Ga naar inhoud
ExpertGeavanceerd20 min leestijd#50

Framboos-methode: volledig AI-aangedreven marketing bouwen

Dit is de capstone van de hele academy. Geen theorie meer, geen voorzichtige verkenning — hier vertel ik exact hoe Framboos zelf werkt. Welke stack we gebruiken, welke workflows draaien, hoe we mens-in-de-lus houden, en wat het écht oplevert in cijfers. Geen verkooppraat. Lees het als een playbook dat je voor je eigen bedrijf kunt omzetten, of laat het inspireren wat je laat doen door een partij die het al draait.

Door Framboos.io5 secties · 3 prompts · 1 quiz
Voortgang0/5 secties
0%
SECTIE 01

De Framboos-filosofie: mens-aan-het-stuur, AI-aan-het-werk

We hebben in 2 jaar twee uitersten zien falen. Aan de ene kant: ondernemers die alles met de hand blijven doen omdat AI 'niet echt aanvoelt' — die werken zich kapot terwijl concurrenten met dezelfde marge winstgevender groeien. Aan de andere kant: ondernemers die 'alles op AI gooien' en binnen een half jaar verstrikt zitten in een ratjetoe van tools, scripts en bots die niemand meer doorgrondt.

Onze methode zit ertussen, en het ontwerp is bewust: mens-aan-het-stuur, AI-aan-het-werk. Mensen beslissen wat, AI doet hoe. Mensen kiezen welke klanten we willen, AI verwerkt de leads. Mensen schrijven de hoofd-prompts, AI past ze duizend keer toe. Mensen bewaken kwaliteit, AI levert volume.

Het resultaat na 18 maanden bouwen: Framboos publiceert dagelijks SEO-content, verwerkt elke lead automatisch, beheert volledige klant-content-pijplijnen en doet dat alles met een team dat klein blijft. Niet omdat we klein willen blijven — omdat het kan.

SECTIE 02

De volledige stack — geen geheimen

Dit is letterlijk wat onder de motorkap draait. Geen verzonnen lijst, geen sponsor-deals. Wat we niet gebruiken, vermeld ik ook.

01Use case

AI-laag: Anthropic Claude API

Claude is ons primaire model. Sonnet 4.5 voor 90% van het werk, Opus 4.7 voor cornerstone-content en strategische analyses, Haiku 4.5 voor classificatie en bulk-extractie. We gebruiken GPT zelden — Claude levert in onze ervaring betere Nederlandse output.

In de praktijk

Maandelijkse API-kosten: €60-150 afhankelijk van publicatie-volume voor klanten.

02Use case

Automatisering: n8n self-hosted

n8n draait op een €15/maand Hetzner VPS. We hebben circa 40 actieve workflows: lead-flows, content-pipelines, monitoring, klant-onboarding, social media post-generatie, review-management. Onbeperkte runs op een vaste serverkost — dat is de grote n8n-truc.

In de praktijk

Bij Zapier zouden onze 40+ workflows met onze run-volumes €600+/maand kosten. n8n self-hosted: €15.

03Use case

Publishing: GitHub Actions + Next.js

Onze site draait op Next.js, gehost op Vercel. Content komt binnen als markdown-bestanden via GitHub PRs (gegenereerd door onze pipeline). GitHub Actions doet de build-trigger en de Indexing API submission. Vercel deployt automatisch bij elke commit op main.

In de praktijk

Van pipeline-trigger tot 'in Google geïndexeerd' duurt 4-12 uur. Op de oude handmatige flow waren we 3-5 dagen kwijt.

04Use case

Monitoring: Google Search Console + custom dashboards

Search Console API leest dagelijks ranking-data van alle pagina's. n8n flow dumpt het in een Postgres database. We hebben een eigen Next.js dashboard (gebouwd in een dag) dat trends laat zien per cluster, per pagina, per keyword.

In de praktijk

We zien gemiddeld binnen 48 uur of een nieuwe pagina kans van slagen heeft of niet — en passen prompts aan voor de volgende batch.

05Use case

Klantcommunicatie: Trengo + Gmail + Slack

Klantvragen komen binnen via Trengo (WhatsApp Business API + e-mail). n8n triëert via Claude. Urgente issues pingen in Slack. We hebben geen klassiek ticketsysteem — n8n vervangt het.

In de praktijk

Reactiesnelheid op klantmails: gemiddeld 12 minuten in werkuren, dankzij triage + concept-antwoorden.

06Use case

Wat we NIET gebruiken

Geen enterprise marketing-platforms (HubSpot Enterprise, Marketo, Pardot) — voor MKB-bureau-schaal is dat overkill. Geen losse 'AI-marketing tools' die in feite een laagje over ChatGPT zijn — daar betaal je een premium voor iets dat je zelf in n8n bouwt in een middag.

In de praktijk

Onze hele stack kost samen onder €300/maand all-in — voor een enterprise-stack zou dat €3.000+/maand zijn met minder controle.

SECTIE 03

Vijf workflows die het verschil maken

We hebben er meer, maar dit zijn de vijf die we klanten ook altijd eerst aanraden. Geprioriteerd op tijdwinst en duurzaamheid.

1

Content-pijplijn (dagelijks publiceren)

Cron 09:00 → keyword uit Google Sheet → Claude genereert artikel → LLM-judge controleert kwaliteit (faalt 8% → regenereert) → markdown wordt gecommit naar GitHub → Vercel buildt → Indexing API submission. Volledige flow zonder mens. Wij reviewen dagelijks de output, niet de creatie.

2

Lead-verrijking met AVG-conforme bronnen

Webhook van offerteformulier → KvK Open Data lookup → website-scrape van eerste 500 woorden → Claude maakt briefing + score + talking points → naar HubSpot met tags + Slack-ping bij score >7. Tijdwinst per lead: 8-12 minuten.

3

Internal linking auto-update

Na elke nieuwe publicatie → LLM analyseert alle bestaande artikelen → stelt 3-5 outbound + 5-10 inbound links voor → opent een GitHub PR met de wijzigingen → review + merge. Onze interne linkstructuur groeit organisch met elke publicatie zonder handmatig werk.

4

Review-management voor klanten

Google Bedrijfsprofiel reviews via API → Claude schrijft concept-antwoord in juiste tone (per klant verschillend) → komt in klant-Slack of e-mail → één klik om te plaatsen. We doen dit voor klantbedrijven die anders weken achterlopen op reviews.

5

Wekelijkse executive report per klant

Elke vrijdag 14:00 → n8n haalt ranking-data, GA-data, social-engagement op → Claude schrijft een rapportage in begrijpelijke taal ('Deze week zagen we…') → klant krijgt mail in z'n inbox. Bespaart consultants uren rapporteren en geeft klanten beter inzicht.

Belangrijk: elke workflow heeft een menselijke checkpoint. Geen enkele autonome publicatie zonder LLM-judge. Geen lead-mail uitgestuurd zonder sales-check. Het is geen 'set and forget' systeem — het is een orkest met de mens als dirigent.

SECTIE 04

De cijfers — eerlijk, met kanttekeningen

Hier wat we daadwerkelijk meten en wat het oplevert. Nuchter geformuleerd — geen 10x-claims.

Eerlijke kanttekening: de eerste 4 maanden voelde het traag. Pipelines vragen iteratie. Onze quality gate kreeg we pas in maand 3 echt scherp; daarvoor lieten we te veel middelmatige content door. Twee keer hebben we een ranking-dip gehad door slechte batch-output. Beide keren binnen 6 weken hersteld door snelle correctie + content-update — maar het waren stevige leermomenten.

Wat de Framboos-pipeline ons heeft opgeleverd (18 maanden)

  • Van 0 naar honderden geïndexeerde pagina's, structureel groeiend organisch verkeer
  • Gemiddeld 6,5 uur per week teruggewonnen aan lead-verwerking en content-admin
  • Reactietijd op klantmails: van 'binnen een dag' naar gemiddeld 12 minuten
  • AI-kosten per maand: €60-150 totaal — minder dan één freelance dag
  • 85% van content-PR's gaat zonder menselijke wijziging door de quality gate

De grootste verandering is niet in de cijfers, maar in hoe we werken: we besteden tijd aan strategie en relaties, niet aan repetitief uitvoeringswerk. Dat verschil is moeilijk in een KPI te vangen maar voelt elke werkdag.

SECTIE 05

Hoe bouw je je eigen versie?

Dit hele systeem kun je niet in één week kopiëren. Maar je kunt wel beginnen — en de volgorde maakt een groot verschil.

1

Maand 1-2: één werkende workflow

Kies één taak die je elke week doet en die voorspelbaar genoeg is om te automatiseren. Lead-verrijking is een goede start. Bouw één n8n-flow met Claude-koppeling. Reken op 1-2 weken finetunen. Niet doorbouwen tot deze 8/10 werkt.

2

Maand 3-4: tweede workflow + monitoring

Voeg een tweede flow toe (bijvoorbeeld concept-antwoorden voor klantmails). Bouw een dashboardje (kan Google Sheet zijn) waarin je kunt zien hoeveel runs er waren, hoeveel succesvol, hoeveel je menselijk hebt moeten ingrijpen. Zonder meten geen verbetering.

3

Maand 5+: schaal en sluit de feedback-loop

Pas content-pipeline aan, internal linking, review-management. Belangrijkst: bouw een wekelijks ritueel waar je 30 minuten naar de output kijkt en prompts/flows bijschaaft. Wie dat ritueel niet doet, verliest na een half jaar kwaliteit zonder dat hij doorheeft waarom.

Of je laat het door iemand bouwen die het al een tijdje draait. Daar zit voor de meeste ondernemers het echte tempoverschil — niet in 'kunnen we het zelf?', maar in 'is het de tijd waard om het zelf te leren?'. Voor sommigen ja, voor anderen nee. Beide antwoorden zijn legitiem.

Direct te gebruiken

3 prompts om vandaag mee te beginnen

Vervang de stukken tussen blokhaken door jouw eigen gegevens. Plak in ChatGPT of Claude. Klaar.

Prompt 1 — Stack-audit voor je eigen bedrijf
Help mij een audit doen op mijn huidige marketing/sales-stack en suggereer waar AI-automatisering het meeste rendement gaat opleveren.

Mijn huidige tools:
- CRM: [naam]
- E-mail/marketing: [naam]
- Socials: [welke platforms]
- Website: [platform, bv. WordPress/Next.js]
- Boekhouding: [naam]
- Klantcommunicatie: [e-mail/WhatsApp/etc]

Mijn grootste tijdvreters per week (in volgorde):
1. [taak]
2. [taak]
3. [taak]

Mijn schaal:
- Aantal leads/maand: [aantal]
- Aantal klanten: [aantal]
- Mijn team: [grootte]

Geef:
1. Top 3 workflows met meeste tijdwinst (concreet, niet algemeen)
2. Per workflow: ingeschatte build-tijd + tools nodig + verwachte maandelijkse kosten
3. Volgorde-advies: wat eerst, wat later, en waarom in die volgorde
4. Wat ik beter NIET zou automatiseren in mijn situatie
Prompt 2 — Bouw je quality-gate voor AI-content
Help me een strict quality-gate ontwerpen voor AI-gegenereerde content op mijn website.

Mijn bedrijf: [naam], [type]
Mijn doelgroep: [omschrijving]
Mijn no-go-frasen ("AI-isms" die ik nooit wil zien): [lijst, bv. "ontzorgen", "naadloos", "in een wereld"]
Mijn must-have eigenschappen per artikel: [bv. Nederlandse MKB voorbeelden, geen verzonnen cijfers]

Schrijf:
1. Een complete LLM-judge prompt die ALLE content checkt voor publicatie
2. Een lijst van geautomatiseerde regex/regel-checks (woordaantal, headings, frasen)
3. Een escalatie-flow: bij faal → wat doet de pipeline?
4. Output JSON-format voor de judge

Output: structured, direct in een n8n-flow te kopiëren.
Prompt 3 — Schrijf je executive-report-template
Help me een template ontwerpen voor automatische wekelijkse rapportage aan mezelf of een klant.

Bedrijf: [naam] (kan eigen bedrijf of klant zijn)
Wat we meten: [bv. SEO-rankings, websiteverkeer, social media engagement, lead-volume, klantcontact]
Toon van rapport: nuchter, geen marketing-jargon. "Je/jij" toon.
Lengte: max 250 woorden body

Onderdelen:
1. Eén-zins samenvatting bovenaan ("deze week...")
2. 3 positieve ontwikkelingen met cijfers
3. 1-2 punten van zorg of aandacht
4. 3 concrete acties voor komende week (niet vaag, niet 'we blijven monitoren')

Output: een prompt-template die ik in n8n direct met data kan vullen, plus voorbeeld-output zodat ik weet hoe het eruit moet zien.
Veelgestelde vragen

Misschien zit jouw vraag erbij

De Framboos-methode is een werkwijze waarbij mensen strategische beslissingen nemen en AI repetitief uitvoerend werk doet. Concreet: Claude API voor content en redenering, n8n self-hosted voor automatisering (40+ workflows), GitHub Actions voor SEO-publishing, Search Console voor monitoring. Mens-aan-het-stuur, AI-aan-het-werk — met menselijke checkpoints op elke kritische stap. Hele stack onder €300/maand all-in.
Kennis check

Wat heb je onthouden?

3 korte vragen. Je krijgt direct feedback bij elk antwoord.

1.Wat is het kernprincipe van de Framboos-methode?

2.Waarom is n8n self-hosted een belangrijk onderdeel van de stack?

3.Wat is volgens de Framboos-methode de juiste volgorde om te beginnen?

Wat wij in de praktijk zien

Framboos perspectief

Schrijven over je eigen methode is altijd een beetje ongemakkelijk — alsof je het kunstje weggeeft. Maar de eerlijke waarheid: de methode zelf is niet het schaarse goed, de uitvoering wel. Wie deze handleiding leest en denkt 'oh, dat doe ik volgende maand zelf' — die zit binnen drie maanden vast in finetune-hel. Wie hem leest en denkt 'oh, dít is waar marketing-bureaus de komende jaren over gaan' — die heeft de kern te pakken. Het verschil tussen weten en doen is in AI-marketing twee jaar werk en honderden iteraties.

Wat we ondernemers die hierover twijfelen meegeven: het wáárom van automatisering is belangrijker dan het hoe. Wij bouwen onze stack niet om 'cool' te zijn of om Claude te bewijzen. We bouwen hem omdat we ons werk willen kunnen doen aan tien klanten zonder te verzanden, en tegelijk consistente kwaliteit willen leveren die niet afhangt van hoeveel koffie ik die ochtend op heb. Dat is geen AI-verhaal — dat is een bedrijfsverhaal. AI is gewoon het beste gereedschap dat we op dit moment hebben om dat doel te halen. Over vijf jaar gebruiken we waarschijnlijk weer iets anders. Het principe blijft: mensen aan het stuur, machines aan het werk — en regelmatig kritisch kijken of de machines nog doen wat we wilden.

Liever uitbesteden?

Wij zetten AI in voor je bedrijf — jij houdt de tijd over.

Geen tijd om zelf in AI te duiken? Wij bouwen je website, schrijven je SEO-teksten en regelen je advertenties — allemaal AI-gedreven, vaste prijzen, geen gedoe.

Neem contact op
Chat via WhatsApp