In dit artikel leggen de leden van de DDMA Commissie Digital Marketing Transformation uit wat full funnel marketing inhoudt en lichten zij een KPI-framework dat je praktisch kunt toepassen uit. Ook vind je in dit artikel do’s en dont’s én een succesvol praktijkvoorbeeld. Het artikel is ook verschenen op Emerce.
Van one-size-fits-all naar relevantie
De afgelopen jaren heeft er een shift plaatsgevonden van ‘one-size-fits-all’-achtige push-marketing naar een meer gesegmenteerde en gerichte aanpak. Consumenten zitten niet meer te wachten om advertenties te zien van een product of dienst van een bedrijf waar ze geen gebruik van zullen maken of niet mee geassocieerd willen worden. Sterker nog, het zorgt voor een negatieve merkassociatie met bedrijven die dit wel nog op deze agressieve manier aanpakken.
Capabele marketeers begrijpen dat het belangrijk is om product in de markt te zetten op een specifieke en relevante manier en duidelijk te maken waarom dit zo goed past in het leven van hun doelgroep. Het begrijpen van de mogelijke ‘customer journeys’ die een potentiële klant af kan leggen van bewustzijn naar aankoop is hiervoor een vereiste. Deze verschilt per persoon en per product of dienst. Zo ziet het aankoopproces van een keuken er heel anders uit dan het aankoopproces van een t-shirt.
Full funnel marketing
Nadat een potentiële klant het idee krijgt dat hij mogelijk je product zou willen aanschaffen, heeft hij vaak tijd nodig om zich te oriënteren. Als je jouw marketingstrategie benadert vanuit klantperspectief, dan realiseer je je dat een klant vaak niet direct een actie onderneemt zonder dit oriëntatieproces. Je marketingstrategie moet hier goed op aansluiten. Hoe zorg je ervoor dat een potentiële klant van jouw bedrijf afweet, zich oriënteert en uiteindelijk de aankoop bij jou doet?
Het antwoord is full funnel marketing. Een strategie waarbij je in elke fase van de journey relevant bent als bedrijf en hier ook de juiste kanalen en middelen inzet om je doelgroep te bereiken. Een wereld waarbij de communicatieafdeling een branding-campagne bedenkt en de online marketeers onafhankelijk een performance-campagne optuigen is dus verleden tijd. Het één gaat niet zonder het ander.
Om per fase van de customer journey te bepalen welke middelen en welke communicatieboodschap je gebruikt, zijn er een aantal gangbare modellen die je kunt gebruiken. Van de meer traditionele modellen zoals Touch, Tell, Sell tot moderne modellen als See, Think, Do, Care.
Dergelijke modellen dwingen marketeers om na te denken vanuit de klant. De vraag die centraal dient te staan is ‘Aan welke boodschap heeft mijn (potentiële) klant behoefte in deze specifieke fase van de customer journey en hoe zorg ik ervoor dat mijn boodschap in alle fases op elkaar aansluit?’ Dit laatste onderdeel is vaak onderschat, maar een logische opvolging in communicatieberichten is cruciaal voor het succes van een full funnel marketing-strategie.
KPI-framework voor full funnel marketing
Maar hoe weet je of je boodschap de juiste is en hoe optimaliseer je hierop? Wanneer je puur optimaliseert op performance dan zijn je KPI’s vaak duidelijk. Wanneer je optimaliseert op basis van de customer journey dan zijn er meer KPI’s waar je rekening mee moet houden. Essentieel hiervoor is een KPI-framework. Met een KPI-framework ben je in staat om per fase van de customer journey te bepalen voor welke metrics je optimaliseert en of je marketing inzet succesvol is geweest. Hieronder vind je een voorbeeld van een KPI-framework.
In het KPI-framework staat de belangrijkste KPI geformuleerd – in dit voorbeeld zijn dat leads – maar ook KPI’s die hier direct en indirect aan bijdragen. Elke fase in het model heeft zijn eigen KPI’s waarop gestuurd wordt. Marketing inzet in de See-fase wordt in dit geval bijvoorbeeld niet direct afgerekend op leads, maar wel op hoe er indirect aan wordt bijgedragen. De Care-fase is in dit voorbeeld niet meegenomen.
Do’s en don’ts voor full funnel marketing
Leuk, die theorie, maar hoe realiseer je nou daadwerkelijk een succesvolle full funnel marketingstrategie? Een aantal praktische tips:
Do’s
- Stel per fase (per KPI) een meetbaar target op. Begin vanuit je hoofddoelstelling en reken vervolgens terug wat dit betekent voor de doelstellingen van de fases hoger in de funnel. Zo kun je bijvoorbeeld je salesdoelstelling terugrekenen naar traffic en views.
- Speel in op de behoefte van de (potentiële) klant, afhankelijk van de fase waarin hij of zij zit en stem de content en boodschap hierop af.
- Zorg dat de boodschappen en uitingen voor de verschillende fases goed op elkaar aansluiten
- Hou bij het bepalen van de maximale CPA (Cost Per Acquistion, in de Do-fase) rekening met de initiatieven binnen de campagne die niet direct op sales worden afgerekend (maar wel kosten met zich meebrengen)
Don’ts
- Zorg dat plannen voor full funnel-campagnes niet per fase door verschillende teams worden uitgewerkt
- Focus je bij grootschalige performance-campagnes niet alleen op kanalen die direct converteren. Zonder de juiste aandacht voor upper- en midfunnel-initiatieven zul je waarschijnlijk je hoofddoelstelling niet halen.
- Denk niet dat al je (potentiële) klanten lineair door alle fases van de customer journey lopen, zoals jij het van tevoren bedacht hebt. Hou hier rekening mee in de boodschap in mid- en lowerfunnel-uitingen.
Full funnel marketing in de praktijk
Case: NS – Treinpakkers
De Treinpakkers-campagne van NS bestaat uit voordelige uitjes in combinatie met een treinticket, zoals musea, stedentrips, beurzen, dierentuinen en pretparken. Binnen deze grootschalige campagne worden verschillende marketingdoelstellingen nagestreefd, zoals het vergroten van de bekendheid van deze producten, het creëren van overweging voor het gebruik ervan en (uiteindelijk) de aankoop van de producten. Daarbij werden voorheen al wel verschillende uitingen en kanalen ingezet voor de verschillende marketingdoelstellingen, maar deze initiatieven sloten vaak niet goed op elkaar aan.
In de nieuwe full funnel marketing-aanpak is ervoor gezorgd dat dit veel meer op elkaar is afgestemd. Zo zijn er bijvoorbeeld in de See-fase dynamische video’s ingezet met algemene informatie over Treinpakkers. Consumenten die deze video hebben uitgekeken, kregen vervolgens enkele dagen later video’s en banners te zien met informatie over specifieke Treinpakkers-deals (Think-fase). Degenen die deze video’s uitkeken of klikten op de banners werden vervolgens geretarget met meer salesgerichte banners over een specifiek product (Do-fase).
Dit heeft onder meer geresulteerd in een significante stijging van Treinpakkers-aankopen en daling van de CPA van de ads die ingezet werden, vergeleken met eerdere campagnes die op een meer traditionele manier werden ingezet.
Hoe nu verder
Met het bovengenoemde framework, de do’s & dont’s en de voorbeeldcase kun je aan de slag met full funnel marketing. Ons advies: gewoon beginnen. Start klein en ga vervolgens aan de hand van inzichten langzaam campagnes uitbouwen, budgetten anders verdelen en je interne stakeholders meenemen. Dit zorgt voor een hogere ROI uit je marketinguitgaven, intern voor een goede teamspirit en natuurlijk meer relevantie richting jouw doelgroep. Want dat is wat je uiteindelijk wil bereiken: de klant altijd in de juiste context én op het juiste moment raken.
Op donderdag 5 maart organiseert de commissie Digital Marketing Transformation een Afternoon Update over de impact van marketplaces. Er zijn nog maar een paar plekken beschikbaar!
Incrementality Testing: Onmisbaar voor echte inzicht in mediawaarde
*de strategische waarde van Marketing Mix Modeling (MMM)
We laten zien waarom incrementaliteit een cruciale bouwsteen is binnen het MEM-framework, hoe het in de praktijk werkt en hoe het zich verhoudt tot MMM en Data Driven Attribution (DDA). Daarbij spreken we met Just Eat Takeaway, dat in 2024 meer dan 200 incrementaliteitstesten uitvoerde. Hun aanpak biedt concrete inzichten voor elke organisatie die effectiever, accurater en datagedreven wil sturen.
Wat is incrementality testing?
Incrementality testing klinkt technisch, maar het principe is eenvoudig. Zie het als het proeven van soep: je voegt niet meteen een kilo zout toe, maar een snufje. Door kleine, gecontroleerde aanpassingen te testen, ontdek je precies welk ingrediënt écht iets toevoegt.
In marketing betekent incrementaliteit letterlijk ‘de extra waarde’ van een kanaal of tactiek. Je verandert telkens één variabele en meet wat het effect is. Zo kun je eindelijk onderscheid maken tussen correlatie en causaliteit.
Waarom is incrementality testing belangrijk?
Incrementality testing beantwoordt de cruciale vraag: “Hoeveel extra omzet genereert dit mediakanaal werkelijk?”
Veel conversies die aan een kanaal worden toegeschreven, zouden ook zonder dat contactmoment hebben plaatsgevonden. Door middel van gecontroleerde experimenten ontdekken marketeers wat de werkelijke lift is. Dat maakt incrementality testing onmisbaar in budgetbeslissingen.
Het goede nieuws: je hoeft niet meteen groot te beginnen. Met één of twee testen leg je al een solide basis. In de praktijk wordt incrementality testing daardoor steeds vaker onderdeel van een volwassen MEM-aanpak.
De rol van incrementality testing binnen MEM
Geen enkele meetmethode is perfect. Daarom vormt incrementality testing een belangrijke aanvulling op MMM en DDA. In onze eerdere MMM-interviews met Rituals en Save The Children bleek dat veel organisaties nog zoeken naar de juiste verbinding tussen deze drie technieken.
Om die uitdaging beter te begrijpen, spreken we opnieuw met praktijkexperts—dit keer over hun ervaringen met incrementality testing binnen hun MEM-setup.
Interview met Just Eat Takeaway – Rico Stuijt, Principal Performance Measurement & Attribution
Hoe meten jullie de incrementele lift van mediakanalen en welke methoden gebruiken jullie?
Bij Just Eat Takeaway werden in 2024 meer dan 200 incrementaliteitstesten uitgevoerd, verdeeld over vier domeinen: budget, bidding strategie, creatives en targeting.
We gebruiken 3 methodologieen: in platform conversion lift studies, GEO-experimenten en een intent to treat op basis van onze eigen database.
De voorkeur gaat uit naar in-platform conversion lift studies. Deze maken gebruik van het ghost ad-principe: veilingen verlopen precies zoals normaal, maar pas na het winnen van een veiling wordt bepaald of de advertentie wel of niet wordt uitgeserveerd. Daarmee wordt de werkelijkheid zeer nauwkeurig nagebootst. Conversion lift studies bieden ook flexibiliteit in reporting niveau, looptijd en type response data. Maar het belangrijkste is dat je via deze methodologie gemakkelijk significante resultaten kan behalen. Dus ook met een lage marketing spend kun je al bruikbare informatie verkrijgen. Vergeet ook niet de resultaten te modelleren voor consent op je eigen platform. De MKT platformen kunnen resultaten van non consented gebruikers namelijk niet meten en meenemen in hun resultaten.
Bij geo-experimenten ben je nog steeds afhankelijk van marketing platformen. Niet voor het verkrijgen van de resultaten maar hoe accuraat de MKT platformen bepaalde gebieden kunnen targeten of kunnen uitsluiten van advertenties. Daarnaast moet je ook rekening houden met het bewegen van forenzen tussen control- en treatmentgebieden. In plaats van dit te corrigeren (wat voor veel adverteerders te lastig zou zijn), wordt deze realiteit meegenomen in de uitkomsten. Resultaten vallen daardoor conservatiever uit, maar zijn wél nog steeds realistisch.
Voor de intent to treat op basis van de eigen database sluit Just Eat Takeaway altijd circa 1% van de doelgroep uit in de marketing platformen. Dan vergelijken we het gedrag van deze controle group ten opzichte van de andere 99% gebruikers. Het leuke van deze manier is dat je ook de incrementality kan meten op de lange termijn (bijvoorbeeld 1 jaar of 2 jaar) en ook gemakkelijk meerdere kanalen kan combineren zoals dat bij geo-experimenten ook kan.
Hoe combineren jullie incrementality testing met MMM en DDA, en hoe gaan jullie om met conflicterende inzichten?
Just Eat Takeaway startte in 2020 met incrementaliteitstesten. De grote hoeveelheid data die sindsdien is verzameld, wordt gebruikt om zowel Multi Touch Attribution (MTA) als MMM-modellen te kalibreren.
Kalibratie gebeurt bewust in kleine stappen. Als MTA een kanaalwaarde van 10 laat zien, terwijl incrementaliteit op 5 uitkomt, wordt eerst naar 7,5 bijgesteld. Vervolgens wordt opnieuw getest en herijkt. Zo ontstaat een iteratief en betrouwbaar kalibratieproces.
Hoe hebben inzicht uit incrementality testing jullie budgetallocatie veranderd, en welke interne weerstand kwam daarbij kijken?
Incrementaliteitsinzichten hebben bij JET geleid tot stevige beslissingen: sommige kanalen zijn volledig stopgezet, terwijl andere uiteindelijk tien keer zoveel budget kregen.
Het advies: test in zoveel mogelijk kanalen. Alleen dan krijg je een eerlijk beeld van de werkelijke waarde die een kanaal toevoegt.
Wat zouden jullie anders doen als jullie opnieuw konden beginnen, en welke tips hebben jullie voor andere marketeers?
Rico is helder: “We zijn in 2020 gestart, maar als ik iets opnieuw kon doen, was ik nóg eerder begonnen.”
Zijn belangrijkste tip: Start zo snel mogelijk. Zelfs een matige beslissing gebaseerd op incrementaliteit is beter dan een ‘goede’ beslissing gebaseerd op last-click non-direct attributie.
Hedwich de Groot
Liridon Bejta
Ook interessant
Incrementality Testing: Onmisbaar voor echte inzicht in mediawaarde
AI-training op socials: geef je als bedrijfsaccount toestemming of niet?
DDMA Barometer 2025: The Dutch are reducing their digital media use, what does this mean for marketing in 2026?
turntwo
Motivatie lidmaatschap
Krisjan Oldekamp, mede-oprichter Turntwo:
DDMA is dé branchevereniging rondom marketing & data en sluit qua kennisgebied perfect aan bij de onderwerpen waar wij ons dagelijks voor onze klanten mee bezighouden. We zijn een groeiend bedrijf en op veel onderwerpen actief, dus we kijken uit naar een mooie samenwerking waarbij we onze kennis kunnen versterken, maar waarin we zelf ook een actieve bijdrage kunnen leveren.
Vacature: bureaumedewerker DDMA
Je voornaamste bezigheid is het ondersteunen bij het beheer van onze website, database en mail. We zoeken dan ook iemand die zichzelf snel tools eigen kan maken, zoals WordPress en Salesforce. Ook help je mee bij de organisatie van onze events en doe je andere kantoorgerelateerde klussen. Denk aan leuke attenties regelen en kantoorartikelen bestellen. Je werkt in een informeel, ambitieus en hecht team, aan het water in één van de gezelligste buurten van Amsterdam. Bijkomend voordeel is dat je in contact komt met de beste marketingexperts van Nederland, die in onze vereniging actief zijn (werkzaam bij organisaties als KLM, Dentsu, ING, KWF, Artis en VodafoneZiggo). Uiteraard krijg je een prima salaris.
Lijkt deze baan jou wat en ben je 1 a 2 dagen (flexibel in te delen) in de week beschikbaar? Stuur dan een mailtje naar loraineheijstek@ddm.nl. Vragen? Bel gerust naar 020 4528413.
Bij DDMA hechten we veel waarde aan een diverse samenstelling van ons team. Kandidaten die bijdragen aan onze diversiteit nodigen we nadrukkelijk uit te solliciteren.
Loraine Heijstek
Ook interessant
Vacature: bureaumedewerker DDMA
DDMA Barometer 2025: The Dutch are reducing their digital media use, what does this mean for marketing in 2026?
DDMA Barometer 2025: Nederlanders minderen digitaal mediagebruik, wat betekent dit voor marketing in 2026?
AI-training op socials: geef je als bedrijfsaccount toestemming of niet?
Twee verschillende dingen: AI-training versus AI gebruik
Allereerst is het belangrijk om onderscheid te maken tussen het trainen van de AI-modellen van platformen en zichtbaar worden in AI-functies.
- AI-training op content
Hierbij gebruikt een platform jullie posts om zijn AI-modellen slimmer te maken. Denk aan teksten, beelden, reacties en metadata die in datasets belanden voor modeltraining of fine tuning. Dit gebeurt meestal op basis van platformvoorwaarden en kan per regio verschillen. Meta is in de EU bijvoorbeeld weer gestart met training op openbare Facebook en Instagram content, met een bezwaaroptie op basis van gerechtvaardigd belang. - AI-functies die content tonen of citeren
Dit gaat niet om trainen, maar om het hergebruiken of samenvatten van bestaande content in AI-producten. Bijvoorbeeld een AI zoekassistent die jullie pagina noemt, of een gegenereerd antwoord waarin een post wordt aangehaald. Dat kan gebeuren ook als je niet expliciet toestemt met training, omdat het platform content mag indexeren of weergeven binnen de eigen dienst.
Het is belangrijk om dit onderscheid scherp te houden, want toestemming voor training is dus geen voorwaarde om zichtbaar te blijven in AI zoek of antwoordfuncties.
Levert toestemming geven meer bereik op?
Platformen koppelen hun AI-trainingsbeleid doorgaans los van hun ranking, bereik of advertentie algoritmes. Meta en LinkedIn gebruiken training vooral om hun modellen te ontwikkelen, niet om individuele accounts te belonen. Er is dus geen garantie dat meer content delen, of toestemming geven, leidt tot hogere posities in zoekresultaten of meer organisch bereik. In het kort: op dit moment is dit nog niet aantoonbaar.
Wat blijft:
Actieve en consistente content draagt bij aan autoriteit
Regelmatige zichtbaarheid, een herkenbaar merkverhaal, relevante interactie en aantoonbare expertise zijn duidelijke kwaliteitssignalen. Die signalen helpen de platformalgoritmes en externe zoekmachines om jullie account te zien als een betrouwbare bron binnen je niche.
E-E-A-T blijft leidend
Experience, Expertise, Authoritativeness, Trustworthiness. Dit begrip komt uit SEO maar sluit steeds meer aan op hoe generatieve systemen bronnen selecteren voor antwoorden (GEO).
Praktisch: blijf posten omdat het bijdraagt aan reputatie en vindbaarheid, niet omdat trainingstoestemming je extra bereik belooft.
Wat zijn de risico’s van toestemming voor AI-training?
Hier spelen drie soorten risico’s:
- Controleverlies over context
Eigen content kan terechtkomen in een trainingsset en later indirect terugkomen in outputs van anderen. Meestal geaggregeerd en niet letterlijk, maar soms wel herkenbaar. Je kunt niet volledig sturen hoe dat gebeurt. - Privacy en AVG-risico’s
Als posts persoonsgegevens bevatten (namen, foto’s, verhalen, bijzondere categorieën), dan kan AI-training een extra verwerkingsdoel zijn. Dat betekent dat daarvoor ook een grondslag nodig is. In de EU baseren platformen AI-training vaak op de grondslag gerechtvaardigd belang, maar dat ligt onder vuur omdat het bij platformen gaat om grootschalig hergebruik van persoonsgegevens gaat en mensen alleen kunnen bezwaar maken in plaats van vooraf toestemming te geven. Meta pauzeerde de trainingsplannen na ingrijpen van de Ierse toezichthouder DPC, en startte opnieuw vanaf 27 mei 2025 met een opt-out procedure en extra waarborgen onder blijvend toezicht van DPC. Voor LinkedIn geldt iets vergelijkbaars: gebruikers en pagina’s worden standaard meegenomen tenzij je opt out instelt. - Reputatie en governance
Zeker voor maatschappelijke organisaties kan het gevoelig liggen dat content bijdraagt aan commerciële AI-systemen. Het risico is niet alleen juridisch, maar ook perceptie: “helpen wij big tech trainen met verhalen of beelden van onze doelgroep?”
Foto’s met herkenbare personen: wat betekent dit voor quitclaims?
Juridisch verandert AI-training niets aan de basisregel: als iemand herkenbaar in beeld is, heb je meestal toestemming vanwege het privacyrecht en portretrecht van die persoon. Die toestemming cover je bijvoorbeeld met een quitclaim of toestemmingsformulier.
Wat wel verandert is de transparantie die je moet bieden. Het Europese onafhankelijk orgaan boven alle nationale privacytoezichthouders (de EDPB) benadrukt in haar AI-opinie dat betrokkenen duidelijk moeten weten voor welke AI-doeleinden hun data worden gebruikt en dat zij effectief bezwaar moeten kunnen maken.
Aanbevelingen:
- Voeg AI-training expliciet toe aan je quitclaim
Bijvoorbeeld: “Deze beelden kunnen ook door het platform worden gebruikt voor het trainen en verbeteren van AI-systemen van dat platform.” - Update je privacyverklaring
Leg uit dat social platforms mogelijk openbare content, inclusief foto’s, kunnen gebruiken voor AI-training en hoe betrokkenen daartegen bezwaar kunnen maken. - Hanteer dezelfde interne afweging als bij publicatie zelf
Als je het niet verantwoord vindt dat een foto publiek op Instagram staat, dan vind je het meestal ook niet verantwoord dat diezelfde foto in een AI trainingsset terechtkomt.
Hoe maak je als organisatie een keuze?
Een werkbare aanpak voor management en teams.
- Breng je contenttypen in kaart
- Informatieve posts zonder persoonsgegevens: laag risico
- Verhalen met doelgroepdata, casussen, quote cards, portretten: hoger risico
- Foto’s van kinderen of kwetsbare groepen: zeer hoog risico, extra terughoudend
- Kies per platform je default
- LinkedIn: controle via instellingen en beleid rond data delen met Microsoft AI. Overweeg opt out als je veel persoonsverhalen deelt.
- Meta (Facebook, Instagram): EU-training loopt voor openbare content met bezwaaroptie. Overweeg bezwaar voor accounts met gevoelige content.
- Leg de afweging vast
Zet in je privacybeleid:- wanneer je wel of geen toestemming geeft
- wie beslist
- hoe je opt out of bezwaar procedures uitvoert
- hoe je transparantie richting betrokkenen borgt
- Blijf werken aan autoriteit met E-E-A-T
- deel expertise vanuit eigen praktijk
- wees consistent in thema’s
- onderbouw claims met bronnen
- laat echte mensen van de organisatie zichtbaar zijn (met goede toestemming)
Conclusie
Content delen op social media blijft natuurlijk erg belangrijk voor zichtbaarheid en autoriteit. Maar toestemming geven voor AI-training levert nu geen direct voordeel op in bereik of vindbaarheid. Het is vooral een keuze over data governance, privacy en reputatie. Organisaties zullen dus interne afwegingen moeten maken hierover.
Wil je hierover sparren? Stuur dan gerust een mail naar legal@ddma.nl.
Allisha Hosli
Ook interessant
AI-training op socials: geef je als bedrijfsaccount toestemming of niet?
Wat de Digital Omnibus voor jou verandert: AVG (3/4)
Wat de Digital Omnibus voor jou verandert: Cookiewet (2/4)
DDMA Elite – Agentic AI
Tijdens deze Elite-sessie duiken we dieper in de actuele uitdagingen en kansen van Agentic AI en nodigen we je uit om mee te denken over de impact op organisaties en maatschappij.
Wat kun je verwachten?
Deze Elite-sessie biedt een interactief gesprek met een kleine groep experts. We behandelen onder andere:
- Use cases en status: Welke toepassingen van Agentic AI zien we al in de praktijk? Hoever zijn organisaties met implementatie?
- Innovaties en protocollen: Welke technologische doorbraken en standaarden ontstaan om autonomie van AI veilig en effectief te benutten?
- Eerste learnings: Wat zijn de belangrijkste inzichten uit pilots en vroege implementaties?
- Bedrijfs- en procesinrichting: Hoe richt je governance, compliance en operationele processen in voor Agentic AI?
Heb je zelf een onderwerp dat je wilt aandragen? Breng het gerust ter tafel.
Wat is een Elite?
Het doel van deze ‘Elite’ is om onderling kennis, inspiratie en ervaring te delen over de inzet van data en AI. Door te sparren, leren we van én met elkaar hoe we agentic systemen veilig en effectief kunnen toepassen.
Deze invite-only Elite is een initiatief van de Commissie Artificial Intelligence.. Heb je interesse om mee deel te nemen aan deze sessie? Mail dan naar [esmeraldameijer@ddma.nl](mailto:esmeraldameijer@ddma.nl).
Redmer Neiboer
Ook interessant
Incrementality Testing: Onmisbaar voor echte inzicht in mediawaarde
AI-training op socials: geef je als bedrijfsaccount toestemming of niet?