Vorige keer schreef ik over de Villain Keyword flow — een wekelijkse n8n-workflow die automatisch irrelevante zoektermen in Google Ads identificeert en uitsluit. Taalmismatches, productmismatches, materiaalfouten: alles wat niks met je aanbod te maken heeft, wordt eruit gefilterd voordat je er geld aan besteedt.
Die flow werkt goed. Maar er bleef een blinde vlek: zoektermen die wél relevant lijken, maar gewoon niet converteren. Generieke queries die €50+ kosten zonder een enkele conversie. Termen waar je CPA structureel 2x hoger ligt dan je benchmark. Die bleven onder de radar.
Dus hebben we V2 gebouwd. Een monthly performance check die bovenop de weekly relevantiefilter werkt. Het resultaat? Minder geld aan dure underperformers, snellere optimalisaties en een systeem dat leert van eerdere beslissingen per campagnetype. 💡
Waarom relevantie en performance gescheiden moeten blijven
Het was verleidelijk om alles in één flow te gooien. Waarom niet gewoon wekelijks zowel relevantie als performance checken? Maar dat bleek een slecht idee, en wel hierom:
Een materiaalmismatch blijft een mismatch, ongeacht conversies. Als iemand zoekt naar 'aluminium product X' en jij verkoopt alleen staal, dan wil je die zoekterm uitsluiten — zelfs als er toevallig een conversie uit komt. Het is niet schaalbaar, niet duurzaam, en het vervuilt je data.
Performance daarentegen heeft tijd nodig. Een zoekterm die in week 1 nul conversies oplevert, kan in week 3 ineens goed presteren. Je wilt niet te snel uitsluiten op basis van te weinig data. Vandaar: weekly voor relevantie, monthly voor performance.
Door deze scheiding houden we de logica clean. De weekly flow focust puur op: klopt dit überhaupt? De monthly flow kijkt: oké, het klopt wel, maar is het de moeite waard?
Hoe de monthly performance check werkt
Elke maand draait er een aparte n8n-workflow die alle zoektermen van de afgelopen 30 dagen analyseert. We filteren op drie criteria:
- €50+ spend zonder conversies: Generieke zoektermen die veel impressies en clicks genereren maar niks opleveren. Denk aan 'goedkope producten' of superbrede categorietermen.
- CPA >2x benchmark: Termen die wél converteren, maar structureel te duur zijn. Als je benchmark-CPA €30 is en een zoekterm levert consistent €70+, dan is dat geen winnaar.
- Voldoende datapunten: We sluiten alleen uit als er minimaal 100 clicks zijn geweest. Anders is de sample size te klein en risiceer je valse negatieven.
Deze data halen we via de Google Ads API, we verrijken het met campagnemetadata (type, doelgroep, productcategorie) en sturen het naar Claude. Die analyseert de context en geeft per zoekterm een aanbeveling: uitsluiten, monitoren of behouden.
Claude als decision layer — en waarom dat werkt
We hadden dit kunnen hardcoden. Een simpele if/else: spend >50 en conversies = 0? Uitsluiten. Maar dat mist nuance. Soms is een zoekterm generiek maar strategisch waardevol omdat het brand awareness drijft. Soms ligt de CPA hoog maar is de customer lifetime value dat waard.
Daarom gebruiken we Claude als decision layer. We geven de LLM:
- De zoektermdata (spend, conversions, CPA)
- Campagnecontext (Shopping, Search, Performance Max)
- Historische beslissingen uit Airtable (hebben we vergelijkbare termen al eerder uitgesloten?)
- Benchmarks per productcategorie
Claude beoordeelt of uitsluiten logisch is en geeft een reasoning. Die reasoning loggen we terug naar Airtable, zodat we een feedbackloop hebben. Over tijd leert het systeem welke patronen per campagnetype spelen.
Voorbeeld: in Shopping-campagnes zien we vaak dat generieke termen zoals 'productnaam kopen' hoge spend hebben maar lage conversie, omdat de concurrentie daar moordend is. Die sluiten we uit. In branded Search-campagnes daarentegen willen we juist alles binnenhouden, ook als de CPA iets hoger ligt, omdat het defensief bidding is.
Multi-client templates voor snellere uitrol
De eerste versie van deze flow bouwden we voor één klant. Werkte prima. Maar toen we het voor een tweede account wilden uitrollen, merkten we hoeveel handmatig aanpassen er nodig was. Verschillende campagnestructuren, andere naming conventions, afwijkende benchmarks.
Dus hebben we templates gemaakt. Een standaard n8n-workflow die je kunt dupliceren en in tien minuten configureert voor een nieuw account. Je vult de Google Ads API-credentials in, stelt je CPA-benchmarks in, koppelt je Airtable-base en de automation draait.
We gebruiken Airtable als config layer. Per klant een regel met hun specifieke instellingen: welke campagnes moeten worden gemonitord, wat is de spend threshold, wat is de benchmark-CPA. De n8n-workflow leest die config en past zich automatisch aan.
Hierdoor kunnen we deze flow nu binnen een uur live zetten voor nieuwe klanten. Geen maatwerk meer, gewoon een gestandaardiseerd proces dat schaalt.
Feedbackloop: het systeem leert van eerdere beslissingen
Het mooiste aan deze setup is dat het niet statisch is. Elke keer dat Claude een aanbeveling doet — uitsluiten, monitoren, behouden — loggen we dat in Airtable. Inclusief de reasoning, de campagnecontext en uiteindelijk de uitkomst (hebben we het advies opgevolgd? Wat was het effect?).
Die historische data sturen we mee in de volgende monthly run. Zo kan Claude zien: vorige maand adviseerden we zoekterm X uit te sluiten in Shopping-campagne Y, en dat werkte goed. Nu zien we een vergelijkbaar patroon bij zoekterm Z — waarschijnlijk ook uitsluiten.
Dit is geen volledige machine learning-loop, maar het komt in de buurt. Het systeem bouwt institutional knowledge op per campagnetype en per klant. En omdat we Claude gebruiken in plaats van een klassiek ML-model, hoeven we niet duizenden datapunten te trainen. De LLM begrijpt context out of the box.
Wat je nodig hebt om dit zelf te bouwen
Deze automation klinkt complex, maar de bouwblokken zijn overzichtelijk:
- n8n: Voor de workflow automation. Je kunt de cloudversie gebruiken of self-hosted draaien.
- Google Ads API-toegang: Je hebt developer access nodig om zoektermdata op te halen. Eenmalige setup, daarna automatisch.
- Airtable: Voor het opslaan van zoektermen, beslissingen en config per klant. Je kunt ook Google Sheets of een database gebruiken.
- Claude API: Voor de AI-gedreven analyse en aanbevelingen. Je betaalt per API-call, komt neer op een paar euro per maand per account.
- Tijd voor setup: Verwacht een dag of twee voor de eerste werkende versie, daarna een paar uur om te fine-tunen op basis van feedback.
Als je al de weekly Villain Keyword flow hebt draaien, is de monthly performance check een relatief kleine toevoeging. Je hergebruikt veel van dezelfde infrastructuur.
Resultaten: minder verspilde spend, sneller optimaliseren
Sinds we V2 live hebben, zien we twee grote verbeteringen:
Minder geld aan dure underperformers. De monthly check vangt zoektermen die de weekly flow mist — termen die relevant lijken maar gewoon niet renderen. Dat scheelt honderden euro's per maand aan verspilde spend, afhankelijk van accountgrootte.
Sneller reageren op shifts. Soms verschuift zoekgedrag of verandert de concurrentie. Een zoekterm die drie maanden geleden nog goed presteerde, kan ineens te duur worden. Door maandelijks te checken vang je dat op voordat je er te veel geld aan kwijt bent.
En misschien wel het belangrijkste: je hoeft dit niet meer handmatig te doen. Geen wekelijkse exports uit Google Ads, geen uren zoektermen doorlopen in spreadsheets. De workflow draait, identificeert, adviseert. Jij beslist alleen nog of je het advies opvolgt. Human in the loop, maar zonder de zware lifting.
Wat nu? V3 is al in de maak
We zijn niet klaar. V3 gaat zich richten op proactive keyword exclusion — het voorspellen van zoektermen die waarschijnlijk gaan underperformen, voordat je er geld aan uitgeeft. Denk aan: clustering van zoektermen op basis van historische patronen, en die clusters preëmptief uitsluiten in nieuwe campagnes.
Maar dat is een verhaal voor later. Voor nu: als je verantwoordelijk bent voor Google Ads en je wilt minder tijd kwijt zijn aan handmatige zoektermanalyse, is automation de enige logische route. Weekly check op relevantie, monthly check op performance. Gescheiden logica, betere resultaten.
Wil je dit ook voor jouw Google Ads accounts?
Of je nu zelf SEA-specialist bent of een team aanstuurt dat dagelijks met Google Ads werkt — dit soort workflow automation bespaart wekelijks uren en voorkomt verspilde budgetten. Bij Digital Raise bouwen we regelmatig dit type AI-gedreven workflows voor klanten die hun advertising op de automatische piloot willen zetten zonder controle te verliezen.
Benieuwd hoe zo'n geautomatiseerde keyword exclusion flow eruitziet voor jouw situatie? Of wil je sparren over andere manieren om je Google Ads-beheer slimmer te maken? We denken graag met je mee. Neem contact met ons op en we bespreken samen wat de mogelijkheden zijn — zonder verplichtingen, gewoon kijken waar de grootste winst zit.
.png){kind=small}
