TL;DR, kort antwoord
7 min leestijdEen marketingattributiemodel is de regel die bepaalt hoe de credits voor één conversie worden verdeeld over de touchpoints die eraan voorafgingen. Single-touchmodellen geven één touchpoint alles, terwijl multi-touchmodellen dezelfde conversie verdelen met gewichten die samen 100 procent zijn. Op één identieke reis van vier touchpoints krijgt organisch zoeken 100 procent bij first touch, 25 procent bij lineair en 13,3 procent bij een time decay van zeven dagen.
Wat is een marketingattributiemodel?
Analyseteams kiezen een marketingattributiemodel om te bepalen hoe de credits voor één conversie worden verdeeld over de touchpoints die eraan voorafgingen. Het model neemt niets nieuws waar: het past een vaste regel toe op data die je analytics al heeft verzameld en zet daarna een percentage naast elk kanaal. Kies het model voordat je kanalen vergelijkt, want twee modellen die hetzelfde sessielog lezen, wijzen twee verschillende winnaars aan.
Een aankoop van $1.200 kan volgen op een blogpost die via zoeken werd gevonden, een LinkedIn-advertentie waarop vijf dagen later werd geklikt en een nieuwsbrief die op de ochtend van de checkout werd geopend. De betaling is één getal, en het model maakt er drie van. Flowsery leest het betaalevent zelf uit via omzetattributie uit Stripe, Paddle, Polar en Lemon Squeezy, dus het bedrag dat wordt verdeeld is het bedrag dat echt is afgerekend.
Wat is het verschil tussen single-touch- en multi-touchattributie?
Single-touchattributie geeft één touchpoint 100 procent van de credits en elk ander touchpoint nul. Multi-touchattributie spreidt dezelfde conversie over twee of meer touchpoints met gewichten die samen 100 procent zijn. Single-touch kost niets om te draaien en niemand twist over de rekensom; multi-touchattributie verdient haar complexiteit zodra de aankoopcyclus langer duurt dan één sessie.
First touch en last touch zijn de twee single-touchmodellen, en ze beantwoorden tegengestelde vragen. First touch naast last touch leggen zet de credits voor ontdekking tegenover die voor het afsluiten, en daarom ruziën acquisitie en demand generation over één dashboard.

Hoe verdeelt elk attributiemodel dezelfde reis?
Laat één identieke reis door de zeven bekende modellen lopen en hetzelfde touchpoint schommelt tussen 100 procent en nul. De reis: dag 1, organisch zoeken naar een blogpost; dag 4, een LinkedIn-advertentie; dag 9, een klik in de nieuwsbrief; dag 12, een direct bezoek dat converteert.
| Model | Organisch, dag 1 | LinkedIn-advertentie, dag 4 | Nieuwsbrief, dag 9 | Direct, dag 12 | Beloont te veel |
|---|---|---|---|---|---|
| First touch | 100% | 0% | 0% | 0% | SEO, social, display |
| Last touch | 0% | 0% | 0% | 100% | Zoeken op merknaam, retargeting |
| Last non-direct | 0% | 0% | 100% | 0% | De laatste betaalde of verwijzende klik |
| Lineair | 25% | 25% | 25% | 25% | Goedkope, frequente touches zoals e-mail |
| Time decay, halfwaarde 7 dagen | 13,3% | 17,9% | 29,3% | 39,5% | Kanalen die afsluiten |
| Positiegebaseerd, 40/20/40 | 40% | 10% | 10% | 40% | Beide uiteinden, bewust |
| Data-driven, voorbeelduitkomst | 31% | 24% | 18% | 27% | Wat je volume ook toelaat |
De eerste zes rijen zijn rekenkunde en komen op jouw data exact zo uit. De data-driven rij is de berekende uitkomst van één account, geen vaste regel, dus jouw cijfers wijken af. Lees de kolom organisch van boven naar beneden: die blogpost is 100 procent van de aankoop waard, 40 procent, 13,3 procent of niets, en er is geen byte aan sessiedata veranderd.
Hoe berekenen time decay en positiegebaseerde modellen hun gewichten?
Time decay geeft elk touchpoint een ruw gewicht dat per halfwaardetijd halveert, en normaliseert de gewichten daarna zodat ze samen 100 procent zijn.
weight = 0.5 ^ (days before conversion / half-life)
Met een halfwaardetijd van zeven dagen en de conversie op dag 12 ligt het organische touchpoint 11 dagen terug, dus het ruwe gewicht is 0,5 ^ (11 / 7) = 0,336. De LinkedIn-advertentie scoort 0,453, de nieuwsbrief 0,743 en het directe bezoek 1,000. Samen is dat 2,532, dus organisch krijgt 0,336 / 2,532 = 13,3 procent. Verkort de halfwaardetijd naar drie dagen en organisch zakt naar 4,5 procent, zonder dat er iets aan de campagne verandert.
Positiegebaseerd hoeft niet afgesteld te worden. Het geeft 40 procent aan het eerste touchpoint, 40 procent aan het laatste en verdeelt de overige 20 procent over de touchpoints ertussen: 10 procent elk bij twee, 6,7 procent elk bij drie. Lineair is nog eenvoudiger: 100 gedeeld door het aantal touchpoints.
Wat is een attributievenster en hoe verandert het de uitkomst?
Een attributievenster is de maximale leeftijd die een touchpoint mag hebben om nog in aanmerking te komen voor credits, en het schrapt rijen voordat het model draait. Verklein het attributievenster op de reis hierboven tot zeven dagen en het organische touchpoint van dag 1 en het LinkedIn-touchpoint van dag 4 bestaan niet meer: de nieuwsbrief en het directe bezoek verdelen de volle 100 procent opnieuw, dus bij lineair springt de nieuwsbrief van 25 procent naar 50 procent en zakt organisch naar nul.
Het venster heeft net zoveel gevolgen als het model, en het is de instelling die teams zonder te controleren overnemen van de standaard van een platform. Meet de mediaan van het aantal dagen tussen het eerste touchpoint en de aankoop, en zet het venster daar voorbij.
Waarom is elk attributiemodel een schatting?
Elk model is een schatting omdat de lijst met touchpoints al onvolledig is voordat de regel wordt toegepast. Browserbeperkingen knippen de vroege geschiedenis af: Intelligent Tracking Prevention van Apple beperkt first-party cookies die door een script worden geschreven in Safari tot zeven dagen, en Total Cookie Protection van Mozilla blokkeert third-party cookies standaard in Firefox, dus een browser kan de eerste helft van een reis van 30 dagen vergeten. Gaten tussen apparaten snijden dieper: een telefoon die de advertentie zag en een laptop waarop de checkout plaatsvond zijn twee anonieme bezoekers, tot de persoon op beide inlogt.
Adblockers, privévensters, in-app browsers en links die zonder UTM-parameters worden gedeeld, schrappen nog meer rijen, en links die in een chat worden geplakt komen binnen als direct verkeer. Flowsery is per ontwerp cookievrij en in de EU gehost, waardoor de cookiebanner uit het meetpad verdwijnt, en toch ziet het geen aankoop op een apparaat dat de advertentie nooit heeft gezien. Lees de uitkomst van een model als een rangorde waarop je handelt, niet als een grootboek dat je controleert.
Realtime dashboard
Doelen bijhouden
Tracking zonder cookies

Wat is zelfgerapporteerde attributie en waarom draaien teams die ernaast?
Zelfgerapporteerde attributie is een vraag in het aanmeld- of checkoutformulier waarin de koper wordt gevraagd waar hij van je hoorde, opgeslagen in het klantrecord. Ze bestaat omdat klikdata precies is over wat ze vastlegde en blind voor al het andere: een vermelding in een podcast, een Slack-community, een praatje op een conferentie, een aanbeveling van een collega. Geen script ziet die.
Teams draaien beide omdat de foutprofielen elkaar opheffen. Klikdata is gedetailleerd maar afgeknipt; het antwoord op het formulier is vaag, heeft last van herinneringsvertekening en dekt de donkere kanalen. Vergelijk ze maandelijks, en als het formulier steeds een kanaal noemt dat je data-driven attributie bijna nul punten geeft, heb je een blinde vlek gevonden, geen verwarde koper.
Welk marketingattributiemodel moet je kiezen?
Kies het model dat past bij de lengte van je verkoopcyclus. Cycli korter dan een week met één of twee touchpoints verliezen bijna niets bij last non-direct, en dat kost niets om te draaien. Cycli langer dan 30 dagen met vier of meer touchpoints hebben positiegebaseerd nodig, of data-driven zodra je genoeg paden hebt dat de gewichten niet meer verschuiven tussen verversingen.
Publiceer één model als het huisgetal, zodat discussies over budget een gemeenschappelijk referentiepunt hebben, en houd first touch en last touch ernaast als de grenzen van de eerlijke bandbreedte. Een kanaal dat bij alle drie wint, verdient meer budget. Een kanaal dat bij één wint, vertelt je iets over het model, niet over het kanaal.
Veelgestelde vragen
Wat is het verschil tussen een attributiemodel en een attributievenster?
Het model bepaalt hoe de credits worden verdeeld over de touchpoints die in aanmerking komen. Het venster bepaalt welke touchpoints überhaupt in aanmerking komen, door te begrenzen hoe ver terug een touch mag liggen om nog mee te tellen. Het venster gaat eerst, dus een kort venster zet kanalen op nul die het model goed betaald zou hebben.
Welk attributiemodel is het nauwkeurigst?
Geen enkel model is nauwkeurig, want geen enkel model neemt oorzaak en gevolg waar. Elk past een aanname toe op een onvolledige lijst met touchpoints, dus de echte vraag is welke aanname bij je aankoopcyclus past. Data-driven past als je het volume aan paden hebt; positiegebaseerd is de sterkste standaard als je dat niet hebt.
Waarom rapporteren mijn advertentieplatform en mijn analysetool verschillende cijfers?
Advertentieplatforms attribueren op basis van hun eigen graaf van ingelogde identiteiten en tellen view-through-conversies binnen hun eigen terugkijkinstellingen. Analysetools attribueren per sessie, gebruiken standaard last non-direct en zien nooit een vertoning die geen klik opleverde. Dezelfde aankoop wordt twee keer geclaimd, en daarom tellen de conversies die platforms rapporteren op tot meer dan je echte aantal bestellingen.
Hoeveel touchpoints heeft een data-driven model nodig?
Genoeg converterende en niet-converterende paden dat de berekende gewichten niet meer verschuiven tussen verversingen. Volg twee of drie opeenvolgende herberekeningen: als het aandeel van een kanaal een paar punten schommelt zonder dat er aan een campagne iets verandert, past het model zich aan ruis aan. Val terug op positiegebaseerd tot het volume is bijgetrokken.
Negeert last non-direct-attributie direct verkeer volledig?
Last non-direct slaat het directe touchpoint over en betaalt het voorgaande herkenbare kanaal. Het bestaat omdat veel van wat analytics als direct labelt verkeerd toegewezen verkeer is: een gestripte referrer, een link uit een chatapp, een URL uit een bladwijzer. De keerzijde is dat echte directe bezoeken nooit als kanaal met credits verschijnen.
Kan ik meer dan één attributiemodel tegelijk gebruiken?
Meerdere modellen op dezelfde conversiedata loslaten is precies waar de tabel hierboven om draait. Wijs er één aan als het gerapporteerde getal, zodat budgetbeslissingen één referentiepunt hebben, en houd first touch en last touch ernaast als bandbreedte. Een kanaal dat bij elk model in de top drie staat, is een veilige plek om meer uit te geven.
Heb je nieuwe tracking nodig als je van attributiemodel wisselt?
Nee. Een model is een regel die je toepast op data die je analytics al heeft verzameld, geen nieuwe meting, dus first touch vervangen door positiegebaseerd levert een nieuwe set percentages op uit hetzelfde log met touchpoints. Aan je tags of pixels verandert niets.
Hoe berekent Flowsery de omzet achter elk touchpoint?
Flowsery leest het betaalevent zelf uit via integraties voor omzetattributie met Stripe, Paddle, Polar en Lemon Squeezy. Het bedrag dat over touchpoints wordt verdeeld is het bedrag dat echt is afgerekend, geen getal dat is geschat uit het eigen kliklog van een advertentieplatform.
Hoe lang moet een attributievenster zijn?
Zet het voorbij de mediaan van het aantal dagen tussen het eerste touchpoint en de aankoop, niet op wat een platform standaard meelevert. Een venster dat korter is dan die mediaan schrapt echte touchpoints voordat het model draait, net zoals een venster van zeven dagen een organisch touchpoint van dag 1 wist op een reis van 12 dagen.
Hoe verdeelt positiegebaseerde attributie de middelste 20 procent bij drie touchpoints in plaats van twee?
Positiegebaseerd stuurt altijd 40 procent naar het eerste touchpoint en 40 procent naar het laatste, en houdt 20 procent over voor wat ertussen zit. Twee middelste touchpoints krijgen elk 10 procent; komt er een derde bij, dan zakt elk naar 6,7 procent.
Realtime dashboard
Doelen bijhouden
Tracking zonder cookies
Was dit artikel nuttig?
Laat ons weten wat je ervan vindt!
Zie ons vaker in Google
Met één klik markeer je Flowsery als voorkeursbron, zodat onze artikelen hoger staan in je Topverhalen, AI-modus en AI-overzichten.
Voordat je gaat...
Flowsery
Analytics voor je website, met omzet voorop
Volg elke bezoeker, bron en conversie in realtime. Eenvoudig, krachtig en zonder cookies.
Realtime dashboard
Doelen bijhouden
Tracking zonder cookies
Gerelateerde begrippen


Wat zelfgerapporteerde attributie ziet dat klikdata mist
Een veld voor zelfgerapporteerde attributie vangt podcasts, mond-tot-mondreclame en dark social die kliktracking nooit vastlegt. Waarom antwoorden vertekenen en hoe je ze naast elkaar legt.


Hoe een attributievenster bepaalt welke touchpoints worden beloond
Verander het attributievenster van 7 naar 90 dagen en één bestelling van $1.800 betaalt drie verschillende sets kanalen uit. Bekijk de rekensom en de huidige standaardinstellingen van de platforms.


Wat een conversiepad laat zien voordat iemand koopt
Elk conversiepad is de geordende lijst kanalen waarmee een koper in aanraking kwam voordat hij converteerde. Hoe GA4 het opdeelt in vroege, middelste en late touches, en wat je moet aanpakken.


Zo werkt de toets voor gerechtvaardigd belang onder artikel 6, lid 1, onder f), AVG
Gerechtvaardigd belang onder artikel 6, lid 1, onder f), AVG, geciteerd uit EUR-Lex, met de drietrapstoets van de EDPB en waarom webanalytics nog steeds een omstreden geval is.


Wat clickstreamdata vastlegt, rij voor rij
Elke rij clickstreamdata is één hit met een tijdstempel, een identifier en een URL, en daarom behandelen de AVG en de CCPA de export allebei als persoonsgegevens.


Wat een sankeydiagram laat zien dat een funnel niet kan
Een sankeydiagram behoudt de stroom, dus alles wat een knooppunt binnenkomt moet er ook weer uit. Waar dat helpt in analytics, waar het misleidt en welke tools er een tekenen.
Gerelateerde artikelen


De formule voor de gemiddelde orderwaarde stap voor stap uitgewerkt
De formule voor de gemiddelde orderwaarde deelt omzet door bestellingen, en één kortingscode of retourbeleid kan ongemerkt elk cijfer verstoren dat een team rapporteert.


De formule achter een typisch winkelwagenverlatingspercentage
Ongeveer zeven op de tien online winkelwagens worden nooit een bestelling, en de formule voor het winkelwagenverlatingspercentage laat zien hoeveel omzet dat gat in een maand vertegenwoordigt.


Eén pagina met verkeer beslecht bouncepercentage vs. exitpercentage
Bouncepercentage vs. exitpercentage lezen komt neer op twee noemers. Eén prijspagina geeft in dezelfde week een exitpercentage van 40% en een bouncepercentage van 15%.

