Ads Manager rapporteert een prachtige ROAS, maar je omzet groeit niet mee. Zo werkt attributie echt, en zo trianguleer je de waarheid met je eigen data.
Meta rapporteert een sterke ROAS, maar de omzet in je bankrekening groeit niet mee. Dat is geen bug, het is hoe attributie werkt. Elk platform claimt elke aankoop waar het een aanraking bij kan vinden, binnen het venster dat jij instelt. De oplossing is niet een beter dashboard, maar triangulatie: platformdata als richting, je eigen besteldata als waarheid, en blended metrics als scheidsrechter tussen die twee.
Waarom wijkt Meta af van je echte omzet?
Attributie beantwoordt een simpele vraag op een eigenzinnige manier: welke aankopen mag dit platform op zijn conto schrijven? Meta kijkt of iemand binnen het attributievenster een ad heeft aangeklikt of gezien, en telt de aankoop dan mee. Google doet hetzelfde voor zijn eigen aanrakingen. Tel je de gerapporteerde omzet van al je kanalen bij elkaar op, dan kom je vrijwel altijd boven je werkelijke omzet uit. Iedereen claimt dezelfde aankoop.
Daar komt sinds iOS 14 nog een laag bij: een deel van de conversies kan Meta niet meer direct meten en wordt bijgeschat met modellering. Het resultaat is een dashboard dat richting geeft, maar geen boekhouding is. Wie het als boekhouding leest, trekt structureel verkeerde conclusies.
Wat doet een attributievenster precies?
Het attributievenster bepaalt hoe lang na een klik of vertoning een aankoop nog aan de ad wordt toegeschreven. Een venster van zeven dagen na klik betekent: koopt iemand zes dagen na de klik, dan claimt Meta die aankoop volledig. Ook als die persoon in de tussentijd een e-mail las, je merk googelde en via een review binnenkwam. Ruimere vensters laten je cijfers mooier ogen zonder dat er iets aan de werkelijkheid verandert.
View-through attributie gaat nog een stap verder: een aankoop telt mee als iemand de ad alleen maar in beeld had. Voor sommige analyses is dat nuttig signaal, maar het verschil tussen een ad zien en door een ad overtuigd worden is precies het verschil tussen attributie en werkelijkheid.
Praktisch betekent dit twee dingen. Kies één venster en houd het vast, zodat je cijfers over de tijd vergelijkbaar blijven. En vergelijk nooit campagnes of tools met verschillende vensters alsof ze hetzelfde meten: een verschil in instellingen kan groter zijn dan het verschil in prestatie dat je denkt te zien.
Wat is over-claiming en waarom raakt het jou?
Over-claiming is omzet claimen die er zonder de advertentie ook was geweest. Het duidelijkste voorbeeld is retargeting: je toont ads aan mensen die al in je funnel zitten, met producten in hun winkelmandje. Een deel had sowieso gekocht, maar de laatste klik liep toevallig via de ad, dus het platform claimt de hele aankoop. Retargeting ziet er in Ads Manager daardoor bijna altijd geweldig uit, terwijl het werkelijke effect veel kleiner kan zijn.
Dit is de reden dat wij new-customer share zo zwaar wegen. Omzet van mensen die je merk nog niet kenden is veel moeilijker te over-claimen dan omzet uit je bestaande klantenbestand. Groei komt van vreemden die klant worden, en juist die beweging wil je zuiver meten.
Hoe trianguleer je de waarheid?
Je hebt geen perfect attributiemodel nodig, wel meerdere onafhankelijke bronnen die elkaar controleren. Zo pakken wij het aan bij de merken waarmee we werken:
- Platformdata als richting: gebruik Meta cijfers om ads en concepten onderling te vergelijken, niet als absolute waarheid.
- Je backend als waarheid: omzet, bestellingen en new-customer share uit Shopify zijn de cijfers waarop je stuurt.
- MER als scheidsrechter: totale omzet gedeeld door totale ad spend. Stijgt je spend terwijl MER instort, dan koop je omzet die er toch al was.
- Trendbreuken als bewijs: verhoog of verlaag spend bewust en kijk wat je totale omzet doet in de weken erna.
Maak hier een vast wekelijks ritueel van. Zet elke week spend, gerapporteerde omzet, werkelijke omzet en new-customer share naast elkaar in één overzicht. Na een paar weken zie je hoe groot het gat tussen platform en werkelijkheid bij jouw merk normaal is, en juist afwijkingen van dat patroon zijn het signaal om op te acteren.
Je bankrekening is het enige dashboard zonder attributiemodel.
Welke rol speelt platformdata dan nog?
Een grote, zolang je het relatief leest. Als concept A twee keer zoveel aankopen rapporteert als concept B, bij vergelijkbare spend en hetzelfde venster, dan is dat een betrouwbaar signaal, ook wanneer beide absolute getallen te hoog zijn. Voor creative beslissingen, budgetverdeling binnen een account en het vinden van winnende hooks blijft platformdata het snelste instrument dat je hebt. Wij nemen dagelijks creative beslissingen op Meta data, bij 65+ merken. We geloven alleen nooit het absolute getal zonder het tegen de backend te leggen.
Conclusie
Meta liegt niet, het beantwoordt een andere vraag dan jij stelt. Attributie meet wat het platform mag claimen; jij wilt weten wat je spend veroorzaakt. Lees platformcijfers relatief, stuur op je eigen backend en laat MER de scheidsrechter zijn. Wil je weten hoe groot het gat tussen dashboard en werkelijkheid bij jou is? Plan een call, dan kijken we graag met je mee.