MKB Datalab-Oost is een initiatief van Radboud Universiteit en Universiteit Twente dat MKB-bedrijven in Oost-Nederland helpt om de mogelijkheden van kunstmatige intelligentie en data te benutten. Studenten AI en Data Science voeren AI-projecten uit (6-10 weken) of werken als databuddy (40 uur), op locatie.
In deze serie vertellen masterstudenten AI over hun ervaringen bij bedrijven in de Lifeport-regio. Van quick wins tot strategische inzichten: hun verhalen laten zien dat kunstmatige intelligentie geen toekomstmuziek is, maar vandaag al verschil kan maken voor het regionale MKB.
Hieke Bielderman, masterstudent AI aan de Radboud Universiteit, werd door MKB Datalab-Oost gekoppeld aan campingspecialist ACSI Publishing in Andelst. Als AI-projectstudent ontwikkelde ze twee slimme modellen voor een systeem die het klikgedrag van bezoekers omzet in persoonlijke vakantieaanbevelingen. Hiermee kan ACSI de online ervaring verbeteren én meer boekingen genereren.
ACSI, Europees marktleider op het gebied van kampeerinformatie met jaarlijks miljoenen bezoekers en klanten, verzamelt structureel gegevens van websitebezoekers die daarvoor expliciet toestemming hebben gegeven. Het bedrijf staat bekend om zijn campinggidsen, websites en een groot aantal populaire apps.
Hieke Bielderman
Betere online aanbevelingen
Data verzamelen is één ding; er iets waardevols mee doen is een heel andere uitdaging. “ACSI heeft de afgelopen jaren veel data verzameld en willen die inzetten voor betere aanbevelingen, zoals bij Netflix of Bol.com,” vertelt Hieke, “Als een klant bijvoorbeeld vaak naar campings in Zuid-Frankrijk kijkt, kan het systeem daar andere campings bij zoeken die waarschijnlijk ook interessant zijn.
De wens was om alle beschikbare data te gebruiken (van aangeklikte favorieten tot eerdere boekingen) om bezoekers persoonlijke suggesties te geven.”
Datakwaliteit
“Waar veel bedrijven tegenaan lopen is de datakwaliteit,” waarschuwt Hieke. “ACSI verzamelde wel veel data, maar sloeg precies die gegevens die nodig zijn om relevante aanbevelingen te doen tot nu toe maar één jaar op. Voor campingvakanties, die mensen meestal jaarlijks boeken, mis je dan cruciale historische informatie.”
Telkens als ACSI weer meer data voorhanden had, kon Hieke verder. Deze aanpak maakte dat het project zich over ruim vijf maanden uitstrekte, van april tot augustus.
Twee modellen, twee doelgroepen
In 80 uur, verdeeld over vijf maanden, programmeerde Hieke twee verschillende softwaremodellen voor het aanbevelingssysteem. Het eerste model richt zich op bezoekers van wie nog weinig bekend is: alleen hun klikgedrag en eventuele favorieten. Het systeem berekent automatisch welke campings vergelijkbaar zijn met hun eerder getoonde interesse en doet op basis daarvan suggesties.
Het tweede, geavanceerdere model is voor klanten met een compleet vakantieprofiel. “Daarin zit informatie over landenvoorkeuren, of ze met kinderen reizen, welke faciliteiten zij belangrijk vinden, of ze een zon- of actievakantie willen,” legt Hieke uit. “Met die data kun je veel nauwkeuriger vakanties aanbevelen, zonder dat het privacygevoelig wordt.”
Videobellen met India
Binnen ACSI werd product owner Camiel Cobben Hiekes vaste aanspreekpunt. Met zijn IT-achtergrond sprak hij haar taal, al moest hij zich de AI-concepten nog wel eigen maken. Camiels manager Niels van Maanen hield zich vooral bezig met de grote lijnen: hij onderhield het contact met Dirk van Schaijk van MKB Datalab-Oost en was betrokken bij de strategische kant van het project.
Wat Hieke verraste, was dat ACSI ook IT-collega’s heeft in India en Egypte. Een Indiase specialist werkte al aan een aanbevelingssysteem voor zustersite Suncamp. Via een videogesprek besprak Hieke zijn aanpak. “Ik ben mijn eigen code gaan schrijven, maar wel geholpen door wat hij al had gedaan.” Voor de technische uitwerking gebruikte ze Python als programmeertaal en BlueConic voor het databasemanagement.
AI: geen wondermiddel
Een belangrijke les uit het project: niet alles hóeft met AI. “Heel veel wat bedrijven denken dat ze AI voor nodig hebben, kan vaak net zo goed met normale datascience of wiskunde,” stelt Hieke. “Het eerste model is eigenlijk pure wiskunde: als beide campings een zwembad hebben en in Frankrijk liggen, zijn ze vergelijkbaar. Dat is geen AI, maar werkt prima om algoritmes te vormen.”
“AI wordt vaak als wondermiddel beschouwd,” vervolgt ze. “Ik ben als student natuurlijk heel enthousiast over AI, maar vind het belangrijk dat mensen zien dat je ook andere methodes kunt gebruiken.”
Meer data
Na 80 uur intern in Andelst leverde Hieke werkende modellen en kant-en-klare Python-code op, waar de IT-afdeling direct mee verder kan. De aanbevelingen voor klanten worden straks gebruikt in e-mailcampagnes en binnen het nieuwe gebruikersprofiel op de website en in de app.
“Het model kan eigenlijk alleen maar groeien,” zegt Hieke. “Nu draait het nog op relatief weinig data, maar de komende jaren stroomt er steeds meer informatie binnen. Meer data betekent betere aanbevelingen.”
Databuddy
Hiekes belangrijkste advies aan andere organisaties: doe iets met je data. “Je kunt er nooit te veel van hebben,” benadrukt ze. “Laat een databuddy je helpen in kaart te brengen wat je al hebt en welke kansen daarin verborgen liggen, maar laat data in elk geval niet ongebruikt.”
ACSI onderzoekt nu hoe ze verder gaan met Hiekes modellen, zodat het een volledig geïntegreerd systeem wordt dat duizenden kampeerders gaat helpen hun droomvakantie te vinden.
Slimme oplossingen
Marketingmanager Niels van Maanen: “Met dit project zetten we een mooie stap richting een persoonlijkere online‑ervaring voor onze ACSI‑ en Suncamp‑klanten. Het was ook een leerzame test: we hebben academische inzichten, onze eigen kennis en de ervaring van externe leveranciers naast elkaar gelegd. Die mix geeft ons frisse ideeën én versnelt de ontwikkeling van slimme oplossingen voor Europese kampeerders. Met Hiekes scherpe blik en onze fijne samenwerking hebben we waardevolle inzichten opgedaan, die het project naar een hoger niveau tilden.”
Tip voor andere MKB’ers
Hiekes tip voor andere bedrijven:
“Kijk eerst heel goed naar je data voordat je met AI van start gaat. Als dat niet goed op orde is, dan gaat het niet.” Begin met de vraag wat je wilt bereiken, niet met de technologie. Soms is een slimme wiskundige oplossing effectiever dan complexe AI.”
