Attributiemodel: welk kanaal krijgt de eer voor een verkoop?
In dit artikel
Een attributiemodel is de rekenregel die bepaalt welk kanaal de eer krijgt voor een verkoop of aanvraag. Bij laatste klik gaat alles naar het laatste kanaal waarop iemand klikte. Bij datagedreven attributie verdeelt een algoritme de eer over alle contactmomenten. Google Ads en GA4 bieden sinds eind 2023 alleen nog die twee. Meta werkt met vensters: één of zeven dagen na een klik en één dag na een vertoning. Elk platform rekent vooral naar zichzelf toe, dus tel hun cijfers nooit bij elkaar op. En een model verdeelt verkopen die er al zijn. Het bewijst niet welke er zonder advertentie niet waren geweest.
Resultaat uit de praktijk
300 → 30.000 orders per maand in een jaar
Case Lumin · Skincare
Bekijk de case
Wat is een attributiemodel?
Een klant ziet op maandag een video van je merk op Instagram. Woensdag zoekt hij je productnaam in Google en klikt op een Shopping-advertentie. Hij twijfelt en sluit het tabblad. Zaterdag krijgt hij je nieuwsbrief, klikt en bestelt.
Welk kanaal heeft die bestelling opgeleverd? Instagram, want zonder de video had hij je niet gekend? Google, want daar zocht hij je op? Of de nieuwsbrief, want daarna kocht hij?
Een attributiemodel is de rekenregel die op die vraag een antwoord geeft. Attributie betekent toeschrijven: het model schrijft de verkoop toe aan één kanaal, of verdeelt hem over meerdere. Meta gebruikt in het Nederlands het woord toeschrijving, Google houdt het bij attributie.
Onthoud vanaf het begin: het model verandert niets aan het aantal bestellingen. Het bepaalt alleen op wiens naam ze komen. En op basis van die verdeling beslis jij waar je budget heen gaat. Daarom doet het ertoe.
Attributiemodellen op een rij: laatste klik en datagedreven
Jarenlang kon je in Google kiezen uit zes modellen. Dat is voorbij. Google meldt dat eerste klik, lineair, tijdsverval en positiegebaseerd niet meer worden ondersteund. Ze zijn in de loop van 2023 uitgefaseerd. Conversieacties die ze gebruikten, zijn omgezet naar datagedreven attributie. Er zijn er dus nog twee (stand november 2026).
| Model | Hoe het de eer verdeelt | Sterk punt | Zwak punt |
|---|---|---|---|
| Laatste klik | Alles gaat naar het laatste kanaal of de laatste advertentie waarop is geklikt | Simpel en na te rekenen | Wat de klant op het idee bracht, krijgt niets |
| Datagedreven | Een algoritme verdeelt de eer over alle gemeten contactmomenten | Ook het begin van de route telt mee | Je kunt niet narekenen waarom de verdeling zo uitvalt |
In het voorbeeld hierboven geeft laatste klik de hele bestelling aan de nieuwsbrief. Datagedreven attributie geeft de nieuwsbrief een deel, de Shopping-klik een deel en, als de video gemeten is, die ook een deel.
Google noemt het model in zijn Nederlandse helppagina's 'data-driven attributie'. Je komt ook datagestuurd tegen. Het is hetzelfde.
Waar je het model in Google Ads en GA4 instelt en waarom die twee daarna nog steeds andere aantallen laten zien, staat in Google Ads vs Analytics. Dat herhaal ik hier niet.
Datagedreven attributie: wat het algoritme doet en wat het nodig heeft
Volgens Google vergelijkt het model de routes van klanten die kochten met de routes van mensen die niet kochten. Contactmomenten die vaker voorkomen op routes met een aankoop, krijgen meer eer. Het kijkt daarbij naar klikken en naar video-interacties, bijvoorbeeld op YouTube.
Drie dingen moet je daarbij weten.
Het werkt altijd, maar niet altijd even goed. Google laat elke conversieactie toe, hoe weinig gegevens er ook zijn. Tegelijk raadt Google voor een betrouwbaar model minstens 200 conversies en 2.000 advertentie-interacties binnen 30 dagen aan. Heb je er twintig per maand, dan heeft het algoritme weinig om van te leren en schuift de verdeling makkelijk heen en weer.
Het ziet alleen wat gemeten is. Een bezoeker die cookies weigert, een klant die op zijn telefoon kijkt en op zijn laptop koopt, een tip van een collega: dat staat niet op de route. Hoe je met toestemming omgaat zonder al je data kwijt te raken, lees je in Consent Mode v2.
In Google Ads blijft het binnen Google. Het model in je advertentieaccount verdeelt de eer tussen je eigen zoek-, Shopping-, video- en display-advertenties. Je nieuwsbrief en Meta bestaan daar niet. Alleen GA4 legt alle kanalen naast elkaar, en dan alleen de bezoeken die het herkent. Daarom hoort er op elke link buiten Google een UTM-tag.
Het model bepaalt ook waar de biedstrategie van leert. Wissel je in Google Ads van laatste klik naar datagedreven, dan veranderen de conversies per campagne en gaat het systeem anders bieden. Dat doe ik dus niet midden in een drukke periode.
Attributie in Meta: vensters in plaats van modellen
Meta pakt het anders aan. In Advertentiebeheer kies je per advertentieset een toeschrijvingsmodel en, bij het standaardmodel, een venster. Volgens het helpcentrum van Meta zijn dit de instellingen (stand november 2026):
- Doorklikken: een verkoop telt mee als hij binnen 1 dag of binnen 7 dagen na een klik op de link in je advertentie plaatsvindt.
- Doorkijken: een verkoop telt mee binnen 1 dag nadat iemand je advertentie zag, zonder te klikken.
- Betrokkenheid: een verkoop telt mee binnen 1 dag na een andere klik op je advertentie dan op de link. Bij video telt ook 5 seconden kijken.
Die middelste is de reden dat Meta bijna altijd meer verkopen laat zien dan GA4. Iemand ziet je advertentie, klikt niet, en bestelt 's avonds via Google. Meta telt hem. GA4 geeft hem aan Google. Geen van beide liegt.
Naast het standaardmodel biedt Meta nu incrementele toeschrijving. Daarbij schat een model in of een verkoop door de advertentie is veroorzaakt, en stuurt het systeem op die extra verkopen. Er is ook aangepaste toeschrijving, waarbij je de uitkomst van je eigen analysetool met Meta deelt.
Een waarschuwing van Meta zelf: resultaten van advertentiesets met een verschillend toeschrijvingsmodel kun je niet met elkaar vergelijken, omdat ze anders tellen. Ik houd daarom binnen een account één instelling aan. Met de functie om toeschrijvingsinstellingen te vergelijken zie je wel hoeveel van je resultaten uit klikken komen en hoeveel uit alleen zien. Dat is een van de eerste dingen die ik in een nieuw account bekijk. Wat het betekent voor je kosten per resultaat, staat in Facebook adverteren kosten.
Terugkijkperiodes: hoe lang telt een klik mee?
Naast het model is er de terugkijkperiode: hoe ver kijkt het systeem terug vanaf de verkoop? De standaarden lopen flink uiteen.
| Systeem | Standaard | Wat je kunt instellen |
|---|---|---|
| Google Ads, na een klik | 30 dagen | 1 tot 90 dagen, afhankelijk van de conversiebron |
| Google Ads, na een bekeken video | 3 dagen | 1 tot 30 dagen |
| Google Ads, na alleen een vertoning | 1 dag | 1 tot 30 dagen |
| GA4, belangrijke gebeurtenissen | 90 dagen | 30, 60 of 90 dagen |
| GA4, eerste bezoek of eerste keer openen | 30 dagen | 7 of 30 dagen |
| Meta, na een klik | 1 of 7 dagen | Keuze uit die twee |
| Meta, na een vertoning | 1 dag | Aan of uit |
De cijfers komen van de helppagina's van Google en Meta. Het gevolg zie je bij producten waar mensen lang over nadenken. Verkoop je keukens of een opleiding, dan valt een aankoop na drie weken buiten het venster van Meta en binnen dat van Google Ads. Meta lijkt dan slechter te presteren dan het doet. Bij een impulsaankoop van twintig euro speelt dat nauwelijks.
In GA4 werkt een andere terugkijkperiode alleen vooruit. Een ander model geldt wel meteen voor je oude gegevens.
Wat je wel en niet uit attributie haalt
Wat je er wel uit haalt:
- Welke campagnes binnen één platform beter lopen dan andere, zolang je ze met dezelfde instelling vergelijkt.
- Welke kanalen vooral aan het begin van een route staan en welke aan het eind. In GA4 zie je dat in de attributierapporten.
- Of een verandering effect heeft: dezelfde meting, voor en na.
Wat je er niet uit haalt:
- Een optelsom. Tel de verkopen van Google Ads, Meta en je e-mailtool bij elkaar op en je komt boven je echte omzet uit. Elk platform telt een verkoop mee waar het een aandeel in zag.
- Oorzaak en gevolg. Een model verdeelt verkopen die al gebeurd zijn. Het weet niet of die klant zonder de advertentie ook had gekocht.
- Een eerlijk beeld van remarketing en je merknaam. Een advertentie voor iemand die gisteren al in je winkelwagen zat, of die je bedrijfsnaam intikt, staat vlak voor de aankoop en krijgt dus snel veel eer. Een deel van die mensen had ook zonder gekocht. Hoe je remarketing begrenst, lees je in Google Ads remarketing.
- Wat buiten beeld gebeurt. Mond-tot-mondreclame, een gesprek in de winkel, een telefoontje. Een deel daarvan haal je binnen met offline conversies, de rest niet.
Komt er veel omzet binnen via 'direct', dan is dat vaak een kanaal dat zijn naam is kwijtgeraakt. Hoe je dat uitzoekt, staat in direct verkeer in GA4.
Zo gebruik ik attributie bij budgetkeuzes
Ik vertrouw geen enkel cijfer in zijn eentje. Voor een budgetbeslissing leg ik vier lagen op elkaar.
- Het platform, voor keuzes binnen het platform. Welke campagne, welke advertentie, welk zoekwoord. Daar zijn de cijfers van Google Ads en Meta voor gemaakt, en daar leren hun biedstrategieën van.
- GA4, met één model, voor de verhouding tussen kanalen. Niet omdat GA4 gelijk heeft, maar omdat het alle kanalen met dezelfde maat meet.
- De eigen boekhouding, voor het totaal. Alle omzet gedeeld door alle advertentiekosten. Dat getal kan geen platform mooier maken. Stijgt de ROAS in elk platform terwijl dit totaal gelijk blijft, dan is er iets met de verdeling veranderd en niet met de verkoop. Welke ROAS je minimaal nodig hebt, reken je uit met de break-even ROAS.
- Een test, voor de grote beslissingen. Wil je weten wat een kanaal echt toevoegt, zet het dan een paar weken uit of halveer het budget, liefst in één regio, en kijk wat er met je totale omzet gebeurt. Dat is grover dan een model, maar het meet wel oorzaak en gevolg. Waar je bij zo'n vergelijking op let, staat in A/B-test analyseren.
Daar komt een vijfde bron bij die niets kost: vraag het de klant. Eén open veld na de bestelling of in het aanvraagformulier, 'Hoe heb je ons gevonden?'. De antwoorden zijn rommelig en mensen vergeten veel. Maar podcasts, vrienden en de bus met je logo staan in geen enkel dashboard.
De meting die hiervoor nodig is, richt ik in als onderdeel van het opzetten van een advertentieaccount. Dat kost bij mij € 350 per account, één keer. Het maandelijkse beheer, waar deze afweging elke maand in terugkomt, is er vanaf € 500.
Lumin: eerst één basis, dan pas de eer verdelen
Bij Lumin, een Amerikaans merk in skincare voor mannen, was de vraag hoe de verkoop in Europa kon groeien zonder de grip op de data te verliezen. Er werd op meerdere platformen geadverteerd, zonder dat die campagnes op elkaar aansloten. Het gevolg was versnipperde data en advertentiebudget dat niet efficiënt werd besteed. In zo'n situatie vertelt elk platform zijn eigen verhaal, en heb je niets om die verhalen aan te toetsen.
Ik bouwde de campagnes in Meta Ads, TikTok Ads en Google Ads opnieuw op per land en doelgroep. De meting richtte ik opnieuw in via Google Tag Manager, met server-side tracking, zodat elke beslissing op betrouwbare data rustte. Twaalf maanden later stond de ROAS op 6,4 in plaats van 3,1, en waren de kosten per acquisitie gezakt van € 21,40 naar € 12,30.
Lumin is een webshop met grote aantallen bestellingen. Bij dat volume heeft een datagedreven model genoeg om van te leren. Voor een bedrijf met dertig aanvragen per maand geldt dat niet, en daar leun ik zwaarder op het totaal en op de vraag aan de klant. De volgorde is wel dezelfde: eerst een meting die klopt, dan pas een discussie over de verdeling. De hele aanpak staat in ROAS verhogen.
Conclusie: een model verdeelt, het bewijst niets
Een attributiemodel is een afspraak over wie de eer krijgt, geen meting van wie de verkoop veroorzaakte. Laatste klik is simpel en bevoordeelt het eind van de route. Datagedreven attributie verdeelt eerlijker, maar heeft volume nodig en laat zich niet narekenen. Meta telt met eigen vensters en rekent ook mee wat alleen gezien is. Gebruik de cijfers van elk platform om binnen dat platform te sturen, gebruik één model om kanalen te vergelijken, en toets grote beslissingen aan je totale omzet en aan een test.
Dat is het werk dat ik bij klanten doe voordat er budget verschuift: de meting op orde, één manier van vergelijken en elke maand dezelfde vraag, namelijk wat er onder de streep is veranderd. Hoe ik werk en wat dat kost, staat in de prijslijst.
Case · Lumin · Skincare
Van 300 naar 30.000 orders per maand.
Lumin, skincare voor mannen, ging in twaalf maanden van 300 naar 30.000 orders per maand in Europa. Met nieuwe campagnes, server-side tracking en e-mailflows.
- 300 → 30.000 Orders per maand
- 3,1 → 6,4 ROAS: omzet per euro advertentiebudget, ruim verdubbeld
- €21,40 → €12,30 Kosten per acquisitie
Veelgestelde vragen
Wat is een attributiemodel?
Een attributiemodel is de regel waarmee een meetsysteem de eer voor een verkoop of aanvraag verdeelt over de contactmomenten die eraan voorafgingen. Een klant ziet bijvoorbeeld een video, klikt later op een zoekadvertentie en koopt na een nieuwsbrief. Het model bepaalt welk van die kanalen de verkoop op zijn naam krijgt, of hoe de verkoop wordt verdeeld. Het verandert niets aan het aantal verkopen, alleen aan de verdeling.
Welke attributiemodellen zijn er?
In Google Ads en GA4 zijn er nog twee: laatste klik en datagedreven attributie. Eerste klik, lineair, tijdsverval en positiegebaseerd worden volgens Google niet meer ondersteund; ze verdwenen in 2023. Meta gebruikt geen modellen met die namen, maar vensters: een verkoop telt mee binnen één of zeven dagen na een klik en binnen één dag na een vertoning. Daarnaast biedt Meta incrementele toeschrijving aan (stand november 2026).
Welk attributiemodel gebruikt GA4?
Standaard datagedreven attributie over betaalde en organische kanalen. Je kunt ook kiezen voor laatste klik over betaalde en organische kanalen, of voor laatste klik over alleen de betaalde kanalen van Google. Een ander model geldt volgens Google ook voor je historische gegevens. De terugkijkperiode is standaard 90 dagen, en 30 dagen voor de eerste kennismaking; een wijziging daarvan werkt alleen vooruit.
Wat is het beste attributiemodel?
Dat bestaat niet. Voor het sturen van biedingen binnen één platform werkt datagedreven attributie meestal goed, zeker bij veel conversies. Voor het verdelen van budget tussen kanalen is geen enkel model genoeg: leg de uitkomst naast je eigen omzet en test wat er gebeurt als je een kanaal tijdelijk pauzeert. Belangrijker dan het model is dat je steeds met hetzelfde model vergelijkt.
Waarom telt Meta meer verkopen dan Google Analytics?
Meta telt ook verkopen mee van mensen die je advertentie zagen zonder te klikken en binnen een dag kochten. GA4 ziet alleen bezoeken aan je website en kent die vertoning niet. Daarnaast gebruikt Meta zijn eigen venster van zeven dagen na een klik, en krijgt in GA4 vaak een later kanaal de verkoop. Beide cijfers kloppen binnen hun eigen regels. Ze meten alleen iets anders.
Benieuwd hoe ik dit in de praktijk aanpak?
Het pitchdeck laat de hele werkwijze zien.
Geschreven door Dennis Boekhout
Marketing freelancer uit 's-Hertogenbosch. Volg op LinkedIn (opent in een nieuw tabblad)
