LinkedIn Ads meten voor B2B: leads tellen is niet hetzelfde als pipeline zien

De meeste LinkedIn Ads-rapporten die ik onder ogen krijg meten het verkeerde. Ze tonen kliks, formulierinzendingen en een cost per lead. Netjes in een dashboard. En volledig nutteloos om te beslissen of de campagne geld oplevert.

Het probleem: een lead is geen omzet. In B2B zit er vaak drie tot negen maanden tussen een formulier en een getekend contract. Wie enkel op leadaantallen stuurt, optimaliseert richting het goedkoopste formulier, niet richting de beste klant. En dat zijn zelden dezelfde.

Waarom cost per lead je misleidt

Stel: campagne A levert leads voor 40 euro, campagne B voor 90 euro. Elke marketeer wil dan meer budget naar A schuiven. Logisch, op het eerste zicht.

Maar toen ik bij een SaaS-klant de leads tot in het CRM volgde, bleek campagne A vooral zzp'ers en ministartups aan te trekken die nooit converteerden. Campagne B trok hoofden van IT bij middelgrote bedrijven aan. Van die duurdere leads werd één op de acht klant. Van de goedkope: één op de zestig.

Reken het door en campagne B, de "dure", had de laagste cost per gewonnen klant. Precies andersom dan het dashboard suggereerde.

De les: meet niet waar het makkelijk is, meet waar de omzet zit.

Zet je meting technisch goed op

Voor je een euro uitgeeft, wil je dat je data klopt. Concreet:

• Plaats de LinkedIn Insight Tag op je hele site, niet alleen de bedanktpagina. Je hebt hem nodig voor conversieregistratie én voor retargeting.
• Definieer conversies op de juiste stap. Niet elke pageview, maar een demo-aanvraag, een download of een ingevuld Lead Gen Form.
• Gebruik UTM-parameters consequent. Zonder utm_source=linkedin en een duidelijke utm_campaign weet je CRM straks niet waar een lead vandaan kwam.

Een simpele UTM-conventie die werkt:

?utm_source=linkedin
&utm_medium=paid-social
&utm_campaign=abm-finance-q3
&utm_content=carousel-v2

Die utm_content per creatieve variant is goud. Zo zie je later niet alleen welke campagne werkt, maar welke advertentie erin. Zonder die laatste parameter weet je wél dat een campagne rendeert, maar niet dankzij welke van je vijf varianten. Dan optimaliseer je blind.

Sluit de lus met je CRM

Hier haken de meeste teams af, en hier zit net de winst. Je moet het LinkedIn-conversiegetal koppelen aan wat er daarna in je CRM gebeurt.

Minimaal wil je per lead weten:

lead_source     = linkedin
campaign        = abm-finance-q3
stage           = MQL | SQL | Opportunity | Won
deal_value      = <bedrag>

Als je dat hebt, kun je terugrekenen. Niet "cost per lead", maar cost per opportunity en cost per won deal, per campagne. Dat is het enige getal waarmee je een budgetbeslissing kunt verdedigen tegenover een CFO.

De aankoopdata in de HubSpot marketing statistics onderstrepen waarom dit nodig is: B2B-trajecten zijn lang en verlopen via meerdere contactmomenten. Een enkelvoudige last-click-meting doet die realiteit geen recht.

Attributie: verwacht geen perfectie

Even eerlijk zijn. Volledige attributie in B2B bestaat niet. Iemand ziet je LinkedIn-ad, praat er over met een collega, googelt je twee maanden later en typt dan je merknaam in. Welk kanaal krijgt die deal?

De theorie hierachter valt onder online advertising: meerdere touchpoints dragen bij tot één conversie, en het toewijzen van waarde aan elk contactmoment blijft een schatting. Jaag dus niet op een decimaal-perfect model. Kies één werkbare aanpak, meestal een mix van last-touch en een simpele multi-touch-blik, en blijf er consequent bij zodat je trends over de tijd kunt vergelijken.

Wat wél helpt: vraag in je formulier of demo-gesprek gewoon "hoe kwam je bij ons terecht?". Die zelfgerapporteerde bron is verrassend accuraat en vult je technische meting mooi aan. Ik heb campagnes zien redden puur omdat die ene open vraag liet zien dat LinkedIn de eerste aanraking was, ook al claimde Google de laatste klik.

Combineer die twee signalen, de harde data en de zelfgerapporteerde bron, en je krijgt een beeld dat dichter bij de waarheid ligt dan elk van beide apart. Perfect is het nooit, maar bruikbaar wel, en bruikbaar is genoeg om betere beslissingen te nemen.

Welke getallen ik echt op een dashboard zet

Als ik een LinkedIn-rapport bouw voor B2B, staan hier de kolommen die tellen:

• Cost per qualified lead (niet per lead)
• Lead-to-opportunity rate per campagne
• Pipeline value gegenereerd per uitgegeven euro
• Gemiddelde dealgrootte per campagnetype

Kliks en CTR? Die staan er ook, maar onderaan, als diagnose, niet als scorebord. Een hoge CTR is fijn, maar als die kliks nooit klant worden, is het gewoon een dure vorm van applaus.

Geef het tijd voor je oordeelt

Nog een valkuil: te snel conclusies trekken. Omdat B2B-cycli lang zijn, zie je de echte return van een campagne pas maanden later. Een campagne die vandaag "duur" oogt, kan over een kwartaal je beste kanaal blijken zodra de deals binnenlopen. Bouw daarom een rapport dat leads over de tijd blijft volgen, niet één dat elke maand op nul begint.

Wanneer je dit beter uitbesteedt

Deze meetketen opzetten kost tijd en discipline. Insight Tag, conversies, UTM-hygiëne, CRM-koppeling, en dan maandelijks de cijfers echt lezen in plaats van er alleen naar staren. Veel teams hebben de mensen daar niet voor.

Dat is precies het moment waarop LinkedIn advertising uitbesteden zinvol wordt: niet omdat je zelf geen advertentie kunt opzetten, maar omdat het rendement zit in de meting en de opvolging, niet in het aanmaken van de campagne.

Begin klein. Zet je meting goed op voor je schaalt. Een slecht gemeten campagne die je opschaalt, is gewoon sneller geld verbranden met een mooier rapport erbij.