Terug naar Blog
Google-Ads

Product-Ads correct segmenteren: Hoe je Merchant Center data gebruikt voor betere biedingen en prijsstrategieën

Shopping-campagnes op productniveau aansturen in plaats van blind bieden: Ontdek hoe je benchmark-prijzen, aanbiedingsprijzen en segmentatie uit het Merchant Center gebruikt om je ROAS systematisch te verhogen.

Andree Wendel · Gepubliceerd op 10. maart 2026
Product-Ads correct segmenteren

Product-Ads correct segmenteren

Hoe je Merchant Center data gebruikt voor betere biedingen en prijsstrategieën

Shopping-campagnes zijn voor veel e-commerce adverteerders het belangrijkste kanaal. Toch sturen de meesten hun product-ads aan op campagne- of hooguit productgroepniveau — en laten daarmee enorm potentieel liggen. Want Google biedt in het Merchant Center een schat aan data die bijna niemand systematisch benut: benchmark-prijzen, aanbevolen aanbiedingsprijzen, klikpotentieel en concurrentiegegevens.

In dit artikel laten we je zien hoe je deze data combineert met intelligente segmentatie om op productniveau betere biedingsbeslissingen te nemen, prijsstrategieën datagedreven te ontwikkelen en acties gericht in te zetten.

Waarom productsegmentatie de sleutel is tot winstgevende shopping-campagnes

De standaardinstelling in Google Ads behandelt alle producten gelijk: één bod, één budget, één strategie. Het probleem is evident — een bestseller met 15% marge heeft een compleet andere biedingsstrategie nodig dan een nicheproduct met 40% marge dat maar drie keer per maand wordt verkocht.

Productsegmentatie betekent dat je je producten op basis van performance- en attributgegevens in zinvolle groepen verdeelt en elke groep individueel aanstuurt. De meest gebruikte segmentatieassen zijn marge en winstgevendheid, prijspositie ten opzichte van de concurrentie, conversieratio en ROAS-historie, en productcategorie en seizoensgebondenheid.

💡

Vuistregel: Hoe gedetailleerder je segmentatie, hoe preciezer je kunt bieden. Maar te veel segmenten maken de aansturing onoverzichtelijk. Een goed startpunt zijn 4 tot 8 segmenten per account.

Product Performance Matrix in Firemetrix — ROAS vs. Impressions Scatter-Plot met kwadranten voor Performers, Underperformers, Growers en Ghosts
De Product Performance Matrix segmenteert producten automatisch naar ROAS en zichtbaarheid in vier kwadranten.

De goudmijn in het Merchant Center: Welke data Google je levert

Het Merchant Center is meer dan alleen de plek waar je je productfeed uploadt. Google verrijkt je producten met concurrentiegegevens die de meeste adverteerders volledig negeren. Maar juist deze data zijn de sleutel tot datagedreven beslissingen.

Benchmark-prijzen: Wat de concurrentie vraagt

Google toont je voor veel producten een benchmark-prijs — de gemiddelde prijs waartegen andere verkopers hetzelfde of een zeer vergelijkbaar product aanbieden. Deze informatie is goud waard, want ze vertelt je direct of je qua prijs concurrerend bent of niet.

Een product dat 20% boven de benchmark ligt, zal het in shopping-advertenties moeilijk krijgen — ongeacht hoe hoog je biedt. Omgekeerd kan een product dat flink onder de benchmark ligt, met agressievere biedingen een bovenproportioneel aandeel aan klikken en conversies winnen.

Firemetrix producttabel met benchmark-prijzen, ROAS en prijsverschil per product
De producttabel toont in één oogopslag: prijs, benchmark, ROAS en afwijking voor elk product.
📊

Voorbeeld: Je product kost € 49,90, de benchmark ligt op € 42,00. Je bent 19% duurder. In plaats van meer budget te investeren, zou je de prijs moeten aanpassen, een bundeldeal samenstellen of het bod verlagen en het budget omleiden naar producten met een betere prijsverhouding.

Aanbevolen aanbiedingsprijs: Googles pricing-hint

Naast de benchmark-prijs levert Google voor geselecteerde producten een aanbevolen aanbiedingsprijs. Deze is gebaseerd op het actuele concurrentielandschap en de geschatte vraag. De aanbevolen prijs is geen garantie voor meer verkopen, maar een sterk signaal waar de sweet spot tussen concurrentiekracht en marge ligt.

Bijzonder interessant wordt het wanneer je de aanbevolen aanbiedingsprijs vergelijkt met je eigen marge. Ligt de aanbevolen prijs boven je pijngrens? Dan heb je ruimte voor een actie. Ligt hij er flink onder? Dan is dit product mogelijk geen goede kandidaat voor agressieve shopping-campagnes.

Firemetrix productdetails met benchmark-prijs, aanbevolen aanbiedingsprijs en historisch prijsverloop
De productdetailweergave toont benchmark-prijs, actieprijs, aanbevolen aanbiedingsprijs en het historische verloop van alle metrieken.

Klikpotentieel en impressie-aandeel

Het Merchant Center laat je ook zien hoeveel zichtbaarheid je hebt in vergelijking met het maximaal mogelijke aandeel. Een laag impressie-aandeel bij een hoge conversieratio is een duidelijk signaal: hier loont het om het bod te verhogen. Een hoog impressie-aandeel bij een slechte ROAS daarentegen wijst op een prijs- of relevantieprobleem.


Van data naar beslissingen: 4 strategieën voor de praktijk

Strategie 1 — Prijspositie-gebaseerde biedingen

Verdeel je producten in drie groepen: onder de benchmark, op benchmark-niveau en boven de benchmark. Voor elke groep definieer je een eigen biedingsstrategie. Producten onder de benchmark krijgen agressievere biedingen, omdat de klikwaarschijnlijkheid en conversieratio doorgaans hoger zijn. Producten boven de benchmark krijgen conservatievere biedingen of worden in een aparte campagne met lager budget geplaatst.

📈

Benchmark-regel: Producten die 10%+ onder de benchmark-prijs liggen, hebben gemiddeld een 25–40% hogere klikfrequentie in shopping-advertenties. Benut dit voordeel met hogere biedingen.

Strategie 2 — Dynamische prijsaanpassingen vóór acties

De aanbevolen aanbiedingsprijs is bijzonder waardevol voor het plannen van sales en acties. In plaats van pauschal 20% korting op alles te geven, kun je gericht de producten in de aanbieding doen waarbij het verschil tussen jouw prijs en de aanbevolen aanbiedingsprijs het grootst is — daar waar de grootste hefboom zit.

De workflow: Exporteer de Merchant Center data, identificeer producten met een groot prijsverschil, bereken de minimale korting die nodig is om op of onder de aanbevolen prijs te komen, en zet precies deze producten in de actie. Zo maximaliseer je de impact bij minimaal margeverlies.

Strategie 3 — ROAS-segmenten met prijs-overlay

De klassieke segmentatie naar ROAS (top-performers, middenveld, underperformers) wordt aanzienlijk krachtiger wanneer je deze combineert met de prijspositie. Een product met lage ROAS en hoge prijs vergeleken met de benchmark heeft een duidelijk prijsprobleem. Een product met lage ROAS maar een eerlijke prijs heeft mogelijk een relevantie- of landingspaginaprobleem.

Deze twee-assige analyse helpt je de juiste maatregel te kiezen: prijs aanpassen, bod verlagen, advertentie optimaliseren of product uit de campagne halen.

Strategie 4 — Seizoensgebonden benchmark-verschuivingen benutten

Benchmark-prijzen zijn niet statisch. Vóór Black Friday, in de kerstperiode of bij seizoenswisseling verschuiven de prijzen in de hele markt. Wie deze verschuivingen vroegtijdig herkent, kan biedingen en prijzen proactief aanpassen in plaats van reactief achter de feiten aan te lopen.

Volg de benchmark-ontwikkeling van je topproducten wekelijks. Als benchmarks dalen, trekken concurrenten de prijzen aan — een signaal dat je ofwel mee moet gaan ofwel je budget moet verschuiven naar stabielere segmenten.

Het schaalbaarheidsprobleem: Waarom handmatige productaansturing grenzen kent

De beschreven strategieën klinken logisch en dat zijn ze ook. Maar in de praktijk stranden ze vaak op de enorme hoeveelheid: een typisch e-commerce account heeft honderden tot duizenden producten. De Merchant Center data handmatig exporteren, met performancegegevens koppelen, segmenten vormen en biedingen aanpassen duurt uren — en is volgende week alweer verouderd.

Voor bureaus die deze analyse voor meerdere klanten moeten uitvoeren, vermenigvuldigt de inspanning zich nog eens. Het gevolg: de meesten houden het bij een grove segmentatie en laten de gedetailleerde Merchant Center data onbenut.

Geautomatiseerde productanalyse met Firemetrix

Precies hier komt Firemetrix in beeld. Het platform importeert automatisch de Merchant Center data — inclusief benchmark-prijzen, aanbevolen aanbiedingsprijzen en concurrentiemetrieken — en koppelt deze aan de Google Ads performancegegevens op productniveau.

📊

Prijs-benchmark

Automatische vergelijking van je prijzen met de marktbenchmark voor elk product

🎯

ROAS per product

Performancemetrieken op individueel productniveau in plaats van campagneniveau

💰

Prijsstrategie

Identificeer producten met prijspotentieel op basis van benchmark en marge

In plaats van urenlang spreadsheets te vullen, zie je in één oogopslag welke producten qua prijs goed gepositioneerd zijn, welke een prijsprobleem hebben en waar een biedingsaanpassing of actie loont. De data worden automatisch bijgewerkt, zodat je segmentatie altijd actueel is.

Conclusie: Je productdata zijn de onderschatte performance-hefboom

De meeste shopping-adverteerders optimaliseren op campagne- of advertentiegroepniveau en missen daarmee de grootste hefboom: het productniveau. Google levert je via het Merchant Center waardevolle concurrentiegegevens — benchmark-prijzen, aanbevolen aanbiedingsprijzen, klikpotentieel — die je exact laten zien waar kansen liggen en waar je budget verspilt.

De combinatie van intelligente segmentatie en Merchant Center data maakt datagedreven biedingen mogelijk in plaats van onderbuikgevoel, gerichte prijsacties in plaats van pauschal kortingen, en een campagnestructuur die zich richt op de daadwerkelijke concurrentiepositie van elk afzonderlijk product.

Merchant Center data automatisch benutten — met Firemetrix

Firemetrix ontdekken
pmaxshoppingsegmentation