Strava-abonnees kunnen sinds deze week via een AI-chat vragen stellen over hun sportprestaties. Dit is mogelijk door een MCP (Model Context Protocol), een technische brug die AI toegang geeft tot persoonlijke sportdata. Voor MKB’ers is dit niet alleen sportnieuws, maar een voorbeeld van hoe data-koppelingen klantbetrokkenheid en interne processen kunnen versterken.

Wat er aan de hand is

Strava, de populaire sporttracker-app, heeft een MCP gepubliceerd voor betalende abonnees. Via deze koppeling kunnen gebruikers van chatbot Claude vragen stellen in natuurlijke taal, zoals: ‘Hoe ontwikkelt mijn uithoudingsvermogen zich over het afgelopen jaar?’ of ‘Wat is het effect van fietsen op mijn hardloopprestaties?’ De AI analyseert de data en geeft antwoord. Volgens Strava past dit in de strategie om van tracker naar trainer te evolueren. Tegelijk is het een defensieve zet: AI-bots schraapten eerder onbeperkt data van het platform. Daarom krijgen grootzakelijke en technische gebruikers nu alleen tegen betaling toegang tot de API. Strava telt inmiddels 241.000 API-ontwikkelaars, tegen 185.000 vorig jaar.

Wat dit betekent

Deze ontwikkeling laat zien hoe data-koppelingen de relatie tussen gebruiker en dienst kunnen verdiepen. Voor MKB’ers is het relevanter dan het lijkt. Het principe achter de MCP – een AI die toegang krijgt tot een specifieke dataset en daar vragen over beantwoordt – is toepasbaar op vrijwel elk bedrijf. Denk aan klantdata, verkoopcijfers, voorraadstanden of personeelsgegevens. De drempel wordt lager: je hoeft geen dashboard te bouwen of SQL te leren. Een chatbot in natuurlijke taal volstaat. Strava’s keuze om de API te betalen te maken, onderstreept ook dat data een steeds waardevoller bezit wordt. Gratis data delen is niet langer vanzelfsprekend.

Hoe je dit kunt toepassen

Als je een webshop runt met klantdata kun je overwegen om een MCP te bouwen die je verkoopgeschiedenis koppelt aan een AI-chatbot. Vraag bijvoorbeeld: ‘Welke producten worden het meest teruggebracht in de wintermaanden?’ of ‘Wat is het gemiddelde bestedingspatroon van klanten uit regio X?’ Je hoeft geen complexe analyses te draaien; de AI doet het werk. Een mogelijkheid is om dit intern te gebruiken voor marketingbeslissingen, of om het als selfservice-tool aan te bieden aan medewerkers.

Als je een team aanstuurt en personeelsvitaliteit belangrijk vindt kun je een vergelijkbare koppeling maken met data uit sporttrackers of vitaliteitsapps. Vraag bijvoorbeeld: ‘Hoeveel stappen zet het team gemiddeld per dag?’ of ‘Is er een verband tussen slaapkwaliteit en productiviteit?’ Dit kan helpen om vitaliteitsprogramma’s te personaliseren. Overweeg om een proef te doen met een klein team en de resultaten te vergelijken met eerdere metingen.

Als je in de dienstverlening werkt en klantvragen wilt automatiseren kun je een MCP inzetten om veelgestelde vragen uit je klantendatabase te beantwoorden. Denk aan: ‘Hoeveel facturen zijn er deze maand open?’ of ‘Welke klanten hebben de meeste supporttickets?’ Een optie is om dit te koppelen aan je CRM-systeem. De AI geeft antwoord zonder dat je een rapport hoeft te draaien. Dit bespaart tijd en maakt data toegankelijk voor niet-technische collega’s.

Als je een product of dienst ontwikkelt kun je het MCP-principe gebruiken om gebruikers zelf hun data te laten bevragen. Net zoals Strava sporters inzicht geeft in hun prestaties, kun jij klanten een chat geven die vragen beantwoordt over hun eigen gebruik van jouw product. Dit verhoogt de betrokkenheid en vermindert supportvragen. Een mogelijkheid is om dit eerst als bèta aan te bieden aan een selecte groep gebruikers.

De praktische toepassing hangt af van jouw situatie, maar het principe is helder: een MCP maakt data toegankelijk zonder technische tussenkomst. Het is een manier om de waarde van bestaande datasets te ontsluiten.

Bron: Emerce