Waar elke extra euro budget minder oplevert

De wet van verminderende meeropbrengst

Bij een laag budget bereik je de mensen met de hoogste koopintentie: de zoekopdrachten die het dichtst op een aankoop zitten. Dat is je meest rendabele verkeer, en daar is de ROAS het hoogst.

Hoe meer budget je toevoegt, hoe verder je moet reiken. Je gaat breder bieden, op zoekwoorden en momenten die net iets minder koopklaar zijn. Die extra vertoningen leveren nog steeds omzet op, maar tegen een hogere kost per conversie en dus een lagere ROAS.

Daarom stijgt de omzetlijn wel, maar steeds vlakker. En daarom daalt de ROAS-lijn. De omzet blijft toenemen, alleen niet meer in verhouding tot wat je erin stopt. Dat is geen fout in je account, het is de natuurlijke vorm van bijna elke advertentiecampagne.

Het kruispunt berekenen, per campagne

De vraag is niet of die afvlakking bestaat, maar waar precies. En dat is te berekenen. Je fit een curve op de historische dagdata van een campagne, en die curve laat zien hoe omzet en ROAS zich verhouden tot het budget.

Uit die curve rolt het punt waarop de doel-ROAS wordt gehaald, en het punt waarna extra budget onder je rendementsdrempel duikt. In het voorbeeld ligt de grens onder het huidige budget: bij 3.0 doel-ROAS is er eigenlijk geen ruimte om op te schalen zonder rendement in te leveren.

Dit doe je per campagne, want elke campagne heeft een eigen curve. Wat voor de ene campagne een gezonde verhoging is, is voor de andere geld weggooien. Dat is dezelfde gedachte als achter de sweetspot van je advertentiebudget: niet één budget voor het hele account, maar per campagne bepalen waar het rendement omslaat.

Een betrouwbaarheidsmarge, want data is niet oneindig

Een curve die één exacte uitkomst belooft, verkoopt een zekerheid die er niet is. Daarom hoort er een betrouwbaarheidsmarge bij. In het voorbeeld is die ongeveer plus of min 0.86 ROAS bij het gesimuleerde budget, omdat we daar aan de rand van het historische bereik zitten.

Die marge vertelt je iets belangrijks. Een geschatte ROAS van 1.78 met een marge van 0.86 betekent dat de werkelijke uitkomst ergens tussen grofweg 0.9 en 2.6 kan liggen. Dat is een groot verschil voor je beslissing. Hoe dichter je bij het budget zit waarop je genoeg historische data hebt, hoe smaller de marge en hoe betrouwbaarder de schatting.

De marge is geen slag om de arm, maar juist de eerlijke weergave van hoe zeker het model is. Beslissen zonder die marge is beslissen op schijnzekerheid.

Het model weet ook wat het niet weet

Er zit een grens aan wat je uit data kunt afleiden, en die grens ligt bij het hoogste budget dat een campagne ooit heeft gedraaid. Alles daarbinnen is interpolatie: het model leunt op wat het echt heeft gezien. Alles daarbuiten is extrapolatie: een doortrekking van de curve naar gebied waar nog geen data is.

In de simulator is dat de oranje zone rechts. Voorbij het historische maximum wordt de lijn gestippeld en groeit de onzekerheid. Het model geeft daar nog steeds een schatting, maar het geeft er nadrukkelijk bij dat je die met voorzichtigheid moet gebruiken.

Die eerlijkheid is precies wat een model bruikbaar maakt in plaats van gevaarlijk. Een schatting die zegt hoe zeker ze is, kun je wegen. Een schatting die net zo stellig klinkt binnen als buiten het bereik van de data, verleidt je tot beslissingen die de cijfers niet dragen. Dat sluit aan bij sturen op rendement in plaats van op klikken: niet elke stijgende lijn is een reden om door te duwen.

Budget verhogen is soms goed, de grens kennen is de betere vraag

Niets van dit alles betekent dat je budget nooit moet verhogen. Vaak is het juist het goede antwoord. Als je nog ver onder het kruispunt zit, laat je met een te laag budget conversies liggen die je gewoon had kunnen pakken.

Maar budget verhogen is de makkelijke vraag. De betere vraag is waar de grens ligt. Tot welk budget blijft de ROAS boven je doel? Vanaf welk punt betaal je meer voor omzet dan die waard is? Dat is de vraag waarmee je verwachtingen managet, of dat nu richting een klant is of richting je eigen directie.

Wie die grens kent, kan een verhoging onderbouwen in plaats van hopen. Je weet vooraf wat de extra euro's ongeveer opleveren en met welke marge, en je weet wanneer je beter kunt stoppen met opschalen en de winst ergens anders kunt zoeken.

Waarom dit een interactieve tool is, geen tabel

Deze afweging laat zich slecht in een statische tabel vangen. Het gaat om de vorm van twee lijnen, om waar ze kruisen en om hoe de onzekerheid groeit naarmate je verder van je data af komt. Dat zie je pas echt door zelf aan het budget te schuiven en de curve te laten reageren.

Dat is ook waarom we dit soort inzichten als een interactieve weergave van je eigen data bouwen in plaats van als een rapport met een getal erin. Je begrijpt een kruispunt beter als je het voorbij ziet schuiven dan als je het voorgeschoteld krijgt.

De simulator hierboven werkt op een fictief voorbeeld, maar het model erachter draait in de praktijk op de echte historische data van een campagne, per campagne opnieuw gefit.

Conclusie: ken het kruispunt voordat je opschaalt

Meer budget levert bijna altijd meer omzet op, maar tegen een dalende ROAS. Ergens ligt een kruispunt waarna extra budget meer kost dan het oplevert, en dat punt is per campagne te berekenen uit historische data.

Een bruikbaar model geeft daar een betrouwbaarheidsmarge bij en is eerlijk over waar de data ophoudt en de gok begint. Budget verhogen is soms het juiste antwoord, maar weten waar de grens ligt is de betere vraag.