Hoe meet u marketing als u maar 30 deals per jaar sluit?

Dat doet u niet. Niet op kanaalniveau, en niet op tijd om nog iets te betekenen. De rekensom leert dat uw attributiemodel zes jaar nodig heeft om één budgetvraag te beantwoorden. Daarom moet het antwoord ergens anders vandaan komen.

Direct antwoord

Bij 30 gesloten deals per jaar hebt u ongeveer 189 gesloten deals nodig om aan te tonen dat het ene kanaal 50% beter converteert dan het andere. Dat is ruim 6,3 jaar bedrijfsvoering. Tegen die tijd zijn het aanbod, de prijs, de concurrentie en de kanaalmix allemaal veranderd, waardoor het antwoord een bedrijf beschrijft dat niet meer bestaat. Onder ongeveer 150 deals per jaar is kanaalattributie geen meetinstrument. De beslissing moet vallen vóór de uitgave, in gesprek met kopers, niet erna, in een dashboard.

De attributiedrempel: het minimum aantal gesloten deals waaronder kanaalattributie geen statistisch betrouwbaar antwoord kan opleveren binnen een bruikbare termijn. Onder die drempel produceren attributierapporten nog altijd precieze percentages. Die percentages zijn ruis met een decimaalteken.

Een CFO stelt een redelijke vraag. Van de vier kanalen die we financieren, welk levert nu echt klanten op? Het eerlijke antwoord is dat zijn data pas over zowat zes jaar een conclusie ondersteunt. Niet omdat zijn tracking slecht is ingesteld, maar omdat zijn bedrijf simpelweg niet genoeg deals sluit.

Vrijwel alles wat over marketingmeting is geschreven, is geschreven voor bedrijven die duizenden transacties per maand sluiten. Toegepast op een bedrijf dat dertig deals per jaar sluit, elk met een zescijferige waarde, presteert dat advies niet gewoon zwakker. Het werkt niet. Dat verschil verdient een precieze formulering, want juist die precisie maakt de beslissing vanzelfsprekend.

De rekensom

Neem een bedrijf dat 30 deals per jaar sluit, verspreid over vier gefinancierde kanalen. Stel dat het ene kanaal leads 50% beter converteert naar klanten dan het andere: 4,5% tegenover 3%. Dat is een enorm verschil. Wist u zeker dat het reëel was, dan verschoof u nog dezelfde middag budget.

Om dat verschil vast te stellen bij een betrouwbaarheidsniveau van 95% en een statistische power van 80%, moet u 189 gesloten deals observeren. Bij 30 deals per jaar is dat 6,3 jaar. Bij 20 deals per jaar 9,4 jaar. Verklein het effect dat u zoekt tot 20%, nog altijd groot genoeg om een budgetbeslissing te rechtvaardigen, en de vereiste loopt op tot 918 gesloten deals. Dertig jaar.

Daar volgen twee gevolgen uit, en het tweede sluit de discussie.

Eerst dit: de cijfers die u nu al hebt, bevatten geen informatie. Stel dat van 30 deals er 8 aan één kanaal worden toegeschreven. Dat oogt als een aandeel van 26,7%. Het betrouwbaarheidsinterval van 95% daarrond loopt van 14,2% tot 44,4%. U kunt niet onderscheiden tussen “dit kanaal leverde een zevende van de business” en “dit kanaal leverde bijna de helft.” Beide kloppen met dezelfde data. Stel dat twee kanalen 11 en 7 deals tonen, waarbij het ene 57% sterker lijkt. Fishers exacte toets geeft p = 0,399. Dat is geen zwak signaal. Het is precies het resultaat dat u zou verwachten in ruwweg twee op de vijf gevallen bij twee even sterk presterende kanalen.

Tweede: het antwoord komt aan nadat de vraag vervallen is. Zes jaar aan data beschrijft een markt, een aanbod, een prijs, een concurrentieveld en een kanaalmix die niet meer bestaan. Uw positionering is veranderd. Twee van de vier kanalen zijn vervangen. Het onderzoeksgedrag van kopers is herschreven door technologie die nog niet bestond toen de meting begon.

Meting kan niet sneller convergeren dan het bedrijf verandert. Dat is rekenkunde, en geen enkele leverancier verkoopt u daar een omweg voor.

Methode: two-proportion z-test, α = 0,05 tweezijdig, power = 0,80, basisconversieratio 3% (consistent met de gerapporteerde mediane B2B lead-naar-klant-conversie). Betrouwbaarheidsintervallen volgens de Wilson-methode. De cijfers hierboven zijn reproduceerbaar met elke standaard power-calculator.

Drie structurele breuklijnen, kort

Het volumeprobleem is op zichzelf al fataal. Drie andere breuken verzwaren het, en het loont om ze te kennen: elke attributieleverancier geeft ze zelf al toe.

Het meetvenster sluit voor de deal opengaat

Het maximale click-attributievenster van Meta is zeven dagen. LinkedIn hanteert standaard dertig. Google Ads gaat tot negentig. Google Analytics 4 begrenst acquisitiegebeurtenissen op dertig dagen en al de rest op negentig. Daartegenover staat een mediane B2B-verkoopcyclus van 84 dagen. 6Sense zet de gemiddelde aankoopcyclus op ongeveer tien maanden, en deals boven €100.000 lopen doorgaans 90 tot 180 dagen of langer.

Een Meta-klik komt in aanmerking voor toerekening over zowat 2% van een deal van tien maanden. De eerste aanraking bij zo’n deal valt buiten elk attributievenster dat op enig platform bestaat. Niet onnauwkeurig gemeten. Buiten het attributievenster, en dus onzichtbaar voor elk model.

Attributie volgt toestellen. Beslissingen worden genomen door comités

Gartner stelt de typische aankoopgroep voor een complexe oplossing op zes tot tien beslissers, elk met vier of vijf onafhankelijk verzamelde stukken onderzoek op zak. Het cijfer van Forrester uit 2024 ligt hoger: dertien stakeholders, waarbij 89% van de beslissingen meerdere afdelingen doorkruist.

Het cijfer dat een CFO zou moeten doen stilstaan is dit: Gartner vindt dat kopers ongeveer 17% van hun totale aankooptijd besteden aan gesprekken met leveranciers, en dat aandeel wordt verdeeld over elke leverancier in overweging. Ruwweg vier procent van het beslissingsproces speelt zich af waar u het kunt observeren. De getrackte klik hoort toevallig bij wie er binnen het comité op klikte. Ze registreert het aandeel van één persoon, niet de beslissing zelf, die later viel in een kamer waar u niet bij was. Datzelfde onzichtbare proces bepaalt ook welke leveranciers überhaupt op de shortlist geraken.

De statistische modellen zeggen het zelf

Marketing mix modelling is de standaardaanbeveling zodra click-attributie faalt. Googles eigen Meridian-documentatie werkt een hypothetisch geval uit: twee jaar wekelijkse data levert 104 observaties op, wat bij een realistische kanaal- en controlespecificatie neerkomt op ongeveer vier datapunten per geschatte parameter. Googles eigen conclusie: dat is te laag om het model betrouwbaar te schatten. Metas Robyn hanteert dezelfde ondergrens: minstens twee jaar wekelijkse data, en ongeveer tien observaties per variabele.

Een middelgroot bedrijf dat drie kanalen draait met een stabiele verdeling haalt die drempels niet. Beide leveranciers publiceren zelf de criteria die hun eigen tool voor uw bedrijf diskwalificeren.

De Europese verzwaring

Zitten uw kopers in Europa, dan is de bodem nog zachter. De gemiddelde opt-in voor marketingcookies in de EU ligt rond 46%, tegen 54% in 2023, met Duitsland als laagste op ongeveer 36%. Noord-Europese markten scoren lager, niet hoger, net omdat het privacybewustzijn er groter is. Safari’s tracking prevention beperkt de relevante cookies tot zeven dagen. Adblockers halen wereldwijd ongeveer een derde van de gebruikers uit beeld.

Die factoren tellen niet netjes op tot één verliescijfer. Wie u zo’n cijfer voorschotelt, heeft het verzonnen. Elk apart haalt een andere schijf van de populatie uit de meting, en die schijven zijn niet willekeurig. Kopers die tracking weigeren, zijn geen representatieve steekproef van uw markt. Het zijn systematisch de senioren, de privacybewustere en de technisch geletterdere kopers, en dat is in de meeste middelgrote B2B precies de beschrijving van het aankoopcomité.

Wat de sector in de plaats aanbeveelt

Het volumeprobleem is geen geheim. Het staat zwart op wit in de attributieliteratuur: een datagedreven model toegepast op veertig gesloten deals per kwartaal levert statistisch onbetrouwbare gewichten op. De meeste hoogwaardige, laagvolume B2B-pijplijnen halen die drempel nooit, en een model draaien onder die drempel levert precies ogende percentages op die ruis weerspiegelen, geen signaal.

Dat is een correcte diagnose. Kijk nu naar het standaardmiddel: gebruik in de plaats een positiegebaseerd model, U-vormig of W-vormig, omdat die een vaste formule toepassen en geen volume-eis stellen.

Lees dat aandachtig. De aanbeveling is een model te kiezen dat nooit controleert of er genoeg data is, precies omdat het daardoor nooit zal rapporteren dat die er niet is. Dat is geen oplossing. Het is een besluit om te stoppen met vragen stellen. Een W-vormig model kent 30% van de credit toe aan de eerste aanraking omdat iemand het getal 30 koos, niet omdat iets in uw bedrijf dat cijfer opleverde. De output is een percentage met een decimaalteken en zonder enige bewijswaarde. En iedereen in de kamer behandelt het als een bevinding.

Dit is het mechanisme waarmee een bedrijf uitkomt bij een zelfverzekerd, precies en volkomen fictief verhaal over wat zijn marketing doet, en daar vervolgens echt geld tegenover zet. Het is het onderwerp van Reports, Not Revenue, en het is de duurste gewoonte in middelgrote marketing.

De twee voor de hand liggende bezwaren

“Doe incrementaliteitstests. Geo-holdouts.” In principe correct, en ze falen op dezelfde rekensom. Een holdouttest is een vergelijking van twee proporties. Ze heeft dezelfde 189 uitkomsten nodig om een effect van 50% aan te tonen. Dertig deals per jaar opsplitsen in een test- en controlehelft creëert geen statistische power. Het vernietigt wat er nog van over was. Incrementaliteitstests zijn een uitstekende methode voor bedrijven met genoeg volume om ze te draaien, en dat is precies de groep die dit artikel niet nodig had.

“Vraag kopers gewoon hoe ze u gevonden hebben.” Ja. En dat verdient het ronduit gezegd te worden in plaats van weggemoffeld, want het is de basis van hoe ik werk. Zelfgerapporteerde attributie is waar de meetliteratuur op terugvalt zodra het volume opraakt. Mijn methode is hetzelfde instrument, toegepast op een ander moment. In plaats van gesloten klanten te vragen hoe ze ons vonden (een steekproef van dertig, vertekend richting kopers die al ja zegden, die zich gebeurtenissen van negen maanden geleden herinneren) vraag ik koude prospecten die het bedrijf nog nooit hoorden noemen of het aanbod hun tijd waard is, voordat er ook maar één euro budget vastligt.

Hetzelfde instrument. Een betere steekproef, want die omvat ook wie nee zou hebben gezegd. Betere timing, want het gebeurt voor het geld beweegt, niet erna. Zegt iemand u dat dit gewoon een enquête is, dan heeft die persoon half gelijk. De helft die ontbreekt, is het moment waarop ze gebeurt.

De omkering

Dit verandert er zodra de rekensom op tafel ligt.

Dertig is een hopeloos getal voor statistiek en een uitstekend getal voor gesprekken.

Dertig gesloten deals kunnen een sterk kanaal niet onderscheiden van een zwak kanaal, bij geen enkele betrouwbaarheid waarop u zou durven handelen. Dertig gestructureerde gesprekken met koude prospecten vertellen u, ondubbelzinnig en binnen twee weken, of uw aanbod begrijpelijk is, of het probleem dat u zegt op te lossen ook door hen herkend wordt, en of uw prijs binnen of buiten de marge valt die zij redelijk vinden.

Zelfde getal. Twee volkomen verschillende epistemische situaties, want de ene methode heeft een grote steekproef nodig om signaal te produceren en de andere niet. De keuze was nooit tussen goed en slecht meten. Het is de keuze tussen een kwantitatieve methode die geen conclusie haalt binnen de levensduur van uw huidige strategie, en een kwalitatieve methode die er wel een haalt voordat u spendeert. De sector verkoopt de eerste, want die is maandelijks factureerbaar en levert een deliverable op. De tweede levert een beslissing op, en stopt dan.

Wat het kost als u niets doet

Het bedrijf dat blijft wachten tot de meting zich oplost, staat niet stil. Het spendeert. Twaalf tot dertig maanden budget vloeien weg naar een kanaalmix die niemand kan verdedigen, gerechtvaardigd door percentages die een statisticus niet zou aanvaarden en een CFO niet kan controleren. Aan het einde is de eerlijke positie identiek aan die bij het begin: u weet nog altijd niet welk kanaal werkte, alleen is het geld weg en is de markt verder gegaan. Dat is dezelfde samengestelde kost die ik beschrijf in wat afnemende vindbaarheid kost: het verlies is onzichtbaar terwijl het zich opbouwt, en onmiskenbaar achteraf.

Het dashboard was nooit het probleem. Het dashboard was een manier om de beslissing niet te hoeven nemen.

• Tel uw gesloten deals over de laatste twaalf maanden. Zit u onder 150, dan is uw kanaalattributie geen bewijs.
• Vraag wat uw attributiemodel doet bij onvoldoende data. Luidt het antwoord “het rapporteert toch een cijfer,” dan is het geen meetinstrument.
• Vergelijk uw mediane verkoopcyclus met uw langste attributievenster. Is de cyclus langer, dan is uw eerste aanraking per definitie niet getrackt.
• Draai voor de volgende budgetronde dertig gesprekken met koude prospecten die u nog nooit hoorden noemen. Die steekproef is groot genoeg om op te beslissen.

Financiert u kanalen die u niet kunt verdedigen omdat de rapportage de enige vraag die telt niet meer kan beantwoorden?

Elk kwartaal dat u wacht tot de data zich oplost, is een kwartaal budget toegewezen op basis van een cijfer dat nooit bewijs was.

Intake aanvragen

Vragen die dit artikel het vaakst oproept

Hoeveel gesloten deals hebt u nodig voordat marketingattributie werkt? Om aan te tonen dat het ene kanaal 50% beter converteert dan het andere, bij 95% betrouwbaarheid en 80% power, hebt u ongeveer 189 gesloten deals nodig. Voor een verschil van 20% loopt dat op tot ruim 900. Onder ongeveer 150 gesloten deals per jaar komt het antwoord in de praktijk pas lang nadat de beslissing die het uitlokte al vervallen is. Op dat moment is traagheid niet meer het probleem. Het antwoord komt gewoon te laat om nog te tellen.

Lost betere trackingsoftware laag-volume attributie op? Nee. Server-side tracking, CRM-integratie, identity resolution: stuk voor stuk verbeteren ze de datavastlegging. Bij laag volume zit de bottleneck niet in de vastlegging maar in het aantal geobserveerde uitkomsten, en geen enkele tool verhoogt hoeveel deals een bedrijf sluit. Betere vastlegging van te weinig gebeurtenissen levert nog altijd te weinig gebeurtenissen op.

Kan marketing mix modelling dit oplossen voor een middelgroot bedrijf? Zelden. Metas Robyn stelt een ondergrens van twee jaar wekelijkse data en ongeveer tien observaties per variabele. Googles eigen Meridian-documentatie werkt een voorbeeld uit met twee jaar wekelijkse data en concludeert zelf dat het resulterende aantal datapunten per parameter te laag is om het model betrouwbaar te schatten. De meeste middelgrote bedrijven met een stabiele kanaalmix halen geen van beide drempels.

Kan B2B-marketing dan überhaupt gemeten worden? Marketing kan beoordeeld worden. Gecreëerde pijplijn, beïnvloede deals, kost per gekwalificeerd gesprek en beweging in winratio zijn allemaal afleesbaar bij laag volume. Wat niet vast te stellen is, is causale attributie op kanaalniveau: precies de claim waarop de meeste marketingrapportage gebouwd is, en waarop de meeste budgetbeslissingen rusten.

Wat moet attributierapportage vervangen bij laag dealvolume? Validatie vóór engagement. Dertig gesloten deals kunnen een sterk kanaal niet van een zwak onderscheiden, maar dertig gestructureerde gesprekken met koude prospecten stellen binnen twee weken vast of het aanbod begrepen wordt, of het probleem herkend wordt en of de prijs binnen de marge valt die kopers redelijk vinden. Diezelfde steekproefgrootte die hopeloos is voor statistiek, volstaat ruimschoots voor kwalitatieve validatie.

Van lezen naar actie

Beslis voor u het budget van het volgende kwartaal uitgeeft

Vijftien minuten, geen verkoopgesprek. We gaan na of de cijfers achter uw huidige verdeling de beslissing kunnen dragen waarvoor ze worden gebruikt, en wat u in de plaats aan kopers zou moeten vragen.

Intake aanvragen