Vraag Claude: “Wie is op dit moment de beste muzikant?” en het antwoordt mij Bruno Mars. Niet omdat Bruno objectief gezien de beste is, hoewel ik daar graag de discussie over aanga, maar omdat het model weet dat ik wekenlang vragen heb gesteld over wat ik mee moet nemen naar zijn concert in Amsterdam op 4 juli, of de nummers van Silk Sonic op de setlist staan en hoe vroeg ik in de rij moet gaan staan. Het heeft gezien dat ik ermee bezig ben. Dus wanneer ik een vage vraag stel, geeft het mij een persoonlijk antwoord.
Mijn vrouw stelt exact dezelfde vraag en krijgt Remy van Kesteren als antwoord. De harpist. Omdat dat degene is over wie zij informatie heeft opgevraagd.
Ik vind dit voorbeeld leuk, omdat het nog grappiger wordt wanneer je de vraag specifieker maakt. Vraag naar de “beste band ooit” en ik krijg *NSYNC, terwijl zij Coldplay krijgt. Hetzelfde model, op dezelfde dag, met twee antwoorden waarvoor we ons op verschillende etentjes zouden schamen. Dat verschil betekent niet dat het model inconsistent is. Het betekent dat het relevant is. En dat verschil is precies waar dit artikel over gaat.
Persoonlijke context is gewoon SEO in een ander jasje
Traditionele SEO heeft geschiedenis altijd beloond. Een account waar gedrag aan verbonden is, een browsepatroon en een spoor van klikken: dat stelde Google in staat om resultaten te tonen die bij jou passen, in plaats van het gemiddelde van iedereen. Persoonlijk, maar relevant.
LLM’s doen hetzelfde. Ze doen het alleen sneller en baseren zich op wat je ze rechtstreeks vertelt. De geschiedenis is het geheugen. Het account is de context die je invoert. Geef een model niets en het antwoordt voor de gemiddelde internetgebruiker, die eigenlijk niet bestaat. Vertel het model wie je bent en het begint jou antwoord te geven.
Dit is Search Everywhere Optimisation in het klein. Het oppervlak is veranderd van een zoekresultatenpagina naar een chatvenster, maar het mechanisme is hetzelfde gebleven: hoe meer een systeem over de zoeker weet, hoe nuttiger het wordt. We hebben vijftien jaar besteed aan het optimaliseren daarvan binnen Google. Bijna niemand doet dit bewust binnen een LLM.
Context maakt nu al verschil, zelfs als je er niets mee doet
Denk je dat dit alleen speculatie is, dan heeft Anthropic het onderzoek al voor je gedaan. In juli 2026 publiceerde het bedrijf een onderzoek naar de manier waarop de waarden van Claude verschillen tussen modellen en talen. Hiervoor werden meer dan 300.000 echte gesprekken geanalyseerd. De conclusie: hetzelfde verzoek levert afhankelijk van de context een andere combinatie van waarden op. Vraag in het Hindi om feedback op een bedrijfsplan en je krijgt een warmer antwoord. Vraag het in het Russisch en je krijgt meer strengheid en nauwkeurigheid. Hetzelfde model, dezelfde vraag, maar een andere nadruk.
Mijn favoriete detail, en ik beloof dat ik dit niet verzin: Claude neigt het sterkst naar openhartigheid wanneer het Nederlands spreekt. Mijn taal zorgt er dus stilletjes voor dat het model vaker zijn fouten toegeeft dan in jouw taal. Graag gedaan.
Maar het gaat niet om dat leuke feitje. Het punt is dat wanneer iets passiefs als de taal waarin je toevallig typt de waarden in de output al verandert, de context die je bewust aanlevert een veel krachtigere hefboom is. Met een Brand Profile pak je die hefboom vast, in plaats van het resultaat aan het toeval over te laten.
Wat een Brand Profile daadwerkelijk is
Een Brand Profile is het document dat je aan een model geeft, zodat het niet langer hoeft te gokken. Het is geen logo met een slogan. Het bevat de informatie die er echt toe doet:
- Tone of voice. Hoe je klinkt. Droog, formeel, direct of warm. Die van mij is blijkbaar: “sarcastische Nederlander die niet kan ophouden over sneakers.”
- Achtergrond. Waar het bedrijf vandaan komt, wat het heeft gedaan en voor wie het werkt. En als je moedig bent, wie jij bent als persoon achter het bedrijf.
- Kernwaarden. Waar je ja tegen zegt en, nog nuttiger, wat je weigert.
- Referentiepunten. Echte voorbeelden, echte klanten en echte situaties voor en na de samenwerking. De dingen die een buitenstaander niet zelf zou kunnen verzinnen.
Vooral dat laatste zorgt ervoor dat het profiel zijn waarde bewijst. Het voert namelijk twee taken tegelijkertijd uit: het zorgt ervoor dat de output klinkt zoals jij én voorkomt dat het model dingen verzint.
De sneakertest
Dit is wat ik daarmee bedoel. En ja, we gaan het over sneakers hebben.
Stel dat ik een kleine sneakerwinkel run en een LLM vraag om een productbeschrijving voor een paar Air Jordan 1’s te schrijven. Zonder profiel krijg ik het gemiddelde resultaat:
“Geef je stijl een boost met deze iconische sneakers, waarin comfort en erfgoed samenkomen.”
Ik heb die zin inmiddels vierduizend keer gelezen. Hij is kleurloos. De tekst kan sneakers, matrassen of levensverzekeringen verkopen.
Vervolgens geef ik het model mijn Brand Profile. Het weet dat mijn winkel alleen deadstock verkoopt, dat ik schrijf als een verzamelaar en niet als een catalogus, dat ik het verhaal over het verbod uit 1985 veel belangrijker vind dan de technologie van de buitenzool en dat mijn klanten hun schoenmaat al kennen.
Dezelfde opdracht levert nu een ander antwoord op. Het model begint met het verbod, noemt de exacte colorway, slaat het standaardverhaal over comfort over omdat mijn doelgroep dat beledigend zou vinden en eindigt met de reden waarom dit paar het waard is om te bewaren in plaats van te dragen.
De ene productbeschrijving wordt voorbijgescrold. De andere klinkt alsof hij is geschreven door een mens die daadwerkelijk verstand heeft van schoenen. De enige variabele was context.
Hieronder zie je een overzicht van wat ik bedoel en waar de verschillen zichtbaar worden:
| Zonder profiel | Met Brand Profile | |
|---|---|---|
| Relevantie | Gemiddeld en algemeen | Past bij de doelgroep |
| Creativiteit | Veilig en gerecycled | Een invalshoek die je echt zou gebruiken |
| Risico op hallucinaties | Hoog, verzint specificaties | Laag, gebaseerd op echte details |
| Klinkt als jij | Nooit | Consequent |
Minder hallucinaties, en dit onderdeel wordt onderschat
Wanneer een model de specifieke informatie niet kent, vult het de ontbrekende ruimte zelf in. Met veel zelfvertrouwen. Zo ontstaan verzonnen producteigenschappen, een verkeerd oprichtingsjaar en fictieve klantquotes.
Een Brand Profile verkleint die ontbrekende ruimte. Je hebt de feiten aangeleverd, waardoor het model informatie kan ophalen in plaats van deze te verzinnen. Gefundeerde input leidt tot gefundeerde output. Het is geen magie. Je laat simpelweg geen lege plekken over die het model zelf moet opvullen.
Automatisering wordt tegenwoordig niet meer beperkt door hoe slim het model is. Het wordt beperkt door data: hoe goed je ruwe, rommelige broninformatie omzet in input die een systeem daadwerkelijk kan gebruiken.
Een goed Brand Profile voert die vertaling bewust uit. Het is het verschil tussen automatisering die klinkt als jouw merk en automatisering die klinkt als ieder ander merk dat deze stap heeft overgeslagen.
Bouw er dus één voordat alle ruis voor jou beslist
De meeste doelgroepen worden momenteel overspoeld door AI-content en ik ben er niet van overtuigd dat zij nog steeds het verschil kunnen zien tussen wat echt goed is en wat alleen vloeiend klinkt.
De merken die de komende periode winnen, zijn niet de merken die het hardst schreeuwen over allerlei technologie. Het zijn de merken waarvan de content onmiskenbaar van henzelf is, omdat ze een middag de tijd hebben genomen om de machine te vertellen wie ze zijn.
Je LLM kent je nog niet. Dat is geen tekortkoming van het model. Het is een leeg veld dat je nog niet hebt ingevuld. En lege velden worden gevuld met het gemiddelde van alle anderen.
Vul het zelf in, bewust en doelgericht, en middelmatigheid is niet langer je standaardantwoord. Dat is de hele opdracht.
