Geprogrammeerd verlangen: mode voor een niet-menselijk publiek

Mode is altijd verleiding, verlangen, erbij horen en onderscheid geweest. Aura, zoals mensen die een stuk jonger zijn dan ik dat noemen. We verlangen naar een look, een gevoel, een stijl, een universum. Dit verlangen wordt gewekt door inspirerende mensen op sociale media, op de catwalks, in de popcultuur, in de reclame en in onze vriendenkring.

De zenders van dit verlangen zijn altijd divers geweest. Van high-fashion beelden tot die stijlvolle jongen die we gisteravond in de bar zagen met dat geweldige fluwelen jasje. Hoewel de zenders van het verlangen gevarieerd zijn, is de ontvanger altijd dezelfde geweest: een mens.

Precies deze vanzelfsprekendheid is aan het vervagen. AI-agenten worden steeds meer een extra schakel tussen het merk en de aankoopbeslissing. Vandaag de dag neemt de helft van de gebruikers al een aankoopbeslissing met behulp van generatieve AI (onderzoek van Accenture, 2025).

Aantrekkelijkheid voor algoritmes

Maar dit is slechts het begin. Vandaag adviseert kunstmatige intelligentie (AI); morgen koopt het voor ons. Persoonlijke agenten, getraind op het leven, budget en de smaak van een persoon, worden fundamentele gatekeepers voor complexe aankoopbeslissingen. Dit leidt tot een radicale verandering in communicatie: van AI als kanaal naar AI als doelgroep. Maar hoe creëer je verlangen bij iets dat niet kan voelen?

Lange tijd was het doorslaggevend of een look op een aantrekkelijke manier werd gepresenteerd. Maar kan een machine verlangen echt lezen, classificeren en aanbevelen? Mode leeft van insinuatie, context, codes en referenties. Assistenten reduceren daarentegen dubbelzinnigheden tot een gestructureerde vergelijkbaarheid: kleur, prijs, materiaal, gelegenheid, silhouet, levertijd, recensies, retourzekerheid.

Modemerken hebben geleerd over SEO, vervolgens een Social First-aanpak gehanteerd en daarna de prestaties geoptimaliseerd. Nu moeten ze leren om in intelligente aanbevelingssystemen niet alleen rationeel, maar ook emotioneel aanbevolen te worden.

Agenten belonen geen aura, maar duidelijkheid. Platformen zoals Google's Shopping Graph verwerken al meer dan 50 miljard productvermeldingen en structureren mode voornamelijk op basis van objectiveerbare kenmerken zoals prijs, recensies, kleuropties en beschikbaarheid. Wie in die omgeving semantisch onnauwkeurig blijft, wordt misschien niet onzichtbaar, maar wel inwisselbaar. En daardoor snel irrelevant in de aanbevelingsketen.

Dit verschuift de focus: niet alleen de producten, maar ook de merken erachter moeten machinaal leesbaar zijn. Een vertaalde esthetiek, zo duidelijk en gestructureerd dat een assistent deze niet alleen kan vinden, maar ook kan onderscheiden van tien vergelijkbare aanbiedingen.

Machineleesbare marketing

Dit vereist een mentaliteitsverandering die veel verder gaat dan marketing: merkbeheer wordt een discipline van data en structuur. De vraag is niet langer alleen hoe een merk eruitziet of klinkt, maar hoe consistent het bestaat op machinaal leesbare niveaus. Productdata, beeldcontexten, beschrijvingslogica en categoriseringen worden onderdeel van dezelfde merkarchitectuur. Wat voorheen als de backstage werd beschouwd, wordt nu het zichtbare podium van het merk.

Daarmee verandert ook de organisatorische logica. Merk, content en e-commerce werken niet langer in gescheiden werelden van inspiratie en conversie, maar in een gemeenschappelijk systeem van betekenis- en beslissingsdata. Inconsistentie brengt niet alleen de merkperceptie in gevaar, maar ook de aanbevelingswaardigheid.

En precies daar ligt de nieuwe concurrentiestrijd: niet langer alleen om menselijke aandacht, maar om machineleesbare consistentie.

Mode blijft een diep visueel medium. Alleen zullen de beelden in de toekomst steeds vaker door niet-menselijke ogen worden geanalyseerd: als zoeksignaal, matchcriterium, stijlreferentie.

Twee doelgroepen: de mens en de machine

Zo breidt Pinterest de visuele zoekfunctie in damesmode steeds verder uit, omdat aankopen vaak beginnen met een 'vibe', niet met de juiste zoekterm. En hier ontstaat de breuk: campagnebeelden die alleen een sfeer overbrengen, zijn te onnauwkeurig voor AI-systemen. Beelden die daarentegen machineleesbaar maken waarom een look bijzonder is, worden effectief. Verhouding, styling, beweging, pasvorm, gelegenheid.

Wie de AI-perceptie van het eigen merk niet proactief stuurt, wordt een grijze muis. Maximale vergelijkbaarheid, minimale uniciteit. Rationeel efficiënt, maar creatief destructief. Een assistent kan prijs en materiaal vergelijken. Maar een merk aanbevelen kan alleen als het een duidelijk identificeerbaar verschil maakt. Persoonlijk handschrift, houding, herkomst, vakmanschap, gemeenschap, samenwerkingen, culturele relevantie. Alles wat een product meer maakt dan een lijst met kenmerken.

Misschien is de verandering toch niet zo groot; de taak blijft in wezen hetzelfde: een merk zijn met een duidelijk profiel. Alleen, en dat is nieuw, voor twee doelgroepen: voor de mens, die voelt, en voor de machine, die classificeert. Wie slechts één van de twee beheerst, valt af.