Waarom je marketingbudget meer oplevert dan je denkt, en hoe je het bewijs vindt

De gangbare standaard tools om je marketinginspanningen te meten laten enorm veel blinde vlekken na.

Het gevolg is voorspelbaar: budgetten verschuiven van kanalen die wél werken naar kanalen die er goed uitzien in een rapport. Volumes dalen. En de mensen die de beslissing namen zien niet hoe dat komt.

Dit artikel gaat vooral over attributie bij marketingkosten en opbrengsten. Wat het is, waarom het zo moeilijk correct te meten is, en wat er concreet gebeurt als je het verkeerd doet.

Het probleem met last-click

Volgend scenario komt heel vaak voor.

Een potentiële klant ziet op een bepaald moment een advertentie op Meta of LinkedIn ads. Ze klikken niet. Twee weken later zien ze een display advertentie via je Google Perf Max campagne, klikken ze en bezoeken ze kort de website. Nog later zoeken ze op je merk, komen ze organisch binnen en schrijven zich in op de nieuwsbrief. Uit de nieuwsbrief die een maand later volgt beslissen ze eindelijk van door te klikken en te kopen.

Welk kanaal krijgt de credits voor die aankoop?

In last-click attributie, het standaardmodel in GA4, Google Ads en Meta Ads, krijgt je nieuwsbrief 100% van de credit. Meta krijgt niets. Je Google Ads krijgen niets. Je organisch verkeer krijgt niets, buiten een conversie op nieuwsbrief als je die goed meet. Ja, maar ik kijk wel degelijk naar acquisitiebron hoor ik je misschien denken. Oké, dan krijgt Google Ads 100% van de credit voor zowel de verkoop als de inschrijving van de nieuwsbrief. Alle andere belangrijke bronnen worden genegeerd.

"Last-click attributie is alsof je de winnaar van een estafetteloop beloont en de rest van het team negeert."

Voor goedkope producten met een korte beslissingstijd is last-click een redelijke benadering. Impulsaankopen, laagdrempelige diensten: de tijd tussen eerste contact en aankoop is kort en de touchpoints zijn beperkt. Maar hoe duurder het product, hoe meer planning een aankoop vereist, hoe groter het venster tussen eerste kennismaking en conversie en hoe verder van de realiteit last-click eigenlijk ligt.

De blinde vlek die niemand bespreekt

In het voorbeeldje hierboven gaf ik al het voorbeeld van wat er gebeurt als iemand je advertentie ziet maar niet klikt: ze worden niet meegenomen in de resultaten. Voor GA4 telt enkel een sessie op je website.

Beslist iemand na 5 advertenties te zien op de socials eindelijk eens je merk op te zoeken en via het organisch resultaat door te klikken, dan krijgt organisch de pluimen voor de acquisitie.

Dit verklaart een patroon dat ik al jarenlang zie: bedrijven die zien dat 60 tot 70 procent van hun conversies via organisch of direct binnenkomt, concluderen dat betaalde kanalen te duur zijn en verlagen hun advertentiebudget. Waarna de organische en directe volumes ook beginnen te dalen en niemand begrijpt waarom.

"Die zoekopdracht op je merknaam? Die kwam niet uit het niets. Iemand heeft drie weken geleden een advertentie gezien die dat in gang heeft gezet."

Wat er concreet gebeurt als je de kraan dichtdraait

Ik heb twee situaties meegemaakt waarbij bedrijven op basis van last-click data besloten hun awareness campagnes te reduceren of volledig stop te zetten.

In beide gevallen daalde het totale volume daarna merkbaar. Niet onmiddellijk, want er was nog enige naijling van eerdere campagnes, maar binnen één tot twee seizoenen was het effect duidelijk zichtbaar in de boekings- en omzetcijfers. Het paradoxale gevolg was dat de ROAS op de resterende campagnes steeg. Want als je alleen nog conversiegerichte campagnes laat lopen, gericht op mensen die al bijna klaar zijn om te kopen, is de gemeten return inderdaad hoger. Maar het totale volume krimpt.

"Als je ROAS stijgt maar je volumes dalen, vertelt je dashboard je een verhaal dat je wil horen, niet het verhaal dat je nodig hebt."

Wat de data werkelijk toont

Om dit concreet te maken: ik heb voor een klant met een sterk seizoensgebonden product hetzelfde tijdsvenster vergeleken in twee attributiemodellen. Last-click versus een UMM-model (Unified Marketing Measurement) met een onbeperkt attributievenster via Billy Grace.

In last-click stond organisch bovenaan als best presterende kanaal. Meta Ads was vrijwel onzichtbaar. Google Ads toonde een ROAS die respectabel was maar niet indrukwekkend. Schakel je over naar het UMM-model dan verschuift het volledige beeld. Bijna 40 procent van de conversiewaarde die aan organisch werd toegeschreven bleek in werkelijkheid gedreven door betaalde kanalen. Meta Ads toonde plots een werkelijke ROAS van meer dan 600 procent. Google Ads steeg van een gemeten ROAS van ongeveer 200 procent naar meer dan 340 procent wanneer indirecte conversies en een ruimer tijdsvenster werden meegenomen.

Dezelfde campagnes. Dezelfde periode. Volledig ander verhaal.

Tot slot

Gaandeweg heb ik geleerd dat de klassieke manier van data bekijken eigenlijk niet het volledige verhaal vertelt. Daarom is enkel en alleen vertrouwen op wat GA4 je vertelt, zelfs op basis van hun data driven rapporten, eigenlijk verkeerd.

Een consultancybureau vertelde me ooit dat ik te veel data aan het bekijken was. Ik beschouw dat als één van de gevaarlijkste adviezen die je een bedrijf kan geven. Meer data betekent meer context. Meer context betekent betere beslissingen, zolang je weet welke vragen je stelt. Ik snap hun opmerkingen ergens wel, want het lijkt alsof je door te veel controleposten moet lopen alvorens je een beslissing maakt. En soms is timing cruciaal. Maar in het grotere geheel kan je volgens mij nooit genoeg inzicht hebben.

"Niemand heeft ooit een slechte beslissing genomen omdat hij te veel context had. Wel omdat hij te weinig vragen stelde bij de context die hij had."

Attributie is een belangrijk onderdeel van elk marketingrapport, en het zit helemaal niet zo technisch in elkaar. Het is gewoon belangrijk dat je je marketingcampagnes met het juiste kader bekijkt.