Naar de inhoud springen
Waarom is dit hier zo goedkoop?
Social Rocket

AI-agenten kopen CTV-advertenties: Rouge Care meldt 5x ROAS

Rouge Care liet een CTV-campagne plannen en inkopen via AI-agenten. Het merk meldt bij 25.000 dollar spend meer dan 125.000 dollar toerekenbare omzet.

Van Redactie Social Rocket

Deze tekst is met AI-ondersteuning opgesteld en redactioneel gecontroleerd voordat hij werd gepubliceerd. Alle bronnen staan hieronder vermeld.

Analytics-dashboard op een laptop als symbool voor datagedreven media buying
Foto: Luke Chesser / Unsplash

Het wellnessmerk Rouge Care liet een Connected-TV-campagne plannen en inkopen door AI-agenten. Volgens het bedrijf werd in het tweede kwartaal 2026 25.000 US-dollar in de campagne gestoken; daaruit zouden meer dan 125.000 US-dollar toerekenbare omzet zijn ontstaan. Dat komt overeen met een gemeldde ROAS van 5x.

De cijfers komen van Rouge Care en de betrokken aanbieders en moeten niet worden gezien als een onafhankelijk getoetste benchmark. Vooral de workflow is interessant: de campagne werd uitgevoerd via Klever Programmatic en PubMatics AgenticOS, waarbij gespecialiseerde agenten verschillende stappen van de media buying overnamen.

Een agent plant, een ander koopt in

Adweek beschrijft de opzet als een systeem met twee agenten voor planning en inkoop. Klever bevestigt de case op de eigen website en noemt een doel-ROAS van 2,5x, dat met 5x zou zijn overtroffen.

PubMatic beschrijft AgenticOS als een besturingssysteem waarin AI-agenten campagnes kunnen plannen, uitvoeren en optimaliseren, terwijl mensen doelen, guardrails en creatieve richtlijnen bepalen. In zijn officiële Q2-cijfers meldde het bedrijf tot eind juni 2026 meer dan 80 volledig autonome end-to-end-campagnes wereldwijd.

Dat verschilt van klassieke automatisering: niet alleen afzonderlijke biedingen of budgetten worden algoritmisch aangepast, maar meerdere werkstappen worden als afzonderlijke taken aan agenten toegewezen.

Waarom de case voor media buyers relevant is

De case laat zien waar programmatic media buying naartoe beweegt. Veel platformen bouwen momenteel systemen waarin campagnes niet langer uitsluitend via formulieren en dashboards worden aangestuurd. In plaats daarvan worden doelen in natuurlijke taal gedefinieerd en vervolgens door agenten vertaald naar planning, targeting, inkoop en optimalisatie.

Dat past bij een bredere trend die we al in het artikel AI in media buying: waarom platformautomatisering controle nodig heeft hebben geplaatst. Hoe meer systemen zelf beslissen, hoe belangrijker onafhankelijke meting, duidelijke guardrails en traceerbare attributie worden.

Ook socialeplatformen bewegen zich in dezelfde richting. TikTok koppelt via Agentic Hub en Symphony AI-functies aan analyse, creative-productie en campagnewerk. Reddit heeft zijn geautomatiseerde Max-campagnes inmiddels voor alle adverteerders opengesteld.

De 5x-ROAS heeft context nodig

Een hoge gemelde ROAS klinkt spectaculair, maar zegt op zichzelf weinig over de overdraagbaarheid. Belangrijk zijn onder meer doelgroep, productmarge, attributie, creative, looptijd en de vraag welke verkopen daadwerkelijk door de campagne zijn veroorzaakt.

In de Rouge-Care-case noemt Adweek een awarenesscampagne in het tweede kwartaal 2026. Het merk becijfert de toerekenbare omzet op meer dan 125.000 dollar bij 25.000 dollar spend. Dat deze cijfers door de betrokkenen zelf zijn aangeleverd, moet bij de beoordeling worden meegewogen.

Voor marketeers is daarom minder de concrete 5x-waarde belangrijk dan het operationele bewijs: agentische systemen worden niet alleen als demo getoond, maar worden al ingezet in echte CTV-campagnes.

Agentic media buying wordt van experiment tot product

PubMatic verwijst naar nog meer live campagnes in Europa. In juni 2026 meldde het bedrijf bijvoorbeeld een Spaanse CTV-campagne met Havas en Telefónica, waarbij AgenticOS werd ingezet; volgens PubMatic lag de CPM daar 18 procent onder de doelwaarde.

Dat maakt duidelijk dat de markt zich verplaatst van afzonderlijke AI-functies naar volledige agentische workflows. Voor bureaus en inhouse-teams verschuift het werk daardoor sterker naar het bepalen van doelen, datakwaliteit, goedkeuringen en het controleren van de resultaten.

Bronnen