True ROAS
True ROAS is een retour-op-advertentie-uitgavenberekening op basis van werkelijke, gereconcilieerde omzet die wordt toegeschreven aan advertenties, in plaats van de omzet die een platform zoals Meta of Google zelf rapporteert via zijn eigen attributiemodel. Het corrigeert voor over-attributie, cross-channel dubbeltellingen, terugbetalingen en andere hiaten die de door het platform gerapporteerde ROAS opblazen.
Definitie van True ROAS
True ROAS (werkelijk retour op advertentie-uitgaven) is een gecorrigeerde versie van de standaard ROAS-metriek die gebruikmaakt van gereconcilieerde, netto-omzet die werkelijk kan worden toegeschreven aan een advertentiekanaal, in plaats van het omzetcijfer dat het advertentieplatform (Meta, Google, TikTok en dergelijke) over zijn eigen prestaties rapporteert. Standaard ROAS wordt berekend als omzet gedeeld door advertentie-uitgaven, maar de omzetkant van die vergelijking wordt meestal rechtstreeks uit het eigen attributiesysteem van het advertentieplatform gehaald — een systeem met een direct belang om zoveel mogelijk conversies op te eisen. True ROAS begint daarentegen met de werkelijke order- en betalingsgegevens van een winkel, trekt terugbetalingen en chargebacks af die na de verkoop hebben plaatsgevonden, en lost cross-channel attributieconflicten op (waarbij twee of meer platforms beide aanspraak maken op dezelfde aankoop) alvorens te delen door advertentie-uitgaven, wat resulteert in een getal dat dichter ligt bij wat het bedrijf werkelijk aan zijn advertenties heeft verdiend.
Hoe True ROAS Wordt Berekend
De standaard ROAS-formule is eenvoudig: omzet toegeschreven aan een kanaal gedeeld door uitgaven aan dat kanaal. De complexiteit bij true ROAS zit in het correct krijgen van de omzetkant. Het proces omvat doorgaans: het ophalen van werkelijke omzet op orderniveau van het winkelplatform in plaats van het dashboard van het advertentieplatform; het matchen van elke order met de werkelijke acquisitiebron via first-party tracking in plaats van uitsluitend te vertrouwen op de eigen pixel van het advertentieplatform; het aftrekken van omzet van bestellingen die later zijn terugbetaald of gechargebacked; en, waar meerdere platforms aanspraak maken op dezelfde bestelling (een veelvoorkomend verschijnsel wanneer een klant op een Meta-advertentie klikt, later op een Google-advertentie klikt en vervolgens een aankoop doet), het toewijzen van de omzet van die bestelling aan één enkele bron met behulp van een consistente attributieregel in plaats van beide platforms de volledige omzet te laten tellen.
Een uitgewerkt voorbeeld: een winkel geeft €10.000 uit aan Meta-advertenties in een maand. Meta’s eigen advertentiedashboard rapporteert €50.000 aan toegeschreven aankopen, voor een door het platform gerapporteerde ROAS van 5,0x. Wanneer de winkel die €50.000 reconciliëert met werkelijke ordergegevens, blijkt dat €4.000 van die ‘conversies’ ook door Google-advertenties waren opgeëist en geteld voor dezelfde bestellingen, en dat €3.000 van de toegeschreven bestellingen later werden terugbetaald. De netto toerekenbare omzet voor Meta komt uit op €43.000, wat een true ROAS van 4,3x oplevert — een wezenlijk ander getal dan wat het eigen dashboard van het platform suggereerde, en een getal dat een budgettoewijzingsbeslissing zou kunnen veranderen.
Ready to Monitor Your AI Visibility?
Track how AI chatbots mention your brand across ChatGPT, Perplexity, and other platforms.
Waarom True ROAS Belangrijk Is voor E-commerce Merken
True ROAS is belangrijk omdat budgetbeslissingen op basis van opgeblazen cijfers in de loop van de tijd versterken. Een handelaar die uitgaven toewijst op basis van de zelfgerapporteerde ROAS van elk platform, zonder te reconciliëren voor overlap en terugbetalingen, zal systematisch overinvesteren in het platform waarvan het attributiemodel het meest agressief is in het claimen van krediet — niet noodzakelijkerwijs het platform dat daadwerkelijk de meeste incrementele omzet genereert. Over een heel jaar kan dit betekenen dat duizenden euro’s worden verschoven naar een kanaal dat op papier efficiënter lijkt dan het in werkelijkheid is, ten koste van een kanaal waarvan de werkelijke prestaties worden onderschat omdat het attributie conservatiever benadert.
Dit is nog belangrijker voor winkels met bovengemiddelde retourpercentages, aangezien een verkoop die op het moment van aankoop wordt toegeschreven en gevierd, dagen of weken later stil kan worden teruggedraaid zonder dat het ROAS-cijfer van het advertentieplatform ooit naar beneden wordt bijgesteld om dit te weerspiegelen.
Door het Platform Gerapporteerde ROAS versus True ROAS
| Aspect | Door het platform gerapporteerde ROAS | True ROAS |
|---|---|---|
| Omzetbron | Eigen attributiesysteem van het advertentieplatform | Werkelijke gereconcilieerde ordergegevens van de winkel |
| Cross-channel overlap | Elk platform telt onafhankelijk, vaak dubbeltellend | Opgelost naar één enkele toegeschreven bron per bestelling |
| Terugbetalingen/chargebacks | Zelden afgetrokken na de oorspronkelijke verkoop | Afgetrokken om de netto behouden omzet weer te geven |
| Attributievenster | Ruim ingesteld door het platform zelf | Ingesteld door de handelaar op basis van realistisch klantgedrag |
| Vooroordeel | Opgeblazen in het voordeel van het rapporterende platform | Neutraal, gekoppeld aan werkelijke bedrijfsresultaten |
Stay Updated on AI Visibility Trends
Get the latest insights on AI mentions, brand monitoring, and optimization strategies.
True ROAS en AI-gestuurde Commerce
De opkomst van AI-winkeloppervlakken — ChatGPT Shopping, Perplexity Shopping, Google AI Overviews — voegt een verdere attributie-uitdaging toe: aankopen die zijn beïnvloed door een productaanbeveling van een AI-assistent bevatten mogelijk geen zuivere verwijzingstaggerug naar de advertentie of content die oorspronkelijk het bewustzijn heeft gecreëerd, waardoor het voor traditionele advertentieplatforms nog gemakkelijker wordt om te veel krediet te claimen voor een verkoop die elders in het onderzoekstraject van de klant is beïnvloed. Naarmate meer aankooppaden via AI-tussenpersonen in plaats van directe advertentieklikken verlopen, lopen handelaren die uitsluitend vertrouwen op door het platform gerapporteerde ROAS het risico op een nog grotere kloof tussen wat platforms claimen en wat er werkelijk is gebeurd.
Dit is precies de berekening waar de eshop_get_cac_roas-tool van AmICited om is gebouwd: het berekent CAC en ROAS op basis van advertentie-uitgaven die zijn gereconcilieerd met werkelijke toegeschreven omzet, in plaats van te vertrouwen op de zelfgerapporteerde cijfers van elk platform, waardoor handelaren een consistent, vergelijkbaar true ROAS-cijfer krijgen over alle kanalen, inclusief nieuwere AI-gestuurde ontdekkingspaden.
Best Practices voor het Berekenen van True ROAS
- Bereken true ROAS altijd op basis van netto-omzet (na terugbetalingen en chargebacks), niet op basis van de bruto orderwaarde op het moment van verkoop.
- Gebruik één enkel, consistent attributiemodel voor alle kanalen bij het oplossen van cross-platform overlap, in plaats van elk platformdashboard op zichzelf te laten staan.
- Reconciliëer advertentie-uitgaven en omzet op dezelfde frequentie als waarop u budgetbeslissingen neemt — wekelijkse reconciliatie is van beperkt nut als het budget dagelijks op basis van platformdashboards wordt geheralloceerd.
- Vergelijk true ROAS met brutomarge, niet alleen met omzet, aangezien een kanaal met een hoge true ROAS op producten met lage marges nog steeds minder winstgevend kan zijn dan een kanaal met een lagere ROAS dat producten met hogere marges verkoopt.
- Evalueer attributievensters periodiek opnieuw; een te ruim ingesteld venster blijft true ROAS opblazen, zelfs na correctie voor overclaiming door het platform.
Veelvoorkomende True ROAS-fouten
Een veelvoorkomende fout is het eenmalig berekenen van true ROAS en het behandelen als een vaste vermenigvuldiger voor de toekomst, terwijl in werkelijkheid attributie-overlap, retourpercentages en kanaalmix in de loop van de tijd veranderen en doorlopende herberekening vereisen in plaats van een eenmalige correctie. Een ander veelvoorkomend probleem is het corrigeren voor cross-channel overlap maar vergeten terugbetalingen af te trekken, wat nog steeds een aanzienlijk opgeblazen getal oplevert voor elke winkel met een betekenisvol retourpercentage. Sommige handelaren passen true ROAS-correcties ook inconsistent toe over kanalen — Meta zorgvuldig reconciliëren terwijl het zelfgerapporteerde getal van Google onaangetast blijft — wat een vergelijking oplevert die op het oog appels-met-appels is, maar dat niet is. Tot slot is een subtielere fout overcorrigeren: een attributievenster gebruiken dat zo conservatief is dat het echte, later converterende klanten volledig van het krediet van een kanaal uitsluit, waardoor true ROAS in de tegenovergestelde richting wordt onderschat en leidt tot onderinvestering in een kanaal dat in werkelijkheid goed presteert over een langere overwegingscyclus.