Naar de inhoud
Alle video’s

Elke maandag een AI-analyse van je Google Ads-accounts

AI & MarketingDuur: 2:02 minVanaf 42:07 in de opname

Ruben Runneboom, Taskforce

Uit de sessie: Marketing: Advertising in the Age of AI

In de Q&A van de marketingsessie van april 2026 vraagt Tachmy Dilmy aan Ruben Runneboom van Taskforce waar het bureau AI nog meer voor inzet. Ruben noemt data-analyse: scripts halen elke maandagochtend de cijfers uit alle Google Ads-accounts, een taalmodel toetst ze aan de drempels per klant. Voor bureaus en in-house teams met meer accounts dan tijd.

Voor wie: Je meerdere Google Ads-accounts beheert en wilt weten hoe je de wekelijkse controle laat doen door scripts en een taalmodel.

Hetzelfde moment

Waarom dit ertoe doet

Wie meerdere Google Ads-accounts beheert, mist makkelijk wat er in de gaten loopt. Een campagne die onder de norm blijft, valt pas op als iemand de cijfers opent. Taskforce draait die controle elke week op vaste tijd, voor alle klanten tegelijk. Het taalmodel zoekt de gaten en de reden erachter. Daarna kiest de consultant uit opties die het bureau vooraf heeft vastgelegd. Zo komt elke klant minstens op een basisniveau van optimalisatie, ook in een drukke week. Dat is een werkwijze die je ook met 3 accounts of 1 account kunt overnemen. Je hebt de koppeling met de API, je drempels en een kort beslisdocument nodig.

Belangrijkste inzichten

  • Taskforce laat elke maandagochtend de data uit alle Google Ads-accounts analyseren, met scripts of API's en een LLM.
  • De drempels per klant staan in de guide rails van het account, zodat het model per klant toetst.
  • Elke klant heeft een intern Slack-kanaal met de verantwoordelijke consultants; de analyse is bedoeld voor dat team.
  • Een beslisdocument met als-dan-opties zorgt dat elke consultant minimaal de basisoptimalisaties doet.
  • AI doet hier de data-analyse en vindt de gaten; de consultant kiest wat er gebeurt.

Data ophalen met scripts en API's

Ruben begint met een kanttekening: of je het AI of automatisering noemt, ligt bij Taskforce ergens in het midden. Waar het bureau in gelooft, is dat een taalmodel snel door data kan lezen. Daarom trekken scripts of API's de cijfers uit de Google Ads-accounts, en doet een LLM daarna de analyse. Google beschrijft de Google Ads API als de programmatische interface naar Google Ads. Met de querytaal GAQL vraag je prestatiecijfers, segmenten en attributen van resources op. Het model hoeft dus niet in het account te klikken. Het krijgt een tabel met cijfers en leest die door. Dat scheelt de consultant een rondje langs alle accounts.

Elke maandagochtend, met drempels per klant

Het ritme is vast. Elke maandagochtend gaat de data van alle accounts door de analyse. De drempels per klant staan volgens Ruben in de guide rails van het account. Daardoor ziet het team direct welke campagnes onder die drempel presteren en welke redenen daarachter zitten. Elke klant heeft ook een eigen intern Slack-kanaal met de verantwoordelijke consultants. Ruben noemt dat kanaal als plek waar de consultants zitten; of de uitkomst daar automatisch in landt, zegt hij niet. De drempel is dus geen algemene norm maar een afspraak per klant, vastgelegd op 1 plek. Dat maakt de controle eerlijk: een campagne die voor klant A prima is, kan voor klant B te weinig zijn.

Een beslisdocument voor de consultant

Taskforce bouwde er een document bij dat werkt als een als-dan-schema. Gebeurt X, dan kan de consultant Z of I doen. Het doel noemt Ruben zelf: de output van de consultants moet altijd een minimaal basisniveau halen. De basisoptimalisaties worden dus altijd gedaan volgens het systeem. Daarna kan de consultant verder uitwijken. Het model vindt de afwijking en de reden, en het document geeft de opties voor de consultant. Ruben noemt geen automatische wijzigingen in het account.

AI voor analyse, niet voor het stuur

Ruben vat het zelf samen: AI gebruiken ze in dit geval vooral voor data-analyse, om de gaten te ontdekken en te zien waar iets afwijkt. Dat past bij het hele verhaal van de sessie. De titeltest uit eerdere clips draait ook op data, vaste richtlijnen en controle door een mens. Wil je dit zelf opzetten, begin dan met de drempels. Zonder heldere norm per klant heeft het model niets om tegen te toetsen, hoe goed het scriptje ook is.

Probeer dit deze week

  1. Schrijf voor 1 account op papier 3 drempels (bijvoorbeeld ROAS of kosten per conversie) waaronder een campagne actie nodig heeft.
  2. Exporteer de cijfers van de afgelopen week en laat een taalmodel per campagne aangeven welke onder je drempels vallen en waarom.
  3. Maak een beslisdocument van 5 als-dan-regels voor de afwijkingen die je het vaakst ziet en zet het naast je maandagroutine.

Begrippen

Guide rails
De vaste kaders van een account, zoals doelen en drempels, waaraan campagnes worden getoetst.
Drempel
De grens per klant waaronder een campagne als onderpresterend telt.
GAQL
De querytaal van de Google Ads API waarmee je prestatiecijfers en attributen opvraagt.
Transcriptie

Uitgeschreven uit de audio van dit fragment. Stopwoorden en herhalingen zijn weggelaten. Waar [onverstaanbaar] staat, is de opname niet te verstaan.

Jullie als agency hebben het net gehad over alle mogelijkheden waar AI bij kan dragen in dat hele ad spectrum. Nu is het optimaliseren van je feed natuurlijk een onderdeel, in dit geval laag nummer 2 of 3 was het net bij ons. Wat voor zaken zetten jullie AI nog vaker in vandaag de dag? Wat zijn dan de eerste drie dingen die bij jou top of mind zijn als je AI inzet? Ja, uiteraard. Of je het nou AI of automatisering moet noemen. Het ligt hier een beetje bij ons in het midden. Maar eigenlijk wat wij voornamelijk doen is, waar wij heel erg in geloven is, AI kan best wel snel met de data kan niet annusileren. En dus uiteindelijk wat wij proberen te doen, is wij proberen door middel van scripts de data uit de Google Ads accounts te trekken. Of met APIs. Waarbij een LLM dan vervolgens de analyse kan doen. En wat wij bijvoorbeeld doen is dat wij binnen ons, wij hebben voor elke klant waarvoor wij werken, hebben wij een intern Slack kanaal met onze consultants, die daarvoor verantwoordelijk zijn. Eigenlijk wat wij doen is, wij trekken gewoon elke maandagochtend, trekken we alle data uit accounts, waarbij we de thresholds die we voor die klant nodig hebben, die staan bijvoorbeeld in de guide rails van het account. En dat we precies kunnen zien, oké, deze campagnes presteren onder, en wat voor redenen presteren dan onder. En dat we dan uiteindelijk hebben ook een heel document gebouwd. Wat als X gebeurt, dan heb je als consultant de optie om Z of I te doen, bij wijze van. Dus uiteindelijk proberen we op die manier de output van onze consultants altijd een minimaal basisniveau neer te kunnen zetten. Dus dat er eigenlijk altijd de basisoptimalisaties gedaan kunnen worden volgens ons systeem. En op basis daarvan kan je natuurlijk weer verder uitwijken. Maar we gebruiken dus AI in dit geval voornamelijk voor data-analyse. Dus om echt de gaten te ontdekken en te zien waar we bepaalde zaken zien.

Spreker: Ruben Runneboom, Taskforce

Bronnen

Meer over AI & Marketing