Je e-mailplatform meldt 1.000 klikken op een campagne. Webanalyse toont 720 sessies en je webshop registreert 80 bestellingen. Welk cijfer gebruikt je team?
Alle drie kunnen nuttig zijn. Ze beschrijven andere gebeurtenissen, vaak met andere attributieregels en rapportageperiodes. Een goede opzet voor e-mailanalyse helpt je het verschil te begrijpen en de vraag achter het rapport te beantwoorden: wat gebeurde er en wat onderzoeken we nu?
Deze gids vergelijkt soorten tools in plaats van producten te rangschikken alsof ze allemaal hetzelfde doen. Begin bij de beslissingen die je team wil nemen en kies daarna de kleinste opzet die de vragen betrouwbaar beantwoordt.
Wat meet een e-mailanalysetool?
In de basis rapporteert zo’n tool wat er met een mailing gebeurde: afleveringen, bounces, klikken en afmeldingen. Sommige tools verbinden die interacties ook met websitebezoeken, bestellingen of omzet. Andere helpen campagnes, doelgroepen en periodes over meerdere systemen te vergelijken.
Die reikwijdte is belangrijk. Een tool die een mail in verschillende inboxen vooraf laat zien, lost een ander probleem op dan een tool die campagneprestaties meet. Een connector kan data naar een dashboard brengen, maar bepaalt op zichzelf niet hoe statistieken worden berekend of waarom cijfers verschillen.
Schrijf vóór je producten vergelijkt op wat je wilt weten:
- Aflevering: Bereikte het bericht de ontvangers en waren er bounces of klachten?
- Engagement: Welke mailings en links leverden klikken op? Hoe verschilden doelgroepen?
- Websitegedrag: Wat deden mensen na aankomst op de website?
- Commerciële resultaten: Welke bestellingen of omzet kun je onder welke attributieregels aan e-mail koppelen?
- Verandering door de tijd: Verbeteren prestaties en wat veranderde in campagnes, doelgroep of meting?
Onze gids over e-mailmarketing-KPI’s behandelt de afzonderlijke statistieken. Hier kijken we naar de tools en data waarmee je ze kunt duiden.
Vier soorten tools voor e-mailanalyse
| Soort tool en eerste vraag | Sterk in | Controleer |
|---|---|---|
1Rapportage in je e-mailplatform Hoe presteerde deze mailing? | Aflever- en engagementdata dicht bij het verzendsysteem | Attributie, definities en vergelijkingen tussen mailings of merken |
2Webanalyse Wat deden bezoekers na de klik? | Sessies, websitegebeurtenissen en conversies uit getagd verkeer | Toestemming, dekking van tracking, campagnetags en het verschil tussen klikken en sessies |
3Algemene BI-tools en dataconnectors Hoe rapporteren we over meerdere systemen? | Flexibele dashboards met data uit verschillende bronnen | Datavoorbereiding, onderhoud en wie de definities beheert |
4Analyse voor CRM-marketing Wat veranderde tussen campagnes, doelgroepen en resultaten? | Herhaalbare vergelijkingen en onderzoek met ondersteunde CRM- en marketingdata | Beschikbare integraties en velden, attributie en datakwaliteit |
Deze soorten tools kunnen samenwerken. Voor de meeste teams is het e-mailplatform de bron voor verzendingen. Voeg pas iets toe als je vragen verder gaan dan wat het platform kan beantwoorden.
1. Begin bij de rapportage van je e-mailplatform
In je verzendplatform bekijk je meestal als eerste aflevering, klikken, afmeldingen en het resultaat van één campagne. De meeste platforms bieden campagnerapporten over engagement; sommige rapporteren ook conversies. Welke statistieken beschikbaar zijn en hoe ze worden gedefinieerd, verschilt per platform en inrichting.
Deze laag is geschikt om één mailing te onderzoeken of enkele campagnes binnen hetzelfde platform te vergelijken. Kijk hoe het platform unieke en totale klikken telt, wat het een conversie noemt en hoelang na een mailing het een bestelling nog toeschrijft. Exporteer een voorbeeld als de definities onduidelijk zijn.
Waar het kan ophouden: Je team verstuurt uit meerdere systemen, wil over merken heen op dezelfde manier rapporteren of wil weten waarom een statistiek over veel campagnes veranderde. Test eerst of de bestaande rapporten dat al kunnen; koop geen extra tool om hetzelfde dashboard opnieuw te maken.
2. Voeg webanalyse toe voor gedrag na de klik
Een e-mailplatform registreert de klik op een gemeten link. Webanalyse laat zien wat er op de website gebeurde nadat een bezoek werd geregistreerd. Met consequent gebruikte campagnetags kun je verkeer uitsplitsen naar bron, medium en campagne.
Dat helpt bij vragen over bestemmingspagina’s en websiteconversies. Het vraagt om consistente campagneparameters, werkende websitegebeurtenissen en een afgesproken manier van rapporteren. De aantallen hoeven niet overeen te komen met ESP-klikken: een klik wordt niet altijd een gemeten sessie, en systemen kunnen andere identiteiten, tijdzones en attributieregels gebruiken.
3. Gebruik BI als je een eigen rapportagemodel nodig hebt
Algemene BI-tools brengen data uit meerdere bronnen samen in rapporten op basis van de definities van je organisatie. Afhankelijk van de tool en je inrichting verbind je bronnen direct of bereid je de data eerst in een datawarehouse voor.
Dat is een goede route als je al een datateam, datawarehouse of goed onderhouden rapportagemodel hebt. Reken ook het werk achter de grafiek mee: data inladen, tabellen koppelen, statistieken definiëren, verversingen controleren en aanpassingen bij veranderingen in de bron. Het dashboard is zo betrouwbaar als het model eronder.
4. Overweeg CRM-marketinganalyse voor terugkerend onderzoek
Vraagt je team regelmatig welke campagnes, segmenten of kanalen een verandering verklaren, dan kan een gespecialiseerde analyselaag nuttiger zijn dan nog een vast dashboard.
SEINō haalt data uit ondersteunde integraties en maakt die beschikbaar als datasets. In de Data Explorer kun je beschikbare data zonder SQL filteren, groeperen en vergelijken. Dashboards en rapporten geven je herhaalbare weergaven. Teams kunnen doelstellingen en meldingen instellen voor statistieken die ze willen volgen. Welke velden en vergelijkingen beschikbaar zijn, hangt af van de gekoppelde systemen en hun inrichting.
SEINō staat boven op je verzendsystemen; het verstuurt geen campagnes en maakt geen doelgroepen voor activatie. Het kan verschillen tussen definities in bronnen ook niet zomaar wegnemen. Wil je records koppelen of omzet over systemen toeschrijven, controleer dan eerst of de benodigde kenmerken en data bestaan.
Voorbeeld: waarom de cijfers verschillen
Stel dat een campagne op 30 april bij 20.000 ontvangers wordt afgeleverd. De dagen erna zie je:
| Bron | Resultaat | Betekenis |
|---|---|---|
| E-mailplatform | 1.000 unieke klikkers | Ontvangers van wie het platform minimaal één klik registreerde |
| Webanalyse | 720 sessies met de campagnetag | Bezoeken die de webanalysetool onder deze tags registreerde |
| Webshop | 80 bestellingen en € 5.600 omzet | Bestellingen die volgens de gekozen rapportageregel bij de campagne horen |
Dit zijn voorbeeldcijfers, geen benchmark of verwachte funnel. Iemand kan vaker klikken, de pagina verlaten voordat webanalyse laadt, via een ander kanaal terugkomen of buiten de attributieperiode kopen. Ook toestemming en trackinginstellingen bepalen wat wordt vastgelegd.
Maak de definities eerst vergelijkbaar:
- Controleer of alle campagnelinks de bedoelde bron-, medium- en campagneparameters hebben.
- Gebruik dezelfde datums en tijdzone. Kies of je rapporteert op verzenddatum of gebeurtenisdatum; die beantwoorden andere vragen. Lees onze gids over beide datumvelden.
- Kijk of ‘klikken’ unieke mensen of alle klikgebeurtenissen betekent en of ‘bestellingen’ alle of alleen toegeschreven bestellingen omvat.
- Controleer de conversieperiode en het attributiemodel van elk systeem.
- Neem enkele echte campagnes en zoek het verschil uit voordat je een kwartaalrapport maakt.
Het doel is niet om elk cijfer gelijk te krijgen. Het doel is te weten welk cijfer bij welke vraag hoort en de resterende verschillen uit te kunnen leggen.
Kies een tool met je eigen data
Een korte proef zegt vaak meer dan een lange lijst met functies.
1. Kies drie echte vragen. Bijvoorbeeld: ‘Welke campagnetypen verklaren de omzetdaling van vorige maand?’, ‘Daalt de klikratio bij elke doelgroep?’ en ‘Welke bestemmingspagina’s verloren bezoekers na de klik?’ Bepaal ook wie iets met het antwoord gaat doen.
2. Inventariseer je bronnen. Noteer je e-mailplatforms, webanalyse, webshop en eventueel datawarehouse. Leg vast welke campagne-ID’s, doelgroepkenmerken, bestellingen en tijdstempels elke bron levert. Een integratielogo bewijst niet dat de velden die jij nodig hebt beschikbaar zijn.
3. Definieer vijf statistieken. Kies bijvoorbeeld afgeleverd, unieke klikkers, klikratio, bestellingen en toegeschreven omzet. Spreek noemers, tijdzone, filters, attributieperiodes en datumveld af. Leg de definities vast op een plek waar het team ze terugvindt.
4. Maak een representatieve vergelijking. Neem een recente campagne en een eerdere met een ander resultaat. Bouw dezelfde vergelijking in de kandidaattool. Kan een CRM-marketeer de brondata bekijken, de uitsplitsing wijzigen en een verschil uitleggen zonder de analist om een nieuw rapport te vragen?
5. Kijk naar onderhoud. Wie controleert mislukte dataverversingen, behandelt gewijzigde veldnamen, beheert campagnetags en past definities aan als het bedrijf verandert? Neem dit werk mee in de kosten.
Geeft je huidige e-mailplatform helder antwoord op de drie vragen, gebruik het dan verder. Ontbreekt vooral inzicht in websitegedrag, verbeter dan tagging en webanalyse. Gaat het om herhaalbare analyses over systemen heen, beoordeel dan het datamodel en de onderzoeksmogelijkheden van een BI-tool of gespecialiseerde CRM-analysetool.
Vragen voordat je kiest
- Welke integraties en velden zijn beschikbaar voor onze accounts?
- Op welk niveau staat de data: verzending, campagne, contact, klik of bestelling?
- Kunnen we zien hoe statistieken en attributieregels worden berekend?
- Kunnen we dezelfde segmenten en periodes over bronnen vergelijken zonder spreadsheets te exporteren?
- Wat gebeurt er als een integratie uitvalt of historische data veranderen?
- Welke vragen moeten we buiten de tool blijven beantwoorden?
Een goede demo beantwoordt dit met een van je eigen campagnes, inclusief een lastig verschil tussen cijfers. Kan de tool niet laten zien waar een getal vandaan komt, dan wordt het moeilijk om het dashboard te vertrouwen.
Een praktische keuze
Er is niet één beste tool voor e-mailanalyse. De juiste opzet hangt af van je vragen. Gebruik de rapportage van je e-mailplatform voor prestaties per mailing en webanalyse voor gemeten websitegedrag. Voeg rapportage over meerdere bronnen toe als je beslissingen die echt nodig maken. Definieer eerst de statistieken en vergelijk dan pas dashboards.
Kost het je CRM-team te veel tijd om campagnerapporten naast elkaar te leggen of een verandering te onderzoeken, bespreek dan een echte campagne met ons. Neem de vraag mee die je huidige rapporten niet beantwoorden.
Over de aanpak: deze gids vergelijkt soorten tools en criteria om ze te beoordelen, geen individuele leveranciers. De mogelijkheden van SEINō zijn in oktober 2026 aan de productdocumentatie getoetst. Controleer velden en vergelijkingen voor je eigen integraties en inrichting.