Een paar weken terug ontstond er in de Foeter-community een discussie over Looker Studio. Iedereen had er wel iets over te zeggen, en veel van die dingen kwamen op hetzelfde neer: het werkt niet lekker, het is niet schaalbaar, de links breken steeds. Jos IJntema reageerde toen met één helder advies: het ligt zelden aan de tool. Het ligt aan hoe volwassen je datahuishouding is voordat er ook maar iets gevisualiseerd wordt.
Dat verschil in volwassenheid was precies waar de sessie over ging. Niet iedereen zit op hetzelfde niveau, en dat werd ook meteen duidelijk aan de vragen: van “ik heb nog geen idee waar mijn data staat” tot “ik werk al met BigQuery”. Jos liet live zien hoe hij zelf, stap voor stap de data uit zijn boekhouding, CRM, en advertentieplatforms aan elkaar knoopt.
Jos begon 16 jaar geleden met een eigen webwinkel en rolde daarna het analytics-vak in, van Google Tag Manager tot eigen datawarehouses. Ruim een jaar geleden stapte hij zelf de marketing in, en inmiddels focust hij zich vooral op e-commerce bedrijven met eigen voorraad. Hij werkt nu bij Koopjesdrogisterij, waar hij in het MT een soort marge-directeursrol vervult: niet alleen marketing, maar de hele waardeketen van advertentie tot retour.
In de sessie werd al snel duidelijk dat “data volwassenheid” geen abstract begrip is, maar iets met concrete stappen. Een deelnemer gaf aan dat hij nog moet uitzoeken welke data er überhaupt is en waar die vandaan komt. John zit al veel verder: die experimenteert met incremental attribution en post-click versus post-view analyses. Nick, die als freelance marketeer bij verschillende opdrachtgevers zit, wil zijn klanten juist prikkelen om die eerste stap te zetten.
Jos’ punt: waar je ook staat, de volgorde is hetzelfde. Eerst je eigen backend cijfers op orde, dan pas platformdata erbij. Niet andersom. Voor performance marketing is volgens hem zo’n 80 procent redelijk goed te attribueren als je die basis hebt, ondanks cookies en tracking blockers. Branding blijft lastiger, omdat de opbrengst pas veel later zichtbaar wordt.
Dit is het stuk waar Jos live doorheen liep, met zijn eigen data uit Exact Online. De stappen op een rij:
Elke stap voegt in feite een sleutel toe waarmee tabellen aan elkaar te knopen zijn: klantnaam, factuurnummer, lead-ID, campagne-ID. Pas als die keten compleet is, wordt het interessant om te visualiseren. En dan maakt het volgens Jos ook weinig meer uit of je dat in Looker Studio, Power BI of iets anders doet.
Stap 1 t/m 3 heeft Jos uitgewerkt in twee artikelen met screenshots op Medium. Begin hier met lezen als je dit gelijk wilt uitproberen.
Een belangrijk onderscheid dat Jos maakte: de data die je naar Google Ads of Meta stuurt (denk aan offline conversies of server-side tracking) is niet bedoeld om te rapporteren. Die is bedoeld om het algoritme aan te sturen. Meer data in een advertentieplatform betekent dus niet automatisch dat je een vollediger of eerlijker beeld krijgt. Rapporteren doe je vanuit je eigen systemen, want dat is de enige plek waar je zeker weet dat het om je eigen waarheid gaat, en niet om een resultaat dat het platform zelf ook probeert te optimaliseren.
Dat sluit aan bij wat John inbracht over lange B2B-trajecten: bij beurzen en nieuwsbrieven is de verleiding groot om alles wat niet direct meetbaar is af te schrijven als niet-renderend. Terwijl uit onderzoek van Binet en Field een verhouding van ongeveer 60 procent branding tegenover 40 procent performance naar voren komt, afhankelijk van markt en merkvolwassenheid. Meetbaarheid is niet hetzelfde als bijdrage.
Voor wie toch iets aan branding wil meten: Jos noemde incrementaliteitstests, bijvoorbeeld een campagne aanzetten in de ene regio en niet in de andere. Eén meting zegt weinig, maar herhaal je dat structureel, dan ontstaat er een patroon. Het probleem in B2B blijft dat je vaak te weinig volume hebt om daar statistisch iets hards over te zeggen.
Je hoeft niet meteen BigQuery te leren om hier iets mee te doen. Het overkoepelende idee is simpel: je hebt waarschijnlijk al meerdere systemen die los van elkaar staan, en zodra je die met een paar sleutels aan elkaar knoopt, ontstaan er verbanden die je in losse tools nooit ziet. Met een goede handleiding zet je de basis in een dag of twee, drie neer. De winst zit niet in de tool, maar in de discipline om eerst je eigen cijfers als waarheid te nemen voordat je naar een platform kijkt.
Geen vastomlijnd model, maar in de praktijk gaat het om de stappen die je hebt gezet: weet je waar je data staat, heb je die gekoppeld tussen systemen, en gebruik je je eigen cijfers als basis voordat je naar platformdata kijkt. In de sessie liep dat uiteen van “ik weet nog niet waar mijn data staat” tot deelnemers die zelf al ver waren met het gebruik en koppelen van data.
Begin aan het einde. Bij je boekhouding en facturen. Download de data in een sheet en kijk wat je al aan keiharde cijfers hebt: welke klant, welk bedrag, welk segment. Pas daarna voeg je platformdata zoals Google Ads of GA4 toe.
Nee, dat was Jos’ eigen voorbeeld. Het principe (verschillende bronnen op sleutels aan elkaar koppelen) werkt net zo goed met Power BI of een andere tool. BigQuery is gratis te gebruiken zolang je geen data verwerkt, dus het is een laagdrempelige plek om te oefenen.
Omdat die data niet voor je rapportage is, maar om de advertentie-algoritmes aan te sturen. Zodra je platformdata gebruikt om te rapporteren, rapporteer je eigenlijk het resultaat van een systeem dat zichzelf probeert te optimaliseren op diezelfde data.
Ja. Performance marketing is voor het overgrote deel (Jos noemt zo’n 80 procent) redelijk betrouwbaar te attribueren. Branding levert pas op langere termijn op en laat zich niet direct terugrekenen naar een euro-bedrag. Dat betekent niet dat het minder waardevol is, alleen dat je een andere manier van onderbouwen nodig hebt, zoals incrementaliteitstests.
Beperkt. Met weinig leads per week is de kans groot dat een stijging of daling gewoon toeval is. Voordat je conclusies trekt uit een test of periode-vergelijking, is het de moeite waard om een nulmeting te maken en pas na een langere periode te kijken of een patroon standhoudt. Bij kleinere volumes kan het wel interessant worden om semi-geautomatiseerd de belangrijkste acties bij te houden. Stel de vraag “hoe heb je van ons gehoord?” op je website of laat deze door de afdeling verkoop stellen bij eerste gesprekken.
Niet per se. Jos liet zien hoe hij zelf ChatGPT gebruikt om tabelstructuren en query’s te bouwen, inclusief uitleg per regel. Het helpt als je snapt wat er gebeurt, zodat je een data-specialist in je organisatie goed kan aansturen, maar je hoeft het zelf niet te kunnen bouwen.
Dan loop je tegen dezelfde muur aan als een deelnemer in de sessie. Zonder ingevulde CRM-data heb je simpelweg niets om op door te bouwen. Dat is minder een technisch probleem en meer een kwestie van intern draagvlak: laat zien dat goede data ook sales zelf helpt, niet alleen marketing.
Als je echt een hekel hebt aan numbercrunching, kom je ook een eind door je Search Console, Google Analytics en Google Ads data aan Google Cloud console te koppelen. Die kun je vervolgens weer koppelen aan je Codex/Claude/ChatGPT omgeving en je ‘praat’ met je cijfers. Je kunt letterlijk vragen wat de veranderingen zijn ten opzichte van vorige week op zoekwoord x of campagne y.
Dit artikel is gebaseerd op de Foeter live-sessie met Jos IJntema. We hebben het ook gehad over server-side tracking, offline conversies en hoe je met beperkt datavolume toch onderbouwde keuzes maakt. Jos deelt zijn volledige handleiding en voorbeeldbestanden met de community, vraag ernaar als je erbij wil.
Op 1 oktober brengt Foeter je Underground in Utrecht voor een middag in de Dark Funnel. Met een keynote van Tycho Luijten & Steven van Marle (Dapper).
