← Terug naar alle blogs← Vorig artikel

Waarom je Meta ROAS liegt, en hoe je meet wat er werkelijk gebeurde

Platform-attributiemodellen zijn gebouwd om platformen goed te laten lijken. We analyseerden 48 DTC-merken over 90 dagen en vonden een gemiddeld over-attributiegat van 34%. Dit kun je eraan doen.

Het probleem met platformattributie

Wanneer Meta een ROAS van 4.2 rapporteert, betekent dit dat Meta voor elke euro die je aan Meta-advertenties besteedde 4.20 aan omzet zag van gebruikers die binnen het attributievenster op je advertentie klikten of deze bekeken. Het woord zag draagt veel gewicht in die zin.

Het standaardmodel van Meta schrijft elke aankoop toe die binnen een venster van 7 dagen na een klik of 1 dag na een weergave plaatsvindt. Als iemand op maandag op je Meta-advertentie klikt, op donderdag een Google Shopping-resultaat ziet en vervolgens converteert, claimen zowel Meta als Google die verkoop. Dit is dubbele attributie en geen fout. Het is zo ontworpen.

Uit onze analyse bleek dat het gemiddelde DTC-merk dezelfde aankoop tegelijkertijd aan 1.8 verschillende kanalen toeschreef. De gerapporteerde ROAS over alle kanalen was gemiddeld 34% te hoog.
34%
Gem. over-attributie
48
Merken geanalyseerd
90 dagen
Analysevenster

Wat server-side meting oplost

Server-side CAPI stuurt eventgegevens rechtstreeks vanaf je server naar het advertentieplatform en omzeilt beperkingen in de browser, zoals adblockers, privacybeperkingen van iOS en het minder betrouwbaar worden van cookies. Dit verbetert de signaalkwaliteit aanzienlijk, maar lost dubbele attributie op zichzelf niet op.

De echte oplossing is één bron van waarheid: één eventstream, één identiteitslaag en één attributielogica die consequent op alle kanalen wordt toegepast. Elk conversie-event wordt gelijktijdig naar alle platforms verzonden op basis van jouw regels, niet die van het platform.

Belangrijk cijfer: Merken die overstapten op uniforme attributie zagen hun winstgevende advertentie-uitgaven met 18% stijgen. Niet omdat ze meer uitgaven, maar omdat ze wisten waar ze het budget moesten inzetten.

Hoe je je attributiegat diagnoseert

Neem je totale gerapporteerde advertentieomzet van alle platforms over de afgelopen 30 dagen. Bekijk vervolgens je werkelijke Shopify-omzet over dezelfde periode. De verhouding tussen deze twee bedragen is je attributie-inflatiefactor. Alles boven 1.3 wijst op aanzienlijke dubbele attributie.

Voor een nauwkeurige uitsplitsing per kanaal heb je incrementality-tests of een server-side attributiemodel nodig. Beide vragen om een investering, maar leveren de zekerheid op welke kanalen groei stimuleren en welke de eer opeisen voor organische koopintentie.

De incrementality-test van deze week

De eenvoudigste variant is een geografische controlegroep. Kies twee vergelijkbare regio's. Voer in de ene regio je normale campagnes uit en pauzeer de uitgaven in de andere. Meet na twee tot drie weken het verschil in conversiepercentages. Het verschil tussen de twee regio's is je geschatte incrementality.

Het is niet perfect. Regio's in een controlegroep zijn nooit volledig gelijk en seizoenseffecten veroorzaken ruis. Maar zelfs een globaal incrementality-signaal is nuttiger dan een ROAS-cijfer van een platform dat op een cirkelredenering is gebaseerd.

Merken die incrementality-tests uitvoeren, ontdekken doorgaans dat 20 tot 40 procent van hun toegeschreven omzet sowieso zou zijn geconverteerd. Dat is budget dat wordt besteed aan het overtuigen van mensen die al overtuigd waren.

Wat je volgende week doet

Begin met je cijfers. Bereken je attributie-inflatiefactor. Als deze hoger is dan 1.4, heb je een probleem dat je vóór je volgende budgetcyclus moet oplossen. Implementeer eerst server-side CAPI voor Meta en Google. Op deze twee platforms hebben verbeteringen in signaalkwaliteit de meeste invloed op optimalisatie.

Het doel is geen perfect attributiemodel. Het doel is een consistent model waarmee je kanalen onder dezelfde voorwaarden kunt vergelijken, trends duidelijk kunt zien en met vertrouwen budgetbeslissingen kunt nemen.

---

Layer Insights app

Bekijk dezelfde beslissing in je eigen commerce data

Open Layer Insights →
Lees hierna

Blended ROAS Verbergt Een Kapotte Nieuwe Klantenmotor

Verder lezen →