First Party Data in je campagnestructuur

Veel webshops sturen hun Google Ads-campagnes vooral op omzet en ROAS. Maar een product dat veel omzet oplevert, is niet automatisch het product waar je uiteindelijk het meest aan verdient. Verschillen in marge, retouren, voorraad en klantwaarde kunnen ervoor zorgen dat het ene product commercieel veel interessanter is dan het andere.

Juist daar wordt first-party data waardevol. Door je eigen bedrijfsdata te combineren met de prestaties uit Google Ads, kun je beter bepalen welke producten meer advertentiebudget verdienen en welke je juist voorzichtiger wilt aansturen.

Dit moet je weten over first-party data in Google Ads:

• First-party data helpt je verder te kijken dan alleen omzet en ROAS.
• Marge, retourpercentage, voorraad en klantwaarde kunnen grote invloed hebben op de werkelijke waarde van een product.
• Door producten op basis van deze data te segmenteren, kun je budget gerichter verdelen.
• Productgroepen met een hogere commerciële waarde kunnen anders worden aangestuurd dan minder rendabele producten.
• Begin met een beperkt aantal duidelijke segmenten om te voorkomen dat je campagnestructuur onnodig complex wordt.

In dit artikel laten we zien welke first-party data je kunt gebruiken, hoe je verschillende databronnen combineert en hoe je deze inzichten vertaalt naar een slimmere Google Ads-campagnestructuur.

Waarom niet elk product dezelfde aandacht verdient

Stel: je verkoopt twee vergelijkbare producten. Product A heeft een brutomarge van 40% en weinig retouren, terwijl Product B een marge van 10% en een retourpercentage van 30% heeft. Toch kunnen beide producten in dezelfde Shopping- of Performance Max-campagne staan. Google stuurt vooral op omzet en conversies, maar weet niet automatisch welk product onderaan de streep het meest winstgevend is. Met first-party data, zoals marge- en retourgegevens, kun je dat onderscheid beter maken en je advertentiebudget slimmer verdelen.

Welke first-party data helpt je verder?

Marge en retouren zijn een goed startpunt, maar er is veel meer data die je kunt gebruiken. Veel van deze informatie heb je waarschijnlijk al. Denk aan gegevens uit je CRM, ERP, WMS of e-commerceplatform.

Marge per product

Marge is een van de belangrijkste databronnen. Kijk hierbij bij voorkeur verder dan alleen de brutomarge. Hoe nauwkeuriger je de marge berekent, hoe beter je kunt bepalen hoeveel advertentiekosten een product daadwerkelijk kan dragen.

Retourpercentage

Ook retouren hebben een directe invloed op de uiteindelijke winstgevendheid van een product. Je kunt bijvoorbeeld kijken naar:

• Retour-ratio: het aantal retouren ten opzichte van het aantal bestellingen.
• Refund-ratio: de waarde van retouren ten opzichte van de totale verkoopwaarde.

Een product met een hoge omzet maar structureel veel retouren kan daardoor onderaan de streep veel minder aantrekkelijk zijn dan de advertentiegegevens in eerste instantie laten zien.

Voorraad en voorraadrotatie

Ook je voorraad speelt een belangrijke rol bij het verdelen van je advertentiebudget. Heb je veel producten op voorraad die nauwelijks verkopen? Dan kan het slim zijn om deze extra onder de aandacht te brengen. Andersom kan een product met een beperkte voorraad en een hoge verkoopsnelheid juist aanleiding zijn om advertentiebudget te beperken.

Daarbij is het interessant om niet alleen naar de huidige voorraad te kijken, maar ook naar de voorraadrotatie: hoe snel wordt een product gemiddeld verkocht?

Customer Lifetime Value

Een andere (hele) interessante databron is Customer Lifetime Value (CLV). Niet ieder product levert zijn waarde volledig tijdens de eerste bestelling. Sommige producten zorgen ervoor dat klanten later opnieuw bestellen of aanvullende producten aanschaffen.

Stel dat Product C slechts 18% marge heeft. Op basis van de eerste bestelling lijkt dit product minder interessant dan een product met 35% marge. Uit je eigen klantdata blijkt echter dat klanten die Product C kopen gemiddeld binnen 60 dagen nog twee aanvullende producten aanschaffen. De eerste bestelling is dan misschien minder winstgevend, maar de totale klantwaarde kan juist veel hoger zijn. Hierdoor kun je besluiten om voor bepaalde producten een lagere directe ROAS te accepteren.

Conversieratio en bestelfrequentie

Niet ieder product presteert even goed. Sommige producten trekken veel bezoekers, maar leveren nauwelijks conversies op. Met onze eigen Product Segmentr-tool analyseren en segmenteren we producten op basis van hun prestaties. Zo kun je advertentiebudget gerichter inzetten voor producten die meer rendement opleveren.

Kijk daarnaast naar de bestelfrequentie. Welke producten zorgen voor terugkerende klanten en welke worden meestal eenmalig gekocht? Zo ontdek je welke producten op de lange termijn meer waarde opleveren.

Waarom je databronnen moet combineren

Eén databron vertelt nooit het hele verhaal. Door marge, retouren, conversieratio, voorraad en klantwaarde te combineren, ontdek je welke producten daadwerkelijk bijdragen aan je winstgevendheid. Zo maak je betere keuzes bij het verdelen van je advertentiebudget.

Zo vertaal je deze data naar je campagnestructuur

Zodra je weet welke data je wilt gebruiken en hoe die zich tot elkaar verhoudt, kun je aan de slag met de vertaalslag naar Google Ads.

Stap 1: Voeg de data toe aan je productfeed

De eerste stap is om de relevante data beschikbaar te maken in je productfeed richting Merchant Center. Dat kan bijvoorbeeld via custom labels of aanvullende feedvelden. Veel ERP-, PIM- en e-commerceplatformen kunnen deze gegevens automatisch aanleveren via een koppeling of API.

Denk bijvoorbeeld aan labels zoals:

• marge_hoog / marge_laag
• retour_hoog / retour_laag
• voorraad_beperkt
• klantwaarde_hoog / klantwaarde_laag

Het is hierbij belangrijk om niet direct tientallen verschillende labels aan te maken. Begin met de databronnen die daadwerkelijk invloed hebben op je commerciële beslissingen.

Stap 2: Groepeer producten op basis van deze data

Vervolgens kun je producten groeperen op basis van duidelijke voorwaarden, bijvoorbeeld:

• Als marge > 30% en retouren < 10% → label = marge_hoog
• Als marge < 15% of retouren > 20% → label = marge_laag
• Als klantwaarde structureel hoog is → label = klantwaarde_hoog
• Default → label = marge_gemiddeld

Hierdoor ontstaan bijvoorbeeld drie duidelijke hoofdgroepen:

Groep 1: hoge marge, lage retour – dit zijn je meest kansrijke producten. Ze leveren relatief veel marge op en hebben weinig risico op retourkosten.

Groep 2: lage marge, hoge retour – hier moet je voorzichtiger mee omgaan. Een hoge omzet betekent niet automatisch dat deze producten ook winstgevend zijn.

Groep 3: de middenmoot – producten die niet extreem goed of slecht presteren. Deze kunnen relatief breed worden aangestuurd, terwijl je de grootste aandacht richt op de producten uit de eerste twee groepen. Je kunt hier eventueel klantwaarde of voorraadpositie als aanvullende factor gebruiken.

Stap 3: Zet aparte campagnes of segmenten op

Nu kun je de verschillende productgroepen gericht aansturen. Producten met een hoge marge en weinig retouren bieden bijvoorbeeld meer ruimte om te investeren. Door een lagere tROAS te accepteren, geef je Google meer ruimte om extra omzet te realiseren. Bij producten met een lage marge en veel retouren is een hogere tROAS of een lager advertentiebudget juist verstandiger om je winstgevendheid te bewaken.

Ook je voorraad speelt een rol bij het verdelen van je advertentiebudget. Heb je veel voorraad van een product dat langzaam verkoopt? Dan kan extra advertentiebudget helpen om de verkoop te stimuleren. Producten die bijna uitverkocht zijn, hebben juist minder advertentiebudget nodig.

Wat levert sturen op first-party data op?

Waarom werkt dit beter dan alles op één hoop gooien?

• Je stuurt op echte winst in plaats van alleen omzet.
• Je kunt budgetten verschuiven naar producten die commercieel interessanter zijn.
• Je houdt rekening met retouren en andere kosten die normaal gesproken niet direct zichtbaar zijn in Google Ads.
• Je kunt rekening houden met de lange termijnwaarde van een klant.
• Je krijgt meer grip op voorraad en voorraadrotatie.
• Je kunt gerichter testen en optimaliseren zonder je volledige accountstructuur aan te passen.

Het belangrijkste voordeel is misschien wel dat je campagnestructuur steeds beter aansluit op de daadwerkelijke bedrijfsdoelstellingen.

Voorkom deze valkuilen

Voordat je hiermee aan de slag gaat, zijn er een paar zaken om rekening mee te houden.

Zorg allereerst voor consistente en betrouwbare data. Een marge die iedere week anders wordt berekend of een retourpercentage dat niet correct wordt bijgewerkt, zorgt uiteindelijk voor verkeerde beslissingen.

Daarnaast moet je voorkomen dat je campagnestructuur te complex wordt. Wanneer je voor iedere combinatie van marge, retourpercentage, voorraad en klantwaarde een aparte campagne maakt, ontstaat al snel een onoverzichtelijk account met te weinig data per campagne. Begin daarom klein: drie tot vijf duidelijke productgroepen zijn vaak een veel beter startpunt dan direct tientallen verschillende segmenten. Vanuit daar kun je testen welke data daadwerkelijk verschil maakt.

Tot slot is het belangrijk om regelmatig te evalueren. First party data verandert continu: marges veranderen, voorraadposities veranderen en klantgedrag verandert. Je campagnestructuur moet daarom kunnen meebewegen en schaalbaar zijn.

Meer rendement begint bij betere data

First-party data helpt je om Google Ads-campagnes beter af te stemmen op je commerciële doelstellingen. Door gegevens zoals marge, retouren, voorraad en klantwaarde te combineren, ontdek je welke producten extra advertentiebudget verdienen en welke juist minder. Zo stuur je niet alleen op omzet, maar vooral op de waarde die deze omzet oplevert voor jouw bedrijf.

Wil je slimmer gebruikmaken van je eigen data? We hebben ruime ervaring met datakoppelingen en first-party-datastrategieën en denken graag met je mee over de beste aanpak voor jouw bedrijf. Neem gerust contact met ons op!