5.1 Conversiefunnel & lekken opsporen

Optimaliseren zonder te meten is gokken met je marge. Voordat je ook maar één knop verandert, moet je weten in welke stap van de funnel bezoekers verdwijnen en hoeveel omzet dat lek kost. Dit hoofdstuk leert je de funnel uitsplitsen, lekken in euro’s omrekenen en kiezen wat je als eerste aanpakt.

Na dit hoofdstuk kun je:

Je kunt de e-commerce-funnel uitsplitsen in overgangsratio’s en het verschil tussen micro- en macroconversie benoemen.
Je weet waarom een totale CVR niets zegt en kunt per overgang het lek in absolute aantallen berekenen.
Je kunt een lek omrekenen in euro’s per maand en het meest herstelbare lek kiezen in plaats van het grootste.
Je kunt verbeterideeën scoren met ICE of PIE en de hoogst scorende hypothese als eerste oppakken.
Je herkent valkuilen zoals mobiel en desktop op één hoop gooien of de funnel meten zonder de events te valideren.

flowchart TD
A["Sessies · 10.000"] -->|"65%"| B["Productpagina · 6.500"]
B -->|"20% — grootste lek"| C["Add-to-cart · 1.300"]
C -->|"54%"| D["Checkout · 700"]
D -->|"29%"| E["Aankoop · 200 — CVR 2,0%"]

Voorbeeldfunnel bij 10.000 sessies — het grootste lek zit tussen productpagina en winkelwagen

Kernconcepten

Conversiefunnel. De keten van stappen die een bezoeker doorloopt van eerste klik tot betaalde order. Bij e-commerce ziet die er meestal zo uit: sessie (bezoek) → productpagina-weergave → toevoegen aan winkelwagen (add-to-cart) → checkout starten → aankoop. Elke overgang heeft zijn eigen overgangsratio.

Conversieratio (CVR). Het percentage sessies dat eindigt in een aankoop. De gemiddelde Nederlandse e-commerce-shop zit tussen 1,5% en 3%. Boven de 3% is goed; onder de 1% is er bijna altijd een fundamenteel probleem (vertrouwen, snelheid, verkeerskwaliteit).

Overgangsratio (step conversion). Het percentage dat van de ene stap naar de volgende gaat. Dit is waar de diagnose zit: een totale CVR van 1,8% zegt niets, maar als je ziet dat 60% wel add-to-cart doet en daarna 80% afhaakt vóór checkout, weet je precies waar je moet graven.

Lek (drop-off). Het percentage bezoekers dat een stap niet haalt. Een lek is pas interessant als het groot én herstelbaar is: een drop van 70% bij checkout is een goudmijn, een drop van 2% bij de bedankpagina is ruis.

Micro- vs. macroconversie. Macro = de aankoop. Micro = tussenstappen (add-to-cart, nieuwsbriefinschrijving, account aanmaken). Micro’s meet je om de funnel te kunnen diagnosticeren.

Dit zijn richtwaarden voor een gezonde Nederlandse webshop met betaald + organisch verkeer. Sterk afhankelijk van branche en verkeerskwaliteit — gebruik ze als kompas, niet als wet.

Overgang	Zwak	Gemiddeld	Sterk
Sessie → productpagina	minder dan 40%	50%	meer dan 65%
Productpagina → add-to-cart	minder dan 5%	8%	meer dan 12%
Add-to-cart → checkout gestart	minder dan 45%	60%	meer dan 75%
Checkout → aankoop	minder dan 45%	60%	meer dan 75%
Totale CVR	minder dan 1%	2%	meer dan 3%

Stap-voor-stap workflow

Stel je funnel-definitie vast. Bepaal welke 5 events je gaat meten: session_start, view_item, add_to_cart, begin_checkout, purchase. Dit zijn standaard GA4 e-commerce-events. Zorg dat ze allemaal vuren (zie 10.2 GA4 & dashboards).
Bouw een funnel-rapport in GA4. Ga naar Verkennen → Trechterverkenning. Voeg de 5 stappen in volgorde toe. GA4 toont per stap het aantal gebruikers, de overgangsratio en het afhaakpercentage.
Verzamel minimaal 4 weken data of 1.000 conversies. Met minder data spreek je over toeval. Een week met een uitverkoopactie of een feestdag vertekent het beeld — kies een representatieve periode.
Bereken per overgang de drop-off. Zet de cijfers in een spreadsheet: aantal in stap, aantal in volgende stap, overgangsratio, drop in absolute aantallen.
Identificeer het grootste herstelbare lek. Niet het grootste lek absoluut, maar het lek waar realistisch het meeste te winnen valt. Add-to-cart → checkout van 40% is bijna altijd herstelbaarder dan sessie → productpagina van 45%.
Reken het lek om in euro’s. Gebruik de formule verderop. Pas als je weet wat een lek kost, kun je prioriteren.
Scoor je verbeterideeën met ICE of PIE. Lijst per lek 3 tot 5 hypotheses op en scoor ze. De hoogste score pak je eerst.
Voer één wijziging door en valideer met een test. Ga naar 5.2 A/B-testen. Bij te weinig verkeer: kwalitatief valideren via heatmaps (5.6).

Voorbeeld: een funnel uitgesplitst

Neem een shop met 20.000 sessies per maand, AOV 42 euro. De gemeten funnel:

Stap	Aantal	Overgangsratio	Drop-off
Sessies	20.000	—	—
Productpagina bekeken	11.000	55%	9.000
Add-to-cart	1.100	10%	9.900
Checkout gestart	660	60%	440
Aankoop	310	47%	350

Totale CVR: 310 / 20.000 = 1,55%. Maandomzet: 310 × 42 = 13.020 euro.

De overgang checkout → aankoop is 47% — onder benchmark (60%). Dáár zit een herstelbaar lek. Til je die overgang van 47% naar 60%, dan worden het 660 × 60% = 396 aankopen in plaats van 310. Dat is 86 extra orders × 42 euro = 3.612 euro extra omzet per maand, ofwel meer dan 43.000 euro per jaar — zonder één extra bezoeker.

Ter vergelijking: de overgang productpagina → add-to-cart is 10% (precies gemiddeld). Daar valt minder makkelijk winst te halen. De diagnose stuurt je naar de checkout, niet naar de productpagina.

Waarom pak je niet gewoon het grootste lek aan?

Het grootste lek in absolute aantallen is vaak níét waar je het meeste wint — om twee redenen.

1. Niet elk lek is herstelbaar. Het lek sessie → productpagina (in dit voorbeeld 9.000 mensen) wordt grotendeels veroorzaakt door verkeerskwaliteit: verkeerde doelgroep, misleidende advertentie, mismatch tussen zoekintentie en landingspagina. Dat los je niet op met een knop op je site — dat is een ads- of SEO-probleem. Een checkout-lek daarentegen zit ín je controle (formulier, verzendkosten, betaalmethodes).

2. De hefboom zit verderop in de funnel. Bezoekers die al tot de checkout zijn gekomen, hebben koopintentie bewezen. Ze terugwinnen is veel waarschijnlijker dan een koude bezoeker overhalen. Daarom reken je elk lek óók om in euro’s: pas dan zie je dat 13 procentpunt herstel op een kleine maar koopklare groep (checkout → aankoop) meer opbrengt dan worstelen met de grote, lauwe bovenkant.

Vuistregel: rangschik op herstelbaarheid × euro-impact, niet op de grootte van het lek alleen.

Formules & benchmarks

Conversieratio:

CVR = aantal aankopen / aantal sessies × 100%

Omzetimpact van een conversieverbetering:

Extra omzet = sessies × (nieuwe CVR − oude CVR) × AOV

Voorbeeld: 20.000 sessies × (0,024 − 0,0155) × 42 euro = 20.000 × 0,0085 × 42 = 7.140 euro extra per maand.

Waarde van één procentpunt overgangsverbetering in een specifieke stap:

Extra orders = (bezoekers in die stap) × (verbetering in overgangsratio)

ICE-score (Impact, Confidence, Ease), elk 1 tot 10:

ICE = (Impact + Confidence + Ease) / 3

PIE-score (Potential, Importance, Ease), elk 1 tot 10:

PIE = (Potential + Importance + Ease) / 3

Voorbeeld ICE voor “gastcheckout toevoegen”: Impact 8 (raakt grootste lek), Confidence 7 (sterk onderbouwd door data), Ease 6 (app-installatie). ICE = (8 + 7 + 6) / 3 = 7,0. Tegenover “andere knopkleur”: Impact 2, Confidence 3, Ease 9 → (2 + 3 + 9) / 3 = 4,7. De gastcheckout wint.

KPI	Slecht	Gemiddeld	Goed
Totale CVR (NL e-commerce)	minder dan 1%	1,5% – 2,5%	meer dan 3%
Checkout-voltooiing	minder dan 45%	55% – 65%	meer dan 75%
Bouncepercentage landingspagina	meer dan 65%	45% – 60%	minder dan 40%
Add-to-cart-ratio	minder dan 5%	7% – 10%	meer dan 12%

Tools

Tool	Functie	Wanneer kiezen
GA4 Trechterverkenning	Funnel-stappen en drop-offs meten	Altijd — gratis, standaard, EU-conform via consent mode
Microsoft Clarity	Heatmaps + funnel-segmenten gratis	Naast GA4 voor kwalitatieve diagnose van het lek
Shopify Analytics → Conversie-overzicht	Native funnel sessie → cart → checkout → order	Snelle check zonder GA4-setup; minder flexibel
Lucky Orange / Hotjar	Funnel + sessie-opnames gecombineerd	Als je betaalt voor diepere kwalitatieve analyse
Spreadsheet (Sheets/Excel)	Lek-in-euro’s-berekening en ICE-scoring	Voor prioritering; geen tool kan dit voor je beslissen

Veelgemaakte fouten

Op totale CVR sturen in plaats van op overgangsratio’s. Eén getal verbergt waar het probleem zit. Splits altijd uit.
Het grootste lek nemen in plaats van het meest herstelbare. Sessie → productpagina van 45% lijkt erg, maar wordt vaak veroorzaakt door verkeerskwaliteit (verkeerde doelgroep, slechte advertentie). Dat los je niet op de site op.
Te weinig data. Een funnel met 80 sessies per stap is ruis. Wacht tot je per stap een paar honderd waarnemingen hebt.
Mobiel en desktop op één hoop. De checkout-conversie op mobiel ligt vaak 30% tot 50% lager. Splits je funnel naar apparaat — het lek zit bijna altijd op mobiel.
Vergeten te segmenteren naar bron. Verkeer uit e-mail converteert vaak 3 tot 5 keer beter dan koud advertentieverkeer. Een dalende CVR kan puur een verschuiving in verkeersmix zijn.
De funnel meten zonder te valideren dat events kloppen. Een ontbrekend add_to_cart-event maakt een gezonde stap kunstmatig dramatisch.

Checklist

Sjablonen

Funnel-diagnose spreadsheet (kolomstructuur)

Maak een tabblad met deze kolommen:

Stap (sessie, productpagina, add-to-cart, checkout, aankoop)
Aantal gebruikers
Overgangsratio naar volgende stap (%)
Drop-off (absoluut aantal)
Benchmark-overgangsratio
Verschil met benchmark (procentpunten)
Potentiële extra orders bij benchmark-niveau
Potentiële extra omzet per maand (extra orders × AOV)

Sorteer op de laatste kolom. De bovenste rij is je prioriteit.

ICE-scoringstabel voor hypotheses

Per hypothese:

Hypothese: “Als ik [wijziging] doorvoer in [stap], dan verbetert [metric] omdat [reden]”
Impact (1-10): hoe groot is de verwachte verbetering
Confidence (1-10): hoe sterk is het bewijs dat dit werkt
Ease (1-10): hoe makkelijk is het uit te voeren
ICE-score: gemiddelde van de drie
Prioriteit: rang op basis van score

Oefen het zelf

Case: waar zit het geld in deze funnel?

Een shop heeft 15.000 sessies/maand en een AOV van 55 euro. De gemeten funnel:

Stap	Aantal	Overgangsratio
Sessies	15.000	—
Productpagina	8.250	55%
Add-to-cart	825	10%
Checkout gestart	495	60%
Aankoop	198	40%

Bereken: (1) de totale CVR en maandomzet, (2) welke overgang het zwakst is t.o.v. de benchmark (checkout → aankoop hoort ~60% te zijn), (3) hoeveel extra omzet/maand je wint als je die overgang naar 60% tilt.

Toon uitwerking

1 — CVR & omzet: 198 / 15.000 = 1,32% CVR. Maandomzet: 198 × 55 = 10.890 euro.

2 — Zwakste overgang: checkout → aankoop staat op 40%, terwijl de benchmark ~60% is — een gat van 20 procentpunt op een koopklare groep. Add-to-cart (10%) en checkout-start (60%) zitten op benchmark. Het lek zit dus in de checkout.

3 — Impact: bij 60% worden het 495 × 60% = 297 aankopen i.p.v. 198. Dat is 99 extra orders × 55 euro = 5.445 euro extra per maand (~65.000 euro/jaar) — zonder één extra bezoeker.

Conclusie: investeer in de checkout (gastcheckout, minder velden, verzendkosten vooraf tonen, extra betaalmethodes), niet in de bovenkant van de funnel.

Test jezelf

Snelle kennischeck — funnel & lekken

Je totale CVR is 1,8%. Wat vertelt dat ene getal je over wáár het probleem zit?
Welk lek pak je eerst aan?
Je vergelijkt twee hypotheses met ICE. 'Gastcheckout' scoort (8+7+6)/3 en 'andere knopkleur' (2+3+9)/3. Welke wint?
Je funnel toont een dramatische checkout-drop. Wat check je éérst voordat je gaat optimaliseren?

Samenvatting

Splits altijd uit naar overgangsratio’s: één totale CVR (gemiddeld 1,5% tot 3% in NL) verbergt waar het lek zit.
Pak niet het grootste lek maar het meest herstelbare met de hoogste euro-impact — bovenkant-lekken komen vaak door verkeerskwaliteit en los je niet op de site op.
Reken elk lek om in euro’s: in het voorbeeld levert checkout → aankoop van 47% naar 60% tillen ~3.612 euro extra omzet per maand op zonder één extra bezoeker.
Verzamel minimaal 4 weken of 1.000 conversies, split mobiel en desktop, en verifieer dat je events kloppen voor je conclusies trekt.
Scoor hypotheses met ICE of PIE en rangschik op herstelbaarheid × euro-impact, niet op de grootte van het lek alleen.

Lees verder

5.2 A/B-testen — valideer je hoogst gescoorde hypothese
5.5 Verlaten-winkelwagen-herstel — als het lek in cart/checkout zit
5.6 Heatmaps & sessie-opnames — kwalitatieve diagnose per stap
10.2 GA4 & dashboards — funnel correct meten
10.5 Beslissingen op data — van inzicht naar actie