BigQuery vs GA4: waarom bureaus hun datastack heroverwegen

Jarenlang was Google Analytics de standaard analyselaag voor bureaus: eenvoudig te implementeren, vertrouwde dashboards en snelle antwoorden. Maar tegenwoordig worden marketingbureaus geconfronteerd met klanten die vraagtekens zetten bij de gerapporteerde prestaties, een slechte afstemming tussen advertentieplatforms en backend inkomsten, een steeds grotere druk op de privacy en marges die onder druk staan.

We spraken met Jos Ijntema, Data Specialist bij Grain, om te begrijpen waarom meer bureaus GA4 opnieuw evalueren en waarom het een strategische zet wordt om je data-stack met BigQuery te bezitten.

Prestaties zijn moeilijker te behalen. De kosten zijn hoger. Beslissingen zijn dus belangrijker - en plotseling realiseren teams zich dat de gegevens niet helemaal kloppen.

Dit artikel legt uit wat dat betekent voor eigenaars van bureaus die willen schalen, differentiëren en geloofwaardig blijven.

Problemen zijn niet nieuw (maar ze worden wel duur)

De problemen waren er altijd al. Het is niet veel erger geworden. Maar het besef dat we er iets aan moeten doen, dat is wat er veranderd is.

Aan de ene kant neemt de prestatiedruk toe met CPA's en CPC's die blijven stijgen en concurrentie die heviger wordt. Aan de andere kant neemt de handhaving van de privacywetgeving toe en zetten bedrijven eindelijk Google tools achter muren met toestemming... maar dat creëert zijn eigen gaten in de gegevens.

In dit scenario is de foutmarge bij budgettoewijzingsbeslissingen verdwenen.

Rapporten zijn het beste middel van bureaus om expertise weer te geven, strategische gesprekken vorm te geven en te bepalen of klanten je vertrouwen. Als de cijfers niet overeenkomen, is het halo-effect meedogenloos: de kwaliteit van de campagne wordt in twijfel getrokken, de geloofwaardigheid van de strategie daalt en de relaties verzwakken.

Schone, consistente, verklaarbare gegevens draaien deze dynamiek volledig om. Het gesprek verschuift van het verdedigen van je gegevens naar "Hoe kunnen we dit samen verbeteren?". Dat is het verschil tussen ondervraagd worden en een strategische partner zijn.

Drie cruciale grenzen van GA4

GA4 speelt nog steeds een belangrijke rol bij kanaalvergelijking, trechteranalyse en inzicht in websitegedrag. Maar de beperkingen worden zichtbaar zodra bureaus verder gaan dan optimalisatie op oppervlakteniveau.

In samenwerking met marketingbureaus merkt Jos herhaaldelijk 3 GA4-beperkingen op:

1. Ontbrekende gegevens op schaal

Trackingblokkers, browserbeperkingen (zoals ITP in Safari) en toestemmingsvereisten kunnen 40-50% van je gegevens blokkeren voordat ze GA4 bereiken. Een structureel percentage van de gegevens ontbreekt.

2. Alleen webperspectief

GA4 volgt fundamenteel het gedrag van websites. Maar klanten geven niet alleen om website statistieken: ze geven om omzet, marge, customer lifetime value en retourpercentages.

Heel vaak vraagt je klant om zoveel mogelijk omzet. Maar dan vraag ik, oké, maar wat als ik je omzet lever die helemaal terugloopt, of ik lever je omzet met lage marges, of ik lever je omzet met alleen klanten die maar één keer bestellen?

Om deze vragen te beantwoorden, moet je webgegevens combineren met backendsystemen, CRM-gegevens en financiële statistieken. GA4 kan sommige van deze gegevens importeren, maar hoe zit het met offline verkoop of omzetkwaliteit? Deze parameters zijn zelden beschikbaar in GA4.

3. Platform- en interpretatievooroordelen

Voor bureaus die multichannelstrategieën beheren, creëert het vertrouwen op een analyseplatform van Google om eerlijk waarde toe te kennen aan Google Ads, Meta, TikTok en andere kanalen een inherent belangenconflict. "Aangezien dat voor veel bedrijven het grootste kanaal is... vind ik dat persoonlijk vanuit strategisch oogpunt erg onaangenaam."

Maar het transparantieprobleem gaat verder dan de vooringenomenheid van het platform. De toeschrijvingslogica van GA4 is gebaseerd op modellen en aannames die niet altijd zichtbaar zijn voor gebruikers.

Iets wordt gepresenteerd als een getal, maar daarachter zit een interpretatie. Dat is gevaarlijk als je daar je strategie op baseert.

Neem bijvoorbeeld A/B-testen. GA4 gebruikt HyperLogLog++ om het aantal gebruikers te schatten, wat technisch en precies klinkt. Maar zoals Jos aangeeft, "zelfs als je de cijfers ziet... daarachter zit een interpretatie, een verzameling modellen", wat betekent dat die gegevens fundamenteel ongeschikt zijn voor rigoureuze experimentele analyse. Als je CRO-programma's uitvoert, media optimalisatie op schaal, of welke vorm van gestructureerd experimenteren dan ook, is dit een serieuze beperking: je neemt strategische beslissingen op basis van cijfers die definitief lijken, maar in feite statistische schattingen zijn die geoptimaliseerd zijn voor verschillende use cases.

Waarom BigQuery, en waarom nu?

De Franse gegevensbeschermingsautoriteit heeft al bepaald dat GA4 niet voldoet zonder toestemming. Andere Europese toezichthouders zullen waarschijnlijk volgen. U kunt het hier al zien aankomen. Gaat u dat risico nemen?

Deze verschuiving in de regelgeving maakt deel uit van een bredere Europese beweging in de richting van strengere handhaving en technisch toezicht, die we in detail beschrijven in onze gids voor Europese server-side trackingvereisten.

Grain koos er bewust voor om alles op BigQuery te bouwen en GA4 als een van de bronnen te gebruiken. Hun redenering onthult een strategische visie waar vooruitdenkende bureaus aandacht aan zouden moeten besteden:

1. Volledige transparantie in ruwe gegevens

BigQuery combineert marketinggegevens, backendgegevens, CRM-gegevens en financiële gegevens zodat je een volledig beeld krijgt.

2. Privacy door ontwerp

"Tracking blockers, waarom zijn die er? Omdat ze het vreselijk vinden dat Meta, TikTok, Pinterest, Google op alle websites staan." Het verzamelen van first-party gegevens voor je eigen analytics is daarentegen een normale bedrijfsvoering die geen inbreuk maakt op je privacy. Dit is precies het principe achter privacygerichte, first-party datamarketing: gegevens verzamelen voor je eigen analyses en besluitvorming, in plaats van ondoorzichtige ecosystemen van derden te voeden.

3. Toekomstbestendigheid

Gegevens zullen binnenkort deel uitmaken van je concurrentievoordeel. Of misschien zelfs hygiënisch, dat je zonder goed gegevensbeheer helemaal niet meer kunt bestaan.

4. Gegevenssoevereiniteit

Jij bent de eigenaar van je datawarehouse. U bepaalt welke gegevens binnenkomen, wie er toegang toe heeft en hoe lang de gegevens worden bewaard. Zonder afhankelijkheid van tools van derden heb je de vrijheid om na verloop van tijd verder te bouwen op je datafundament, in plaats van elke keer opnieuw te bouwen als een platform zijn prioriteiten verlegt. Dit is belangrijk omdat het concurrentielandschap aan het verschuiven is. Toegang hebben tot gegevens zal je niet onderscheiden: elk bureau heeft analytics draaien. Wat strategische bureaus zal onderscheiden van executieverkopers is het eigenaarschap van gegevens.

Het contrast spreekt voor zich:

• Bureaus die vertrouwen op platforms van derden geven klantgegevens door, zijn afhankelijk van de logica van het platform en accepteren blinde vlekken als "normaal". Ze huren hun infrastructuur en hopen dat de verhuurder de voorwaarden niet verandert.
• Agentschappen die eigenaar zijn van hun gegevens hebben controle over de kwaliteit, interpretatie en flexibiliteit op de lange termijn. Ze bouwen institutionele kennis op die in de loop van de tijd groeit in plaats van te verdwijnen wanneer een platform zijn API verandert.

GA4 vs BigQuery: verschillende rollen in een moderne datastack

Is BigQuery echt te complex?

Als Jos het over BigQuery heeft met bureaus, is de meest gehoorde reactie dat het erg technisch lijkt. Dat is inderdaad waar, maar hier is waar de conversatie moet verschuiven: mensen vergelijken BigQuery met de status quo die duur is op manieren die ze niet tellen.

Het echte risico zijn niet de implementatiekosten: het zijn verkeerde beslissingen op basis van verkeerde gegevens.

Denk aan een campagnebudget van €10.000. "Je neemt een beslissing dat campagne A beter was dan B. En dus ga je nieuwe landingspagina's ontwerpen, nieuwe creatives, je gaat je marketingbureau sturen. Je gaat alles opzetten. Nou, dat kost je een paar duizend euro en dan je budget. En dan blijkt dat het de verkeerde campagne is."

Of denk aan een Black Friday-campagne die succesvol lijkt in GA4: "Je denkt dat dit heel goed gaat. We halen er veel inkomsten uit. Maar het blijkt dat al die omzet betrekking had op artikelen met zeer lage marges. En die klanten stuurden ook alles terug."

In die scenario's zijn slechte gegevens veel duurder dan een gegevensstapel.

Dus hier is de realiteit: de complexiteit bestaat of je het nu erkent of niet. GA4 met 40-50% gegevensverlies, onjuiste attributie en Google's black-box algoritmen... dat is ook complex. Je bent er gewoon aan gewend geraakt.

Waar server-side tracking om de hoek komt kijken

Server-side tracking alleen is geen wondermiddel en daar is Jos duidelijk over. Maar in combinatie met een duidelijk eigenaarschap van gegevens, een magazijn (zoals BigQuery) en gestructureerde voorstellen voor bureaus wordt het de basis van een schaalbare datastack.

Server-side Tracking stelt bureaus in staat om:

• Server-side setups standaardiseren
• Privacy-eerst pijplijnen onderhouden
• Betrouwbare gegevens invoeren in analyse- en advertentieplatforms
• Activeer meerdere klanten met een schaalbare aanpak

Dat is precies wat een strategisch bureau definieert.

Klaar om te ontdekken hoe Server-side Tracking er voor uw bureau uit kan zien?

Routekaart voor agentschappen om hun gegevensstapel te verbeteren

Stap 1: Controleer voor "Maximizer Vision".

Jos Ijntema benadrukt dat je moet beginnen met visie, vooral voor e-commerce klanten. Niet elke klant is er klaar voor. Filter op diegenen met wat hij een "Maximizer-visie" noemt: bereid om gegevens over afdelingen heen te gebruiken (marketing, inkoop, financiën, enz.) om optimalisatie te stimuleren op 3 belangrijke pijlers:

• productaanvoer
• conversiewaarde
• publiek.

Stap 2: Begin met de business case

Voordat je tijd investeert in training of implementatie, moet je met je klant praten en zijn pijnpunten begrijpen. Op deze manier kun je begrijpen of je de verbetering echt te gelde kunt maken.

Schakel over op een waardebepalingsmodel door jezelf af te vragen "welke waarde leveren we?" in plaats van "wat kost me dit". Vraag je klant welke inkomstenderving, kostenveroorzakers of groeikansen gefragmenteerde gegevens veroorzaken. Cruciale vragen voor je klanten:

• Wat kost je op dit moment inkomsten?
• Waardoor worden onnodige kosten veroorzaakt?
• Waar zie je mogelijkheden voor groei?

Meestal zijn het gefragmenteerde gegevens: fulfillment ziet dat voorraden uit de mode raken, maar marketing kan niets doen zonder die gegevens. Data warehouses, of Server-side Tracking, combineren afdelingsgegevens om kansen te ontsluiten. Dit is het proces dat Jos aanbeveelt:

1. Use cases en waarde definiëren
2. Opties zoals magazijnen of SST evalueren
3. Prioriteer op ROI of inspanning om je sterkste klant te kiezen.

Stap 3: Maak realistische schattingen van hulpbronnen

Bouw niet alles op het enthousiasme van één persoon. "Dat zie ik ook vaak gebeuren. Dan is er één persoon in het bureau die superenthousiast is en de kar trekt. Allerlei klantprojecten draaien om zijn oplossing. Als die persoon weggaat, heb je echt een enorm probleem.

Je hebt nodig:

• Ten minste twee mensen met capaciteiten
• Realistische tijdsinschattingen voor installatie en doorlopend onderhoud
• Een duidelijk begrip van welk complexiteitsniveau je eigenlijk kunt ondersteunen: begin eenvoudig voordat je opschaalt naar magazijnen.

Stap 4: Bouw vs. partner definiëren

Jos is hier onvermurwbaar over: "Bij Grain zitten we in 7. Ja, we kunnen niet zowel Azure als AWS en Google Cloud ondersteunen. Dus hebben we één keuze gemaakt waar we goed in zijn." Dezelfde logica geldt voor bureaus. Je bent uitstekend in Google Ads, Meta-campagnes, creatieve ontwikkeling of strategische planning. Data-infrastructuur is een andere specialiteit.

"Uit mijn eigen ervaring... Als je heel goed bent in Google Ads, waarom zou je dan al die gegevens willen toevoegen? Het kost tijd. Energie. Er zijn allerlei supportvragen die je moet beantwoorden. Je loopt risico's."

De vraag is niet of gegevens belangrijk zijn (dat zijn ze wel). De vraag is of het zelf bouwen en onderhouden van de infrastructuur het meest waardevolle gebruik van de tijd van je team is.

Stap 5: De propositie opbouwen

Pas nadat je de behoeften van de klant hebt gevalideerd, de middelen hebt ingeschat en een besluit hebt genomen over je leveringsmodel, moet je dit verpakken als een aanbod voor de klant.

Positioneer je datamogelijkheden als:

• Basis voor een meer strategisch partnerschap, geen technische toevoeging.
• Oplossing voor hiaten in het vertrouwen (bijv. "één rapport komt overeen met de werkelijkheid aan de achterkant").
• Proactieve gesprekken mogelijk maken: "Laten we die verouderde voorraad opruimen voordat er afprijzingen komen."

De checklist voor strategische agentschappen

Als we kijken naar de meest succesvolle bureaupartners van TAGGRS, zien we een patroon. Strategische agentschappen:

• Integreer gegevensinfrastructuur als standaard. Ze verkopen het niet als een upsell of premium functie. Schone, volledige, transparante gegevens vormen de basis van al het andere dat ze doen.
• Focus op activeringssnelheid. Ze kunnen nieuwe klanten binnen 90 dagen aansluiten op hun datastack, omdat ze hun aanpak hebben gestandaardiseerd.
• Schaalbaarheid door herhaalbaarheid. Elke nieuwe klantimplementatie wordt sneller en betrouwbaarder, omdat ze bewezen infrastructuur hergebruiken in plaats van elke keer helemaal opnieuw op te bouwen.
• Positioneer gegevens als strategisch voordeel. Ze hebben het over datamogelijkheden in bedrijfsresultaten: snellere besluitvorming, betrouwbare budgettoewijzing, geïntegreerd beeld van het klanttraject.

Dit zijn niet de bureaus die alles zelf proberen te doen. Zij zijn degenen die hebben ingezien dat data-infrastructuur - net als serverbeheer daarvoor - essentieel maar niet onderscheidend is. Ze werken samen met specialisten die eten, slapen en ademen van datawarehousing, zodat ze zich kunnen richten op wat hen uitzonderlijk maakt.

FAQ

Wat betekent "enige bron van waarheid" eigenlijk?

Volgens Jos zijn er drie essentiële pijlers:

Volledige gegevensverzameling. Je moet het volledige beeld vastleggen voordat trackingblokkers, browserbeperkingen en toestemmingsmuren het wegnemen.

Transparantie. Als attributie er niet goed uitziet of kanalen niet kloppen, moet je de onderliggende gegevens onderzoeken en niet alleen het dashboard. "Eigenlijk wil je gewoon naar de gegevens achter de rapporten kunnen kijken om precies te zien wat er aan de hand is. En dat is afgeschermd" in GA4.True data ownership. Uw gegevens moeten uw concurrentievoordeel versterken, niet Google's mogelijkheden voor advertentietargeting verrijken. "Als bedrijf moet je je eigen gegevens verzamelen... verzamel je eigen gegevens, houd ze voor jezelf en deel ze zo min mogelijk."