Als je B2B leads via Google Ads of Microsoft Ads binnenhaalt, voelt automatisering soms als een systeem dat niet voor jou is gebouwd. In e commerce zie je honderden aankopen per maand en leert het algoritme vanzelf. In leadgeneratie is het vaker: weinig conversies, lange salescycli en pas maanden later duidelijk of een lead iets waard was. Dan lijkt “laat het algoritme het werk doen” vooral een recept voor veel formulieren en weinig omzet.
Toch hoeft het niet zo te lopen. Melissa Mackey, Head of Paid Search bij Compound Growth Marketing, deelde op SMX Next een aanpak die ik in de praktijk herken: automatisering werkt pas goed als jij de juiste signalen teruggeeft. Hieronder zet ik het overzichtelijk voor je neer, met keuzes die je vandaag al kunt maken zonder jezelf vast te zetten aan luchtkastelen.
Waarom automatisering bij lead gen vaak tegenvalt
De meeste automatische biedstrategieën en campagne types zijn groot geworden in e commerce. Dat zie je terug in drie pijnpunten die bijna elke B2B adverteerder herkent.
Ten eerste is de klantreis simpelweg lang. Waar iemand in een webshop binnen minuten koopt, kan een B2B traject rustig 18 tot 24 maanden duren. Offline conversies in advertentieplatforms kijken bovendien maar beperkt terug, vaak tot 90 dagen. Daarmee valt een groot deel van de vroege interacties buiten beeld, terwijl die wel aan de basis stonden van de deal.
Het tweede probleem is volume. Google geeft zelf aan dat automatisering het lekkerst draait met ongeveer 30 conversies per campagne per maand. Minder kan, maar dan zie je sneller schommelingen. In B2B haal je dat aantal niet altijd, zeker niet als je netjes splitst op regio’s, productlijnen of persona’s.
En dan is er de waarde vraag. In e commerce is een aankoopbedrag direct duidelijk. Een bestelling van 10 euro zegt iets anders dan 100 euro. Bij leadgeneratie is er geen winkelmand. De echte waarde komt pas later, wanneer iemand MQL wordt, een opportunity of klant. Als je dat niet terugkoppelt, gaat het systeem sturen op de makkelijkste conversie, niet op de beste.
Begin bij signalen die het platform begrijpt
Als je maar één ding meeneemt: automatisering is zo slim als de data die jij teruggeeft. Niet de clicks zijn het probleem, maar het gebrek aan feedback over wat er daarna gebeurt.
Daarom start je met offline conversies. Koppel je CRM aan Google Ads of Microsoft Ads en stuur status updates terug. Denk aan lead, MQL, opportunity en klant. Zolang het platform alleen “formulier verstuurd” ziet, kan het niet leren wat je echt zoekt.
In Google Ads Data Manager vind je veel koppelingen. HubSpot en Salesforce zijn vaak het makkelijkst omdat ze native integreren en pipeline fases kunnen doorgeven. Werk je met een ander CRM, dan kun je prima met een eigen data tabel werken waarin je alleen de velden deelt die je nodig hebt. Met connectors zoals Snowflake kun je data doorzetten en tegelijk privacy en dataminimalisatie serieus nemen. Zit je CRM er echt niet tussen, dan is een tussenlaag zoals Zapier een praktische oplossing. Dat kost geld, maar in veel accounts verdien je het terug doordat je minder budget verbrandt op de verkeerde leads.
Microconversies zijn geen bijzaak, zolang je er waarden aan geeft
Veel teams doen óf alleen macroconversies zoals een leadformulier, óf ze meten van alles en raken vervolgens de focus kwijt. De middenweg is vaak het beste: meet microconversies, maar geef ze een duidelijke relatieve waarde.
Microconversies zijn intentiesignalen. Iemand die een video bekijkt is nieuwsgierig, maar je weet nog weinig. Een download zonder gating vraagt al wat meer moeite. Een formulier invullen is een grotere stap, want iemand geeft gegevens weg. En een MQL is het signaal waar je uiteindelijk op wilt sturen.
Een eenvoudige waardeladder helpt het platform begrijpen wat zwaarder weegt. Je kunt bijvoorbeeld werken met video views als waarde 1, een ungated download als 10, een form fill als 100 en een MQL als 1.000. Het gaat niet om exacte euro’s, maar om verhoudingen. Zo voorkom je dat je campagne er op papier fantastisch uitziet omdat hij honderden lage kwaliteit acties binnenhaalt, terwijl de echte aanvragen achterblijven.
Performance Max voor lead gen kan werken, maar alleen met de juiste sturing
Ik snap de reflex om Performance Max af te schrijven voor B2B. Zet je hem op “maximaliseer conversies”, dan is de kans groot dat je veel rommel binnenhaalt. Het systeem vindt dan de goedkoopste formulieren, niet de beste.
Het kantelpunt zit in twee dingen: conversiewaarden en offline terugkoppeling. Combineer je die met een Target ROAS strategie, dan geef je het platform een duidelijke richting. Niet: haal zoveel mogelijk leads, maar: haal zoveel mogelijk waarde.
Melissa Mackey deelde een praktijkcase die dat verschil goed laat zien. Daar werden drie offline acties gemeten: leads, opportunities en klanten. Klanten kregen een waarde die 50 keer hoger lag dan een lead. Het effect was niet subtiel: leads stegen 150 procent, opportunities 350 procent en gesloten deals 200 procent. De campagne ging dus sturen op wat uiteindelijk betaald werd, in plaats van op wat het makkelijkst binnenkwam.
Dit vraagt wel discipline. Waarden moeten consequent zijn, je CRM data moet kloppen en je salesproces moet minstens grofweg in fases te vangen zijn. Als dat nog niet staat, ga dan eerst daar orde in brengen voordat je PMax de ruimte geeft.
Campagne specifieke doelen geven je weer controle terug
Een functie die ik te weinig zie, is campagne specifieke doelen. Veel accounts laten alles op accountniveau meetellen. Dat lijkt overzichtelijk, maar in B2B leidt het vaak tot campagnes die elkaar in de weg zitten.
Met campagne specifieke doelen kun je per campagne aangeven welke conversie acties meetellen. Daarmee kun je bewust bouwen aan een funnel. Denk aan een mid funnel campagne met informatieve zoekwoorden die alleen stuurt op form fills of een specifieke download. Op basis daarvan bouw je een audience van mensen die al interesse hebben getoond. Vervolgens draai je een aparte campagne die juist stuurt op gekwalificeerde leads, gericht op die warmere groep, met een aanbod dat past bij hun fase, zoals een demo of trial.
Je vraagt iemand ook niet om te trouwen op de eerste date. Door doelen per campagne te scheiden, voorkom je dat je te vroeg te hard verkoopt én dat het platform in één campagne tegenstrijdige signalen krijgt.
Portfolio bidding: sneller genoeg data, zonder je structuur te slopen
Als je conversievolume laag is, is het verleidelijk om campagnes samen te voegen, maar dat kan botsen met rapportage, budgetverdeling of regio’s. Portfolio bidding is dan een nette tussenoplossing.
Je groepeert vergelijkbare campagnes onder één biedstrategie zodat het systeem meer conversies ziet. Vier campagnes met 12, 11, 0 en 15 conversies per maand halen afzonderlijk de drempel niet, maar samen kom je op 38. Daardoor kan automatisering stabieler leren, terwijl jij je campagnestructuur behoudt.
Een extra voordeel is dat je binnen portfolio bidding met maximum CPC’s kunt werken. Dat helpt om biedingen binnen de perken te houden wanneer het systeem agressief gaat jagen op “waarschijnlijk converterende” gebruikers. Die vorm van rem erop heb je anders vooral via enterprise tooling zoals SA360.
First party audiences: het signaal dat B2B vaak mist
Bij brede match en AI gedreven campagnes voelen veel B2B adverteerders zich alsof ze het stuur uit handen geven. Dat gevoel is niet gek. Het wordt pas comfortabel wanneer je sterke doelgroepsignalen toevoegt.
Met een CRM koppeling kun je first party audiences importeren. Denk aan klantenlijsten die je als uitsluiting gebruikt, zodat je niet betaalt voor bestaande klanten. Of juist als basis voor lookalike achtige doelgroepen in Demand Gen. Contactlijsten kun je inzetten voor observation om het systeem te laten begrijpen welke profielen passen, of voor targeting om warm verkeer opnieuw te bereiken.
Zodra die signalen meedraaien, worden broad match, PMax en varianten zoals AI Max ineens een stuk beter te vertrouwen. Niet omdat het systeem ineens magisch is, maar omdat je duidelijker aangeeft wie je bedoelt.
AI gebruiken voor B2B: minder handwerk, betere voorbereiding
AI kan je veel tijd schelen, zolang je het inzet als assistent en niet als vervanger van denkwerk. De grootste fout die ik zie, is dat mensen AI laten schrijven zonder context, en dan teleurgesteld raken omdat het te consumentengericht klinkt.
Begin elke prompt met één simpele zin die het kader zet, bijvoorbeeld: “Je bent een SaaS bedrijf dat aan andere bedrijven verkoopt.” Daarmee stuur je de toon, argumentatie en voorbeelden meteen richting B2B.
Gebruik het daarna voor onboarding en profielwerk. Geef input over wat je verkoopt, je waardepropositie, je onderscheid, je persona’s en je ideale klantprofiel. Maak daar een vast template van of bouw een custom GPT per klant. Dat is geen gadget, maar een manier om consistent te blijven.
Ook concurrentieonderzoek gaat ineens veel sneller. Waar je vroeger 20 tot 30 uur kwijt was aan sites doorspitten, reviews lezen en aanbiedingen vergelijken, kun je AI in 10 tot 15 minuten een tabel laten maken met aanbiedingen, positionering, proof, sentiment en prijsaanpak. Dat zet je zo in een deck of in Google Sheets.
Voor keyword analyse werkt het net zo. Haal via Semrush of SpyFu lijsten op, zet ze naast je eigen zoekwoorden in een spreadsheet en laat AI gaten vinden, unieke thema’s aanwijzen en clusters maken. Wat eerst uren aan filters en draaitabellen was, wordt een korte controle ronde.
Automatisering van routinewerk in Google Ads: slim, niet lui
Er is routinewerk dat je team leegtrekt zonder dat het beter wordt van menselijke uren. Daar mag je best strenger in zijn.
Een mooi voorbeeld is de search query review. Je kunt een AI artefact maken dat jouw regels en beslislogica leert, zodat het op basis van een zoektermenrapport suggesties geeft om toe te voegen als negatief of juist te laten staan. Jij blijft beslissen, maar je begint niet meer vanaf nul. Daardoor kun je vaker controleren zonder dat het een halve dag kost.
Voor advertentieteksten geldt hetzelfde. RSA generators kunnen op basis van zoekwoorden en url’s concepten maken. Combineer dat met je klant GPT en je hebt sneller een goede eerste versie. Daarna doe je wat altijd nodig blijft: controleren op juistheid, nuance en wat je wél en niet wilt beloven.
Vergeet ook Experiments niet. Test biedstrategieën, portfolio versus standaard, match types, landingspagina’s en campagnestructuur. Het platform rekent de resultaten voor je uit en geeft samenvattingen die helpen bij de volgende stap.
Tot slot zijn er Solutions, de kant en klare scripts in Google Ads voor zaken als rapportage, afwijkingsdetectie, link checks, flexibel budgetteren en het aanmaken van negatieve lijsten. In eenvoudige accounts kan dit veel tijd schelen. In complexe enterprise omgevingen zou ik voorzichtiger zijn en eerst in een afgebakende omgeving testen.
Wat ik je mee zou geven als we dit samen in één uur moesten rechtzetten
Automatisering is niet “goed” of “slecht” voor leadgeneratie. Het is vaak slecht gevoed. Als je B2B draait met lage volumes en lange cycli, moet je extra zorgvuldig zijn met de feedback die je teruggeeft.
Zorg dat offline conversies en waardes staan, anders stuurt het systeem op schijnsucces. Voeg first party audiences toe, zodat brede targeting niet voelt als gokken. En gebruik AI om repetitief werk te verminderen, zodat je team tijd overhoudt voor strategie, landing pages en aanbod.
Als je twijfelt waar je moet beginnen, kies dan de volgorde die het meeste pijn wegneemt: eerst CRM koppeling en offline conversies, daarna waardes voor micro en macro, dan pas grotere automatisering zoals PMax en bredere match types. Dan bouw je aan groei zonder dat je elke maand opnieuw hoeft te hopen dat het deze keer wel goed uitpakt.