Een KPI kiezen is niet zomaar een vinkje zetten in een dashboard. De meeste dashboards die ik zie, falen al vóór de eerste grafiek: in de definitie van de gebeurtenis, in de bron van waarheid en in wie eraan mag sleutelen. Hier is het configuratieproces dat de duurste fouten voorkomt, met concrete criteria bij elke stap.
Stap 1: bepaal de beslissing vóór de metriek
Voordat je Analytics opent, schrijf je in één zin op welke beslissing je met dat cijfer gaat nemen en hoe vaak. Als je niet kunt antwoorden op “wat zou ik anders doen als deze KPI met 20% daalt”, dan is de metriek overbodig. Een veelgemaakte fout is het overnemen van KPI’s uit een template: bezoeken, paginaweergaven, tijd op pagina. In B2B-projecten met lange aankoopcycli kan tijd op pagina zelfs een negatief signaal zijn (de gebruiker vindt niet wat hij zoekt en springt tussen secties heen en weer).
Stap 2: definieer de gebeurtenis bij de bron, niet in het rapport
Configureer de conversie waar deze plaatsvindt, niet met een last-minute filter in de BI-tool. Echt voorbeeld: een formulier met JavaScript-validatie dat de gebeurtenis “verzenden” afvuurt voordat de backend het opslaan bevestigt. Wekenlang toonde het dashboard conversies die nooit in het CRM aankwamen. De correctie zat niet in het dashboard, maar in de volgorde van de code: de gebeurtenis moet worden afgevuurd na het antwoord van de server.
Minimale checklist voor de definitie
- Naam van de gebeurtenis, trigger-voorwaarden en uitsluitingsvoorwaarden (interne gebruikers, tests, staging-verkeer).
- Vastgelegde bron van waarheid: analytics, CRM of database. Als ze verschillen, beslis welke leidend is en documenteer het verwachte verschil.
- Gekozen attributievenster en -model, opgeschreven naast de KPI, niet in een verloren e-mail.
Stap 3: bouw het dashboard in lagen
Scheid drie niveaus: een rij met bedrijfs-KPI’s (omzet, gekwalificeerde leads, acquisitiekosten), een rij met kanaal-KPI’s en een laatste rij met diagnostiek (bounce, scrolldiepte, 5xx-fouten). De klassieke fout is de drie door elkaar te mengen in één tabel: niemand weet waar eerst te kijken en het dashboard wordt binnen een maand verlaten.
Voorbeeld van een hiërarchie voor een kleine ecommerce
- Omzet per sessie en brutomarge per bestelling.
- Conversieratio per apparaat en per bron.
- Winkelwagenverlating, betaalfouten en snelheid van de checkoutpagina.
Volgens officiële documentatie van de analytics-platforms verschilt het standaard attributievenster per tool en kan het de verdeling tussen kanalen beïnvloeden. Als je twee bronnen met verschillende vensters vergelijkt, zullen de cijfers nooit helemaal kloppen: accepteer dat en leg een tolerantie vast.
Stap 4: wijs drempels en verantwoordelijken toe
Elke KPI heeft een normale bandbreedte en een eigenaar nodig. Zonder drempel zorgt elke variatie voor ruis; zonder verantwoordelijke onderneemt niemand actie. Configureer alleen alerts voor afwijkingen die een vooraf gedefinieerde actie vereisen.
Stap 5: herzie en snoei
Herzie elk kwartaal en verwijder wat niemand raadpleegt. Een dashboard met twintig metrieken leest slechter dan een met vijf.
Eerlijke beperking: dit proces werkt niet hetzelfde in organisaties zonder toegang tot de backend of de CRM-gegevens. In die gevallen zal de conversie-KPI altijd bij benadering zijn en kun je die beter als zodanig labelen in plaats van hem als exact cijfer te presenteren. Het lost ook geen problemen met de kwaliteit van de brongegevens op: als het CRM leads dupliceert, lost geen enkel dashboard dat op.
De juiste configuratie is degene die de persoon die hem heeft opgezet overleeft. Documenteer elke definitie naast de metriek en je hebt de helft van het werk al gedaan.