Change History gebruiken om campagne-impact te analyseren in 2026

Elke Google Ads-campagne verandert voortdurend: biedstrategieën worden aangepast, advertentieteksten getest, budgetten verschoven en targetinginstellingen bijgesteld. Maar wanneer de prestaties plotseling dalen of juist onverwacht stijgen, weet je dan precies welke wijziging daarvoor verantwoordelijk is? Precies hier speelt de Change History in Google Ads een cruciale rol. Het is een van de meest onderbenutte analyse-instrumenten in het platform, en voor wie het correct toepast, biedt het een rechtstreekse koppeling tussen elke campagnewijziging en de bijbehorende prestatie-impact. In dit artikel leggen we uit wat de Change History is, hoe je het gestructureerd inzet, en hoe AdBrains deze functionaliteit naar een volledig geautomatiseerd analyseniveau tilt.

Wat is de Change History in Google Ads?

De Change History, in het Nederlands ook wel "wijzigingsgeschiedenis" genoemd maar in de praktijk altijd als Change History aangeduid, is een ingebouwde functie in Google Ads waarmee je een chronologisch overzicht krijgt van alle wijzigingen die zijn aangebracht in je account, campagnes of ad groups. Je vindt de Change History via het menu "Tools en instellingen" in je Google Ads-dashboard, of rechtstreeks via de rapportageweergave.

Iedere wijziging wordt automatisch gelogd, inclusief het tijdstip, de gebruiker die de aanpassing deed, het type wijziging (zoals budgetaanpassing, biedstrategie-switch, toevoeging van een negatief keyword of aanpassing van een RSA), en de oude en nieuwe waarde. Dit maakt de Change History tot een soort digitaal logboek van je hele accountgeschiedenis, dat je op elk moment kunt raadplegen en filteren.

Het filter- en exportmogelijkheden zijn veelzijdig: je kunt filteren op datumbereik, op campagne, op type wijziging of op gebruiker. Je kunt de gegevens ook exporteren naar een spreadsheet voor diepere analyse. De standaard lookback window beslaat tot 24 maanden terug, wat genoeg is om seizoenspatronen en langetermijntrends te analyseren.

Waarom is Change History essentieel voor prestatie-analyse?

Handmatig vs. AI-gestuurd Change History beheer

Hoe AdBrains Change History analyseert versus handmatig beheer

Handmatig beheer

• Wijzigingen worden niet systematisch gedocumenteerd
• Oorzaak van prestatiedaling lastig terug te vinden
• Geen koppeling tussen wijziging en conversie-impact
• Analyse kost uren handmatig werk per week
• Risico op herhaling van dezelfde fouten

AdBrains AIAI-voordeel

• Elke wijziging automatisch gelogd en gecategoriseerd
• Prestatieafwijkingen direct gekoppeld aan oorzaak
• Conversie-impact per wijziging inzichtelijk
• Realtime alerting bij onverwachte prestatiedrops
• Learnings worden automatisch toegepast in toekomstige optimalisaties

Adverteerders die Change History serieus nemen als analyse-instrument, beschikken over een onmisbare schakel in hun optimalisatiecyclus. Wanneer je een prestatiedaling signaleert in je ROAS of een stijging van je CPA, zijn er altijd twee mogelijke oorzaken: interne wijzigingen (iets wat jij of je team heeft aangepast) of externe factoren (marktveranderingen, concurrentie, seizoensgebondenheid). De Change History helpt je die twee categorieën snel van elkaar te scheiden.

Neem als concreet voorbeeld een campagne voor Clima-Active.nl, een installateur van airco en warmtepompen die werkt met leadgeneratie via offerteaanvragen. Stel dat de CPL (cost per lead) in een bepaalde week met 35% stijgt. Zonder Change History is de zoektocht naar de oorzaak tijdrovend en risicovol. Met de Change History zie je direct dat drie dagen voor de stijging de biedstrategie is omgezet van Target CPA naar Maximize Conversions, zonder een bijbehorend conversievolume dat groot genoeg was om deze switch te ondersteunen. De oorzaak is gevonden, de oplossing is snel te implementeren.

Hetzelfde geldt aan de positieve kant. Stel dat de conversieratio van ToetsJeKennis.nl, een online platform voor examens en cursussen, in een bepaalde maand met 22% stijgt. Door de Change History te combineren met je conversierapportage zie je dat precies op de dag van de stijging een nieuwe RSA is gelanceerd met een hogere Ad Strength-score. Dit soort positieve inzichten zijn net zo waardevol als het opsporen van problemen: ze vertellen je wat je vaker moet doen.

Hoe gebruik je Change History gestructureerd?

Het gebruik van Change History is pas echt krachtig als je het systematisch en gestructureerd toepast. Veel adverteerders kijken er alleen naar als er iets misgaat, maar de meeste waarde haal je uit een proactieve aanpak. Hieronder een stappenplan voor gestructureerd gebruik:

1. Koppel je rapportages aan je Change History. Open de Change History en schakel tegelijkertijd je prestatiegrafiek in (dit is mogelijk via de "Wijzigingen weergeven"-optie boven je campagnegrafiek). Zo zie je verticale markeringslijnen op het moment van elke wijziging, direct in de context van je KPI-trend.
2. Filter op impactvolle wijzigingstypes. Niet elke wijziging heeft evenveel impact. Biedstrategie-switches, budgetwijzigingen van meer dan 20%, toevoegingen van negatieve keywords en RSA-aanpassingen hebben doorgaans de meeste directe impact op prestaties. Filter eerst op deze categorieën.
3. Stel een vaste review-frequentie in. Analyseer de Change History wekelijks als onderdeel van je standaard rapportageproces, niet alleen als brandjesblussing. Correleer elke significante prestatieafwijking (meer dan 15% verandering in CPA, ROAS, CTR of conversieratio) met de wijzigingen uit de voorgaande 7 dagen.
4. Documenteer je bevindingen extern. De Change History in Google Ads biedt geen ingebouwde annotatiefunctie die bevindingen koppelt aan inzichten. Exporteer relevante data naar een spreadsheet of je eigen BI-tool en voeg context toe: wat was de oorzaak, wat was de impact, wat was de actie?
5. Gebruik de Change History als kwaliteitscontrole na grote wijzigingen. Na het lanceren van een nieuwe campagne, het aanpassen van een Smart Bidding-target of het toevoegen van een nieuwe ad group, plan dan een vaste check-in na 7 en 14 dagen om de impact te meten.

Een gestructureerde aanpak zorgt ervoor dat de Change History niet alleen een passief logboek blijft, maar een actief stuurinstrument wordt in je optimalisatiecyclus. Voor e-commerce accounts zoals die van E-4motion.com, de webshop voor nieuwe elektrische vouwfietsen, is dit extra relevant omdat productlanceringen, seizoenswijzigingen en promotieacties regelmatig tot grote prestatiefluctuaties leiden die snel geïdentificeerd moeten worden.

Veelgemaakte fouten bij het interpreteren van Change History

Zelfs als je de Change History actief gebruikt, zijn er een aantal valkuilen die tot verkeerde conclusies leiden. De meest voorkomende fouten zijn:

• Correlatie verwarren met causaliteit. Het feit dat een prestatieverandering samenvalt met een wijziging, betekent niet automatisch dat die wijziging de oorzaak is. Er kunnen gelijktijdig externe factoren spelen, zoals een Google Ads-algoritme-update, een concurrerende campagne of een seizoensimpact.
• Te korte observatieperiode hanteren. Smart Bidding-algoritmen hebben een leerperiode nodig na een wijziging. Een biedstrategie-aanpassing beoordeel je niet na één dag, maar pas na minimaal 7 tot 14 dagen (afhankelijk van het conversievolume).
• Alleen naar account-niveau kijken. Een kleine aanpassing op campagneniveau kan grote gevolgen hebben voor het account als geheel, maar is op account-niveau nauwelijks zichtbaar. Filter altijd ook op campagne- en ad group-niveau.
• Wijzigingen door externe tools negeren. Als je werkt met scripts, automatische regels of third-party tools, worden deze wijzigingen ook gelogd in de Change History. Negeer ze niet, want ze kunnen significant impact hebben op je Smart Bidding-signalen.
• De Change History niet combineren met conversion tracking data. Een wijziging zonder bijbehorende conversiedata vertelt je maar half het verhaal. Koppel altijd de Change History-tijdlijn aan je conversierapportage voor een volledig beeld.

Van wijziging naar prestatie-inzicht

Typische doorstroom in een Change History analyse-workflow (percent-mode)

Wijzigingen gelogd

Alle campagnewijzigingen in de periode

Gekoppeld aan KPI-afwijking

Wijzigingen met meetbare impact op CTR, CPA of ROAS

Oorzaak bevestigd

Wijzigingen waarbij de oorzaak eenduidig is vastgesteld

Actie ondernomen

Gevallen waarbij een correctie of optimalisatie is doorgevoerd

Van elke 100 gelogde wijzigingen leidt 24% tot een concrete optimalisatieactie

Door deze valkuilen te kennen en te vermijden, maak je van de Change History een betrouwbaar analyse-instrument in plaats van een bron van verwarring. Dit vraagt om discipline, structuur en bij voorkeur automatisering, omdat handmatige analyse altijd onderhevig is aan menselijke interpretatiebias.

Change History combineren met andere Google Ads-tools

De echte kracht van Change History komt vrij als je het combineert met andere analyse-instrumenten binnen en buiten Google Ads. Een aantal krachtige combinaties:

Voor LeroyBrouwer.nl, een leadgen-account dat sterk afhankelijk is van consistente CPL-targets, is de combinatie van Change History met conversion tracking bijzonder waardevol. Elke aanpassing aan de Target CPA-instelling wordt direct zichtbaar in de conversierapportage, zodat de impact van elke biedstrategie-switch nauwkeurig gemeten kan worden over de juiste observatieperiode.

AdBrains AI: automatische Change History analyse op accountniveau

De Change History handmatig bijhouden en analyseren is tijdrovend, foutgevoelig en schaalbaar tot op zekere hoogte. Naarmate een account groeit, met meer campagnes, meer ad groups, meer wijzigingen per week, wordt handmatige analyse al snel een bottleneck. Precies hier maakt de AI-technologie van AdBrains het verschil, en niet op een oppervlakkige manier.

AdBrains heeft een multi-agent verificatiesysteem ontwikkeld waarbij vier onafhankelijke AI-agents elke optimalisatiebeslissing controleren vóór uitvoering. Dit betekent dat niet alleen elke wijziging automatisch gelogd wordt, maar dat de AI ook vooraf beoordeelt of een voorgenomen aanpassing historisch gezien positieve of negatieve impact heeft gehad in vergelijkbare situaties. Heeft een biedstrategie-switch van Target ROAS naar Maximize Conversion Value in het verleden geleid tot een tijdelijke prestatiedip in de leerperiode? Dan past het systeem de timing en de condities van de switch aan om dit risico te minimaliseren.

Daarnaast monitort het AdBrains-systeem continu de prestatieontwikkeling na elke wijziging, automatisch en op campagne-, ad group- en keywordniveau. Bij een prestatieafwijking van meer dan 15% in CPA of ROAS ten opzichte van het 7-daags gemiddelde, wordt automatisch een alert gegenereerd en wordt de relevante Change History-data direct gekoppeld aan de afwijking. Dit vervangt uren handmatig speurwerk door een directe oorzaak-gevolganalyse.

Het strategie-switch systeem van AdBrains past hierop aan: wanneer een biedstrategie-aanpassing aantoonbaar negatieve impact heeft op het conversievolume, kan het systeem automatisch terugschakelen naar de vorige instelling en de leerperiode opnieuw opstarten, zonder dat een accountmanager er handmatig naar hoeft te kijken. Voor accounts zoals die van Clima-Active.nl, waar de CPL-targets strak zijn en een week slechte prestaties directe impact heeft op het salesteam, is dit een significante operationele verbetering.

Bovendien bewaart en analyseert het AdBrains-systeem wijzigingsgeschiedenissen over langere periodes en over meerdere accounts heen. Dit maakt cross-account learnings mogelijk: als een bepaalde type wijziging in een vergelijkbare branche of campagnetype structureel positieve of negatieve impact heeft, worden deze inzichten automatisch meegenomen bij toekomstige optimalisatiebesluiten. Handmatige beheerders hebben simpelweg niet de capaciteit om dit soort patroonherkenning op schaal toe te passen.

Ten slotte integreert het AdBrains-systeem de Change History analyse met server-side signal enrichment: conversiesignalen worden via een eigen sGTM-infrastructuur verrijkt met first-party data, zodat de Smart Bidding-algoritmen altijd beschikken over de meest volledige en nauwkeurige conversiedata. Dit maakt de prestatie-analyse na een wijziging betrouwbaarder, omdat de conversiedata zelf minder ruis bevat.

Waarde van systematische Change History analyse

Gemiddelde branchebenchmarks voor gestructureerde change-analyse

62%

sneller oorzaak gevonden bij prestatiedaling

3x

meer optimalisatieacties per kwartaal bij AI-gestuurde analyse

18%

hogere gemiddelde ROAS na 90 dagen systematische change-logging

27%

minder budgetverspilling door vroegtijdig signaleren van negatieve wijzigingen

Het resultaat is een analysesysteem dat niet alleen terugkijkt, maar ook vooruitkijkt: elk inzicht uit de Change History wordt omgezet in een concrete aanbeveling of automatische actie voor de volgende optimalisatiecyclus. Zo wordt de Change History bij AdBrains niet alleen een logboek, maar een lerende motor voor continue campagneverbetering.

Praktische tips voor het dagelijks gebruik van Change History

Om het maximale uit de Change History te halen, zijn er een aantal concrete best practices die direct toepasbaar zijn, ongeacht of je het handmatig of geautomatiseerd bijhoudt:

• Werk met annotaties in Google Analytics 4. Wanneer je een grote wijziging doorvoert in Google Ads, voeg dan tegelijkertijd een annotatie toe in GA4 met een korte omschrijving. Dit maakt kruisanalyse eenvoudiger.
• Exporteer wekelijks. Exporteer de Change History elke week naar een Google Sheet of Excel-bestand en voeg een kolom toe voor "gemeten impact" en "aanbevolen actie". Dit bouwt een intern kennissysteem op.
• Gebruik de grafiek-overlay standaard. Zet de "Segmenten" en "Wijzigingen weergeven"-opties standaard aan in je campagneoverzicht. Dit geeft je altijd een visueel beeld van wijzigingen in relatie tot prestaties.
• Stel drempelwaarden in voor reviews. Definieer intern wanneer je een wijziging als impactvol beschouwt: bijv. budgetwijzigingen groter dan 25%, CPA-afwijking groter dan 20%, of wijziging in Quality Score van meer dan 2 punten.
• Train je team op Change History-gebruik. Zorg dat iedereen die toegang heeft tot het account weet hoe de Change History werkt en hoe wijzigingen gedocumenteerd worden. Consistente documentatie is de basis voor betrouwbare analyse.

Veelgestelde vragen over Change History in Google Ads

Hoe ver terug gaat de Change History in Google Ads?

De Change History in Google Ads slaat wijzigingen op tot maximaal 24 maanden terug. Dit is voldoende voor de meeste seizoensanalyses en langetermijnoptimalisaties. Let op: automatische wijzigingen door Smart Bidding-algoritmen worden niet allemaal weergegeven in de Change History, omdat dit interne Google-aanpassingen zijn. Wijzigingen die door gebruikers, scripts of API-koppelingen worden gedaan, zijn wel volledig zichtbaar.

Kan ik de Change History gebruiken om de impact van een Smart Bidding-switch te meten?

Ja, dit is een van de meest waardevolle toepassingen. Wanneer je een biedstrategie-switch doorvoert, zoals van handmatig CPC naar Target ROAS, is het moment van de switch direct zichtbaar in de Change History. Door de prestaties vóór en na de switch te vergelijken, rekening houdend met de leerperiode van minimaal 7 tot 14 dagen, meet je de netto-impact van de nieuwe biedstrategie. Combineer dit altijd met je conversierapportage voor een volledig beeld.

Worden wijzigingen door externe tools ook gelogd in de Change History?

Ja, wijzigingen die via de Google Ads API, scripts of third-party beheerprogrammas worden doorgevoerd, zijn zichtbaar in de Change History. Ze worden geregistreerd onder de naam van de API-gebruiker of het script. Dit is een belangrijk punt als je met meerdere tools of bureaus werkt: alle wijzigingen, van welke bron dan ook, worden gecombineerd in hetzelfde logboek. Dit maakt het soms complex om overzicht te houden, zeker als er meerdere partijen tegelijk aanpassingen doen.

Hoe koppel ik een prestatiedaling concreet aan een wijziging in de Change History?

De meest effectieve methode is de overlay-view in Google Ads: ga naar je campagne-overzicht, open de prestatiegrafiek en activeer "Wijzigingen weergeven". Je ziet dan verticale markeringslijnen op de tijdlijn die corresponderen met specifieke wijzigingen. Klik op een markering om te zien welke wijziging is doorgevoerd. Vergelijk vervolgens de prestaties van de 7 dagen vóór de markering met de 7 dagen erna (of langer, afhankelijk van het conversievolume). Bij accounts met laag conversievolume gebruik je liever een 14- of 21-daagse vergelijkingsperiode om statistische ruis te minimaliseren.

Is de Change History ook beschikbaar voor Performance Max campagnes?

Ja, wijzigingen in Performance Max (PMax) campagnes worden ook geregistreerd in de Change History, waaronder aanpassingen aan asset groups, budgetwijzigingen en doelstellingswijzigingen. Een belangrijke nuance: PMax-campagnes worden voor een groot deel intern gestuurd door het Google-algoritme, wat betekent dat niet alle performance-fluctuaties een directe oorzaak in de Change History hebben. Dit maakt de analyse van PMax-campagnes complexer en vraagt om een langere observatieperiode en een bredere contextuele analyse.