Hoe wij onze performance marketeers meer tijd geven voor wat er écht toe doet 

Het probleem dat we wilden oplossen

Stel: je geeft elke maand een serieus budget uit aan Meta Ads. Je performance specialist volgt de resultaten op, stuurt bij waar nodig, en bereidt elke week een update voor. Hoeveel van die tijd gaat naar strategie en optimalisatie en hoeveel naar het ophalen, samenvoegen en structureren van data? In de praktijk is dat verrassend veel.

Wij merkten dit ook bij ons eigen team. In plaats van te accepteren dat dit nu eenmaal erbij hoort, stelden we ons de vraag: wat als dat deel gewoon geautomatiseerd werd? Zo kunnen onze performance experts zich focussen op wat er echt toe doet: bijsturen & optimaliseren. Daarvoor bouwden we de Meta Ads Analyst: een intern systeem dat data uit Meta Ads ophaalt, structureert en klaarzet voor analyse.

Wat onze analisten met het systeem kunnen

We hebben er op dit moment dertien gebouwd, allemaal opgebouwd rond data die rechtstreeks uit Meta komt:

• Account-audit: structuur, naming, attributie-setup en KPI-prestaties tegen de targets van de klant.
• Wekelijkse en periodieke rapportages: prestaties versus vorige periode, inclusief opvallende verschuivingen.
• Budgetopvolging: live spend versus doel, met flag wanneer een campagne uit pacing loopt.
• Creative-analyse & vermoeidheidsdetectie: welke ads dragen, welke verzwakken, en sinds wanneer.
• Schaalmogelijkheden: welke campagnes ruimte hebben om op te schalen zonder efficiëntie te verliezen.
• Funnel-analyse: waar in de funnel zit de bottleneck deze maand.
• Anomaly-detectie: onverwachte pieken of dalingen in spend, bereik of conversies.
• Geografische analyse: waar in jouw markt rendeert je budget het best.
• Doelstellingsvergelijking: campagnes naast elkaar, beoordeeld op de KPI's die bij hun objective horen.
• Concurrentie-intelligentie: wat lopen jouw concurrenten op de Meta Ad Library.

Hoe we het bouwden

Wie iets bouwt met AI, staat al snel voor één centrale keuze: hoeveel laat je het systeem zelf beslissen? Ons antwoord: zo weinig mogelijk waar het over jouw campagnes gaat. Het systeem mag data verzamelen, ordenen en samenvatten. De interpretatie, het advies en de uitvoering blijven bij ons team. Daarvoor gebruiken we het WAT-framework - Workflows, Agents, Tools - met een aparte skill-laag voor de orkestratie:

• Skill: Wat moet er gebeuren, in welke volgorde, met welke data.
• Workflow: De analysemethode zelf: drempelwaarden, formules, output-formaat.
• Tools: Deterministische Python-scripts die de Meta API aanroepen.
• Agent: Claude die de orkestratie doet en redeneert over wat de data zegt.

Het draait op Claude Code, een AI-omgeving van Anthropic die ontworpen is voor meerstapse, gestructureerde taken. We kozen daarvoor omdat het systeem strikte werkwijzen kan volgen in plaats van iedere keer iets nieuws te verzinnen, wat voor data-analyse precies is wat je wil.

Waarom die strikte scheiding belangrijk is: als AI elke stap in een ketting van vijf zelf neemt, met 90% accuraatheid per stap, kom je uit op 59% over het geheel. Door het ophalen en bewerken van data over te laten aan deterministische scripts, die altijd hetzelfde doen, blijft de AI gefocust op de stap waar ze écht in uitblinkt: redeneren over wat de data betekent. En de eindbeoordeling? Die ligt altijd bij ons.

Schrijven naar je account: alleen met menselijke goedkeuring

Een paar woorden over iets dat we bewust strikt hebben gehouden. Het systeem kán wijzigingen doorvoeren in een Meta Ads account: budgetten aanpassen, ads pauzeren, nieuwe creatives uitrollen. Dat gebeurt via een aparte executie-laag die elke wijziging éérst toont, expliciet om bevestiging vraagt, en vervolgens registreert in een change log.

In de praktijk betekent dat:

• Geen enkele wijziging gebeurt zonder dat een analist de payload heeft gezien en goedgekeurd.
• Elke executie wordt gelogd: wat is veranderd, wanneer, door wie, met welk resultaat.
• AI mag suggereren. AI mag voorbereiden. AI tekent niet.

Wat dit betekent voor jou als klant

Minder tijd aan ophaalwerk betekent meer tijd aan het enige gesprek dat er voor jou toe doet: wat doen we er nu mee?

• Wekelijkse rapportages staan klaar voor het strategiegesprek begint. Voor één van onze klanten krijgt onze specialist elke maandag een volledig prestatieoverzicht uitgesplitst per campagnedoelstelling, met de juiste KPI's per objectief. Allemaal zonder dat iemand eerst dashboards moet aftikken. **Onze specialisten besparen hiermee gemiddeld vier tot zes uur per week aan manueel rapportagewerk.
• Signalen worden sneller opgepikt. Anomaly-detectie en creative-fatigue scans draaien systematisch, in plaats van wanneer iemand er toevallig naar kijkt. Een klant hoort het van ons, niet andersom.
• Analyses zijn vollediger. Omdat het ophalen en structureren geautomatiseerd is, kan onze analist zonder extra tijdsdruk dieper graven, meer zaken aan het licht brengen en verbanden leggen, in plaats van die alleen te zien "als er tijd voor is".

Wat we niet automatiseren en waarom

Net zo belangrijk als wat het systeem doet, is wat het bewust niet doet:

• Geen automatische budgetherverdeling. Een algoritme dat zelf besluit waar jouw geld heen gaat, zonder iemand die het overziet, is voor ons geen optie.
• Geen automatische creative-beslissingen. Het systeem signaleert vermoeidheid; een specialist beoordeelt of de campagnecontext vraagt om een refresh, een rotatie of gewoon geduld.
• Geen rapport naar de klant zonder menselijke review. Punt.

Wat we vandaag dekken

De huidige versie van de Ads Analyst is gericht op Meta Ads. We hebben dit systeem bewust eerst in de diepte voor één platform uitgerold om een systeem te hebben dat Meta echt goed begrijpt: de logica, de KPI's, de valkuilen.

Hoe wij naar AI kijken

Er is veel ruis rond AI in marketing. Tools die claimen alles te kunnen overnemen, van analyse tot executie. We hebben gemerkt dat de combinatie van menselijke expertise en slimme automatisering harder werkt dan beiden los van elkaar. Onze Ads Analyst maakt dit elke dag concreet.

Belangrijk om te weten: Jouw campagnedata wordt uitsluitend gebruikt binnen het werkproces dat we hierboven beschrijven en wordt niet gedeeld met derden buiten de genoemde tools, en niet gebruikt om externe modellen te trainen.