De rapportagestack: Google Ads, Looker Studio, BigQuery en Sheets

Vier lagen van rapportage

De meeste accounts hebben genoeg aan de eerste twee lagen plus Sheets. BigQuery wordt zinvol zodra je (a) meer dan 13 maanden historie nodig hebt op gedetailleerd niveau, (b) Google Ads-data wilt koppelen aan marge- of CRM-data, of (c) Looker Studio te traag wordt.

Google Ads Rapporten (Report Editor)

Onder Rapporten → Aangepast bouw je tabellen en grafieken met slepen. Tips:

• Sla rapporten op met een duidelijke naam en plan ze als e-mail (dagelijks/wekelijks/maandelijks) in CSV of Sheets.
• Vooraf gedefinieerde rapporten dekken veel behoeften: Zoektermen, Landingspagina, Geografisch, Tijd (uur van de dag), Auction insights, Assetdetails, Shopping-item-ID.
• Gebruik vergelijkingsperioden om MoM/YoY in dezelfde tabel te tonen.

Dimensies en metrics die ertoe doen

Kies per doel een beperkte set. Meer kolommen betekent niet meer inzicht.

Reken afgeleide metrics zelf uit als ze niet bestaan: POAS (conversiewaarde × marge / kosten), klant-acquisitiekosten (kosten / nieuwe klanten), waarde per klik.

Segmenten

Segmenten splitsen een rij in subrijen (in de interface via de knop Segment, in Report Editor door een dimensie toe te voegen). De nuttigste:

• Tijd (dag/week/maand): trends binnen een periode.
• Conversieactie: welke acties dragen bij (en dubbeltelling opsporen).
• Apparaat: mobiel vs desktop vs tablet vs tv.
• Netwerk: Zoeken vs zoekpartners vs Display.
• Klik-type: sitelink, kop, oproep, locatie.
• Nieuwe vs terugkerende klanten (bij ingeschakelde klantacquisitie).
• Bovenkant vs andere positie: waar je advertentie stond.

Let op: sommige segmenten combineren niet (bijvoorbeeld conversieactie met klik-type), en gesegmenteerde conversies tellen fractioneel op door data-driven attributie.

Looker Studio

Looker Studio verbindt Google Ads (native connector), GA4, Sheets, BigQuery, Merchant Center en via partnerconnectors ook Meta, Microsoft Ads en CRM's. Inrichting:

1. Databronnen: gebruik de Google Ads-connector voor standaardmetrics, maar houd er rekening mee dat sommige velden (bijvoorbeeld conversies per conversieactie) beperkt zijn. Voor complexe dashboards gebruik je BigQuery of een Sheets-tussenlaag.
2. Gemengde gegevens (blends): combineer Google Ads-kosten met GA4-omzet of Sheets-marge op datum en campagne.
3. Berekende velden: SUM(Conversiewaarde) / SUM(Kosten) voor ROAS, CASE WHEN REGEXP_CONTAINS(Campagne, "Brand") THEN "Brand" ELSE "Non-brand" END voor brand-splits.
4. Filters en parameters: datumbereik, campagnefilter, vergelijkingsperiode.
5. Extractie: bij trage dashboards gebruik je "Gegevens extraheren" of een dagelijkse BigQuery-tabel.

Kosten: gratis. Looker Studio Pro (circa $ 9 per gebruiker per maand) voegt teambeheer, geplande levering en ondersteuning toe.

BigQuery Data Transfer

De Google Ads Data Transfer kopieert dagelijks je accountdata naar BigQuery-tabellen (campagne, advertentiegroep, zoekwoord, zoekterm, geo, shopping-product, asset, enzovoort), inclusief historie tot 13 maanden terug bij de eerste load. Voordelen:

• Onbeperkte historie en snelheid.
• Koppeling met GA4-export, CRM-tabellen en marge-data.
• SQL-analyses die in de interface niet kunnen (bijvoorbeeld conversies per zoekterm × landingspagina × apparaat).

Voorbeeldquery: kosten en conversiewaarde per campagne per week, gecombineerd met marge uit een eigen tabel:

SELECT
  DATE_TRUNC(c.segments_date, WEEK(MONDAY)) AS week,
  c.campaign_name,
  ROUND(SUM(c.metrics_cost_micros) / 1e6, 2) AS kosten,
  ROUND(SUM(c.metrics_conversions_value), 2) AS omzet,
  ROUND(SUM(c.metrics_conversions_value) * MAX(m.marge_pct), 2) AS brutomarge,
  ROUND(SAFE_DIVIDE(SUM(c.metrics_conversions_value) * MAX(m.marge_pct),
                    SUM(c.metrics_cost_micros) / 1e6), 2) AS poas
FROM `project.google_ads.ads_CampaignBasicStats_1234567890` c
JOIN `project.google_ads.ads_Campaign_1234567890` n
  ON c.campaign_id = n.campaign_id AND n._DATA_DATE = n._LATEST_DATE
LEFT JOIN `project.finance.marge_per_campagne` m
  ON n.campaign_name = m.campaign_name
WHERE c.segments_date >= DATE_SUB(CURRENT_DATE(), INTERVAL 12 WEEK)
GROUP BY week, c.campaign_name
ORDER BY week DESC, kosten DESC;

Kosten voor een mkb-account: opslag en queries blijven doorgaans onder € 10–20 per maand.

Google Sheets als tussenlaag

Sheets is onmisbaar voor:

• Budgetpacing (maandbudget, uitgaven tot nu toe, verwacht eindtotaal).
• Handmatige input die nergens anders staat: marges, doelen per campagne, annotaties.
• Scriptoutput (module 9) als bron voor Looker Studio.
• Klantafspraken: doelen, targets en budgetten per maand.

Gebruik de Google Ads-add-on voor Sheets ("Google Ads" onder Extensies) voor geplande rapporten zonder script.

Praktijkvoorbeeld

Een bureau rapporteerde voor 40 klanten handmatig in PowerPoint (gemiddeld 3 uur per klant per maand). Overstap naar een Looker Studio-template met Google Ads-connector, GA4 en een Sheets-tabblad per klant voor doelen en annotaties, plus BigQuery voor de zes grootste klanten. Resultaat: 1 uur per klant per maand voor interpretatie en aanbevelingen in plaats van datawerk, en klanten met realtime toegang. Besparing: 80 uur per maand.

Veelgemaakte fouten

• Alles rapporteren in plaats van wat een beslissing ondersteunt.
• Metrics zonder context: een CPA van € 45 zegt niets zonder doel, trend en marge.
• Looker Studio direct op de Ads-connector voor grote MCC's, met time-outs en quota-fouten als gevolg.
• Geen consistente naamgeving in campagnes, waardoor brand/non-brand-splits en filters breken.
• Vergeten te documenteren waar berekende velden vandaan komen.
• BigQuery starten zonder de vraag te kennen die je wilt beantwoorden.

Tip: hanteer een strikte campagnenaamconventie met scheidingstekens, bijvoorbeeld Search | NL | Non-brand | Warmtepompen | tROAS. Elk veld wordt dan met één REGEXP_EXTRACT een dimensie in Looker Studio of BigQuery.