Alle Insights

Stuur je op een marketingcijfer of op echt rendement?

6 mei 2026

Cijfers liegen niet, maar de manier waarop ze verzameld worden wel. Veel ondernemers staren zich blind op een ROAS of conversieratio in hun dashboard, zonder te vragen waar die data vandaan komt. Het resultaat? Je optimaliseert op basis van cijfers waarvan je niet zeker weet of deze wel kloppen.

Het blind aflezen van data zonder de context van de bron is gevaarlijk. In deze guide duiken we in het onderzoeken van meetverschillen en leren we hoe je kritischer naar metrics kan kijken.

Inhoud

Data-consumeren versus data-analyseren
De bron: waarom platformen nooit matchen
De methode: zo onderzoek je structureel meetverschil
Context is king: het gevaar van losse metrics
Veelgestelde vragen over afwijkende data
Conclusie: van cijfers kijken naar cijfers begrijpen

Data consumeren vs. data analyseren

De meeste marketeers zijn data kijkers: ze openen GA4, zien een getal en trekken een conclusie. Aan het einde van deze guide kijk je kritisch naar data en snap je welke vragen je moet stellen om de betrouwbaarheid van jouw dashboards te testen. Onderzoeken begint bij het besef dat je een “single source of truth” uitkiest in plaats van dat dit een gegeven is. Een meetplan opstellen is in deze context geen technische installatie, maar het vastleggen van de regels: hoe definieer ik een succes en wanneer vertrouw ik de bron?

De bron: waarom platformen nooit matchen

De meest voorkomende meetverschillen ontstaan tussen de verschillende platformen en de attributiemodellen (lees: aan wie wijzen we de verkoop toe) die in deze platformen zitten. Hieronder een voorbeeld:

Google Ads kijkt naar 'interacties'. Als iemand klikt en later koopt, claimt Ads de sale.
GA4 kijkt naar een meer volledig beeld van alle touchpoints en de reis.

Als je de ROAS in Google Ads afleest zonder deze context, denk je dat je goud in handen hebt. Maar leg je daar de data van je andere bronnen naast, dan zie je vaak dat Google Ads conversies claimt die allang via een directe weg of een organische zoekopdracht waren binnengekomen. In dit voorbeeld zie je dat, zonder dat we in de techniek hoeven te duiken, we al meetverschillen tegenkomen door verschillen in attributie.

De methode: zo onderzoek je structureel meetverschil

Ben je benieuwd of je data klopt? Hieronder vind je een voorbeeld hoe je dit kunt doen.

Stap-voor-stap onderzoek:

Selectie: Log in op je webshop-backend (Shopify of Magento) en neem een steekproef van 10 recente, afgeronde transacties.
Validatie: Gebruik de 'Explorations' (Verkennen) functie in GA4 om te zoeken op de dimensie 'Transactie-ID'. Controleer of elk ID uit je backend aanwezig is.
Advertentie-accounts: Controleer in Google Ads of Meta Events Manager of deze specifieke transactie-ID's zijn gekoppeld aan een conversie-event.
De verschillen analyseren: Veel voorkomende issues die je hier tegen kunt komen zijn bijvoorbeeld:

Missende ID's: Staat een ID wel in je backend maar niet in GA4? Dan heb je een technisch lek. Dit wordt vaak veroorzaakt door adblockers, privacy-instellingen of een bedankpagina die niet correct laadt op mobiele apparaten.
Dubbele ID's: Zie je één ID vaker dan eens terugkomen in GA4? Dan is er sprake van duplicate transactions. Dit gebeurt wanneer een klant de bedankpagina ververst, waardoor het script opnieuw afvuurt en je omzet kunstmatig ophoogt.
Attributieprobleem: Zie je dat Google Ads de volledige 100% van de orderwaarde claimt, terwijl GA4 voor datzelfde ID een lager bedrag (een fractie) rapporteert? Dit wordt veroorzaakt door hoe Google Ads attributie werkt of door verschillende sets instellingen op verschillende platformen. In principe is geen van de antwoorden fout, het belangrijkste is dat je ze consequent toepast.

Context is king

Het aflezen van een ROAS van 8 in Google Ads lijkt fantastisch, maar zonder context zegt het niets. Is deze ROAS behaald op je eigen merknaam (branded), waarbij mensen je toch al zochten? Of zijn dit mensen op zoek naar een oplossing voor een probleem, een probleem waarvoor jij de oplossing hebt?

Cijfers in een vacuüm vertellen je namelijk niet of je marketing-efforts echt gezond zijn, een goede strategie herken je niet aan de hoogste ROAS. Dit herken je aan de verhouding tussen de totale investering en de werkelijke groei onderaan de streep.

Veelgestelde vragen over afwijkende data

Hoe verklaar ik een omzetverschil van 20% tussen mijn shop en GA4? Vaak is dit te herleiden naar technische barrières. Volgens de GDPR-wetgeving mogen we niet (meer) meten zonder toestemming. Een andere mogelijkheid is bijvoorbeeld een 'Server-side' incident of time-outs in de browser die de data corrupt kunnen maken. Onderzoek altijd of het verschil constant is of schommelt.

Moet ik mijn advertenties pauzeren als de ROAS in GA4 laag is? Niet direct. Onderzoek eerst de 'assisted conversions'. Soms is een kanaal een essentiële stap in de reis, maar krijgt het in de laatste stap (GA4-attributie) niet de credits die het verdient.

Conclusie: van cijfers kijken naar cijfers begrijpen

Data is pas informatie als je de context begrijpt. Een meetplan opstellen dwingt je om na te denken over hoe je data interpreteert en waar de meetverschillen vandaan komen. Stop met het passief aflezen van dashboards. Start met het onderzoeken van de bron, begrijp de methodiek achter de cijfers en stuur je omzet aan op basis van feiten in plaats van blind staren op dashboards.

Hulp nodig bij het ontcijferen van jouw data?

Lopen jouw dashboards en je omzet te ver uiteen? Wij analyseren ook het 'waarom' achter de cijfers. We helpen je niet alleen met de inrichting, maar leren je hoe je de data moet lezen en helpen je echt impact te maken.