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.

🎯 Na dit hoofdstuk kun je:

• Je begrijpt waarom platform-ROAS van Meta, Google en TikTok samen optelt tot meer dan 100% van je werkelijke omzet.
• Je weet wat signal loss en ATT na iOS 14 met je meting doen en waarom platformcijfers ondertellen of overtellen.
• Je kunt blended MER, blended CAC, aMER en incrementele ROAS berekenen en weet waarom MER niet kan dubbeltellen.
• Je herkent dat een hoge platform-ROAS toch waardeloos kan zijn als de incrementaliteit laag is.
• Je kunt een werkbaar meetbeeld combineren uit MER, post-purchase survey en on/off-tests.

flowchart LR
A["Eerste contact<br/>TikTok"] --> B["Onderzoek<br/>Google"]
B --> C["Retargeting<br/>Meta"]
C --> D["Aankoop"]
D -.->|"elk platform claimt de sale"| E["Som van platform-ROAS<br/>telt dubbel"]

Waarom platform-ROAS dubbeltelt

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.

Let op: in GA4 zelf kun je niet meer alle modellen kiezen

De modellen hierboven (first-click, lineair, tijdsverval, positie-gebaseerd) zijn nog steeds nuttig om over na te denken, maar Google verwijderde ze in 2023 uit de GA4-rapportage. In GA4 kun je nu nog maar twee modellen selecteren: data-driven (de standaard) en last-click (cross-channel). De conceptuele modellen blijven waardevol om touchpoints te wegen, maar verwacht ze niet als knop in de interface.

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 attributievenster in Meta Ads kromp (de oude 28-daagse view-through verdween; standaard werd 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.

💡 Waarom kan een kanaal met ROAS 3,5 toch waardeloos zijn?

Omdat ROAS meet wie de credit claimt, niet wie de verkoop veroorzaakte. Retargeting toont advertenties aan mensen die je al kennen en vaak toch al zouden kopen. Die kopers zoeken je merk op, klikken op de retargeting-ad en bevestigen de aankoop. Meta ziet die klik, telt de hele order mee en rapporteert een mooie ROAS van 3,5. Maar de order was er ook zonder de advertentie gekomen.

Het verschil zit in incrementaliteit: hoeveel omzet kwam er écht bovenop door dat kanaal. In de on/off-test hierboven daalde de totale omzet maar 4% toen retargeting (12% van het budget) twee weken uit stond. Reken het door: je betaalt voor 100% van de toegeschreven orders, maar slechts een fractie was incrementeel. Een gemelde ROAS van 3,5 kan zo een incrementele ROAS van bijna 1,0 verbergen — net genoeg om de advertentiekosten terug te verdienen, en niets meer. Daarom stuur je op blended MER en test je twijfelgevallen, in plaats van blind op het platformcijfer te schalen.

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.

Oefen het zelf

✏️Case: claimen de platforms meer dan je verdiende?

Je shop draaide vorige maand 30.000 euro omzet (shop-backend) en gaf 7.000 euro uit aan advertenties. De platforms melden: Meta 18.000 euro toegeschreven, Google 14.000 euro, TikTok 6.000 euro.

1. Bereken je blended MER.
2. Tel de toegeschreven omzet van de platforms op. Hoeveel procent van je werkelijke omzet is dat, en hoeveel euro wordt er dubbel geteld?
3. Je twijfelt over de Meta-retargeting. Een on/off-test van twee weken laat de totale omzet met 4% dalen, terwijl retargeting 1.200 euro (12% van het budget) kostte. Bereken de incrementele ROAS over die test en geef je oordeel: schalen, houden of schuiven?

Toon uitwerking

1. Blended MER. Totale omzet ÷ totale adspend = 30.000 ÷ 7.000 = 4,3. Gezond: ruim boven de richtwaarde van 3,0 tot 4,0.

2. Dubbeltelling. Som van platforms = 18.000 + 14.000 + 6.000 = 38.000 euro. Dat is 38.000 ÷ 30.000 = 127% van je werkelijke omzet. Er wordt 38.000 − 30.000 = 8.000 euro dubbel geteld. Conclusie: je kunt deze cijfers nooit naïef optellen.

3. Incrementele ROAS. Een omzetdaling van 4% over 30.000 euro is 1.200 euro extra omzet die de retargeting opleverde. Incrementele ROAS = 1.200 ÷ 1.200 = 1,0. Dat betekent: elke euro retargeting bracht ongeveer één euro omzet bovenop — net kostendekkend, geen winst. Oordeel: niet opschalen. Verschuif dit budget naar prospecting en hertest na een maand.

Les: de platform-ROAS van Meta zag er prima uit, maar de combinatie van blended MER en een incrementality-test onthulde dat de retargeting nauwelijks iets toevoegde.

Test jezelf

🧠Snelle kennischeck — attributie & meten

1. Waarom tellen Meta, Google en TikTok samen op tot meer dan je werkelijke omzet?

   A Omdat de platforms fraude plegen met cijfers B Omdat dezelfde order door meerdere platforms wordt geclaimd C Omdat shop-backends omzet onderrapporteren

2. Welke metriek kan per definitie niet dubbeltellen?

   A Blended MER op basis van de shop-backend B Platform-ROAS van Meta C GA4 data-driven attributie

3. Wat meet een geo- of on/off-test dat platform-ROAS niet meet?

   A De gemiddelde orderwaarde per kanaal B De incrementele omzet die een kanaal echt toevoegt C Het aantal weergaven van een advertentie

4. Waarom is een post-purchase survey waardevol naast pixels?

   A Hij vervangt de noodzaak van CAPI volledig B Hij geeft exacte, ruisvrije attributie per euro C Hij onthult kanalen die geen enkele pixel kan zien

📌 Samenvatting

• Platform-ROAS van Meta, Google en TikTok telt samen op tot meer dan 100% van je echte omzet (in het voorbeeld 127%), omdat dezelfde order door meerdere kanalen wordt geclaimd — tel ze nooit naïef op.
• Sinds iOS 14 / ATT modelleren platforms een deel van de conversies; platformcijfers onder- of overtellen per kanaal en zijn alleen betrouwbaar als A/B-signaal binnen één platform.
• Stuur je hele budget op blended MER (totale omzet ÷ totale adspend), de enige metriek die per definitie niet kan dubbeltellen.
• Een hoge platform-ROAS kan waardeloos zijn: incrementaliteit meet wat een kanaal écht bovenop bracht — een gemelde ROAS van 3,5 kan een incrementele ROAS van 1,0 verbergen.
• Combineer drie lagen: MER als noordster, een post-purchase survey (onthult ongetrackte kanalen) en on/off-tests bij twijfel — vertrouw geen enkel model blind.

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