10.3 Attributie & het meetprobleem na iOS

Als Meta zegt dat het 18.000 euro omzet maakte, Google 14.000, en TikTok 6.000 — maar je shop deed in totaal 30.000 — dan klopt er iets niet. Dat is het attributieprobleem. Sinds Apple’s privacywijzigingen (iOS 14 / ATT) is perfecte tracking onmogelijk geworden. Dit hoofdstuk legt uit waarom je platformcijfers liegen, en hoe je tóch weet wat werkt.

Kernconcepten

Attributie. Het toewijzen van een verkoop aan de marketingtouchpoints die eraan voorafgingen. De vraag “wie krijgt de credit” heeft nooit één juist antwoord.

Last-click attributie. Alle credit gaat naar het laatste touchpoint vóór aankoop. Eenvoudig, maar onderwaardeert alles wat eerder in de reis gebeurde (zoals een eerste advertentie die de behoefte wekte).

First-click attributie. Alle credit naar het eerste touchpoint. Overwaardeert top-of-funnel, onderwaardeert wat de deal sloot.

Positie-gebaseerd (U-vormig). Verdeelt credit, bijvoorbeeld 40% eerste touch, 40% laatste, 20% over de rest. Erkent dat zowel kennismaking als afsluiting tellen.

Data-driven attributie (DDA). Het algoritme van GA4 verdeelt credit op basis van patronen in je eigen data. Beter dan last-click, maar een black box en gevoelig voor signal loss.

Signal loss. Het verlies aan meetbare conversies doordat gebruikers tracking weigeren of cookies blokkeren. Het platform “raadt” dan een deel van de conversies via modellering.

ATT (App Tracking Transparency). Sinds iOS 14.5 vraagt Apple elke app expliciet toestemming om gebruikers te volgen. De meerderheid weigert, waardoor Meta veel iPhone-conversies niet meer rechtstreeks ziet.

MER (Marketing Efficiency Ratio). Totale omzet gedeeld door totale marketinguitgaven, los van welk platform de credit claimt. De enige attributie die niet dubbel kan tellen.

Waarom platform-ROAS optelt tot meer dan 100%

Elk advertentieplatform claimt elke conversie die het ook maar enigszins zag. Een klant ziet je Meta-advertentie, zoekt later op Google naar je merk, klikt op je Google-ad, en koopt. Meta claimt de verkoop (view-through), Google claimt hem (last click). Eén order, twee keer geclaimd.

Vermenigvuldig dit over duizenden orders en je krijgt het klassieke probleem:

Voorbeeld — één echte maand:
  Werkelijke omzet (shop-backend):   30.000 euro
  Meta meldt:                        18.000 euro toegeschreven
  Google meldt:                      14.000 euro toegeschreven
  TikTok meldt:                       6.000 euro toegeschreven
  Som van platforms:                 38.000 euro

  38.000 > 30.000  → 8.000 euro is dubbel geteld

De platforms tellen samen op tot 127% van je echte omzet. Als je elk platform afzonderlijk gelooft, denk je rijker te zijn dan je bent en schaal je verkeerd op.

De kerngedachte

Platform-ROAS is een directioneel signaal binnen één platform (campagne A versus B), niet een absolute waarheid over je hele bedrijf. Voor “verdien ik geld” gebruik je blended MER op basis van je shop-backend.

Het post-iOS14-meetprobleem

Vóór 2021 zag Meta vrijwel elke conversie via de pixel in de browser. Na ATT weigert de meerderheid van iPhone-gebruikers tracking. Gevolg:

• Meta ziet een deel van de conversies niet meer rechtstreeks en modelleert (schat) ze.
• De gerapporteerde ROAS wordt onbetrouwbaarder, vooral op kleine budgetten waar modellering ruis toevoegt.
• Het venster van toeschrijving kromp (van 28 dagen view naar standaard 7 dagen click + 1 dag view), waardoor langere koopreizen onzichtbaar worden.
• Retargeting-doelgroepen werden kleiner omdat minder gebruikers traceerbaar zijn.

Het netto-effect: je platform-cijfers ondertellen óf overtellen, afhankelijk van het kanaal, en je kunt ze niet meer naïef optellen.

Oplossingsrichtingen

Geen enkele oplossing geeft je perfecte tracking terug. Je combineert er meerdere tot een werkbaar beeld.

1. Denk in blended / MER. Neem je totale omzet (shop-backend) gedeeld door je totale adspend. Dit cijfer kan niet dubbeltellen. Stuur je hele budget hierop, niet op platform-ROAS.

2. Herstel signaal met server-side (CAPI). Stuur conversies vanaf je server naar Meta en Google in plaats van alleen via de browser. Dit vult een deel van het verloren signaal aan. Zie 7.1 Tracking-fundament.

3. Voeg een post-purchase survey toe. Vraag elke koper op de bedanktpagina: “Waar hoorde je voor het eerst van ons?” Dit is een zelf-gerapporteerde, platform-onafhankelijke attributiebron. Verrassend vaak blijkt een “ongetrackt” kanaal (mond-tot-mond, podcast, influencer) een grote driver.

4. Doe geo- of incrementality-tests. Zet een kanaal uit in de helft van het land (of helemaal, voor een periode) en meet wat er met je totale omzet gebeurt. Dit meet de echte incrementele bijdrage — wat zou je sowieso hebben verkocht.

5. Gebruik marketing mix modeling light. Voor grotere budgetten: een statistisch model dat omzet verklaart uit adspend per kanaal over de tijd. Light-versies bestaan als spreadsheet voor kleinere merken.

Een praktische aanpak voor kleine merken

Je hebt geen data-team nodig. Combineer drie lagen:

1. MER als noordster (dagelijks/wekelijks): blijft mijn totale marketing rendabel?
2. Post-purchase survey (continu): welk kanaal noemen kopers zélf?
3. On/off-tests bij twijfel (per kwartaal): zet een kanaal twee weken uit en kijk wat de totale omzet doet.

Voorbeeld van hoe deze lagen samen een beslissing sturen:

Situatie: Meta meldt ROAS 3,5 op merk-retargeting.
  Twijfel: claimt Meta orders die ik sowieso had gekregen?

  Survey toont: 40% van kopers noemt "Google / zocht jullie op".
  On/off-test:  retargeting 2 weken uit → totale omzet daalt 4%,
                terwijl retargeting 12% van het budget was.

  Conclusie: de retargeting is grotendeels NIET incrementeel.
             Budget verschuiven naar prospecting.

De platform-ROAS zei “houden”. De incrementaliteit zei “schuiven”. De waarheid zat in de combinatie.

Formules & benchmarks

Blended MER = totale omzet ÷ totale marketinguitgaven Voorbeeld: 30.000 euro ÷ 7.000 euro = 4,3.

Blended CAC = totale marketinguitgaven ÷ totaal aantal nieuwe klanten Voorbeeld: 7.000 euro ÷ 410 nieuwe klanten = 17,07 euro.

aMER (acquisition MER) = omzet van nieuwe klanten ÷ totale adspend Strenger dan MER, want haalt herhaalomzet eruit. Voorbeeld: 22.000 ÷ 7.000 = 3,1.

Incrementaliteit = (omzet met kanaal − omzet zonder kanaal) ÷ adspend van dat kanaal Voorbeeld test: (30.000 − 28.800) ÷ 1.200 = 1,0. Een incrementele ROAS van 1,0 betekent dat je euro’s er nauwelijks omzet bovenop brachten.

Meetbenadering	Betrouwbaarheid	Wanneer gebruiken
Platform-ROAS (los)	Laag (dubbeltelt)	Alleen A/B binnen één platform
GA4 data-driven	Middel	Kanaalverdeling, richtinggevend
Blended MER	Hoog	Hoofd-stuurmetriek voor budget
Post-purchase survey	Middel-hoog	Onafhankelijke check op kanalen
Geo/incrementality	Zeer hoog	Beslissing om kanaal te schalen of stoppen

MER-richtwaarde (afh. van marge)	Betekenis
minder dan 2,5	Waarschijnlijk verliesgevend bij normale marges
3,0 tot 4,0	Gezond bij 60 tot 70% brutomarge
meer dan 5,0	Sterk; ruimte om agressiever te schalen

Tools

Tool	Functie	Wanneer kiezen
Triple Whale	Blended dashboards + survey + pixel	Bij serieuze adspend over meerdere kanalen
Northbeam / Rockerbox	Geavanceerde multi-touch + incrementality	Grote budgetten, data-volwassen merken
KnoCommerce / Fairing	Post-purchase survey op de bedanktpagina	Altijd nuttig; goedkoop en platform-onafhankelijk
Meta CAPI / Google EC	Server-side signaalherstel	Bij signal loss op ad-platforms (zie 7.1)
Google Sheets	Handmatige MER- en survey-tracker	Startfase; volledige controle, nul kosten

Veelgemaakte fouten

• Platform-ROAS optellen. De grootste fout: Meta + Google + TikTok bij elkaar tellen als totale omzet. Ze overlappen.
• Op platform-ROAS schalen. Een kanaal dat ROAS 6 meldt maar nul incrementele omzet brengt, kost je geld als je het opschaalt.
• Survey-data negeren omdat het “zacht” is. Zelf-gerapporteerde attributie heeft ruis, maar onthult kanalen die geen enkele pixel ziet.
• Geen baseline bij een on/off-test. Zonder te weten wat je normaal verkoopt, kun je het effect van uitzetten niet meten. Meet eerst een rustige baseline.
• Attributievenster door elkaar halen. Een 7-daags click-venster vergelijken met een 28-daags view-venster geeft onzin. Houd vensters consistent.
• Denken dat één model “de waarheid” is. Attributie is altijd een schatting. Combineer bronnen, vertrouw geen enkele blind.

Checklist

✅Voordat je verder gaat

• Ik stuur mijn totale budget op blended MER, niet op platform-ROAS
• Ik weet dat platform-cijfers optellen tot meer dan 100% en waarom
• Server-side / CAPI staat aan om signaal te herstellen
• Er draait een post-purchase survey op mijn bedanktpagina
• Ik heb een baseline-omzet om incrementality-tests tegen af te zetten
• Mijn attributievensters zijn consistent ingesteld
• Ik beslis over schalen op basis van meerdere bronnen, niet één

Sjablonen

📋Post-purchase survey (bedanktpagina) Kopieer

Vraag (één vraag, verplicht): “Waar hoorde je voor het eerst over ons?”

Antwoordopties (rouleer de volgorde):

• Instagram of Facebook
• TikTok
• Google (zocht naar jullie of een product)
• YouTube
• Een vriend of familielid (mond-tot-mond)
• Een influencer of creator
• Podcast of radio
• Anders, namelijk: [vrij tekstveld]

Analyse: koppel het antwoord aan de orderwaarde, zodat je per genoemd kanaal zowel volume als omzet ziet — los van wat de pixels claimen.

⚡Doe dit nu

1. Bereken je blended MER van vorige maand (totale omzet ÷ totale adspend).
2. Vergelijk die met de som van je platform-ROAS-omzet en zie de dubbeltelling.
3. Installeer een post-purchase survey (Fairing of KnoCommerce).
4. Controleer of CAPI/server-side aanstaat (zie 7.1).
5. Plan een on/off-test voor je meest twijfelachtige kanaal.

Lees verder

• 7.7 Schalen — budget verschuiven op basis van incrementaliteit
• 7.1 Tracking-fundament — server-side, CAPI en pixel-setup
• 10.1 KPIs die er echt toe doen — MER en CAC in context
• 10.2 GA4 + dashboards opzetten — kanaalrapporten lezen
• 10.4 Cohort- & retentie-analyse — welke bron levert betere klanten