Vorige week las ik een vacature voor Principal Data Analyst, Marketing Analytics bij een internationaal techbedrijf. De rol beschreef werk op een niveau dat ik niet kan leveren. Marketing Mix Modeling in Bayesian frameworks. Geo-holdout experimenten om causale impact te meten. Incrementality testing met synthetic controls. Ja, het zijn echte woorden en ik had er ook nog niet van gehoord. Jij wel? Dan vind je dit artikel vast niet echt van toepassing voor jou.
Mijn eerste reactie was eerlijk gezegd ongemakkelijk. Ik schrijf hier regelmatig over attributie en over wat marketingbureaus wel en niet goed meten. Heb ik eigenlijk wel recht van spreken, als er mensen rondlopen die dit vak tien niveaus dieper beheersen dan ik?
Ik ging zelf te rade bij Claude. Kan hij dit niet voor mij bouwen? Maar blijkbaar is dit iets dat zelfs AI niet op 1-2-3 voor je kan fixen. Je kan niet verwachten dat een LLM even snel wat PhD-werk voor je regelt. Het is eigenlijk de eerste keer dat ik tegen een limiet opliep waar ik AI als tool heb ingezet. Dat zegt iets over waar dit vak zich nog bevindt: er is diepte die niet in een prompt past.
De vraag bleef dus even hangen. En terwijl ze hing begon ik iets anders te zien. Niet dat ik niks weet, niet dat mijn eerdere artikelen onzin zijn. Wel iets over hoe ver het vak reikt, en hoe ver de dagelijkse praktijk in Benelux van die reikwijdte verwijderd is.
Dit artikel gaat over drie niveaus waarop marketing measurement werkt. Eerlijk over waar ikzelf sta, over waar de meeste bureaus staan, en over waar een select aantal bedrijven werkelijk werkt. Het is geen wedstrijd, maar de wereld lijkt groter dan je zou denken. En telkens als je denkt eindelijk het groter geheel te zien, besef je dat je eigenlijk veel meer mist.
Niveau een: wat bureaus feitelijk rapporteren
Een typische maandrapportage van een Belgisch of Nederlands marketingbureau aan een middelgrote klant bevat een voorspelbare set elementen. Verkeer; sessies, gebruikers, conversieratio. Als er betaalde campagnes lopen: Google Ads en Meta Ads rapportages, met platform-gerapporteerde conversies en ROAS. Soms een overzicht van gepubliceerde content. Soms een paragraaf met aanbevelingen.
Dat is wat er staat, meer wordt er niet verwacht.
Het is makkelijk om daar cynisch over te zijn. Maar voordat we dat doen is het eerlijker om te vragen waarom dit niveau dominant is. En het antwoord is niet dat bureaus dom zijn of klanten bedriegen. Het antwoord is veel genuanceerder dan dat.
De meeste opdrachtgevers willen of kunnen zelf geen tijd steken in interpretatie van marketingcijfers. Dat is waar het bureau voor is. En hoe eenvoudiger het bureau het maakt, hoe makkelijker de klant zich bedient voelt. Complexiteit toevoegen voelt voor de klant als meer werk. Voor het bureau betekent complexiteit ook dat ze moeten uitleggen, verdedigen, nuanceren. Dat kost uren en roept extra vragen op, terwijl de grondvraag die ze willen beantwoorden is: wat is onze bijdrage? En wat het volgens mij zou moeten zijn: wat betekenen deze cijfers concreet voor jouw bedrijf?
Wat een standaard Google Ads rapportage je vertelt is niet wat je denkt dat het je vertelt. De platform-gerapporteerde conversies tellen iedereen die binnen het attributie-venster converteert nadat hij een advertentie aanklikte. Dat is niet hetzelfde als de mensen die converteerden dankzij die advertentie. Wat met iedereen die de advertentie heeft gezien maar niet klikte? Wat met iemand die je merknaam googelt nadat ze je advertentie zagen? Die verschillen verdwijnen in één getal, en dat getal wordt de basis voor beslissingen.
Niveau twee: context toevoegen
Wat ik in mijn werk probeer te doen is niet 180 graden anders meten dan wat de platforms meten. Het is wel anders interpreteren door er context aan toe te voegen die het bureau meestal niet heeft.
Concreet betekent dat: proberen bedrijfseigen cijfers erbij te betrekken. Uit de boekingen, uit de verkoopdata, uit de CRM. Niet alleen kijken naar wat de advertentieplatforms zeggen, maar naar wat er in het bedrijf zelf gebeurt.
Dat leidt tot vragen die anders niet gesteld worden. Zijn het nieuwe klanten die binnenkomen via dit marketingkanaal, of zijn het bestaande klanten die toch wel hadden gekocht? Heeft het zin om te kijken naar een 'te lage' conversieratio bij een top-of-funnel campagne, als het doel van die campagne bekendheid is en niet directe conversie? Wanneer mag je een campagne werkelijk beoordelen voor dit product of dit bedrijf? Soms is het antwoord pas na zes maanden, niet na twee weken. Zijn de ingezette kanalen überhaupt de juiste voor wat dit bedrijf verkoopt aan wie? En als de omzet dit kwartaal lager is, ligt dat aan de marketingmix van vandaag, of aan repeat purchase die wegvalt uit een eerder seizoen?
Deze vragen zijn niet bijzonder diep vanuit een academisch perspectief. Ze vergen geen Bayesian statistiek. Wel vergen ze dat de persoon die rapporteert dicht genoeg bij het bedrijf staat om ze überhaupt te kunnen stellen. Een extern bureau dat alleen de advertentieplatforms ziet, kan deze vragen niet beantwoorden tenzij ze ook aan data kunnen en gebruiken die bedrijfseigen zijn.
Dit is het niveau waar ik op probeer te werken. Het is concreet beter dan niveau één, maar het is niet de top van het vak. Het is context toevoegen aan bestaande meetmethodes, niet die meetmethodes zelf vervangen.
Niveau drie: de meetmethode zelf onder de loep
De Airalo-vacature beschreef een ander niveau. Marketing Mix Modeling of kortweg MMM, is een statistische aanpak die probeert te modelleren welk deel van de omzet toe te schrijven is aan welk marketingkanaal, rekening houdend met vertragingseffecten, saturatie, en externe factoren. Bayesian frameworks zoals PyMC-Marketing of Google Meridian worden gebruikt om die modellen te bouwen.
Geo-holdouts zijn experimenten waarbij je in één regio een kanaal uitzet en in andere regio's niet, om te meten wat het effect werkelijk was. Causal inference, met technieken als synthetic control en difference-in-differences, probeert de vraag te beantwoorden of marketing werkelijk iets veroorzaakt of alleen samenvalt met iets anders.
Ik had van deze termen nog nooit gehoord voor ik de vacature las. Ik zie nu wel waar ze voor dienen. Ze proberen het fundamentele probleem van attributie te omzeilen of op te lossen; dat platforms en de meeste rapportages niet meten wat werkelijk incrementeel is, door rigoureuzere methodes te gebruiken. Het is het verschil tussen zeggen "onze advertenties hadden 1000 conversies toegerekend" en zeggen "uit ons geo-experiment blijkt dat onze advertenties 300 incrementele conversies veroorzaakten."
Dit niveau bestaat. Alleen bij bedrijven die de schaal, het budget en de analytische capaciteit hebben om erin te investeren. Vooral internationale techbedrijven, global brands, bedrijven met marketingbudgetten die in de tientallen miljoenen lopen. Voor het gros van de middelgrote bedrijven in Benelux is dit niveau niet haalbaar. Het zou zeker waardevol zijn, maar de mensen die dit werk kunnen leveren zijn niet beschikbaar voor de budgetten die deze bedrijven hebben. Het moet nog altijd opbrengen.
Wat dit betekent
Er zit iets ongemakkelijks in het beschrijven van drie niveaus waar je zelf op het middelste zit. De verleiding is om jezelf hoger te positioneren dan je bent. Of, uit valse bescheidenheid, lager. Geen van beide is eerlijk.
Eerlijk is: ik werk op niveau twee. Ik voeg context toe aan meetmethodes, ik interpreteer scherper dan een standaard bureau-rapportage doet, ik stel vragen die anders niet gesteld worden. Dat is waardevol voor de bedrijven waarmee ik werk. Het is niet frontier-niveau, en ik pretendeer dat ook niet. Ik wil ook niet doen alsof ik het warm water heb uitgevonden, er zijn wellicht nog consultants of agencies die mijn aanpak proberen. Maar ik ben er zelf eigenlijk nog geen enkele tegengekomen. De meeste marketeers die ik tegenkom zijn eerder 'vibe' en 'sfeer' mensen dan 'data' en 'nummers' mensen.
Er is altijd wel iemand die in een hogere klasse speelt. Je kan niet alles weten. Dat hoeft misschien niet om goed werk te leveren. Maar bij mij wringt dat wel. En dat wringen, denk ik, is een gezond signaal. Het houdt je eerlijk over wat je wel en niet biedt. Het voorkomt de gevaarlijkste positie in dit vak: niveau één leveren en je als niveau drie presenteren.
Voor opdrachtgevers die dit lezen en zich afvragen waar hun eigen bureau zit: dat is de scherpste vraag die je kan stellen. Niet of je bureau de duurste tools heeft. Niet of ze de meest indrukwekkende dashboards maken. Wel of ze eerlijk zijn over het verschil tussen wat ze meten en wat werkelijk incrementeel is. Tussen wat ze rapporteren en wat ze weten. Tussen het niveau waarop ze werken en het niveau dat bestaat.
Mijn gevoel zegt dat de meeste marketingbureau's en digital consultants op niveau 1 werken. Dat hoeft geen probleem te zijn, als ze eerlijk zijn dat dat het niveau is. Het probleem ontstaat wanneer niveau één verkocht wordt als iets dat het niet is.
Wat je zoekt, als opdrachtgever, is niet per se iemand op niveau drie. Weinig bedrijven hebben dat nodig of kunnen het betalen. Wat je zoekt is iemand die eerlijk is over waar hij staat. Dat is zeldzamer dan expertise zelf.
Joey Vangaeveren is de oprichter van Intzicht en werkt als embedded marketing- en data-analysepartner voor B2B- en B2C-bedrijven in hospitality, zakelijke dienstverlening, e-commerce en SaaS. Zijn werk omvat strategie, analytics-dashboards op maat en toegepaste AI. Hij schrijft over wat hij in de praktijk ziet.
Benieuwd wat dit voor jouw business kan betekenen? Neem contact op.