadwerkelijk deed. Een AI zal met plezier een nieuwe pagina genereren die dezelfde strategische fout herhaalt als de oude pagina, omdat hij geen idee heeft wat die fout was. Hij heeft geen idee wat 'converteren' betekent voor deze klant, geen idee wie de bezoeker is, en geen idee of de laatste campagne van de klant stierf op de hero of bij het formulier. Dat is jouw taak, en die moet vóór de generatie gebeuren.

De audit hoeft geen onderzoeksproject te zijn. Voor de ene klant is het misschien een telefoongesprek van 20 minuten met hun salesmanager ('wat zeiden de laatste drie klanten toen ze zich aanmeldden?'). Voor een ander is het een sessie-replaytool en een heatmap op de huidige pagina. Voor een gloednieuw aanbod is het misschien een analyse van concurrenten en vijf klantinterviews. Je hebt geen data science-team nodig — je moet weten op welke ene plek de pagina breekt en wie je kan vertellen waarom.

Een minimale audit zou je dit moeten opleveren:

• Waar bezoekers afhaken, in duidelijke taal. 'Ze vertrekken na de derde alinea' is een ontwerpprobleem; 'ze openen het formulier en haken af' is een vertrouwensprobleem. De AI moet weten welke van de twee hij oplost.
• De belangrijkste actie op de pagina. Als er twee primaire CTA's zijn, zal de AI ze gelijk wegen, en de ene zal conversies stelen van de andere.
• De top drie bezwaren van echte prospects. Die worden het skelet van de pagina; zonder die bezwaren vervalt de AI tot features.
• Het doelgroeptype: nieuw, bestaand of retargeting. Een retargetingpagina kan uitgaan van bekendheid; een pagina voor een nieuw publiek kan dat niet.
• Eerdere testresultaten die de nieuwe pagina zouden moeten informeren.

Waarom is de audit zo belangrijk? Omdat een pagina die bezoekers verliest bij de hero niet gered gaat worden door betere AI-tekst — het heeft een andere belofte nodig, een ander publiek, of een hele andere pagina. De audit geeft je ook de woordenschat om een briefing te schrijven waar de AI wat aan heeft. Sla je het over, dan beoordeel je je werk op de vraag of de pagina er goed uitziet op een screenshot — het bureau-equivalent van een boek beoordelen op zijn omslag. Voor veel bureaus fungeert de audit ook als een discovery-sessie: je leert wat de klant daadwerkelijk weet over zijn eigen klant, wat meestal minder is dan ze denken en meer dan je verwachtte. Het is ook je verantwoording voor de scope van het werk: de audit is het deel van het project dat het AI-gedeelte mogelijk maakt.

Schrijf de briefing als een overdracht aan een nieuwe junior designer

Open een nieuw document en schrijf de waardepropositie van de klant in één zin. Als je dat niet kunt, kan de AI het ook niet. Voeg dan een tweede zin toe: wat dit aanbod onderscheidt van de drie concurrenten die een bezoeker waarschijnlijk net heeft gezien. Voeg dan een derde toe: wat je wilt dat de bezoeker doet, en wat er gebeurt nadat ze dat doen. Gefeliciteerd — je hebt het belangrijkste deel van de prompt geschreven.

Een volledige briefing is kort maar specifiek:

• Waardepropositie in één zin. Dit is de haak; de AI heeft het woordelijk nodig, geen vage versie.
• Onderscheiding in één zin. 'Wij zijn de enige tool die X doet zonder Y' is een concrete bewering; 'we zijn innovatief' is ruis.
• CTA in één zin met een duidelijke volgende stap. 'Vraag een demo aan' is een begin; 'Vraag een demo aan en ontvang je datamigratieplan binnen 24 uur' is een belofte.
• Drie woorden die de merkstem beschrijven. 'Direct, sceptisch, nuchter' zegt de AI meer dan 'professioneel, wereldklasse, vooruitstrevend.'
• Twee voorbeelden van bestaande copy waar de klant dol op is. Dit is de snelste manier om de AI de smaak van de klant te leren.
• Een korte lijst met wat je niet moet zeggen — verboden woorden, claims die de klant niet kan onderbouwen, namen van concurrenten om te vermijden.

De meeste AI-falen bij bureaus zijn niet technisch; ze zitten in de briefing. De AI weet niet dat het publiek van deze klant terugdeinst voor het woord 'naadloos', of dat een concurrent 'enterprise-grade' claimt en de klant die vergelijking niet kan winnen. Een overdrachtsbriefing doet wat een goede accountmanager doet: het vertelt de AI waar de klant om geeft, waar het publiek om geeft en wat verboden is. Als je dit overslaat, krijg je pagina's met 'ontgrendel je potentieel' — waar, voor zover wij weten, nog nooit een mens door gemotiveerd is geraakt.

De briefing is ook je kwaliteitsnorm voor de klant. Als je geen enkele zin uit hen kunt krijgen die geen modewoordensoep is, dan is het probleem niet de tool maar de positionering, en geen enkele AI zal dat oplossen. Laat de klant ook niet alleen de briefing schrijven. Vraag hen hoe 'premium' eruitziet: meer witruimte, een serif-lettertype, minder woorden, een foto van mensen in pakken in plaats van iemand die naar een laptop lacht. Als ze geen antwoord hebben, heb je een positioneringsprobleem, geen ontwerpprobleem. En als je niet zeker weet of een mens de hele pagina moet bezitten, gebruik dan een beslissingskader om de lijn te trekken voordat je begint met genereren.

Maak het designsysteem leesbaar voor de machine

Stel je twee klanten voor die allebei abonnementssoftware verkopen. Klant A heeft een designsysteem met benoemde tokens: color-primary, spacing-lg, radius-card. Klant B heeft een map met oude ontwerpbestanden waarin elke pagina een iets ander blauw gebruikt. Voer beide in een AI-paginagenerator en de pagina van klant A ziet er bij de eerste poging uit alsof het bij hun merk hoort; die van klant B ziet eruit als een generieke template met een logo erop geplakt. Het verschil is geen talent — het is de vraag of het designsysteem machinaal leesbaar is.

In de praktijk betekent dit:

• Audit de design tokens van je klant. Zijn kleuren, typografie, spacing en hoeken gedefinieerd als variabelen in plaats van hardcoded waarden? Zo niet, dan kan de AI ze niet volgen.
• Converteer kerncomponenten naar strenge spec-bestanden — welke props zijn toegestaan, welke layouts zijn geldig, wat is verboden.
• Documenteer de niet-onderhandelbare layoutregels. 'De hero mag nooit een carrousel hebben' is een regel die de AI kan volgen.
• Voeg geautomatiseerde audits toe zodat visuele drift wordt opgemerkt voordat het live gaat, niet nadat de CTO van de klant het ziet.

Als de klant helemaal geen designsysteem heeft, raak dan niet in paniek. Maak een minimaal systeem: vijf tokens en twee of drie componentspecs zijn genoeg om de AI iets te geven om te volgen. Het doel is geen perfect systeem; het is een startpunt dat voorkomt dat de output afglijdt naar generiek.

Dit is waar de industrie al naartoe beweegt. Nielsen Norman Group merkt op dat nu AI-tools direct UI genereren, design deliverables verschuiven van statische specs voor menselijke ontwikkelaars naar 'gestructureerde context en regels' die AI-generatie sturen. De richtlijnen van Smashing Magazine over AI-ready designsystemen maken hetzelfde punt: machinaal leesbare tokens, strenge componentspecs en geautomatiseerde audits zijn wat visuele drift stopt tijdens geautomatiseerde codegeneratie. Voor een bureau is dit ook een gesprek over de scope met de klant. Je kunt ofwel een week besteden aan het opschonen van design tokens, ofwel elke AI-gegenereerde pagina er licht off-brand uit laten zien en dat 'art direction' noemen. De tweede optie is een leugen, en klanten merken het uiteindelijk op. Als dit groter voelt dan het zou moeten, is de volledige AI-ready designsysteem-workflow het lezen waard.

Voed het met je conversiedata, niet met je meningen

Waar verloor de laatste pagina mensen? Als het antwoord is 'we hebben niet gekeken', staat de AI op het punt een zeer zelfverzekerde gokker te worden. Conversiedata zijn het verschil tussen een landingspagina ontworpen voor mensen en een ontworpen voor het idee dat een AI van mensen heeft. De AI kent de vorm van een landingspagina; hij kent niet de vorm van de funnel van je klant.

Begin met deze:

• Zet afhaakpunten om in expliciete instructies. 'Na het formulier aarzelen bezoekers, dus zet de privacy-geruststelling hier' is een instructie waar de AI mee aan de slag kan.
• Neem eerdere testresultaten mee als je die hebt. 'Boodschap A presteerde beter dan B, dus leid met hetzelfde bewijspunt' leert de AI de conversiewaarheid van de klant.
• Schrijf de ene conversiemetriek die deze pagina moet beïnvloeden. Benoem daarna de secundaire metrieken die tellen als succes.
• Als je geen data hebt, zeg dat dan in de briefing — en bestempel de pagina als een hypothese, niet als een oplossing.

Generieke prompt	Contextrijke briefing
'Schrijf een overtuigende headline voor een projectmanagement-app.'	'Headline voor een PM-app; bezoeker is een opgebrande teamlead wiens laatste tool statusvergaderingen langer maakte; primair bezwaar is migratietijd.'
'Ontwerp een moderne hero-sectie.'	'Hero moet color-primary, spacing-xl en de tweekolomslayout uit de hero-spec gebruiken; geen carrousel.'
'Zorg dat het converteert.'	'Eerdere A/B-test bij dit publiek toonde aan dat boodschap B beter presteerde dan A; leid met hetzelfde bewijspunt bovenaan.'

Het onderzoek hier is ongewoon ondubbelzinnig. Een analyse van Baymard Institute wees uit dat generieke AI-tools en niet-gekalibreerde LLM-prompts slechts 14-26% van de echte usabilityproblemen identificeren, terwijl het onderbouwen van de AI met gestructureerde, door mensen geteste UX-heuristieken ongeveer 95% nauwkeurigheid bereikt — zonder schadelijke CRO-suggesties te genereren. Dat is geen argument om een 'magische' tool te vertrouwen met conversies; het is een argument om de tool een kaart te geven van wat mensen daadwerkelijk doen.

Voor een bureau beschermt dit je tegen een veelvoorkomend falen: AI-gegenereerde pagina's gebruiken als vervanging voor het kennen van de business van de klant. De AI kan een headline schrijven die 'snel' zegt als je het hem vertelt; jouw data zeggen misschien dat het publiek meer om 'veilig' geeft. De pagina die converteert zegt 'veilig'. De tabel hierboven is een micro-voorbeeld van hetzelfde principe: het verschil tussen een generieke output en een nuttige output is bijna nooit de tool. Het is de context die je aanleverde voordat de tool iets deed.

Genereer varianten, geen oordelen

Een B2B-klant heeft een hero-headline nodig. Eén prompt geeft je één gok; vijf prompts, gegenereerd in de tijd die het kost om je koffie bij te vullen, geven je vijf verschillende weddenschappen. Dat is de echte waarde van AI voor een bureau: geen enkel antwoord, maar een set opties waarmee je je kunt gedragen als een creative director in plaats van een tekstschrijver.

De gewoonte om op te bouwen:

• Vraag om minstens drie varianten die verschillen in strategie, niet alleen in formulering — leid met prijs, leid met bewijs, leid met een vraag.
• Label elke variant op de weddenschap die hij aangaat: 'prijsgevoelige weddenschap', 'peer-proof-weddenschap', 'nieuwsgierigheidsweddenschap.'
• Betrek de klant vroeg in het selectieproces. Het is goedkoper om een slechte variant in de generatiefase te doden dan hem op de live pagina te herontdekken.
• Dood de verliezers snel. Een goedkope generatiepijplijn is geen licentie om halfafgemaakte ideeën op te potten.

UXmatters en McKinsey beschrijven hoe web experience design verschuift van basis-usability ('command and execute') naar het beheren van systeemoordeel en agentische orkestratie ('collaborate and iterate'), waarbij platforms intentie voorspellen en touchpoints dynamisch aanpassen. Je kunt dat vandaag operationaliseren door AI-generatie te behandelen als een bron van opties, niet van antwoorden. De vaardigheid van het bureau is het kiezen — en kiezen is alleen mogelijk als je bewust verschillende richtingen genereert, niet vijftig tinten van dezelfde headline.

Plaats een menselijke controle op elke gegenereerde pagina

Stel drie reviewcontroles in voordat je de eerste variant genereert. De eerste is smaak: iemand die het merk kent, leest de copy hardop voor en vangt de overtredingen die de AI niet kan voelen — rare metaforen, verkoopachtige opvulling, een headline die per ongeluk beweert dat de klant een goed doel is. De tweede is conversielogica: controleer of de pagina de bezwaren uit de audit beantwoordt en of de CTA bereikbaar is zonder scrollen. De derde is vertrouwen en privacy: controleer toestemmingsflows, formulieren voor gegevensverzameling en alles wat klantgegevens raakt.

Concreet heeft elke controle een korte checklist:

• Controle 1 — merkstem en feitelijke nauwkeurigheid. Lees de headline en de eerste zin; zou dezelfde pagina voor een van de drie concurrenten van de klant werken? Zo ja, herschrijf. Heeft elke bewering een bron?
• Controle 2 — conversiestructuur. Eén doel, één CTA, geen doodlopende links, bezwaren zichtbaar vóór de CTA.
• Controle 3 — vertrouwen en privacy. Zijn toestemmingsopties duidelijk, is gegevensverzameling minimaal, voldoet de pagina aan de jurisdictie waarin de klant daadwerkelijk actief is?

Waarom zoveel gewicht aan controle drie? Gartner en MIT Technology Review Insights benadrukken beiden dat het behouden van vertrouwen, progressieve privacy-toestemming en menselijk toezicht voorwaarden zijn voor conversie — geen nice-to-haves die je vertragen. Een AI zal met plezier een pagina genereren met een vooraf aangevinkt nieuwsbriefvakje, of een privacyparagraaf die het juridische team van de klant de dag voor de lancering zal afkeuren. De controles gaan niet over anti-AI zijn; ze gaan over pro-klant zijn. Niets verbrandt een retainer sneller dan het opleveren van een gepolijste pagina die de wet overtreedt. En het controlesysteem is ook je 'veilig om te schalen'-verhaal: je kunt klanten vertellen dat elke gegenereerde pagina dezelfde review doorstaat, wat de enige echte verdediging is tegen de angst dat AI-output een aansprakelijkheid is.

Behandel de prompt zelf als een asset

Als je prompts in een browsertabblad leven en nergens anders, heb je geen proces; je hebt een hoop. In een bureau is de prompt een combinatie van een creatieve briefing, een mediaplan en een QA-checklist — en hij moet worden geversioneerd, beoordeeld en herbruikbaar zijn. Anders is elke klant een nieuw avontuur en is elk succes niet herhaalbaar.

Hoe dit er in de praktijk uitziet:

• Sla elke prompt op in een gedeelde drive of repo, niet in individuele chatgeschiedenissen.
• Versioneer ze. Prompt v1.2 moet iets betekenen voor de volgende persoon die het account erft. Voeg een korte changelog toe ('v1.2: bezwaarafhandeling toegevoegd uit de juli-call met sales').
• Bouw herbruikbare briefingsjablonen. 'Demo-boeking pagina-brief' en 'e-commerce launch-brief' zijn verschillende beesten, en beide zijn beter dan 'nieuwe landingspagina.'
• Schrijf na de lancering van een pagina een alinea over wat de briefing miste. Zo wordt de volgende briefing beter.

De meeste teams behandelen AI-prompts als vluchtige magische spreuken, en dat is precies waarom ze resultaten niet kunnen reproduceren bij verschillende klanten. De eerste klant krijgt een doordachte briefing; de tweede klant krijgt wat de dichtstbijzijnde persoon zich van de eerste herinnert. Versiebeheer verandert de institutionele kennis van je bureau in iets dat het hele team kan gebruiken. Het maakt je ook minder fragiel: als de persoon die 'goed is met AI' vertrekt, vertrekken de prompts ook, en sta je weer op nul met drie alinea's typen en bidden. Dit is het onglamoureuze deel van het werk, maar het is het deel dat je output herhaalbaar maakt — en herhaalbaarheid, als je een bureau bent, is het hele verdienmodel.

Stop met de prompt-wapenwedloop

Je weet dat je in de prompt-wapenwedloop zit wanneer de gedeelde map van je team een bestand bevat met de naam 'FINAL_FINAL_MAGIC_PROMPT_v7' en iemand serieus overweegt een betaalde cursus over prompten te volgen. De hele niche wil je laten geloven dat de tool de bottleneck is — dat een iets betere reeks woorden een pagina zal ontsluiten die eindelijk 'snapt' wie het publiek van je klant is. Dat zal niet gebeuren. De bottleneck is de context, de onderbouwing en de controles rondom de output.

In plaats van te jagen op een perfecte bezwering:

• Houd prompts meetbaar. Elke prompt moet gekoppeld zijn aan een metriek of een regel uit de audit.
• Wanneer een prompt faalt, debug dan eerst de briefing, daarna de data, en als laatste de prompt.
• Leen van je best presterende pagina's en pas dan aan de klant aan — pas de klant nooit aan de prompt aan.

De bevinding van Baymard is het duidelijkste bewijs: de AI miste usabilityproblemen niet omdat de prompt te kort was. Hij miste ze omdat hij geen gestructureerde, door mensen geteste context had om vanuit te werken. Voeg de context toe en de nauwkeurigheid springt naar 95%. Dat is geen prompt-overwinning; het is een onderbouwingswinst. De volgende keer dat iemand een bericht deelt over '10x je landingspagina met deze prompt', vraag dan welke data, tokens en reviewcontroles erbij horen. Als het antwoord 'geen' is, heb je jezelf net een middag bespaard.

Meet de delta, niet de output

Voordat je iets genereert, schrijf je het getal op dat je vertelt of de pagina werkte. Als je dat getal niet kunt noemen, kun je niets leren van het experiment. Bureaus houden ervan om dingen op te leveren; de beste merken ook op wanneer het ding niet werkt. De metriek die ertoe doet, is de delta — conversiepercentage voor en na, kosten per lead, tijd op de pagina — en je hebt de basislijn nodig voordat je op de knop drukt.

• Bepaal de basismetriek vóór generatie: huidig conversiepercentage, aanmeldpercentage of een proxy.
• Kies een vergelijkingsmethode die werkt voor het account: een A/B-test tegen de huidige pagina, of een segment met weinig verkeer voor een nieuw aanbod.
• Stel een evaluatiedatum en een beslissingsregel in. Als de nieuwe pagina de basislijn niet met een betekenisvolle marge verslaat, rol dan terug of herzie.
• Rapporteer de delta aan de klant, niet alleen de screenshot.

Zonder basislijn is 'we hebben een nieuwe pagina gemaakt' een gevoel, geen resultaat. Als de nieuwe pagina slechter converteert dan de oude, moet je het snel weten zodat je kunt terugdraaien en herzien; als hij beter converteert, moet je het bewijzen, want 'vertrouw me, het voelt beter' verlengt geen contracten. Dit is ook waar AI zich terugverdient, omdat generatie goedkoop genoeg is dat je meer ideeën in dezelfde tijd kunt testen. Maar dat voordeel krijg je alleen als je de meting eromheen hebt gebouwd. Een rigoureus testplan is een aparte discipline, en onze A/B-testworkflow voor AI-gegenereerde pagina's loopt het stap voor stap door.

Conclusie

De echte vaardigheid van het gebruik van AI voor klantwerk is geen prompt engineering. Het is oordeelsengineering: weten welke delen van het werk veilig zijn om te delegeren, welke delen een menselijke controle nodig hebben en welke delen moeten worden gemeten. De bureaus die winnen, behandelen AI als een snelle, enigszins naïeve collega — geen orakel, geen bedreiging. Begin met de audit. Schrijf de briefing als een overdracht. Maak het designsysteem leesbaar. Voed het met data. Controleer de output. Versioneer de prompts. Stop met het jagen op magie. Meet de delta. Niets hiervan is zo glamoureus als het typen van een zin en kijken hoe een pagina verschijnt, maar het is het verschil tussen een demo en een bedrijf. Doe het saaie werk, en de AI zal eindelijk zijn deel doen.