Hoe bouw ik een marketingproces waarin experimenten automatisch worden gedocumenteerd?

Hoe bouw je een marketingproces dat experimenten automatisch documenteert?

Een marketingproces documenteert experimenten pas echt als het verslag de volgende beslissing verandert: het record ligt vast voordat er een uitslag is, en de les die eruit komt draagt een status en een datum en verschijnt weer bij de volgende proef over hetzelfde onderwerp.

De techniek eronder (één tabel, één deur naar live, één id) staat bij experimenten opzetten en meten. Deze pagina gaat over het verslag en wat ervan geleerd wordt:

1. Vooraf vastleggen, vóór de livegang.
2. De velden vullen die leeg blijven.
3. Van record naar les, over proeven heen.
4. Status en datum op elke les.
5. Terugkomen waar de volgende proef begint.
6. Bewaren voordat de bewaartermijn van Google afloopt.

Illustratie: de uitkomsten stromen vanzelf naar het schrift, de pen blijft in de hand van een mens.

Welke velden heeft een experimentrecord minimaal nodig?

Een experimentrecord heeft vóór de start vijf verplichte velden (hypothese, primaire metric, beslisregel, einddatum en eigenaar) en na afloop vier velden die een mens invult: uitkomst, besluit, les en status. De rest vult een automatisering.

De Marketing Experiment Planning Workbook van de American Marketing Association vat het risico samen: “Without a focused hypothesis, measurable success metric, and agreed-upon decision rule, experiments can quickly become another version of guesswork.” Het invulrecord hieronder zegt per veld wie het vult.

Veld	Wanneer	Wie vult het	Voorbeeld van een goede invulling
Hypothese	Vóór de start	Mens	Als we X veranderen, dan stijgt Y, omdat Z
Primaire metric	Vóór de start	Mens	Eén metric die beslist, met definitie en meetvenster
Bewakingsmaat	Vóór de start	Mens	De metric die niet mag dalen, zoals kwaliteit van leads
Beslisregel	Vóór de start	Mens	Wanneer houden, wanneer stoppen, wat doen we bij onbeslist
Einddatum en looptijd	Vóór de start	Mens	De vaste datum waarop je afleest
Eigenaar	Vóór de start	Mens	Eén naam, niet een team
Kanaal, doelgroep, variant	Bij aanmaken	Formulier	Keuzelijst, geen vrije tekst
Wat er tegelijk veranderde	Tijdens de proef	Mens	Een prijswijziging, een feestdag, een andere salesaanpak
Ruwe cijfers op de einddatum	Bij afsluiten	Automatisering	Aantallen per variant, gekopieerd naar de rij zelf
Uitkomst	Bij afsluiten	Mens, met concept van AI	Gewonnen, verloren, geen effect of onbeslist
Besluit en reden	Bij afsluiten	Mens	Houden, stoppen of opnieuw, met één zin waarom
Les	Bij afsluiten	Mens	Wat dit zegt buiten deze ene uiting
Status en datum	Doorlopend	Mens	Geldig, onzeker of achterhaald door een nieuwere proef

Let vooral op drie velden die makkelijk leeg blijven: wat er tegelijk veranderde, de beslisregel voor onbeslist, en de ruwe cijfers in de rij zelf. Zonder de tweede wordt onbeslist achteraf alsnog lichte winst; zonder de derde kun je na de bewaartermijn niets meer narekenen.

Waarom leg je de beslisregel vast voordat een proef start?

De beslisregel moet vóór de start vastliggen, omdat je na het zien van de cijfers bijna altijd een meting vindt die de variant laat winnen. Een record dat pas achteraf wordt ingevuld, legt vast welk pad door de cijfers je koos, niet wat de proef liet zien.

Spotify beschrijft dit in zijn uitleg over de garden of forking paths: elke keuze in de analyse is een vertakking, en “if you make these choices after seeing the data, the false positive rate is far higher than the nominal 5%.” Zo kunnen “two honest analysts can reach opposite conclusions from the same experiment.”

Spotify adviseert: “Pre-registration is the primary defense. Decide your success metric, your analysis population, your outlier rules, and your stopping criteria before the experiment starts.” Voor jouw record betekent dat: zet het meetvenster (Spotify noemt “Did we count conversions within 7 days or 14 days?”), de groep die meetelt en de einddatum vast. De AMA noemt het voordeel in de praktijk: een beslisregel vóór de livegang “helps reduce post-test debate and hindsight bias.”

Uitsplitsen naar segment achteraf is verkennen: zulke vondsten “need to be validated in a subsequent, pre-specified experiment”. Zet ze in je record als idee voor een volgende proef, niet als uitkomst.

Wat is het verschil tussen een experimentrecord en een les?

Een experimentrecord beschrijft één proef; een les is een conclusie die over meerdere proeven heen geldt, met bewijs voor en tegen, een afbakening en een status die kan veranderen. Wie alleen records bewaart, heeft een archief. Wie ook lessen bijhoudt, heeft iets om op te beslissen.

GrowthBook maakt dit onderscheid en noemt zulke conclusies “Learnings”. De aankondiging zegt: “Every learning can cite the experiments that support it and the ones that don’t”. Een les kan daar ook rusten op klantgesprekken, wordt afgebakend tot waar het patroon gold, en “can be updated if new evidence comes in”.

	Experimentrecord	Les
Gaat over	Eén proef, één periode	Een patroon over proeven heen
Bewijs	De eigen cijfers	Links naar proeven die het steunen en tegenspreken, plus gesprekken
Wijzigt	Nooit meer na afsluiten	Mag worden bijgewerkt, met datum
Status	Uitkomst en besluit	Geldig, onzeker of achterhaald
Lezer	Wie de proef wil controleren	Wie de volgende campagne bedenkt

Een voorbeeld van de vorm (geen klantgeval): “Onderwerpregels met een concrete vraag openen beter bij bestaande klanten dan bij nieuwe inschrijvers. Bewijs: drie proeven voor, één tegen. Geldt voor de nieuwsbrief, niet voor cold email. Status: onzeker, opnieuw testen in het voorjaar.”

Een nieuwere uitkomst gaat voor een oudere, maar overschrijf een les nooit stilletjes: zet de oude op achterhaald, met een verwijzing naar de proef die hem verving, zodat je later ziet waarom je van gedachten veranderde. Hoe lessen ook voor AI-agents leesbaar worden, staat bij een gedeeld bedrijfsgeheugen voor AI-agents.

Wat automatiseer je en wat blijft mensenwerk?

Automatiseer alles wat het geheugen vult: de cijfers ophalen, de einddatum bewaken, herinneren en een concept schrijven. Het oordeel blijft bij een mens: de hypothese, de beslisregel, het besluit, de les en de status van een oude conclusie.

Taak	Automatisering	Mens
Cijfers ophalen	Haalt aantallen per variant op de einddatum op	Controleert of de meting heel bleef
Herinneren	Stuurt de eigenaar een taak, en na een week nog een	Sluit af of verlengt met een reden
Concept schrijven	AI vat cijfers en notities samen	Corrigeert, schrijft besluit en les
Patronen zien	AI stelt lessen voor uit eerdere proeven	Kiest welke blijven en met welke status
Weekoverzicht	Zet afgeronde proeven en verlopen lessen in één bericht	Bespreekt ze en beslist

Dat vooraf vastleggen af te dwingen is, laat GrowthBook zien met een Custom Pre-Launch Experiment Checklist: “Create custom checklists that have to be completed before starting an experiment. For example, require users to add a hypothesis.”

GrowthBook laat AI kandidaat-lessen voorstellen, maar schrijft erbij: “You decide which ones to keep.” En de aankondiging waarschuwt: “AI cannot infer very much from an experiment called ‘Homepage test 7’ with no hypothesis, description, or conclusion.” Een model vat dus alleen goed samen wat een mens vooraf vastlegde, en vult nooit zelf cijfers of een verklaring in.

Laat de workflow een record dat na de einddatum open blijft elke week terugsturen naar de eigenaar; dat ritme sluit aan op een wekelijkse marketingrapportage automatiseren.

Hoe zorg je dat het team het logboek ook echt gebruikt?

Een experimentlogboek wordt gebruikt als de les terugkomt op het moment van de volgende beslissing: bij het aanmaken van een nieuwe proef en in het weekoverleg. Een archief dat niemand leest, is opslag, geen leren.

Statsig toont bij het aanmaken van een nieuwe proef bestaande, verwante proeven, “surfaced in-context without being intrusive”, en noemt zijn kennisbank “a searchable repository of experiment learning across teams”. Booking.com noemt in een praktijkverslag over meer dan tien jaar experimenteren “building a central repository of successes and failures to allow for knowledge sharing” als een van de bouwstenen.

Zonder testplatform bouw je hetzelfde moment zelf:

• Zoek eerst, bedenk daarna. Het formulier voor een nieuwe proef vraagt kanaal en onderwerp en toont de lessen met die labels.
• Twee minuten lezen. Een les past in drie zinnen: de conclusie, het bewijs, waar hij geldt.
• Vast punt in het weekoverleg. Afgeronde proeven en lessen die verlopen, niet alles wat loopt.
• Bij elke briefing een regel. Wie een campagne brieft, noemt welke les hij gebruikt of bewust negeert.

De AMA noemt als bekend probleem: “Results are discussed once and then forgotten.” De zoekstap en het weekoverleg zijn de twee plekken waar je dat doorbreekt.

Welke tool past bij jouw experimentlogboek?

De tool voor een experimentlogboek volgt uit drie vragen: waar draaien de proeven, hoeveel mensen leggen ze vast, en wie leest het record terug. Voor advertenties, mail en landingspagina’s volstaat een tabel met een formulier; een experimentplatform loont bij proeven in product of site met feature flags.

Waar draaien de proeven	Wie legt vast	Wie leest terug	Kies
Advertenties, mail, landingspagina’s	Eén of twee mensen	Dezelfde mensen, in het weekoverleg	Een spreadsheet met een formulier ervoor
Advertenties, mail, landingspagina’s	Een klein team	Ook wie de volgende campagne brieft	Een database (bijvoorbeeld Notion of Airtable) met keuzelijsten en een aparte tabel voor lessen die naar de records verwijst
Product of site, met feature flags	Meerdere teams	Teams die elkaars proeven moeten vinden	Een experimentplatform: GrowthBook heeft een checklist vóór de start en een plek voor lessen; Statsig heeft een doorzoekbare kennisbank en toont verwante proeven bij het aanmaken
Beide	Marketing en product apart	Iedereen die een proef aanmaakt	Het platform voor product en site, de tabel voor de rest; kijk hoe een proef uit Google Ads of je mailtool erin komt

Begin klein en verhuis pas als de vaste velden een paar maanden overeind blijven.

Hoe leg je een proef met te weinig verkeer vast?

Een proef met te weinig verkeer leg je eerlijk vast als onbeslist, met de reden en de keuze die je toch maakte. Onbeslist is ook informatie, mits je het niet als winst noteert.

Weinig proeven winnen. Microsoft schreef over Bing: “When ideas are evaluated objectively in a controlled experiment, less than a third move the metrics they were designed to improve” (Bing). Een logboek vol “geen effect” en “onbeslist” is dus normaal en geen teken van slecht werk.

Zo noteer je een onbesliste proef:

1. Uitkomst: onbeslist. Niet “lichte winst”.
2. Reden: te weinig waarnemingen voor het effect dat je vooraf noemde, of de meting brak.
3. Keuze: wat je toch doet, en dat het een keuze op oordeel is.
4. Les: alleen met de status onzeker.
5. Vervolg: een sterkere variant, een langere looptijd, of een andere bewijsvorm zoals klantgesprekken.

Welke bewijsvorm bij weinig verkeer past, staat bij meer experimenten met één marketeer.

Hoe lang bewaren Google Analytics en Google Ads je cijfers?

Google Analytics bewaart gegevens op gebruikers- en eventniveau buiten Analytics 360 hoogstens 14 maanden, en Google Ads houdt dag-, week- en uurcijfers sinds 1 juni 2026 37 maanden beschikbaar. Wie de cijfers niet bij het afsluiten naar het eigen record kopieert, kan een proef later niet meer narekenen.

Volgens de helppagina over gegevensbewaring van Google Analytics stel je de bewaartermijn van gegevens op gebruikersniveau in op 2 of 14 maanden; dat geldt ook voor key events. De instelling “does not affect standard aggregated reports”; ze raakt verkenningen en trechterrapporten.

In Google Ads zelf geldt het bewaarbeleid van Google Ads: uur-, dag- en weekcijfers blijven 37 maanden beschikbaar, maand-, kwartaal- en jaarcijfers 11 jaar. Daarna zijn ze niet meer bereikbaar via de interface of de API.

Wat dit voor je record betekent: kopieer de ruwe aantallen per variant op de einddatum naar de rij, met de definitie van de metric en het meetvenster. Een link naar een rapport is geen bewijs meer zodra de onderliggende data weg is. Cijfers uit meerdere bronnen op één plek krijgen, staat bij marketingdata uit verschillende tools samenbrengen.

Welke valkuilen maken een experimentlogboek waardeloos?

Een experimentlogboek verliest zijn waarde als het alleen winnaars bewaart, conclusies zonder datum laat staan of op het verkeerde account staat. Elke valkuil hieronder is te voorkomen met een veld of een regel in de workflow.

• Alleen winnaars bewaren. Wie mislukte en onbesliste proeven weglaat, test volgend jaar dezelfde ideeën opnieuw. Booking.com bewaart bewust “successes and failures”.
• Conclusies zonder datum of status. Een advertentieles van twee jaar geleden geldt niet vanzelf na een wijziging in het platform of je aanbod.
• Het logboek op het account van de bouwer. Bij het einde van de samenwerking verdwijnt het geheugen mee. Hoe je automatiseringen overdraagbaar bouwt, staat bij marketingautomatiseringen overdraagbaar maken.

Wanneer bouw je deze automatisering (nog) niet?

Bouw geen automatisch experimentlogboek zolang je nog geen proeven doet met een vooraf gekozen metric, of zolang er per kwartaal maar een handvol proeven loopt. Dan is een gedeelde tabel met de hand sneller en net zo goed.

Wacht ook als niemand eigenaar wil zijn van het record, als de meting nog niet klopt (dan automatiseer je foute cijfers), of als je een testplatform overweegt dat dit al heeft. Automatiseer pas als het met de hand een paar maanden werkt: dan weet je welke velden echt gevuld worden.

Zo zou ik dit met je opzetten

Piet Baudoin van Poldermarketing werkt remote, in het Nederlands en het Engels, als één freelance marketeer voor marketing, AI en automatisering, zonder dat je voor ieder onderdeel een aparte specialist nodig hebt. Naast positionering en vindbaarheid in Google en AI-antwoorden bouwt en draait hij AI-automatiseringen, zoals leadopvolging, verrijking en kwalificatie, CRM-inrichting, rapportage, contentdistributie en koppelingen tussen tools. Google Ads en Meta Ads zijn voor hem relatief nieuw.

Voor een experimentlogboek begint hij bij de proeven die je al doet en de mensen die het record moeten lezen. Hij bouwt het record en de workflow op jouw accounts, en het besluit en de les blijven bij jouw team. Past het niet, bijvoorbeeld omdat een testplatform het al oplost, dan zegt hij dat. Hoe een samenwerking loopt, staat op werkwijze; wil je eerst zien waar je site staat, vraag dan de kosteloze groeiscan aan.