‘Hoeveel levert onze marketing nou op?’ Het is bijna niet te tellen hoe vaak ik deze vraag heb gekregen. Terecht, want het antwoord bepaalt steeds vaker waar budget heen gaat, en dus ook waar geld verloren kan gaan.
Tekenend daarvoor is McKinsey’s State of Marketing Europe 2026, een onderzoek onder 500 CMO’s uit grote Europese landen. Zij geven aan dat budgetmanagement voor 2026 hun topprioriteit is. Driekwart wil het budget verhogen ten opzichte van de omzet, maar wel met een duidelijke voorwaarde: bewijs dat het werkt.
De druk om ROI aan te kunnen tonen neemt al jaren toe, maar de meetmethoden overschatten structureel wat marketing oplevert. Eerder konden wij dat opvangen met groeiende budgetten en goedkope media, maar nu wordt het zichtbaar.
Tegelijkertijd zie ik dat discussies steeds vaker gaan over het gebruik van betere (lees: complexere) tools en dat het meten van marketing steeds meer weg heeft van een gesloten systeem. Een mea culpa: ook ik maak mij daar schuldig aan.
Voor een oplossing moeten we beter begrijpen waar het tekortschiet. Kennis daarover bestaat al. In de econometrie, beleidswetenschap en epidemiologie zijn al lang methoden ontwikkeld om de vraag te beantwoorden: wat levert onze marketing nou op?
Deze methoden helpen alleen als je begrijpt hoe ze werken. Want alleen dan kun je marketing eerlijk beoordelen. De volgende drie vertekeningen zie ik in de praktijk regelmatig voorkomen.
Vertekening 1: externe factoren verklaren meer dan je marketinginzet
De meest voorkomende fout is dat analyses geen rekening houden met externe factoren die gelijktijdig invloed hebben op het resultaat: factoren waar marketing geen controle over heeft. In de wetenschap heet dit confounders: variabelen die je niet meeneemt in je analyse, maar die het resultaat voor een groot deel verklaren en dus ook jouw succes kleuren.
Als je bij een ijsjescampagne niet meeneemt dat het tropisch warm was, overschat je al snel het effect.
Of neem de laatste maanden van het jaar, het bekendste voorbeeld. Er wordt extra geadverteerd in een periode waarin de vraag door Black Friday, Sinterklaas en Kerst al piekt. Platformrapportages schrijven die extra verkopen vervolgens automatisch toe aan de campagne, zonder rekening te houden met die context. Daardoor blijft de kernvraag onbeantwoord: hoeveel van het resultaat is echt veroorzaakt door marketing, en hoeveel was er ook zonder die inzet geweest?
Het gevolg: marketingeffectiviteit wordt structureel overschat
Vertekening 2: je platform optimaliseert voor mensen die toch al kopen
Algoritmes tonen advertenties primair aan mensen met de hoogste kans op conversie. Efficiënt, maar methodologisch ook een probleem, want zo meet je effectiviteit bij een groep die waarschijnlijk ook zonder die advertentie had gekocht.
In de wetenschap heet dit selectiebias: de groep die je meet is niet willekeurig samengesteld, maar een voorselectie op conversiepotentieel.
Braun & Schwartz (2024) tonen aan dat zelfs de A/B-testen van platforms zelf (de testen waar jij en ik op vertrouwen) niet volledig zuiver zijn, omdat het algoritme invloed heeft op wie in welke groep terechtkomt..
Het resultaat: we weten niet of iemand heeft gekocht dankzij de advertentie of sowieso al van plan was te kopen. Het gevolg is opnieuw overschatting.
Vertekening 3: succes bepaalt je budget en niet andersom
Conversies stijgen, waardoor Return on Ad Spend (ROAS) er goed uitziet. Op basis daarvan gaat het budget omhoog. In de econometrie heet dit reverse causality: niet het budget bepaalt het resultaat, maar het resultaat beïnvloedt het budget.
Wat dit extra problematisch maakt, is dat het budget vaak wordt verhoogd op basis van signalen die al vertekend zijn. De conversies die ROAS omhoog drijven zijn deels het gevolg van confounders (vertekening 1) en selectiebias (vertekening 2), en niet alleen van werkelijke marketingeffectiviteit.
Je verhoogt dus je investering op basis van een overschatting, waardoor die overschatting verder groeit. Zo versterkt het systeem zichzelf. Dat kan betekenen dat wanneer je het budget verhoogt op basis van een vertekend signaal, je uiteindelijk twee keer betaalt.
Alle drie de vertekeningen leiden tot hetzelfde onderliggende probleem: endogeniteit. Je kunt het effect van marketing niet goed isoleren van alles wat er tegelijk speelt.
Waar kun je concreet mee starten
Zoals ik al aangaf, is het belangrijk om te weten waar het tekortschiet. Herkenning is dus de eerste stap. Wat in de praktijk helpt, komt telkens neer op een aantal concrete acties:
Wantrouw wat platformen zelf rapporteren. Ga ervan uit dat resultaten eerder te hoog dan te laag zijn ingeschat. Wees kritisch op ‘holistische’ oplossingen die vooral op correlaties leunen. Ze lijken completer, maar lossen het onderliggende probleem niet op. Maak aannames expliciet en bespreekbaar. Welke aannames zitten er in je model? Wie heeft die gevalideerd? En wat gebeurt er als ze niet blijken te kloppen? Focus op methoden die incrementaliteit meten: wat levert marketing extra op ten opzichte van de situatie zonder inzet? Dat is direct te koppelen aan groei, en dus aan de kern van marketing.
Wat was er niet gebeurd zonder ons?
En misschien voel je de ironie al aan: meer budget en meer druk om dat budget te verantwoorden, met meetmethoden die structureel overschatten. Dat is geen goede basis voor groei.
Daarom is het belangrijk om deze vertekeningen te herkennen en te begrijpen hoe ze je beeld van succes beïnvloeden. Wie dat scherp heeft, stelt betere vragen aan zijn bureau, zijn platform en zijn eigen organisatie.
En uiteindelijk is dat ook de vraag waar het om draait: wat was er gebeurd zonder onze marketing? Wie die vraag durft te onderbouwen, bouwt aan iets wat standhoudt.
Liridon Bejta is datastrateeg bij Springbok Agency
Reacties:
Om een reactie achter te laten is een account vereist.
Inloggen Abonneer nu