Rapportage maken met AI: een maandrapport dat je leest

Rapportage maken met AI werkt het best als het taalmodel de eerste versie van de toelichting schrijft, niet de conclusies. Je geeft het de exports van GA4, Google Ads, Meta en je mailtool, een vaste opbouw (wat er gebeurde, waarom, wat je nu doet) en een korte notitie met wat er die maand speelde. Daarna controleer je twee dingen altijd zelf: kloppen de cijfers, en klopt de verklaring met wat jij weet dat er gebeurde.

Dashboard of rapport: wat is het verschil?

Een dashboard laat zien wat er gebeurde. Een rapport legt uit waarom en wat je nu doet. Dat verschil klinkt klein, maar het bepaalt of je cijfers iets opleveren. Een dashboard dat elke maand in je mailbox valt, bekijk je in twintig seconden. Een rapport met drie zinnen uitleg en drie acties leidt tot een beslissing.

Bouw je nog geen dashboard, begin daar dan mee. Hoe je GA4, Google Ads en Meta op één pagina zet en die automatisch laat mailen, lees je in Looker Studio dashboard. Dit artikel gaat over de volgende stap: de geschreven toelichting en de conclusies, met AI als schrijfhulp.

AI is daar goed in, omdat het werk grotendeels bestaat uit opsommen en verwoorden: cijfers naast elkaar zetten, verschillen beschrijven, het geheel samenvatten. Waar het niet goed in is: weten waarom iets gebeurde, en kiezen wat je eraan doet. Dat deel blijft van jou.

De vaste opbouw van een maandrapport op één A4

Een vaste opbouw maakt het rapport elke maand vergelijkbaar en houdt de AI binnen de lijnen. Deze zes blokken raad ik aan:

1. Samenvatting in drie zinnen. Hoe ging het, wat is de belangrijkste oorzaak, wat is de belangrijkste actie.
2. Kerncijfers. Een tabel met je hoofd-KPI en drie tot vijf stuurcijfers, vergeleken met de vorige maand en dezelfde maand vorig jaar.
3. Wat er gebeurde, per kanaal. Twee of drie zinnen per kanaal: website, Google Ads, Meta, e-mail.
4. Waarom. De verklaringen, elk met het bewijs en hoe zeker ze zijn: zeker, waarschijnlijk of vermoeden.
5. Wat we nu doen. Maximaal drie acties, elk met een eigenaar en een datum.
6. Kanttekeningen bij de meting. Klopte er iets niet aan de data, dan staat dat hier.

Welke cijfers in blok 2 horen, kies je één keer en houd je daarna vast. Een webshop kijkt naar omzet, orders en kosten per order, een dienstverlener naar aanvragen en kosten per aanvraag. Hoe je die keuze maakt, lees je in marketing KPI's.

Blok 4 is waar een rapport goed of slecht wordt. Zo beschrijf ik de maandrapportage ook in mijn werkwijze: geen export vol vakjargon, maar een uitleg in gewone taal over wat er is gebeurd, wat het heeft opgeleverd en wat de volgende stap is.

Wie doet wat: de werkverdeling tussen AI en jou

Zie je het patroon? De AI werkt in het midden. Het begin (welke cijfers, welke context) en het eind (welke verklaring, welke actie) zijn mensenwerk.

Stap voor stap: zo laat je AI de eerste versie schrijven

1. Verzamel de exports

Exporteer uit elke bron dezelfde periode, per maand, over minstens dertien maanden. Dan kan de AI ook met dezelfde maand vorig jaar vergelijken. Houd de exports klein: alleen de kolommen die in je rapport komen. Haal persoonsgegevens eruit als die erin staan, en gebruik een zakelijk account of zet training uit. Hoe je per platform exporteert en wat je eruit haalt, staat in data analyseren met AI. Wil je de cijfers niet elke maand handmatig exporteren, dan kun je GA4 ook koppelen aan je AI-assistent; zie Google Analytics MCP.

2. Schrijf de contextnotitie

Dit is de belangrijkste input, en de enige die geen AI kan maken. Vijf minuten, in steekwoorden:

• welke acties, campagnes of mails er liepen;
• wat er veranderde: prijzen, aanbod, website, budget;
• wat er misging: storingen, een kapot formulier, voorraadproblemen;
• wat er buiten je bedrijf speelde: vakanties, weer, een concurrent met een actie;
• wat er aan de meting veranderde: nieuwe cookiebanner, een tag aangepast.

Zonder deze notitie bedenkt de AI zelf een verklaring. Die klinkt aannemelijk en is vaak verkeerd.

3. Geef de opdracht met een vaste opbouw

Je schrijft het maandrapport marketing voor [bedrijf], voor [lezer: de directie, het team, jezelf]. Bijgevoegd: exports van [bronnen] over [periode], en mijn contextnotitie. Reken alle cijfers uit met code en laat per cijfer zien uit welke export het komt. Vergelijk met de vorige maand en met dezelfde maand vorig jaar. Volg deze opbouw: 1. samenvatting in drie zinnen, 2. tabel met [hoofd-KPI en stuurcijfers], 3. per kanaal wat er gebeurde in maximaal drie zinnen, 4. mogelijke verklaringen, elk met het bewijs en het label zeker, waarschijnlijk of vermoeden, 5. drie mogelijke acties. Gebruik alleen verklaringen die passen bij de cijfers of de contextnotitie. Weet je iets niet, schrijf dan 'onbekend'. Schrijf kort, zonder vakjargon, zonder superlatieven.

Twee dingen in deze prompt doen veel werk. "Laat per cijfer zien uit welke export het komt" maakt narekenen makkelijk. En "het label zeker, waarschijnlijk of vermoeden" dwingt de AI om onderscheid te maken tussen wat vaststaat en wat het denkt.

4. Controleer en redigeer

Daarover gaat het volgende kopje. Het eerste rapport kost de meeste tijd, omdat je de opbouw en de prompt nog bijstelt. Daarna gaat het elke maand sneller.

5. Leg de vaste prompt vast

Is de opbouw goed, sla de prompt dan op in een project of in je eigen instructies. Dan begint elke maand met dezelfde basis en wordt elk rapport vergelijkbaar met het vorige.

De controle die altijd bij jou blijft

Een taalmodel schrijft een fout cijfer net zo overtuigend als een goed cijfer, en een verkeerde verklaring net zo vloeiend als de juiste. Controleer daarom drie dingen voordat het rapport de deur uit gaat.

Kloppen de cijfers?

• Komen de totalen van kosten, klikken en conversies overeen met wat het platform zelf toont over dezelfde periode?
• Is de vergelijking met vorig jaar over precies dezelfde dagen?
• Staan procentpunten en procenten niet door elkaar? Van 2% naar 3% is 1 procentpunt, of 50% meer.
• Tel je geen conversies dubbel? Google Ads en Meta claimen soms dezelfde verkoop. Tel je die op, dan heb je op papier meer klanten dan in je kassa. Waarom dat gebeurt en hoe je eerlijk rekent, lees je in marketing ROI berekenen.

Klopt de verklaring?

Leg elke verklaring naast je contextnotitie en je eigen geheugen. Schrijft de AI dat de daling in juli door seizoensinvloed komt, terwijl je formulier vier dagen niet werkte, dan klopt de verklaring niet, ook al klopt het cijfer. Een vuistregel: een verklaring met het label zeker heeft een bewijs dat je kunt aanwijzen. Alles daaronder formuleer je als vermoeden, en dan zeg je ook hoe je het gaat checken.

Zijn de acties van jou?

AI stelt vaak algemene acties voor: "optimaliseer je landingspagina", "test nieuwe advertentieteksten". Dat zijn geen acties, dat zijn onderwerpen. Kies er maximaal drie, maak ze concreet (wat, wie, wanneer) en zet ze in je planning. Hoe je zo'n actielijst laat aansluiten op de rest van je werk, lees je in marketingprojecten beheren.

AI-functies in je eigen tools: GA4, Search Console en Data Studio

Naast een losse assistent zitten er steeds meer AI-functies in de tools waar je cijfers vandaan komen. Handig voor het verzamelen, niet voor de conclusie.

• GA4. Met de assistent Analytics Advisor, in GA4 inmiddels Ask Advisor, stel je vragen over je property en krijg je een grafiek met een link naar het rapport. Hij werkt stand oktober 2026 alleen in het Engels. Hoe je hem gebruikt en controleert, lees je in Analytics Advisor in GA4.
• Search Console. Sinds december 2025 test Google in het prestatierapport voor zoekresultaten een configuratie met AI. Je beschrijft in gewone taal wat je wilt zien, en de filters, vergelijkingen en statistieken worden voor je klaargezet. Google begon met een beperkt aantal sites, dus of je hem al hebt, verschilt. Google zegt er zelf bij dat de AI een vraag verkeerd kan begrijpen: controleer altijd welke filters er zijn gekozen.
• Data Studio. Looker Studio heet sinds april 2026 weer Data Studio. Sinds juli 2026 zit er Conversational Analytics in, waarmee je in gewone taal vragen stelt aan je data. Stand oktober 2026 werkt dat met data-agents uit BigQuery. Voor de meeste mkb-dashboards met GA4 en Google Ads is dat geen route.

Al deze functies leveren cijfers en grafieken op. Het verhaal erbij, met de verklaring en de keuze, schrijf je nog steeds zelf of met een assistent die jouw contextnotitie kent.

Conclusie: AI schrijft de eerste versie, jij het oordeel

Rapportage maken met AI scheelt je vooral het schrijfwerk. Geef de AI schone exports, een vaste opbouw en je contextnotitie, en laat het rekenen met code. Controleer daarna de cijfers tegen de platforms, toets elke verklaring aan wat jij weet en kies zelf de drie acties. Dan krijg je een maandrapport dat iemand echt leest, en dat elke maand tot een beslissing leidt.

De beste maand om hiermee te beginnen is januari: dan maak je in één keer het jaaroverzicht en het eerste maandrapport van het nieuwe jaar. Leer je de vijf belangrijkste rapporten in GA4 nog kennen, lees dan eerst de Google Analytics uitleg. Wil je zien hoe ik strategie, uitvoering en rapportage combineer? Download het pitchdeck.