Zelf kiezen of laten kiezen: wanneer werkt wat?

Ik ben sinds begin 2026 volledig zelfstandig ondernemer, en dat bevalt heel erg goed. Maar het betekent ook dat een groot deel van mijn beweging zomaar verdween uit mijn dagen. Mijn vaste routines waren verdwenen. Geen vaste fietstocht naar kantoor meer, geen standaard lunchwandeling met collega’s, geen hardlooprondje met een collega op maandag.

Dus bedacht ik een doel voor mezelf. Drie keer per week hardlopen. Concreet, ambitieus, en haalbaar. Dacht ik zelf. Maar in de eerste maanden van mijn ondernemerschap deed ik precies het tegenovergestelde… gemiddeld 0 keer per week hardlopen. En nu las ik recent een studie die laat zien dat een andere aanpak waarschijnlijk succesvoller was geweest: een algoritme mijn doel laten bepalen.

​

De studie: helpt een gepersonaliseerd doel om actiever te worden?

Ja, maar het maakt wie het doel opstelt, en hoe actief je bent als je start, zo blijkt uit onderzoek. Liu en collega's (2026) onderzochten ruim 5.800 gebruikers van SamenGezond, een gezondheidsapp met een standaard stap-doel van 2.000 stappen per dag. Gebruikers die ontevreden waren met dat standaard doel kregen de keuze: zelf een nieuw doel instellen, of het algoritme dit laten doen op basis van hun eigen stapgeschiedenis uit de voorgaande vier weken.

Wat werkt beter, zelf een doel opstellen of laten opstellen door een algoritme?

De studie laat zien dat het uitmaakt hoe actief je bent op het startpunt.

- Laag-actieve gebruikers reageren alleen op het algoritme (+5095 stappen per week); zelf kiezen levert voor hen niets op.

- Hoog-actieve gebruikers reageren alleen op zelf kiezen (+4266 stappen per week).

- En matig-actieve gebruikers profiteren van beide (+5200 tot +5800 stappen per week). Zij zijn de meest kneedbare groep, voor hen doet de methode er minder toe.

Opvallend: ook de groep die het standaard doel ongewijzigd liet, zette meer stappen, gemiddeld 1.759 per week extra. Een klassiek patroon in gedragsonderzoek. Wie weet dat er naar haar gedrag wordt gekeken, verandert al. Juist daarom heb je een controlegroep nodig: om het effect van de aandacht te scheiden van het effect van de interventie zelf. Beide personalisatiestrategieën werkten bovenop dit basiseffect.

Startpunt weinig actief: laat het algoritme kiezen

Voor inactieve gebruikers leverde zelf een doel stellen niets op. Laag-actieve gebruikers stelden zichzelf gemiddeld een doel van circa 3.700 stappen per dag in. Het algoritme stelde voor dezelfde groep circa 2.800 stappen per dag voor. Het zelfgekozen, hoge doel, leverde geen extra stappen per week op voor deze groep. Het algoritme gekozen doel leverde wekelijks +5095 extra stappen op voor deze groep.

Wie weinig beweegt, overschat haar eigen capaciteit bij het kiezen van een doel. Het algoritme corrigeert die overschatting op basis van historische data en stelt een realistischer doel. Niet wat ze zou moeten doen, maar wat een kleine, haalbare stap vooruit is vanuit haar huidige gedrag.

Klinkt bekend? (Voor mij wel.)

Het doel dat ik mezelf stelde, drie keer hardlopen per week, was niet gebaseerd op wat ik nu deed (nul keer per week). Het was gebaseerd op wat ik graag zou willen doen. Dat zijn twee heel verschillende dingen.

Startpunt gemiddeld actief: Stel een doel in (maakt niet uit hoe)

De gemiddelde groep is het meest kneedbaar, het maakt niet uit op welke manier het doel wordt opgesteld. Dit is je standaardgroep, de middenmoot, en gaat dus per definitie over de grootste groep mensen. Voor deze mensen geldt: het werkt goed als er een doel wordt opgesteld, ongeacht hoe dat doel precies wordt opgesteld. Wat betekent dat voor je beleid of inrichting van je app? Kies de simpelste oplossing die het minste onderhoud, development capaciteit en resources vraagt.

Startpunt zeer actief: kies zelf je doel

Voor hoog-actieve gebruikers stelden zichzelf gemiddeld een doel van 5.700 stappen per dag in. Het algoritme genereerde voor hen 7.061 stappen, hoger dan wat zij zelf kozen. Dat hogere doel was misschien demotiverend omdat het te ambitieus was. Wie al veel beweegt, zit wellicht dichter bij het maximum van wat op een dag haalbaar is. Het algoritme overschat de ruimte die er nog is; hoog-actieve gebruikers schatten dat zelf beter in. Zij kennen hun eigen grenzen en mogelijkheden.

Personalisatie: werkt dat nou echt zo goed?

Personalisatie is een van de populairste termen van dit moment, in apps, in e-commerce, in beleid. En dat is niet voor niets. Als iets specifiek voor jou lijkt te zijn opgesteld, voelt het beter. Een aanbod in je favoriete online shop, speciaal afgestemd op jouw gedrag. Een uniek voor jou, specifiek voor jou opgesteld.

Maar er zit een grote valkuil in. We overschatten systematisch hoe bijzonder we zijn. De (pijnlijke? Of juist troostende?) werkelijkheid is dat de meeste mensen gemiddeld zijn. Dat is ook waarom het gemiddelde bestaat.

De kans is het grootst dat jij, wat betreft je beweegpatroon, je koopgedrag of je leersnelheid, gewoon in de grote middengroep zit. En voor die grote groep werkt een goed gekozen standaardaanpak uitstekend. Geen personalisatie nodig.

Wat kun je hier nu zelf mee?

Laat me beginnen met een belangrijke conclusie. de populairste versie van personalisatie, iedereen zelf laten kiezen, werkt het slechtst voor de mensen die gedragsverandering het hardst nodig hebben.

Ben je een beginner of nauwelijks actief? Laat je startdoel opstellen door een ander. Een app met historische data, een coach, iemand die van buitenaf naar je huidige patroon kijkt. Een externe inschatting corrigeert de overschatting die je zelf niet ziet.

Ben je al erg actief? Kies je eigen doel. De lat verschuift mee met wie je al bent. Zet je al 10.000 stappen per dag, dan is naar 11.000 peanuts voor jou. Kies een doel dat ambitieus genoeg is om uitdagend te zijn, maar haalbaar genoeg om leuk te blijven. Je weet zelf goed wat je aankan.

Voor ontwerpers van apps, programma's of gedragsinterventies:

• Weersta de verleiding om personalisatie als standaardoplossing te behandelen. De meeste gebruikers zitten in het midden van de verdeling, voor hen werkt een goed doordacht standaard aanbod prima. Dit is de groep waar de meeste verandering mogelijk is, en bovendien is dit ook de grootste groep mensen.
• Investeer personalisatie-capaciteit daar waar het iets toevoegt: bij de groepen aan de uiteinden. Stuur laag-actieve gebruikers actief richting algoritmische doelen, keuzevrijheid voelt vriendelijker maar werkt voor hen niet. Geef hoog-actieve gebruikers juist de autonomie om zelf te kiezen.
• Gebruik je resources op een zinvolle manier: als een kleine minderheid van je gebruikers een afwijkende aanpak nodig heeft, rechtvaardigt dat geen volledige personalisatie-infrastructuur voor iedereen.

Kritische noten op dit onderzoek

Het is belangrijk om wat stevige methodologische kanttekeningen te plaatsen. Ten eerste, alleen ontevreden gebruikers deden mee, en zij kozen ook zelf welke aanpak ze kregen. Dat is zelfselectie op twee niveaus, en dat beïnvloedt hoe stevige conclusies we uit dit onderzoek kunnen trekken. De onderzoekers corrigeerden hier deels voor via een ingewikkelde statistische analyse: ze koppelden elke deelnemer aan een vergelijkbare gebruiker die niets veranderde, en vergeleken vervolgens hoe beide groepen zich ontwikkelden. Dat isoleert het effect van de interventie van andere factoren. Geen vervanging voor een gerandomiseerd experiment, maar wel een nuttige correctie. Ten tweede; de follow-up was vier weken later; of effecten standhouden is onbekend. Als laatste, de studie richtte zich op één app, één gezondheidsgedrag, in één land.

Verder lezen?

Liu X, Bijmolt THA, Leliveld MC, Noppers EH. Effectiveness of Step Goal Personalization Strategies on Physical Activity in a Mobile Health App: A Field Study. JMIR Mhealth Uhealth. 2026;14:e81779. https://mhealth.jmir.org/2026/1/e81779​

Groetjes, en tot volgende week!

Florien

Ps: Herken je dit in je eigen organisatie, dat doelen worden gesteld maar het gedrag er niet op volgt? Misschien is de gedragsfrictiescan iets voor jou.

Over the Behavioral Times

📖 Gedragswetenschap voor mensen die er iets mee willen doen. Geen hype, wél bewijs. Elke week gratis in je inbox.

Heb je iets gehad aan de inzichten in deze nieuwsbrief?

➡️ Meld je aan voor de nieuwsbrief — dan krijg je elke editie direct in je inbox.

📤 Stuur dit artikel door naar iemand die er wat aan heeft.

☕ The Behavioral Times schrijf ik in mijn eentje, in mijn eigen tijd. Een donatie is een leuk blijk van waardering. Steun the Behavioral Times

Dr. Florien Cramwinckel Gedragswetenschapper | consumentengedrag

Ik gebruik gedragswetenschap om resultaten te verbeteren én de wereld rechtvaardiger te maken — met focus op consumentengedrag. Ik neem nieuwe opdrachten aan. Werk je aan een vraagstuk waarbij consumentengedrag een rol speelt? Plan een kort gesprek in.

"Florien combineert wetenschappelijke kennis met het vermogen om op een praktische manier bij te dragen aan strategische doelen. En last but not least: een enorme gunfactor."
— Daan ter Braak, Managing Partner Van Doorne

Kies een moment dat jou schikt →

15 minuten. Jij kiest wanneer. Vrijblijvende kennismaking.