Amazon Brand Analytics voelt alsof de mist eindelijk optrekt. In plaats van raden wat shoppers intypen, aanklikken, in hun mandje leggen en kopen, krijgen Brand Registry-sellers first-party zoekgedrag van Amazon zelf te zien. Search Query Performance laat de zoekfunnel zien. Search Catalog Performance laat zien hoe je catalogus presteert in shopperinteracties. De verleiding is logisch: zoek queries met lage click share, verbeter de listing, zet het keyword in ads en wacht op groei.
Dat is nuttig. Maar voor een merkeigenaar die ook verkoopt via bol.com, Shopify, Walmart, TikTok Shop of Mirakl-retailers is het niet genoeg.
De fout die ik vaak zie, noem ik Amazon-shoppersignalen behandelen als automatische groeitoestemming. Een query kan 80.000 impressies hebben, een zwakke click rate en een concurrent die de meeste aankopen pakt. Dat betekent nog niet dat je morgen vol op die query moet gaan. Misschien heeft de SKU nog maar 18 dagen voorraad. Misschien is de marge op Amazon 21%, maar op Shopify 34%. Misschien heeft juist de maatvariant die clicks wint twee keer zoveel retouren als gemiddeld. Een keyword kan perfect zijn voor zichtbaarheid en slecht voor contributiemarge.
Mijn standpunt: Amazon Brand Analytics moet een query-to-margin ledger voeden, geen keyword-wensenlijst. Elk interessant zoeksignaal moet worden vertaald naar een commerciële beslissing: welke SKU, op welk kanaal, met welke marge, met hoeveel voorraad, met welk advertentiebudget en met welk betrouwbaarheidsniveau? Zonder die koppeling heb je veel inzicht, maar nog geen veilige beslissing.
Deze gids is geschreven voor merkeigenaren die marketplace analytics beheren vanaf ongeveer €1,5K maandelijkse ad spend of 1.000 orders per maand. Op dat niveau kan één verkeerde interpretatie van zoekvraag echt geld verplaatsen. Een ad test van €900 op de verkeerde query, een reorder op opgeblazen vraag of een listing push voor een lage-margevariant kan de winst die het dashboard beloofde stilletjes wegvagen.
Wat de markt al goed uitlegt
De bestaande uitleg over Amazon Brand Analytics is echt waardevol. Amazon positioneert Brand Analytics als een manier voor Brand Registry-sellers om klantzoekgedrag en aankoopgedrag beter te begrijpen. Helium 10 legt Search Query Performance uit als een direct venster op hoe listings presteren voor specifieke zoektermen. MerchantSpring gaat dieper in op SQP-use cases: impressies, clicks, add-to-carts, aankopen en marktaandeel per query. Gorilla ROI maakt ook een sterke nuance: Brand Analytics is een signaallaag, geen volledig antwoord op marge, payout, voorraad of retouren.
Reddit-discussies laten hetzelfde operatorpatroon zien. Sellers waarderen Amazon Brand Analytics omdat het first-party data is. Tegelijk combineren ze het met tools zoals Helium 10, Jungle Scout, Sellerboard, Keepa of eigen spreadsheets, omdat één rapport zelden elke vraag beantwoordt. De één gebruikt ABA om keywordschattingen te valideren. De ander gebruikt keywordsoftware voor research en een profit tool voor dagelijkse sturing. Het patroon is duidelijk: operators vertrouwen het signaal, maar laten niet één signaal de hele business besturen.
De ontbrekende laag is multi-channel context. De meeste content legt uit wat elk Amazon-rapport toont en hoe je het binnen Amazon gebruikt. Veel minder content helpt een merk bepalen of Amazon-zoekvraag Amazon-adbudget, Shopify-content, bol.com-voorraad, Walmart-expansie, prijsaanpassing of juist géén actie verdient. Precies daar zit de winst.
De query-to-margin ledger
Een query-to-margin ledger is een eenvoudige operationele tabel die Amazon-zoeksignalen koppelt aan commerciële toestemming. Het vervangt Brand Analytics niet. Het voorkomt dat je Brand Analytics verkeerd gebruikt.
Leg voor elke relevante query of cluster zeven velden vast:
- Zoeksignaal: impressies, click share, cart share, purchase share en trendrichting.
- Gekoppelde SKU-set: de ASINs, marketplace-SKU’s en Shopify-producten die de vraag echt kunnen bedienen.
- Contributiemarge: marge na marketplace fees, fulfilment, retourreservering, ad cost en lopende promoties.
- Voorraaddekking: dagen voorraad per kanaal, inclusief inbound risico en gereserveerde voorraad.
- Kanaalrol: moet Amazon vraag oogsten, zichtbaarheid verdedigen, een segment testen of bewust ruimte laten aan een ander kanaal?
- Besliseigenaar: ads, content, pricing, inventory, finance of ecommerce lead.
- Vervaldatum: wanneer moet het signaal opnieuw beoordeeld worden omdat ranking, voorraad, fees of seizoen verandert?
De ledger verandert een vage observatie als “we presteren slecht op insulated lunch bag” in een besluit: “We testen €300 Amazon Sponsored Products op de zwarte 12L lunch bag gedurende 14 dagen, omdat de Amazon-contributiemarge 28% is, voorraaddekking 46 dagen, retourpercentage 5,8%, en Shopify momenteel niet rankt op deze term.” Veel beter.
Hier past FiveX heel natuurlijk. FiveX brengt marketplace analytics, advertising performance, product profitability, inventory insights, repricingcontext en AI-aanbevelingen samen in één platform. Dat is belangrijk, want Brand Analytics vertelt waar vraag zichtbaar wordt. FiveX helpt bepalen of die vraag winstgevend genoeg, voldoende op voorraad en strategisch belangrijk genoeg is om na te jagen.
Scenario 1: de high-volume query die geen extra Amazon-budget verdient
Stel: een Nederlands keukenmerk verkoopt een roestvrijstalen broodtrommel via Amazon.nl, bol.com en Shopify. In Brand Analytics toont de query “rvs broodtrommel” 62.000 maandelijkse search impressions. Het merk heeft 4,2% click share en 2,1% purchase share. Een klassiek keyword-playbook zegt: titel verbeteren, backend terms aanvullen, Sponsored Products-biedingen verhogen en ranking najagen.
De ledger verandert het gesprek.
De Amazon-SKU verkoopt voor €24,95. Na referral fees, FBA, verpakking, betaallekkage, verwachte retouren en een coupon van €2 blijft €4,10 contributiemarge over per stuk, oftewel 16,4%. Op bol.com verkoopt hetzelfde product voor €26,99 met fulfilmenteconomics die €6,95 contributiemarge overhouden, 25,8%. Shopify laat €9,20 contributiemarge over wanneer de klant direct koopt, maar paid social CAC schommelt sterk.
Voorraad maakt het nog scherper. Amazon heeft 19 dagen dekking. bol.com heeft 44 dagen. Shopify heeft 70 stuks gereserveerd voor een back-to-school e-mailcampagne. Als het team alleen op de Amazon-query reageert, kan het €700 uitgeven om lage-margezoekvraag te winnen en tegelijk uit voorraad lopen vóór het betere bol.com-moment.
De beslissing is niet “negeer Amazon”. De beslissing is preciezer: houd retail readiness op Amazon gezond, voeg de ontbrekende materiaalterm toe aan de listing, begrens de ad test op €180 en verplaats de grotere contentpush naar bol.com en Shopify totdat replenishment bij is. FiveX ondersteunt dit door SKU-marge, kanaalvoorraad en ad performance naast de querykans te tonen, in plaats van het team vier exports te laten combineren.
Scenario 2: zwakke click share die eigenlijk een prijsprobleem is
Een Belgisch huisdierenmerk ziet lage click share op “orthopedic dog bed large” op Amazon.de. De query heeft 110.000 maandelijkse impressies. Het merk verschijnt vaak genoeg, maar click share blijft steken op 1,8%, terwijl twee concurrenten de meeste clicks pakken. De snelle diagnose is listing creative: hoofdafbeelding, titel, reviews, misschien coupon.
De ledger vraagt eerst om prijs en marge.
Het grote hondenbed staat op Amazon.de voor €79,90. Een concurrent zit op €69,99 met 10% coupon. Een andere concurrent verkoopt een dunner product voor €59,99. De contributiemarge van het merk op €79,90 is gezond: €18,40 per stuk vóór ads. Bij een zichtbaar vergelijkbare prijs van €69,99 met 10% coupon zakt de contributiemarge naar €7,20. Met een target ACOS van 22% mag de campagne nog maar €15,40 per sale uitgeven voordat de SKU onaantrekkelijk wordt. De huidige CPC’s vragen eigenlijk om 13% conversie om de push te laten werken. De huidige conversie is 7,5%.
Het probleem is dus niet alleen click share. Het is toestemming vanuit prijspositie. Het merk kan marge beschermen en lagere click share accepteren, een kleinere “large basic”-bundel maken voor Amazon.de, of Amazon gebruiken voor premium proof terwijl de mid-price variant harder op Shopify en bol.com wordt gepusht. Wat je níet moet doen: blind harder bieden omdat Brand Analytics een gat laat zien.
Dit is de tweede natuurlijke FiveX-haak: repricing en profitability horen in dezelfde beslissing als search analytics. Als prijspositie verandert zonder margecontext, win je misschien de click en verlies je de maand.
Scenario 3: de conversiewinnaar die een cross-channel project moet worden
Neem een Amerikaans skincaremerk dat verkoopt via Amazon.com, Walmart Marketplace en Shopify. In Search Catalog Performance laat een vitamin C serum-ASIN sterke purchase share zien op “vitamin c serum sensitive skin”. De query heeft 38.000 maandelijkse impressies, 6,5% brand click share en 9,8% brand purchase share. Mooi signaal: shoppers die doorklikken, kopen ook.
De luie actie is Amazon-biedingen verhogen. De betere actie is vragen waar deze vraag nog meer heen moet.
De Amazon-unit verkoopt voor $22,00 met $5,60 contributie na FBA, referral fees en verwachte retouren. Shopify-contributie is $9,80 vóór paid acquisition. Walmart-contributie is $6,40, maar het product heeft daar pas twaalf reviews en zwakke organische zichtbaarheid. Voorraaddekking is 72 dagen in het Amerikaanse warehouse en 41 dagen bij FBA.
De ledger adviseert drie acties, niet één. Verhoog eerst Amazon Sponsored Products bescheiden met een budgetplafond van $450 voor twee weken, omdat de query al converteert. Brief daarnaast Shopify-content rond “sensitive skin vitamin C serum”, omdat de marge direct-to-consumer sterker is. Verbeter tot slot Walmart-content en reviewopbouw vóórdat je Walmart-ads pusht, want weinig social proof gaat verkeer verspillen.
Dát is multi-channel analytics zoals het bedoeld is. Amazon onthult vraag. De business bepaalt de kanaalroute. FiveX helpt dit vertalen naar een workflow door marketplace research, advertising automation, product profitability en AI-aanbevelingen te combineren. Dan ziet het team niet alleen “query is goed”, maar “query verdient deze drie kanaalacties in deze volgorde”.
Zo score je Amazon Brand Analytics-kansen
Gebruik een simpele 100-puntenscore voordat je actie neemt:
- Zoekkans, 25 punten: volume, trend, competitief gat en funnel drop-off.
- Margetoestemming, 25 punten: contributiemarge na verwachte ad cost, promoties, fulfilment en retouren.
- Voorraadtoestemming, 15 punten: genoeg dekking om vraag aan te kunnen zonder een beter kanaal uit te hongeren.
- Kanaalfit, 15 punten: is Amazon de juiste plek om de query te winnen, of alleen de plek waar je de vraag ontdekt?
- Bewijskwaliteit, 10 punten: dataversheid, sample size en stabiliteit versus seizoensinvloed.
- Operationele eigenaar, 10 punten: een naam op de actie en een reviewdatum.
Boven 80 mag een kans naar actie. Tussen 60 en 80 run je een begrensde test. Onder 60 leg je de learning vast, maar geef je nog geen spend vrij. Het doel is geen wiskundige perfectie. Het doel is net genoeg vertraging om te voorkomen dat zoekenthousiasme verandert in margelek.
Het werkritme
Voor de meeste merkeigenaren is wekelijks genoeg. Maandag bekijk je de grootste queryveranderingen en catalogusverschuivingen. Dinsdag koppel je die aan marge, voorraad en kanaalrol. Woensdag keur je alleen acties goed met duidelijke toestemming. Vrijdag check je vroege signalen zonder te doen alsof een test van drie dagen al lifetime value bewijst.
Maandelijks archiveer je de beslissingen. Welke Amazon-zoeksignalen werden winstgevende acties? Welke zagen er spannend uit maar faalden op de margegate? Welke bewogen beter op Shopify, bol.com of Walmart dan op Amazon? Zo bouw je een feedbackloop die de meeste keywordworkflows missen. Na verloop van tijd leert het team welk type Amazon-vraag op Amazon thuishoort en welk type vooral de bredere channel mix moet informeren.
Laatste gedachte
Amazon Brand Analytics is een van de nuttigste signaalbronnen die een merkeigenaar kan gebruiken. Maar een signaal is nog geen strategie. Search Catalog Performance en Search Query Performance laten zien waar shoppers bewegen. Ze kennen je landed cost, retourrisico, voorraaddekking, adbudget, repricingplan en kanaalprioriteiten niet.
De operatorbeweging is simpel: maak niet van elke query een campagne. Maak van elke betekenisvolle query een commerciële toestemmingstoets. Als marge, voorraad en kanaalrol akkoord zijn, ga je handelen. Zo niet, leg je het signaal vast en wacht je.
Zo gebruiken multi-channel merken Amazon-data zonder Amazon-only te gaan denken. En precies die beslislaag is waar FiveX voor gebouwd is: één beeld van marketplace demand, product profitability, advertising performance, voorraaddruk en AI-gestuurde next steps.