Bereken je optimale Google Ads budget voordat je het uitgeeft

Wat is het optimale budget voor je Google Ads-campagnes? Niet het budget dat je nu hebt, maar het budget waarbij je de absolute winst maximaliseert?

De meeste adverteerders beantwoorden die vraag op basis van gevoel, de vorige maand, of wat er in het budget zit. Dat is te weinig.

Het idee achter bid landscape modellering

De relatie tussen je budget en de omzet die je terugkrijgt is niet lineair. Hoe meer je uitgeeft, hoe meer omzet je haalt — maar de efficiëntie neemt af. De eerste euro budget rendeert beter dan de tiende.

Die relatie kun je modelleren als een curve: ROAS als functie van spend. En met die curve kun je berekenen op welk punt de winst maximaal is. Dat punt is waar de extra euro die je uitgeeft net genoeg omzet oplevert om zichzelf terug te verdienen, rekening houdend met je marge.

Hoe je de curve bouwt

Je hebt minimaal vier tot vijf datapunten nodig: periodes met verschillende spend-niveaus en de bijbehorende omzet. Dat kan uit historische data komen, of uit een gestructureerde test waarbij je het budget of ROAS-target stapsgewijs aanpast.

Van die datapunten fit je een curve. Een veelgebruikte vorm is de machtsfunctie: ROAS = a gedeeld door spend tot de macht b. De parameter b beschrijft hoe snel de efficiëntie daalt naarmate je meer uitgeeft. Een hoge b betekent dat het account snel verzadigt. Een lage b betekent dat er nog ruimte is om te schalen.

Met die parameters kun je de optimale spend berekenen: het punt waar de toename in contributiemarge per extra euro spend nul wordt.

Wat je er praktisch mee doet

Je weet of je onder- of overspendt. Als de berekende optimale spend hoger ligt dan je huidige budget, laat je potentieel liggen. Als die lager ligt, geef je te veel geld uit voor wat het oplevert.

Je weet hoe groot de marge is. Als het optimum bij €8.000 per maand ligt en je huidige budget is €6.000, kun je inschatten hoeveel extra marge de ophoging oplevert voordat je de investering doet.

Je krijgt een rationeel kader voor budgetgesprekken. Niet “we willen meer budget” maar “op basis van de historische spend-omzetrelatie is de berekende optimale spend X euro, wat een verwachte margetoename van Y euro oplevert.”

De beperkingen

Het model is een benadering. De werkelijke relatie tussen spend en omzet hangt af van seizoen, concurrentie, veranderende zoekvolumes en campagnestructuur. De curve verschuift.

Gebruik het model daarom niet als eenmalige berekening maar als terugkerend instrument. Elke keer dat je nieuwe data hebt, update je de curve en kijk je of het optimum verschoven is.

Bij accounts met minder dan drie maanden data of minder dan honderd conversies per maand is het model te onbetrouwbaar om op te sturen. Je hebt genoeg variatie in spend-niveau nodig om de curve te kunnen onderscheiden van ruis.

Veelgestelde vragen

Is dit hetzelfde als de biedsimulator in Google Ads?

Nee. De biedsimulator in Google Ads geeft een schatting op basis van een korte recente periode en houdt geen rekening met je marge. Bid landscape modellering op eigen historische data is breder, meer op maat en transparant over de aannames die eronder liggen.

Welke data heb ik nodig?

Wekelijkse of maandelijkse totalen van spend en omzet over minimaal zes maanden, bij voorkeur met variatie in spend-niveau. Als het budget altijd hetzelfde is geweest, heb je te weinig spreiding om de curve betrouwbaar te fitten.

Hoe vaak moet je het model updaten?

Minimaal elk kwartaal. Bij een seizoensgebonden account liever maandelijks, omdat de curve in het hoogseizoen er anders uitziet dan in het laagseizoen. Het optimum verschuift mee met de marktomstandigheden.

Werkt dit ook voor Performance Max-campagnes?

Ja. De methode kijkt naar spend en omzet op accountniveau, ongeacht het campagnetype. Bij Performance Max heb je minder directe controle over de biedingen, maar je kunt via het ROAS-target indirect sturen op de positie op de curve.