Attributiemodellen in Google Ads: data-driven boven de rest

Stel je voor: je betaalt Google Ads-budget voor tientallen touchpoints, maar je rapportage geeft al het succes aan één enkel zoekwoord. Dat is precies wat er gebeurt als je adverteert met een verouderd attributiemodel. Attributiemodellen bepalen hoe conversies worden verdeeld over de advertentie-interacties die hebben plaatsgevonden vóór een aankoop of lead. De keuze van het juiste model heeft directe gevolgen voor je Smart Bidding-strategie, je budgetallocatie en uiteindelijk je ROAS en CPA. In 2026 is data-driven attribution de standaard die Google zelf aanbeveelt, en de resultaten spreken voor zich. In dit artikel leggen we uit waarom dat zo is, hoe de modellen van elkaar verschillen en hoe AdBrains AI dit principe dagelijks inzet om structureel betere campagneprestaties te realiseren.

Wat zijn attributiemodellen en waarom zijn ze zo belangrijk?

Een attributiemodel bepaalt hoeveel conversie-waarde elk touchpoint in de klantreis ontvangt. Wanneer iemand meerdere keren in aanraking komt met je advertenties voordat hij of zij converteert, moet Google Ads ergens beslissen: welke klik "verdient" de conversie? Dit lijkt een technisch detail, maar de impact op je campagnes is groot. Het model dat je kiest, stuurt direct de signalen die Smart Bidding ontvangt. En Smart Bidding is zo goed als de data die het te verwerken krijgt.

In de praktijk zien we bij adverteerders die nieuw beginnen met Google Ads nog regelmatig last-click als standaardinstelling. Dat model geeft 100% van de conversie-waarde aan het allerlaatste klikmoment vóór de conversie. Logisch klinkt het misschien, maar het mist de volledige context. Een potentiële klant van ToetsJeKennis.nl zoekt misschien eerst op "online examen oefenen", klikt op een Display-advertentie, bezoekt de site, vertrekt, en zoekt drie dagen later op de exacte merknaam. Last-click geeft alle krediet aan die branded zoekopdracht. Maar welk touchpoint triggerde de interesse? Precies: de Display-advertentie. Die informatie verdwijnt volledig bij last-click.

De beschikbare attributiemodellen op een rij

Google Ads biedt in 2026 de volgende attributiemodellen voor search-campagnes en andere campagnetypes. Het is nuttig ze naast elkaar te zetten om de keuze te begrijpen:

De modellen van first-click tot en met position-based zijn zogenoemde regelgebaseerde modellen. Ze gebruiken een vaste formule, ongeacht de werkelijkheid van jouw campagne. Data-driven attribution is fundamenteel anders: het gebruikt Google's machine learning om op basis van jouw eigen historische conversiedata te berekenen welke touchpoints daadwerkelijk het meeste verschil maken bij het wel of niet converteren van een gebruiker.

Waarom data-driven attribution structureel beter presteert

Data-driven attribution heeft drie kernvoordelen die de andere modellen niet kunnen evenaren. Ten eerste is het model volledig gepersonaliseerd op jouw account. Het analyseert niet de gemiddelde klantreis, maar die van jóuw bezoekers, in jóuw markt, met jóuw campagnes. Ten tweede wordt het model continu bijgewerkt naarmate er meer conversiedata binnenkomt. Het is dus nooit statisch. Ten derde stuurt het aanzienlijk rijkere signalen naar Smart Bidding, wat resulteert in nauwkeurigere Target CPA- en Target ROAS-biedingen.

Neem als voorbeeld Clima-Active.nl, een installatiebedrijf voor airco en warmtepompen dat actief is op offerteaanvragen. In een typisch aankooppad oriënteert een potentiële klant zich eerst via een brede zoekopdracht als "warmtepomp kosten", klikt hij op een Search-advertentie, verlaat de site en keert later terug via een branded zoekopdracht. Bij last-click zou alle budgetdruk op het branded keyword liggen. Met data-driven attribution ziet Smart Bidding dat het non-branded zoekwoord essentieel was in de oriëntatiefase, en wordt het bijbehorende bod opgetrokken. Resultaat: meer instroom aan waardevolle leads bij een lagere cost per lead (CPL).

Een vergelijkbaar patroon zien we bij e-commerce adverteerders zoals Elletens.nl. Klanten die online shoppen raadplegen gemiddeld meerdere touchpoints vóór een aankoop. Bij last-click wordt het grootste gedeelte van het conversie-krediet structureel naar het laatste zoekwoord geschoven, terwijl Shopping-advertenties, Display-retargeting en eerdere zoekopdrachten volledig worden genegeerd. Data-driven attribution corrigeert dit en stelt Smart Bidding in staat om het complete pad te optimaliseren.

• Nauwkeurigere Smart Bidding-signalen: Target ROAS en Target CPA-algoritmen ontvangen een volledig beeld van de klantreis in plaats van slechts het laatste klikmoment.
• Eerlijkere budgetallocatie: Campagnes die bovenaan de funnel bijdragen, worden niet langer onterecht gepauzeerd of gereduceerd vanwege schijnbaar lage conversies.
• Beter inzicht in kanaalinteractie: Je ziet welke combinaties van campagnetypes (Search, Display, Performance Max) het meest effectief samenwerken.
• Verbeterde ROAS op portfolioniveau: Doordat elk touchpoint de juiste waarde ontvangt, verschuift budget automatisch naar de combinaties die het beste presteren.
• Minder campagne-onderschatting: Campagnes die eerder werden afgeschreven als "te duur" blijken bij data-driven attribution essentieel te zijn voor de conversie-flow.

De technische vereisten: wanneer kun je data-driven attribution inzetten?

Data-driven attribution is niet automatisch beschikbaar voor elk account. Google vereist een minimale hoeveelheid conversiedata om het machine learning-model te trainen. Concreet geldt als vuistregel dat je conversieactie minimaal 300 conversies in de afgelopen 30 dagen moet hebben, hoewel Google dit in de loop van 2025 verder heeft versoepeld voor sommige campagnetypes. Voor kleinere adverteerders is het daarom verstandig om meerdere relevante conversieacties te bundelen, of Enhanced Conversions te activeren om het datavolume te verhogen.

Server-side tracking via een eigen server-side Google Tag Manager-setup versterkt hier de nauwkeurigheid aanzienlijk. Door conversiesignalen via een eigen server te verrijken met first-party data, ontvangt Google Ads méér en betrouwbaardere data, wat direct ten goede komt aan het data-driven model. Adverteerders die server-side tracking combineren met data-driven attribution zien gemiddeld 27% meer bijgehouden conversies, wat de machine learning-kwaliteit van het model verder optimaliseert.

• Minimaal 300 conversies per conversieactie per 30 dagen (richtlijn, kan per campagnetype variëren)
• Conversie-tracking correct ingesteld via Google Ads of Google Analytics 4
• Enhanced Conversions geactiveerd voor web en/of leads
• Bij voorkeur server-side tracking actief voor maximale datakwaliteit
• Minimaal 30 dagen historische data beschikbaar na activatie

AdBrains AI en data-driven attribution: hoe onze technologie dit naar een hoger niveau tilt

Het instellen van data-driven attribution is slechts de eerste stap. De echte winst zit in wat je daarna doet met de rijkere conversiedata die beschikbaar komt. Hier maakt AdBrains het verschil met onze eigen AI-technologie, die specifiek is gebouwd om het maximale uit data-driven attribution te halen.

Het begint bij onze server-side signal enrichment-infrastructuur. AdBrains beheert voor alle klanten een eigen sGTM-setup (server-side Google Tag Manager), waarmee conversiesignalen worden verrijkt met first-party data voordat ze naar Google Ads worden verzonden. Dit verhoogt direct het datavolume dat beschikbaar is voor het data-driven attributiemodel, en zorgt ervoor dat ook conversies die anders verloren zouden gaan vanwege browser-beperkingen of ad blockers, wél worden meegenomen in de attributieberekening.

Vervolgens bewaakt ons multi-agent verificatiesysteem elk moment de kwaliteit van de conversie-tracking. Vier onafhankelijke AI-agents controleren dagelijks of conversieacties correct worden gemeten, of er geen dubbele conversies worden bijgehouden, en of het attributiemodel in elk campagnetype correct is geconfigureerd. Als een van de agents een afwijking detecteert, wordt dit direct gemeld en gecorrigeerd, zonder dat er handmatig ingegrepen hoeft te worden. Dit is cruciaal, want een fout in de attributie-instelling vertaalt zich direct in onjuiste Smart Bidding-signalen.

Daarnaast past ons automatische tCPA/tROAS-optimalisatiesysteem de biedstrategieën dagelijks aan op basis van de conversiesignalen die data-driven attribution produceert. Doordat het attributiemodel een genuanceerder beeld van de klantreis geeft, kan onze AI nauwkeuriger bepalen welk bod passend is voor elk zoekwoord en elke advertentiegroep. Dit leidt in de praktijk tot lagere CPA en hogere ROAS op portefeuilleniveau, iets wat handmatig beheer simpelweg niet bij kan houden.

Onze Keyword Incubator speelt hier ook een rol. Nieuwe zoekwoorden worden eerst getest in een geïsoleerde incubator-campagne. Dankzij data-driven attribution ziet AdBrains AI al vroeg welke nieuwe zoekwoorden bijdragen aan de bovenkant van de funnel, ook als ze (nog) niet de laatste klik leveren. Zo worden veelbelovende zoekwoorden niet te vroeg afgeschreven op basis van vertekende last-click data, maar krijgen ze de kans om door te groeien naar de productiecampagne op basis van hun werkelijke bijdrage.

Tot slot voert ons RSA-verbeteringssysteem continue analyses uit op Ad Strength scores in combinatie met data-driven attributiedata. Advertentievarianten die bijdragen aan conversies in een vroege fase van de klantreis worden herkend en versterkt, zelfs als ze bij last-click nooit "de winnaar" zouden lijken. Dit geeft onze klanten als Clima-Active.nl en ToetsJeKennis.nl een structureel voordeel dat handmatig nauwelijks te realiseren is.

Data-driven attribution en Performance Max: een krachtige combinatie

Performance Max-campagnes zijn ontworpen om over meerdere Google-kanalen tegelijk te adverteren. Daarvoor is correcte attributie nog belangrijker dan bij reguliere Search-campagnes, omdat de klantreis meerdere kanalen en formats omvat. Data-driven attribution is bij Performance Max de enige instelling die recht doet aan de multi-channel aard van het campagnetype.

Wanneer een klant van E-4motion.com, de webshop voor nieuwe elektrische vouwfietsen, een kooptraject doorloopt, kan dat beginnen met een YouTube-advertentie, gevolgd door een Shopping-resultaat, een Display-remarketing-banner en uiteindelijk een branded Search-klik. Last-click geeft alle waarde aan de branded zoekopdracht en maakt YouTube en Display onzichtbaar in de rapportage. Data-driven attribution verdeelt de waarde correct en stelt het Performance Max-algoritme in staat om het volledige spectrum aan ad-formats te optimaliseren op basis van wat daadwerkelijk bijdraagt aan de conversie.

In de praktijk zien we dat adverteerders die Performance Max combineren met data-driven attribution en server-side tracking significant hogere ROAS realiseren dan adverteerders die met last-click blijven werken. De reden is helder: het algoritme dat campagnes optimaliseert is precies zo goed als de signalen die het ontvangt. Betere attributie betekent betere signalen, en betere signalen leiden tot betere beslissingen.

Veelgemaakte fouten bij attributiemodellen in Google Ads

Zelfs ervaren adverteerders lopen regelmatig tegen dezelfde valkuilen aan als het gaat om attributiemodellen. Het vermijden van deze fouten is net zo belangrijk als het kiezen van het juiste model.

• Blijven steken in last-click: Veel accounts hebben last-click als legacy-instelling nog actief, ook als er al voldoende conversiedata is voor data-driven attribution.
• Verschillende modellen per conversieactie: Als primaire en secundaire conversieacties verschillende attributiemodellen gebruiken, ontstaan tegenstrijdige signalen voor Smart Bidding.
• Geen Enhanced Conversions: Zonder Enhanced Conversions mist het data-driven model een significant deel van de offline en cross-device conversies.
• Verkeerde conversieacties als primair instellen: Als "paginabezoek" of "sitebezoek" is ingesteld als primaire conversie in plaats van een echte leadformulier-invulling of aankoop, traint het model op de verkeerde signalen.
• Te vroeg conclusies trekken: Data-driven attribution heeft minimaal 30 dagen nodig om te stabiliseren. Wie na een week al wil terugschakelen, doet het model tekort.
• Geen server-side tracking: Zonder server-side tracking zijn de attributiedata onvolledig, wat de kwaliteit van het machine learning-model direct aantast.

Hoe je het attributiemodel instelt in Google Ads

Het instellen van data-driven attribution is technisch eenvoudig, maar vraagt om zorgvuldigheid. Navigeer in Google Ads naar het tabblad "Doelen" en selecteer de conversieactie die je wilt aanpassen. Klik op de naam van de conversie en vervolgens op "Instellingen bewerken". Onder het kopje "Attributiemodel" kies je "Data-driven". Sla op en herhaal dit voor alle primaire conversieacties.

Let erop dat je dit alleen doet als de conversieactie voldoende data heeft. Google geeft een waarschuwing als het datavolume (nog) onvoldoende is. In dat geval raden we aan om eerst enhanced conversions en server-side tracking te activeren om het volume omhoog te brengen, en daarna opnieuw te evalueren. AdBrains controleert dit als onderdeel van de standaard accountconfiguratie voor alle klanten, inclusief de periodieke verificatie door het multi-agent systeem.

Veelgestelde vragen over attributiemodellen in Google Ads

Wat is het verschil tussen data-driven attribution en last-click in Google Ads?

Last-click geeft 100% van de conversiewaarde aan het allerlaatste klikmoment vóór de conversie, ongeacht hoeveel andere advertentie-interacties er daarvoor plaatsvonden. Data-driven attribution gebruikt machine learning om op basis van jouw eigen historische conversiedata te berekenen welke touchpoints daadwerkelijk het meeste bijdroegen aan de conversie. Het verdeelt krediet over meerdere interacties in de klantreis, waardoor Smart Bidding rijkere en nauwkeurigere signalen ontvangt en beter kan optimaliseren op ROAS en CPA.

Hoeveel conversies heb ik nodig om data-driven attribution te gebruiken?

Als vuistregel geldt dat je conversieactie minimaal 300 conversies in de afgelopen 30 dagen moet hebben voor Google om het data-driven attributiemodel te trainen. Google heeft dit minimumdrempel in de loop van 2025 voor sommige campagnetypes versoepeld. Als je accountvolume lager ligt, kun je het datavolume verhogen door Enhanced Conversions te activeren, server-side tracking in te richten en meerdere relevante conversieacties samen te voegen als primaire conversiedoelen.

Heeft data-driven attribution invloed op mijn Smart Bidding-strategie?

Ja, direct en significant. Smart Bidding-strategieën als Target ROAS en Target CPA zijn volledig afhankelijk van de kwaliteit van de conversiesignalen die ze ontvangen. Met data-driven attribution ontvangt Smart Bidding een volledig beeld van de klantreis, inclusief de bijdrage van touchpoints die eerder in het aankoopproces plaatsvonden. Dit leidt tot nauwkeurigere biedingen, lagere CPA en hogere ROAS, omdat het algoritme niet meer uitsluitend optimaliseert op het laatste klikmoment maar op de volledige conversie-flow.

Kan ik attributiemodellen per campagne instellen, of geldt het voor het hele account?

Attributiemodellen worden ingesteld per conversieactie, niet per campagne. Dit betekent dat als jij meerdere conversieacties hebt (bijvoorbeeld "offerteaanvraag" en "telefoonklik"), je elk van deze acties afzonderlijk kunt configureren met een eigen attributiemodel. Google Ads raadt aan om voor alle primaire conversieacties data-driven attribution te gebruiken, zodat Smart Bidding voor elk campagnetype in het account dezelfde rijke en consistente signalen ontvangt. Inconsistentie tussen attributiemodellen van verschillende conversieacties kan verwarrende signalen geven aan het biedalgortime.

Wat doe ik als mijn account niet genoeg conversies heeft voor data-driven attribution?

Als je account (nog) niet aan de minimumdrempel voldoet, zijn er meerdere stappen die je kunt zetten. Activeer Enhanced Conversions voor web en leads om meer conversies te registreren die anders verloren zouden gaan door browser-restricties of tracking-beperkingen. Richt server-side tracking in via een sGTM-setup om de datakwaliteit en het datavolume te verhogen. Overweeg om micro-conversies als aanvullende primaire conversiedoelen in te stellen om de modellering te ondersteunen. Als alternatief kun je tijdelijk het "position-based" model gebruiken, dat in elk geval al enige waarde toekent aan meerdere touchpoints, in afwachting van voldoende volume voor data-driven attribution.