TL;DR, kort antwoord
7 min leestijdReal user monitoring is velddata: prestatie- en foutmetingen die passief worden verzameld uit bezoeken die echte mensen deden op hun eigen apparaten en netwerken. Synthetische monitoring is labdata, verzameld door een gescripte browser op een vast apparaat en een vaste verbinding. Lees RUM af op het 75e percentiel, want een gemiddelde verbergt de trage staart die bepaalt of een pagina slaagt voor Core Web Vitals.
Wat is real user monitoring (RUM)?
Teams die met webprestaties werken, gebruiken real user monitoring om passief prestatie- en foutdata te verzamelen uit echte bezoeken in echte browsers, zodat achter elke meting een echt apparaat, netwerk en locatie zit. De browser rapporteert de getallen zelf via standaard-API's zoals PerformanceObserver, en het script stuurt ze terug nadat de pagina haar werk al heeft gedaan. Niets aan de meting is gesimuleerd: als een bezoeker op een vijf jaar oude Android-telefoon zes seconden wachtte op hotelwifi, komen die zes seconden precies zo in de dataset terecht.
Het woord "passief" draagt de meeste betekenis. Real user monitoring stuurt de browser niet aan, kiest de URL niet en bepaalt niet wanneer er gemeten wordt. Het verkeer bepaalt alle drie. Daardoor is RUM een volkstelling van wat er gebeurde, geen test van wat er zou kunnen gebeuren.
Wat is het verschil tussen velddata en labdata?
Velddata komt uit bezoeken van echte mensen, labdata komt uit een gescripte browser die jij hebt ingesteld en ingepland. Real user monitoring is velddata. Synthetische monitoring is labdata: een headless browser laadt elke paar minuten een gekozen URL op een vast apparaatprofiel, met een vaste CPU-beperking en een vaste netwerkvorm, of er nu iemand op de site is of niet.
De twee beantwoorden verschillende vragen, en de fout die de meeste teams maken, is de ene de vraag van de andere stellen.
| Vraag | Real user monitoring | Synthetische monitoring |
|---|---|---|
| Wie wordt gemeten | Elke bezoeker die de pagina laadt | Eén gescripte agent |
| Apparaat en netwerk | Wat de bezoeker toevallig heeft | Vastgelegd in de configuratie |
| Wanneer het draait | Alleen als er verkeer binnenkomt | Volgens een schema dat jij instelt |
| Vorm van het resultaat | Een verdeling over bezoeken heen | Eén herhaalbaar getal |
| Soort data | Veld | Lab |
Wil je alles naast elkaar zien, dan gaat de vergelijking tussen RUM en synthetische monitoring dieper dan deze tabel.

Wat kan real user monitoring bewijzen dat synthetische monitoring niet kan?
Real user monitoring bewijst wat je bezoekers ervoeren, uitgesplitst naar de omstandigheden waarmee ze binnenkwamen. Omdat elke meting een apparaat, een land, een verbindingstype, een pagina en een release meedraagt, beantwoordt RUM vragen waar een labagent niets over kan zeggen: of Safari op iOS trager is dan Chrome bij jouw checkout, of dat de deploy van dinsdag de prijspagina voor gebruikers in Brazilië trager maakte.
Synthetische monitoring bewijst het tegenovergestelde soort dingen. Een gescripte agent vangt om 3 uur 's nachts een kapotte deploy als er niemand op de site is, houdt elke variabele vast zodat je twee builds eerlijk kunt vergelijken, en draait tegen een staging-URL voordat ook maar één gebruiker iets ziet. Real user monitoring kan dat allemaal niet, want het heeft geen data tot iemand de site bezoekt.
Gebruik ze allebei en stuur ze verschillend door. Synthetische fouten piepen een engineer met dienst op. RUM-regressies openen een ticket met het getroffen segment erbij.
Aan welke drempels voor Core Web Vitals wordt RUM getoetst?
Google beoordeelt de drie Core Web Vitals op drie niveaus, en de grenzen die het Chrome-team op web.dev publiceert, zijn in september 2026 ongewijzigd. Een pagina slaagt alleen als alle drie de metrics goed zijn op het 75e percentiel, apart gemeten voor mobiel en desktop.
| Metric | Wat het meet | Goed | Kan beter | Slecht |
|---|---|---|---|---|
| LCP | Tijd tot het grootste contentelement is gerenderd | 2,5s of minder | 2,5s tot 4,0s | Meer dan 4,0s |
| INP | Vertraging van een interactie tot de volgende paint | 200ms of minder | 200ms tot 500ms | Meer dan 500ms |
| CLS | Onverwachte verschuiving van de lay-out tijdens de levensduur van de pagina | 0,1 of minder | 0,1 tot 0,25 | Meer dan 0,25 |
Elke metric heeft eigen oorzaken van falen, en daarom debug je Largest Contentful Paint, Interaction to Next Paint en Cumulative Layout Shift apart, niet als één score. Het overzicht van Core Web Vitals legt uit hoe de drie samenhangen.

Waarom lees je real user monitoring af op p75 en niet als gemiddelde?
Een gemiddelde laat een snelle meerderheid een trage minderheid verbergen, het 75e percentiel niet. Het Chrome-team koos p75 voor Core Web Vitals om aan twee voorwaarden tegelijk te voldoen: het getal moet de ervaring van de meeste bezoeken beschrijven, en het moet bestand zijn tegen vertekening door een handvol uitschieters. Op p75 haalden drie van elke vier bezoeken het doel, en om het resultaat in een set van 100 metingen scheef te trekken, heb je 25 slechte metingen nodig in plaats van 5.
De percentielindex voor een oplopend gesorteerde lijst is:
index = ceil(0.75 × N)
Realtime dashboard
Doelen bijhouden
Tracking zonder cookies
Neem een voorbeeld. Een pagina verzamelt 1.000 LCP-metingen. Daarvan komen er 700 uit op 0,9s via snelle desktopverbindingen en 300 op 6,0s via traag mobiel.
Het gemiddelde is (700 × 0.9 + 300 × 6.0) / 1000 = 2.43s, en dat ziet er goed uit ten opzichte van de drempel van 2,5s.
De p75-index is ceil(0.75 × 1000) = 750. Oplopend gesorteerd valt meting 750 in de groep van 6,0s, dus de p75 LCP is 6,0s. Dat is slecht, en het is het getal dat Google gebruikt.
Dezelfde dataset, twee oordelen. Het gemiddelde liet de pagina slagen terwijl 300 echte mensen zes seconden wachtten. Daarom is een rapport van real user monitoring dat alleen gemiddelden toont slechter dan geen rapport, en daarom toont elke prestatiegrafiek die het bewaren waard is p75, p90 en p99 naast het aantal.
- Mengt 700 snelle desktopladingen met 300 trage mobiele
- Ziet er goed uit ten opzichte van de drempel van 2,5s
- Meting 750 valt in de trage mobiele groep
- Ziet er slecht uit, en dat is het getal dat Google gebruikt
Wat verzamelt een script voor real user monitoring?
Een RUM-script verzamelt timing- en foutevents die de browser uitzendt, plus genoeg context om ze uit te splitsen: de Core Web Vitals, timings van navigatie en resources, JavaScript-fouten met stacktraces, de route en globale kenmerken van apparaat, browser en verbinding. Zowel Cannot read properties of undefined als Cannot read property of null komen via dat kanaal binnen, elk met het stackframe dat de verantwoordelijke regel noemt. Niets daarvan heeft een cookie of een blijvende identifier nodig.
Gewicht is de beperking die bepaalt of het script de moeite waard is, want alles wat de pagina die het meet vertraagt, vervuilt de meting. Flowsery levert één script van minder dan 10 KB, zonder cookies en gehost in de EU, en past geen datasampling toe, dus de p75 wordt berekend uit elke sessie, niet uit een deel ervan. Naast de timings neemt het de sessie zelf op en markeert het rage clicks, dead clicks, JavaScript-fouten en afhakers, zodat een trage p75 een replay wordt die je kunt bekijken in plaats van een getal waar je naar moet raden.
Wat mist real user monitoring?
Real user monitoring mist iedereen die nooit aankwam en iedereen die vertrok voordat de beacon werd verstuurd. Een bezoeker die na vier seconden afhaakt, levert helemaal geen LCP-meting op, waardoor de dataset scheef trekt naar geduldige bezoekers. Pagina's zonder verkeer leveren geen data op, dus een nieuwe route of een zelden gebruikt beheerscherm blijft onzichtbaar tot iemand het gebruikt.
In de praktijk spelen nog twee gaten mee. Contentblokkers laten sommige analyticsverzoeken vallen, dus de verzamelde populatie is een deel van de echte. En ondersteuning van metrics verschilt per browserengine, dus een publiek met veel Safari levert voor sommige vitals minder metingen op dan een publiek met veel Chrome.
Dek de gaten bewust af: draai synthetische checks op routes die nog geen verkeer hebben, houd het verzamelendpoint first-party en lees RUM naast webanalytics, zodat je ziet of de sessies die uit de prestatiegrafiek verdwenen ook uit de funnel verdwenen.
Veelgestelde vragen
Is real user monitoring hetzelfde als webanalytics?
Nee. Webanalytics telt bezoeken, bronnen, funnels en conversies om zakelijke vragen te beantwoorden. Real user monitoring meet hoe snel en hoe betrouwbaar die bezoeken renderden en reageerden. In de meeste tools delen de twee een script en een sessie-identifier, en daarom kun je een trage p75 LCP en een daling in funnelvoltooiing op dezelfde tijdlijn aflezen.
Hoeveel verkeer heeft real user monitoring nodig om bruikbaar te zijn?
Genoeg metingen om het 75e percentiel stabiel te maken voor het segment dat je bekijkt. Een pagina met 40 bezoeken per week levert een p75 op die met elk ongewoon apparaat meeschommelt, dus aggregeer op sjabloonniveau of vergroot het venster voordat je conclusies trekt. Uitsplitsingen vermenigvuldigen de behoefte: p75 tegelijk per land en apparaat aflezen vraagt veel meer verkeer dan het voor de hele site doen.
Maakt real user monitoring de site die het meet trager?
Een RUM-script voegt bytes en uitvoeringstijd toe, dus de grootte van het script bepaalt het antwoord. Door het asynchroon te laden, het klein te houden en beacons pas te versturen nadat de pagina is gerenderd, voorkom je dat de meting het gemetene verandert. Een zwaar monitoringscript dat het renderen blokkeert, maakt elke metric die het rapporteert slechter.
Waarom spreekt mijn RUM-data Lighthouse tegen?
Lighthouse is labdata van één gesimuleerd apparaat op één beperkte verbinding, en RUM is velddata uit een verdeling van echte. Een Lighthouse-LCP van 1,8s en een p75 LCP in het veld van 5,2s kloppen allebei: de labrun beschrijft een machine die jij hebt ingesteld, het veldgetal beschrijft je publiek. Los regressies op in het lab, beoordeel succes in het veld.
Werkt real user monitoring zonder cookies?
Ja. Prestatiebeacons bevatten timings, een route en globale apparaatkenmerken, en geen daarvan vereist een blijvende identifier. Flowsery draait daarom zonder cookies en gehost in de EU, waardoor de velddataset intact blijft in regio's waar toestemmingsbanners de verzameling anders zouden onderdrukken.
Moet ik melden op p75 of op losse trage sessies?
Meld op p75 voor de site en voor waardevolle routes, want dat is het getal dat aan het oordeel over Core Web Vitals hangt. Losse trage sessies horen bij triage, niet bij meldingen: één lading van 12 seconden op een telefoon in een tunnel is geen regressie. Groepeer de trage sessies eerst op gedeelde oorzaak en meld pas als de groep groeit.
Realtime dashboard
Doelen bijhouden
Tracking zonder cookies
Kan real user monitoring laten zien of een regressie maar één land trof?
Real user monitoring draagt bij elke meting een land, een pagina en een release mee, dus een team kan precies op die combinatie filteren. Nagaan of een deploy op dinsdag de prijspagina voor gebruikers in Brazilië trager maakte, is het soort vraag dat alleen velddata met die context kan beantwoorden, want een synthetische agent draait vanaf één vaste locatie.
Telt real user monitoring een bezoeker mee die vertrekt voordat de pagina klaar is met laden?
Nee, een bezoek dat afhaakt voordat de beacon wordt verstuurd, levert helemaal geen meting op, geen snelle en geen trage. Dat trekt de verzamelde dataset scheef naar bezoekers die geduldig genoeg zijn om te blijven, waardoor de echte ervaring van het ongeduldige deel het rapport nooit bereikt.
Waarom tonen sites met veel Safari-gebruikers minder RUM-metingen voor sommige metrics?
Browserengines verschillen in welke API's voor Core Web Vitals ze aanbieden, dus de ondersteuning van metrics is niet overal gelijk. Een publiek met veel Safari levert voor sommige vitals minder metingen op dan een publiek met veel Chrome bij hetzelfde verkeer, en dat is een gat in de dekking, geen teken van betere prestaties.
Hoe groot is het script voor real user monitoring van Flowsery?
Flowsery levert één script van minder dan 10 KB, zonder cookies en gehost in de EU. Het past geen datasampling toe, dus de p75 die het rapporteert wordt berekend uit elke sessie in plaats van een deel ervan, en door het kleine formaat vertraagt de meting de pagina die ze meet niet.
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


Hoe Cumulative Layout Shift echt wordt berekend
Elke Cumulative Layout Shift-score is impactfractie maal afstandsfractie, en Google rapporteert de grootste uitbarsting van verschuivingen, niet de som ervan.


Hoe Interaction to Next Paint je slechtste klik beoordeelt
Chrome beoordeelt Interaction to Next Paint op de slechtste interactie van een pagina en meet input delay, verwerking en presentatievertraging tot het volgende getekende frame.


Hoeveel vertraagt session replay de snelheid van je website?
Het echte antwoord op de vraag of session replay je website vertraagt, met gepubliceerde cijfers van rrweb en Sentry over scriptgrootte, CPU op de main thread en uploadbandbreedte.


Zo valt Largest Contentful Paint uiteen in vier oplosbare delen
Largest Contentful Paint is goed bij 2,5 seconden of minder en valt uiteen in vier deelfasen. Die verdeling laat zien welke fase je de seconden kost.


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.


Wat aangepaste dimensies in GA4 doen, en de quota die ze begrenzen
Door aangepaste dimensies in GA4 te registreren worden je eventparameters rapportvelden. Bekijk de drie bereiken, de quota van 50, 25 en 10 en de valkuil van kardinaliteit.
Gerelateerde artikelen


Hoe de gebruikers-ID in GA4 ingelogde bezoeken over apparaten heen koppelt
Met een gebruikers-ID in GA4 koppel je de sessies van één ingelogde persoon over apparaten heen. Bekijk de gtag-instelling, de regel van 256 tekens, uitloggen en de beperkingen.


Waardoor GA4 de gemiddelde engagementtijd eigenlijk deelt
De gemiddelde engagementtijd in GA4 is focustijd gedeeld door actieve gebruikers, niet door sessies. Hoe de timer loopt, waarom het maandcijfer hoger uitvalt en wat het mist.
Wat klikregistratie op een website vastlegt, en welke klikken verloren gaan
Klikregistratie op een website legt vast op welk element een bezoeker klikte, op welke pagina en wanneer. Bekijk de drie methoden, de velden die je meestuurt en waarom sommige klikken verdwijnen.

