Multi-channel analytics viert vaak hetzelfde als elk kanaaldashboard: meer orders. Amazon-orders stijgen 18%. Shopify-orders groeien 11%. bol.com levert 420 extra orders tijdens de actie. TikTok Shop heeft ineens een drukke dinsdag. Fijn natuurlijk. Maar ook gevaarlijk onvolledig.
Een order is niet automatisch een goede order. Sommige orders brengen marge, nette cashflow en herhaalbare vraag. Andere orders brengen retouren, supporttickets, voorraaddruk, lage-marge bundels, trage settlement en discussies over attributie. Als je dashboard beide hetzelfde behandelt omdat ze allebei als “1 order” tellen, stuurt je groeimodel al richting volume in plaats van winst.
De fout die ik vaak zie, noem ik optimaliseren op orderaantal voordat je orderkwaliteit scoort. Een team ziet 1.000 marketplace-orders per maand en vraagt hoe het naar 1.300 kan. De betere vraag is: welke van die 1.000 orders zouden we morgen opnieuw willen inkopen?
Mijn standpunt: elke merkeigenaar die verkoopt via Amazon, bol.com, Shopify, Walmart, TikTok Shop of Mirakl-retailers heeft een order quality scorecard nodig. Geen vanity-dashboard, maar een praktische analyticslaag die orders beoordeelt op contributiemarge, retourrisico, fulfilmentdruk, acquisitiekwaliteit, cash timing en databetrouwbaarheid voordat budget, voorraad of teamfocus opschaalt.
Deze gids is geschreven voor merken in Nederland, België, Duitsland, Frankrijk, Spanje en de VS, meestal vanaf ongeveer €1,5K maandelijkse ad spend of 1.000 orders per maand. Op dat niveau kunnen een paar slechte ordercohorten “groei” ongemerkt veranderen in een drukkere manier om minder te verdienen.
Wat concurrenten goed uitleggen
De huidige content over marketplace analytics is veel beter dan een paar jaar geleden. Conjura legt helder uit waarom je performance-data uit Amazon, eBay, Walmart en DTC-kanalen moet verzamelen, opschonen en interpreteren in plaats van te leven in CSV-chaos. Jungle Scout is sterk op Amazon sales analytics: omzet, productkosten, fees, refunds, PPC-spend en trends op productniveau. Helium 10 maakt het multi-channel argument duidelijk: vertrouw niet op één platform en verdeel advertentiebudget niet gelijkmatig zonder bewijs. DataHawk en MerchantSpring focussen op centrale marketplace-dashboards, alerts, SKU-performance, retail media, voorraad en executive reporting. sellerboard houdt het winstgesprek scherp door te benadrukken dat Amazon-omzet nog geen winst is zodra fees, COGS, retouren en ad spend binnenkomen.
Reddit laat vooral de operationele pijn achter de softwarebeloftes zien. Sellers vragen of Amazon-orders de moeite waard zijn naast een Shopify-business, waarom Amazon-winst verdwijnt na fees en retouren, en waar Amazon-sales vandaan komen wanneer Meta alleen traffic naar Shopify stuurt. YouTube-content rond profit calculators loopt meestal door de kostenstack heen: productkosten, fulfilment, payment fees, retouren, ad spend en apps.
Dat is allemaal nuttig. De blinde vlek is dat veel advies eerst kanalen, campagnes of producten beoordeelt, en pas daarna kijkt naar de kwaliteit van de orders die die kanalen maken. Een kanaal kan er op weekniveau goed uitzien terwijl één ordercohort daarbinnen giftig is. Een campagne kan target-ROAS halen en toch kopers aantrekken die twee keer zo vaak retourneren. Een marketplace kan units laten groeien terwijl hij voorraad wegtrekt bij een schoner kanaal met meer marge.
Dat is de hoek die veel dashboards missen: orderkwaliteit is de brug tussen kanaalrapportage en winstbeslissingen.
Wat meet een order quality scorecard?
Een order quality scorecard geeft elk ordercohort een commerciële score. Je hoeft dus niet elke losse order handmatig te beoordelen. Groepeer orders op een manier die operators echt gebruiken: kanaal, SKU-familie, campagnebron, fulfilmentmethode, promotie, land, creator, retailmediacampagne of week.
Daarna scoor je elk cohort op zes vragen:
- Contributiemarge: wat blijft over na productkosten, marketplacecommissie, fulfilment, payment fees, korting, toegerekende ad spend, verwachte retouren en retourverwerking?
- Refund- en retourrisico: hoe groot is de kans dat omzet later terugdraait of extra kosten veroorzaakt nadat het dashboard al feest heeft gevierd?
- Fulfilmentdruk: gebruikt deze order schaarse voorraad, dure fulfilment, split shipments of een leverbelofte die operationeel risico verhoogt?
- Acquisitiekwaliteit: kwam de order uit incrementele vraag, of kocht paid media vooral een klant die toch al naar het merk zocht?
- Cash timing: wanneer wordt de order bruikbare cash na settlement, reserves, refunds en payout-timing?
- Databetrouwbaarheid: sluiten SKU-mapping, fees, advertentieattributie, retouren en settlement goed genoeg op elkaar aan om een besluit te nemen?
De score hoeft niet perfect te zijn. Hij moet consistent genoeg zijn om te voorkomen dat het team elke extra order even waardevol vindt.
Scenario 1: het Amazon-cohort dat efficiënt leek, maar lage kwaliteit had
Stel: een merk in home fitness verkoopt weerstandsbanden via Amazon.de, Shopify en bol.com. In augustus levert Amazon.de 720 orders op voor de hero-set van €34,95. Het advertentiedashboard ziet er netjes uit: €7.200 ad spend, €25.164 toegeschreven omzet en 28,6% ACOS. De e-commercemanager noemt het een schaalbare winnaar.
De order quality scorecard vertelt iets anders. De landed cost is €9,40. Amazon referral en fulfilment kosten gemiddeld €10,75. Coupons voegen €2,00 per order toe. Het verwachte retourpercentage is 13%, met €2,80 retourverwerking per geretourneerde unit. Na toegerekende ad spend blijft er nog maar €1,90 contributiemarge per order over, vóór support en storage. Erger nog: 41% van de orders kwam uit branded zoekopdrachten waarop het product organisch al in de top twee stond.
Vergelijk dat met Shopify. Hetzelfde product verkoopt 310 keer voor €36,95. Meta-retargeting en e-mailkosten voor dit cohort zijn samen €2.480. Fulfilment en payment fees liggen €1,60 per order hoger dan bij Amazon, maar retouren zijn slechts 6% en de gemiddelde bundle attach rate voegt €8,20 omzet toe. De contributiemarge komt uit op €7,40 per order.
Kijk je alleen naar orders, dan wint Amazon met 720 tegen 310. Kijk je naar contributie, dan maakt Shopify ongeveer €2.294 en Amazon ongeveer €1.368. Trek je daarna de lage incrementaliteit van branded Amazon-spend mee, dan hoort de volgende euro niet automatisch naar Amazon te gaan. Waarschijnlijk werkt hij harder in Shopify-retentie, in Amazon non-brand termen met strengere bid ceilings, of op bol.com waar dezelfde productfamilie schonere organische vraag heeft.
Hier helpt FiveX heel concreet: het platform koppelt marketplace-sales, ad spend, SKU-marge, refunds en productwinstgevendheid in één overzicht, zodat teams zien of een groter ordercohort ook echt een beter cohort is.
Scenario 2: de bol.com-actie die orders won en de week verloor
Neem nu een Belgisch keukenmerk met een roestvrijstalen lunchbox op bol.com en Amazon.nl. Het team draait een bol.com-actie: de prijs zakt zeven dagen van €29,95 naar €24,95, Sponsored Products-spend stijgt van €45 naar €130 per dag en de listing krijgt via LVB een betere leverbelofte. Orders springen van 28 naar 74 per dag. Op het eerste gezicht: prachtig.
Maar de scorecard markeert drie problemen. Eén: de actie verlaagt de brutomarge met €5 per unit terwijl Sponsored Products €3,10 per order toevoegt. Twee: de snellere sell-through brengt de voorraaddekking van 38 dagen naar 11 dagen. Drie: 180 units waren eigenlijk gereserveerd voor een retailerlaunch in Frankrijk in de week erna. De actie creëerde dus niet alleen bol.com-orders. Hij verbruikte ook keuzevrijheid.
De rekensom is pijnlijk. De promo levert 322 incrementele orders op. Na commissie, fulfilment, korting en ad spend draagt elke extra order €0,85 bij. Totale incrementele contributie: ongeveer €274. Maar voorraad per luchtvracht aanvullen om de Franse launch te beschermen kost €1.120. Doet het merk dat niet, dan mist de Franse launch de eerste twee weken beschikbaarheid en verliest sales leverage richting de retailer.
Het orderkwaliteitsoordeel is simpel: hoog volume, lage kwaliteit. Niet omdat bol.com slecht is. Maar omdat dit specifieke ordercohort met korting, ad support en schaarse voorraad op het verkeerde moment werd verkocht.
FiveX-producthook twee zit precies hier: voorraadbeheer en inventory insights horen naast kanaalanalytics te staan. Een promotie beoordeel je niet alleen op orders, ROAS of omzet. Je beoordeelt of dit ordercohort deze voorraad deze week mocht gebruiken.
Scenario 3: de TikTok Shop-piek die Amazon hielp en het rapport verwarde
Een beautymerk start in Spanje een TikTok Shop creator push. De creatorcommissie is 15%, de seller-funded voucher is €4 en de uitgelichte skincare-set kost €39. De campagne levert in vijf dagen 480 TikTok Shop-orders op. Tegelijk stijgt branded search op Amazon.es en verkoopt Amazon 210 extra units zonder dat de bids veranderen.
Het kanaalrapport veroorzaakt meteen klein kantoordrama. TikTok claimt de vraag. Amazon claimt de sales. Finance ziet verschillende marges. Marketing wil meer creatorbudget. Operations klaagt dat customer service-vragen verdubbelen omdat TikTok-kopers andere vragen stellen dan Amazon-klanten.
De order quality scorecard haalt de emotie eruit door het signaal te splitsen. TikTok Shop-orders hebben €3,60 contributiemarge na commissie, voucher, fulfilment en verwachte refunds. Amazon-halo-orders hebben €8,90 contributiemarge, maar slechts 60% van de lift telt als incrementeel omdat branded demand anders deels ook was ontstaan. De gecombineerde campagne werkt dus wel, maar niet zoals het TikTok-dashboard suggereert.
De volgende beslissing is niet “TikTok opschalen” of “Amazon won”. De beslissing is: creatorbudget maximeren op €3.000, de landingsroute sturen naar het kanaal met genoeg voorraad, de seller-funded voucher met €1,50 verlagen en Amazon branded ad cannibalisation monitoren tijdens de volgende creatorwave.
FiveX helpt door marketplace-, advertising- en operationele data te verbinden, zodat cross-channel halo geen vergadering wordt over wiens dashboard de credit verdient.
Zo bouw je de scorecard zonder spreadsheet-theater
Begin klein. Pak je twintig grootste SKU-kanaalcohorten uit de afgelopen dertig dagen. Probeer niet op maandagochtend je volledige BI-stack opnieuw uit te vinden. Score elk cohort van 1 tot 5 op de zes dimensies: marge, retourrisico, fulfilmentdruk, acquisitiekwaliteit, cash timing en databetrouwbaarheid. Vermenigvuldig daarna met simpele wegingen.
Voor de meeste merken zou ik hiermee starten:
- 30% contributiemarge
- 20% refund- en retourrisico
- 15% fulfilment- en voorraaddruk
- 15% acquisitiekwaliteit
- 10% cash timing
- 10% databetrouwbaarheid
Een cohort met hoge omzet maar lage databetrouwbaarheid krijgt een plafond. Als Amazon-fees nog niet gereconcilieerd zijn, bol.com-retouren nog na-ijlen, TikTok-refunds openstaan of Shopify-kortingen rommelig zijn toegewezen, mag de orderscore geen groot budgetbesluit goedkeuren. Dat is niet voorzichtig doen om het voorzichtig doen. Het voorkomt dat onrijpe data volwassen commitments koopt.
De operatorregel die ik prettig vind: schaal alleen cohorten met een score van 75 of hoger, repareer cohorten tussen 55 en 74, en zet cohorten onder 55 in quarantaine tot de oorzaak duidelijk is. Schalen betekent meer ad budget, meer voorraad, meer listingwerk of meer promotiedruk. Repareren betekent prijs aanpassen, retourreden onderzoeken, ads opschonen, content verbeteren of fulfilment bijstellen. Quarantaine betekent: geen extra groeigeld tot de economie klopt.
Waar teams dit meestal verkeerd doen
De meest voorkomende fout is de scorecard te financieel en te laat maken. Als finance zes weken na de order een perfecte contributiemarge berekent, is het inzicht accuraat maar operationeel oud. Operators hebben snel een voorlopige score nodig en later een gereconcilieerde score.
De tweede fout is vergeten dat orderkwaliteit verandert per kanaalrol. Een lage-marge Amazon-order kan prima zijn wanneer hij tijdens launch een strategisch keyword verdedigt. Dezelfde marge kan onacceptabel zijn bij een volwassen SKU met stabiele organische ranking. Een eerste Shopify-order kan duur lijken maar aantrekkelijk worden zodra e-mail repeat purchase meetelt. Een TikTok Shop-order verdient misschien een lagere score totdat retourgedrag volwassen is.
De derde fout is werken met gemiddelden. Gemiddeld retourpercentage verbergt maat-, kleur-, bundel- en creatorproblemen. Gemiddelde marge verbergt kortingsorders. Gemiddelde ROAS verbergt branded search cannibalisatie. Multi-channel analytics wordt pas nuttig wanneer je de rommelige details lang genoeg bewaart om erop te handelen.
Wat je komende maandag kunt doen
Kies één productfamilie en bouw de eerste order quality scorecard. Trek de orders van de laatste dertig dagen uit Amazon, bol.com, Shopify of je belangrijkste kanalen. Voeg SKU-marge, kanaalfees, fulfilmentkosten, toegerekende ad spend, korting, verwacht retourpercentage, voorraaddekking en settlement timing toe. Stel daarna drie vragen in de weekmeeting:
- Welk ordercohort zouden we morgen opnieuw willen inkopen?
- Welk cohort zag er goed uit in omzet, maar faalde op kwaliteit?
- Welk kanaal verdient de volgende euro pas nadat één probleem is opgelost?
Dat gesprek is nuttiger dan nog een dashboardscreenshot. Het maakt van multi-channel analytics een winstgericht operating system.
FiveX is precies voor dit werk gebouwd: marketplace-integraties brengen data samen, profitability dashboards koppelen omzet aan kosten en marge, advertising analytics verbindt spend met commerciële uitkomsten en AI recommendations helpen teams zien welke cohorten actie nodig hebben voordat de maandrapportage klaar is. Het doel is niet meer data bewonderen. Het doel is betere orders inkopen.
Meer orders zijn leuk. Betere orders betalen de rekeningen.