We bewegen ons meer en meer richting een toekomst waarin marketinginvesteringen en hun rendement steeds meer afhankelijk zijn van privacygerichte oplossingen. Daarom zullen we als marketeers nieuwe manieren moeten vinden om de gaten in data te dichten en consumentengedrag beter te begrijpen. Hoe doe je dit dan?
‘Hoe krijg je vandaag de dag als organisatie nog écht grip op de effecten van je marketinginspanningen, nu het medialandschap steeds meer versnipperd raakt en privacywetgeving strenger wordt?’ Deze vraag was de aanleiding om vorig jaar in oktober met een selecte groep marketingexperts een DDMA elite-sessie te organiseren omtrent Modern Measurement in search.
Nu, 9 maanden later, vond een vervolgsessie plaats. Tijdens de eerste sessie lag de focus vooral op de hedendaagse uitdagingen en de noodzaak van nieuwe meetmethodieken zoals Marketing Mix Modeling (MMM), Incrementality Testing en Multi-Touch Attributie. In de vervolgsessie draaide het om de praktijk.
Diverse adverteerders deelden de testresultaten en ervaringen die zij sinds de vorige bijeenkomst hebben opgedaan. Centraal stonden vragen als:
- Wat levert het gebruik van deze meetmethoden concreet op?
- Hoe reageert de organisatie op de resultaten?
- Welke lessen zijn er inmiddels geleerd?
- En, minstens zo belangrijk: waarom is het zo belangrijk om continu te blijven testen en vernieuwen?
Wij zetten alle inzichten op een rij.
Waarom nieuwe meetmethoden belangrijker zijn dan ooit
Tien jaar geleden was het meten van paid search-activiteiten betrekkelijk eenvoudig. Alles was meetbaar met conversiepixels, bijna niets werd beperkt, en last-click attributie was de standaard. Inmiddels is het landschap drastisch veranderd door strengere privacywetgeving, een complexere klantreis en gefragmenteerde data. Ondanks deze nieuwe realiteit zien we toch dat de last-click nog vaak als de standaard wordt gebruikt voor rapportages en aansturing van campagnes.
Ook zien we dat search steeds minder als stand-alone kanaal wordt gezien en steeds meer als onderdeel van een brede media-mix. Nieuwe meetmethoden zijn daarom in de huidige, complexere werkelijkheid belangrijk om onderbouwde beslissingen te kunnen nemen over budgetverdeling en kanaaleffectiviteit. Het is dan ook niet langer een ‘nice to have’, maar een ‘must’!
Van theorie naar praktijk: wat werkt nou wel?
Tijdens de sessie deelden verschillende adverteerders hun praktijkervaringen met het testen en verfijnen van hun meetaanpak. Hier volgen de belangrijkste inzichten:
1. Begin klein, groei slim
Een valkuil is het streven naar perfectie vanaf dag één, zeker met complexe modellen als MMM of incrementality tests. De les: start met een werkbare opzet, valideer eenvoudige hypothesen en bouw stap voor stap verder. Voor een duurzame vooruitgang is het advies dan ook ‘begin klein, groei slim’. Meten is zeker geen eenmalig project, maar een continu proces waarin je telkens opnieuw je aanpak, samenwerking en mindset moet aanpassen om zo de output continu te kunnen verbeteren.
2. MMM en incrementality: samen sterker
Marketing Mix Modeling geeft inzicht in de impact van marketing op online en offline kanalen. De aanwezigen bevestigden dat organisaties steeds vaker hun marketingbudgetten sturen op basis van deze inzichten. Tegelijk duurt de terugkoppeling relatief lang en is het vertalen van learnings naar dagelijkse sturing niet eenvoudig.
Daarom wordt MMM vaak gecombineerd met snellere, meer gedetailleerde methodes zoals incrementality testing. De combinatie is krachtig: MMM kijkt naar correlaties waar incrementality tests de causale impact van mediakanalen op daadwerkelijke conversies in kaart brengen.
Zo kreeg in een besproken voorbeeld een branded search campagne via MMM een positieve waardering, terwijl incrementality testing liet zien dat er geen sprake was van daadwerkelijke stijging in conversie. Er was een duidelijke correlatie tussen het branded zoekvolume en online sales, maar er is geen incrementele waarde gevonden. Dit illustreert dat incrementality niet alleen waardevolle inzichten oplevert voor campagnesturing, maar ook van belang is als input en validatie voor het MMM-model.
3. Incrementality testing onthult verborgen inzichten
Steeds meer organisaties maken gebruik van geo-based of user-based incrementality tests, waarbij een deel van de experimentgroep geen advertenties te zien krijgt, om zo het werkelijke incrementele effect te meten. Zulke tests kunnen laten zien dat bepaalde campagnes, die op het eerste gezicht erg succesvol lijken, in werkelijkheid weinig tot geen extra waarde toevoegen. Dit zet vertrouwde aannames op losse schroeven en verschuift de focus naar wat écht nieuwe groei aandrijft.
We zien organisaties die zelf de regie in handen nemen bij incrementaliteitstesten en voor het bepalen van testlocaties door bijvoorbeeld te kijken naar Chronbachs Alphas. Maar ook vanuit Google worden er momenteel oplossingen uitgerold (Conversion Lift Studies) om de validatie van groepen en het testen van incrementaliteit voor advertereerders makkelijker te maken.
Een belangrijk inzicht is dat incrementality testing verder kan gaan dan een binaire test van ‘wel of niet adverteren’. Voor campagnes die je kunt opschalen zoals je non-branded campagnes kan het helpen om optimale investeringsniveaus te bepalen: wat gebeurt er als je het mediabudget met bijvoorbeeld 50% verhoogt, of juist met 30% verlaagt? Je kunt meerdere scenario’s naast elkaar testen. Met deze aanpak kan je het punt van afnemende meerwaarde opzoeken, oftewel: het kantelpunt waarna iedere extra euro minder extra resultaat oplevert.
Uit één praktijkvoorbeeld bleek dat een groot deel van het paid search budget in eerste instantie werd geïnvesteerd in het zogenoemde ‘low hanging fruit’, welke nauwelijks incrementele conversies opleverde. Pas bij hogere investeringen kwamen de echte incrementele resultaten naar voren. Met andere woorden: extra investeren gaf het algoritme ruimte om nieuwe prospects te zoeken en incrementele sales te behalen, buiten de (niet incrementele) sales die het behaalde met het oorspronkelijke mediabudget.
Uitdagingen: interne acceptatie en internationale verschillen
Hoewel het belang van meten breed wordt erkend, blijkt intern draagvlak geen vanzelfsprekendheid. Zeker bij internationale organisaties, waar markten, teams en werkwijzes sterk kunnen verschillen, blijkt het vaak lastig om iedereen mee te krijgen en resultaten breed geaccepteerd te krijgen. Transparantie over de opzet, duidelijkheid, het actief delen van inzichten en het hebben van een gezamenlijke langertermijnvisie zijn dan ook onmisbaar om de toegevoegde waarde van testen breed erkend te krijgen.
Een ander belangrijk struikelblok is dat er vaak nog in silo’s wordt gewerkt, met teams die verschillende KPI’s en attributiemodellen hanteren. Terwijl de directie op basis van MMM-bewijzen strategisch stuurt, blijven operationele teams vaak georiënteerd op korte termijn-metrics als ROAS en directe omzet. Ook wanneer er vanuit de organisatie de ambitie is om bijvoorbeeld customer life time value (CLV) of incrementele waarde mee te nemen, blijft in praktijk omzet vaak leidend. Zeker onder commerciële druk weegt de korte termijn helaas vaak zwaarder dan de lange termijn.
Deze kloven onderstrepen het belang van structurele samenwerking en centrale coördinatie. Zoals één deelnemer treffend verwoordde: “Je wil niet een test draaien waar vervolgens niemand iets mee doet.” Daarom is structurele verandering noodzakelijk. Een inspirerend voorbeeld kwam van een organisatie die een nieuwe functie in het leven riep, volledig gericht op datamanagement en kanaaloverkoepelende afstemming. Deze persoon fungeert als centrale verbinder tussen alle marketingkanalen en zorgt ervoor dat inzichten uit MMM, incrementality testing en attributiemodellen beschikbaar zijn. En worden begrepen en toegepast van campagnemedewerkers tot besluitvormers.
De les is duidelijk: metingen vragen niet alleen om betere modellen of tools. Ze vragen ook om mensen die eigenaarschap nemen over het verbinden van inzichten, het vertalen van data naar actie en het stimuleren van adoptie.
Praktische vervolgstappen en tips
- Maak een testagenda: bepaal wat je wil onderzoeken en formuleer de belangrijkste hypotheses om te valideren. Bijvoorbeeld het verschil tussen branded en generieke campagnes. Of effectverschillen tussen sale- en non-sale perioden.
- Kalibreer modellen: gebruik inzichten uit incrementality tests om MMM-modellen te verfijnen voor meer nauwkeurigheid, vertrouwen en draagvlak.
- Bouw businesscases: toon met harde cijfers aan dat moderne measurement tot betere ROI en effectievere budgetten leidt.
- Doorbreek silo’s: investeer in gedeelde definities, interne samenwerking en duidelijk leiderschap. Het verbinden van inzichten, vertalen van data naar actie en stimuleren van adoptie is wat moderne metingen omzet van theorie naar impact.
- Blijf testen: eenmalig testen is niet genoeg. Structureel experimenteren en leren moet onderdeel worden van de cultuur. Het hoeft en kan niet in één keer perfect zijn, met stapsgewijs verbeteren boek je ook vooruitgang.
Moderne measurement vraagt om blijvende inzet
‘Modern measurement’ vraagt niet alleen om technologische innovatie, maar vooral een lerende houding van teams en organisaties. Modern measurement stop je niet in een keer ‘in de stekker’. Het vraagt om doorlopende validatie, bijstelling en leren. Dat kost tijd, maar levert veel meer op: betere beslissingen, effectievere media-investeringen en marketing die klaar is voor de toekomst.
De oproep aan het vakgebied: blijf testen, blijf leren en daag bestaande aannames uit. Uitkomsten zullen je verbazen. En alleen zo blijft paid search ook in een complexer landschap écht waarde toevoegen.
