Stel je voor: een gedeelte van je Google Ads-budget gaat naar zoektermen die slechts 0,4% van je conversies opleveren. En je hebt het niet eens door. Dit zijn de villainkeywords. Ze zien er levend uit (ze genereren clicks, kosten, soms zelfs een sporadische conversie), maar eigenlijk zuigen ze je budget leeg zonder échte waarde te leveren. In grote e-commerceaccounts met BROAD match-campagnes sluipen deze villains steeds vaker binnen. Handmatig opsporen? Tijdrovend. Zeker als je wekelijks te maken hebt met duizenden nieuwe zoektermen.
Wij hebben daar een oplossing voor gebouwd: een geautomatiseerde n8n-workflow die wekelijks zoektermen in Google Ads analyseert met een LLM, villainkeywords identificeert en automatisch uitsluit na akkoord van de campagne manager.
Waar je voorheen zelf uren zat te analyseren en afwegingen moest maken (“is dit een slechte zoekterm of niet?”), neemt de workflow nu het grootste deel van dat denkwerk over. Jij hoeft alleen nog te controleren.
Het resultaat na drie weken? Ruim €5.000,- aan waste geïdentificeerd en geprojecteerd wat resulteerd in €89.000 jaarbesparing.
Laat me je meenemen in waarom we dit hebben gebouwd, hoe het werkt, en wat de concrete impact is voor SEA-specialisten die genoeg hebben van budgetverbranding.
Het probleem: BROAD match pusht meer ruis je account binnen
Google pusht steeds harder op BROAD match en automatische biedstrategieën. Dat kan werken, maar het heeft een keerzijde: je krijgt ook meer irrelevante zoektermen binnen die wél clicks en budget kosten, maar nauwelijks converteren.
In een klein account kun je dat nog handmatig bijhouden. Check wekelijks je zoektermen, sluit de rommel uit, klaar. Maar zodra je account groeit – meer budget, meer campagnes, meer producten – wordt dit een nachtmerrie. Je hebt te maken met duizenden zoektermen per week. Welke zijn echt slecht? Welke hebben gewoon pech gehad en verdienen nog een kans?
Dat zijn precies de vragen waar normaal het meeste denkwerk in zit — en waar je als specialist de meeste tijd aan kwijt bent.
Handmatig analyseren kost uren, en vaak doe je het daarom maar eens per maand in plaats van wekelijks.
En intussen? Branden die villainkeywords vrolijk je budget op. Dag na dag, week na week.
Waarom we dit hebben geautomatiseerd?
We zagen dit gebeuren in meerdere e-commerceaccounts die we beheren. Grote budgetten, agressieve groeidoelstellingen, en Google die steeds meer verkeer pusht. De oude methode – handmatig zoektermen reviewen – schaalde niet meer.
We wilden een systeem dat:
• Wekelijks automatisch alle zoektermen analyseert zonder menselijke input.
• Slim genoeg is om context te begrijpen (niet alleen CPA, maar ook: past deze zoekterm bij het product?).
• Transparant is (geen black box, we willen zien waarom iets wordt uitgesloten).
• Veilig is (niet zomaar alles automatisch uitsluiten, maar met een approvalstap).
• Schaalt naar meerdere accounts zonder extra werk.
Kort gezegd: een systeem dat niet alleen het werk uitvoert, maar ook het denkwerk grotendeels overneemt.
De oplossing? Een n8n-automationworkflow met LLM-intelligentie en Airtable als datalaag.
Hoe de workflow werkt: twee processen die samen het zware werk doen
De workflow bestaat uit twee delen die op vaste momenten draaien. Deel één identificeert villains, deel twee voert de uitsluitingen door. Laat me je door beide processen leiden.
Proces 1: villain-identificatie (elke dinsdag)
Elke dinsdagochtend start de flow automatisch. Hier is wat er gebeurt:
Stap 1: Data ophalen uit Google Ads API
De workflow haalt alle zoektermen van de afgelopen week op via de Google Ads API. We kijken naar metrics als impressions, clicks, conversions, cost en CPA. Ook halen we de bijbehorende campagne- en ad group-informatie op, zodat we context hebben. Deze zoektermen worden middels een Google Ads script opgehaald wat in sommige gevallen beter werkt dan een http request in een n8n workflow.
Stap 2: Deduplicatie en filtering
Zoektermen die al eerder zijn beoordeeld (goedgekeurd of uitgesloten), worden eruit gefilterd. We willen niet steeds dezelfde zoekterm opnieuw analyseren. Ook filteren we zoektermen die te weinig data hebben (minder dan 'X' clicks) – die krijgen het voordeel van de twijfel.
Stap 3: LLM-analyse voor contextueel begrip
Nu komt het slimme deel. Elke zoekterm wordt door een LLM-chain gestuurd (wij gebruiken GPT-4) die beoordeelt of het een villain is.
In plaats van dat een specialist deze afweging maakt, doet de LLM dit nu op basis van data én context. Het model redeneert als het ware met je mee en neemt het grootste deel van de analyse uit handen.
De LLM krijgt niet alleen de metrics, maar ook context: wat is het product, wat is de gemiddelde CPA van het account, past deze zoekterm bij de intentie?
Bijvoorbeeld: een zoekterm "goedkope hardloopschoenen" met een CPA van €40 in een account waar de gemiddelde CPA €18 is, maar met nul conversies na 50 clicks? Villain. Een zoekterm "nike hardloopschoenen kopen" met een CPA van €25 en drie conversies? Niet perfect, maar ook geen villain – die krijgt meer tijd.
De LLM geeft per zoekterm een oordeel: villain (uitsluiten) of OK (behouden).
Stap 4: Opslaan in Airtable met taak in ClickUp
Alle geïdentificeerde villains worden opgeslagen in een Airtable-base. Elke record bevat de zoekterm, metrics, het LLM-oordeel inclusief reasoning, en een status (pending approval). Tegelijkertijd wordt er een taak aangemaakt in ClickUp voor het SEA-team: "X villainkeywords gevonden, review en approve."
Dit is de veiligheidslaag. We sluiten niet zomaar automatisch alles uit. Een mens checkt of de LLM het bij het juiste eind heeft.
Maar in plaats van zelf analyseren, zit je nu in de rol van reviewer: je valideert beslissingen in plaats van ze vanaf nul te maken.
In de praktijk keurt ons team 95% gewoon goed, maar die 5% edge cases wil je niet automatisch laten gaan.
Proces 2: Automatische uitsluiting (elke vrijdag)
Als de villains zijn goedgekeurd, draait elke vrijdagochtend het tweede proces:
Stap 1: Ophalen goedgekeurde uitsluitingen
De workflow haalt alle records uit Airtable op met status "approved for exclusion". Dit zijn de zoektermen die door het team zijn goedgekeurd om uit te sluiten.
Stap 2: Uitsluiten via Google Ads API
Voor elke zoekterm wordt een API-call gedaan naar Google Ads om deze toe te voegen als negative keyword op campagne- of ad group-niveau (afhankelijk van de scope). De API handelt dit in bulk af, dus ook als het om honderden zoektermen gaat, duurt dit maar een paar seconden.
Stap 3: Status updaten in Airtable en ClickUp
Zodra een zoekterm succesvol is uitgesloten, wordt de status in Airtable geüpdatet naar "excluded" met een timestamp. Ook wordt de bijbehorende taak in ClickUp automatisch afgesloten. Alles blijft overzichtelijk en traceerbaar.
Het hele proces draait nu al weken op de achtergrond. Elke dinsdag krijgen we een overzicht van nieuwe villains, we reviewen ze kort, en elke vrijdag worden ze automatisch uitgesloten.
Totale tijdsinvestering per week? Ongeveer 15 minuten review. Niet omdat er minder werk is, maar omdat het denkwerk al gedaan is. Vroeger waren we hier uren per week mee bezig. 🚀
Resultaten week 9 t/m 11: de cijfers liegen niet
Na drie weken draaien hebben we de eerste resultaten geanalyseerd. En die zijn veelzeggend: €5.146,70 aan waste geïdentificeerd en uitgesloten.
Dit is het bedrag dat we in drie weken hebben bespaard door villainkeywords uit te sluiten bij één klant. Deze zoektermen hadden een gemiddelde CPA van €151,37 – dat is 8,4x hoger dan het accountgemiddelde van €18,02.
Een gedeelte van het budget ging naar 0,4% van conversies
De uitgesloten zoektermen vertegenwoordigden slechts 0,4% van alle conversies, maar slokten wel een percentage van het budget op. Een volstrekt onrendabele verhouding.
~261 extra conversies per 3 weken
Door het budget dat vrijkwam te heralloceren naar beter presterende zoektermen, genereerden we naar schatting 261 extra conversies in diezelfde periode. Zonder extra budget, puur door slimmer in te zetten wat we al uitgaven.
Geprojecteerde jaarbesparing: €89.000
Als we deze trend extrapoleren over een heel jaar (en de workflow blijft draaien), praten we over €89.000 aan waste die we tegenhouden. Dat is geld dat nu naar conversies gaat in plaats van naar irrelevante clicks.
Geschat ~4.500 extra conversies per jaar
Door continue optimalisatie en budgetrebalancing verwachten we ongeveer 4.500 extra conversies per jaar te genereren zonder het budget te verhogen. Dat is impact.
Waarom dit voor elk groeiend e-commerceaccount relevant is
Dit is niet alleen interessant voor mega-accounts. Zodra je maandelijks meer dan €10K-€15K spend in Google Ads en je werkt met BROAD of phrase match, heb je dit probleem waarschijnlijk ook. Je merkt het alleen niet, omdat die waste zich verstopt tussen alle andere zoektermen.
De automation schaalt mee. Of je nu €20K per maand spendeert of €200K, de workflow blijft hetzelfde. Het analyseert alles, identificeert villains, sluit ze uit.
En belangrijker: het neemt structureel het denkwerk uit handen dat normaal alleen maar toeneemt naarmate je account groeit.
De ROI wordt alleen maar beter naarmate je budget groter is.
En het mooie: eenmaal gebouwd, kun je deze workflow uitrollen naar meerdere accounts. We gebruiken dezelfde flow nu al voor vier verschillende klanten, elk met hun eigen Airtable-base en ClickUp-workspace. De investering betaalt zich razendsnel terug.
Wat je nodig hebt om dit zelf te bouwen (of te laten bouwen)
Als je dit zelf wilt opzetten, heb je een paar dingen nodig:
• n8n-account: Cloud of self-hosted, beide kunnen.
• Google Ads API-toegang: Je hebt developer access nodig tot je Google Ads-account om de API te kunnen gebruiken.
• LLM API: Wij gebruiken OpenAI's GPT-4, maar Claude of andere modellen kunnen ook.
• Airtable-account: Voor dataopslag en tracking. Kan ook Google Sheets zijn, maar Airtable is krachtiger voor dit soort workflows, aangezien je minder snel tegen limieten aanloopt.
• ClickUp of vergelijkbaar: Voor taskmanagement. Kan ook Asana, Notion of zelfs Slack zijn – zolang je maar notificaties krijgt.
• Tijd om te bouwen en testen: Reken op 1 tot 2 weken om de volledige flow op te zetten en te testen als je hier nog geen template voor hebt. Daarna draait het vanzelf.
Het vereist technische kennis, maar je hoeft geen developer te zijn. Als je begrijpt hoe API's werken en je kunt logisch nadenken over workflows, kun je dit opzetten. Of je laat het bouwen door iemand die dat wel kan 😉.
De toekomst: nog slimmer, nog autonomer
Wat we nu hebben werkt goed, maar we experimenteren al met verbeteringen. Denk aan:
• Voorspellende analyse: Kan de LLM voorspellen welke zoektermen waarschijnlijk villains worden voordat ze te veel budget verbranden?
• Dynamische drempelwaarden: In plaats van vaste CPA-limieten, automatisch aanpassen op basis van account-performancetrends.
• Automatische goedkeuring voor duidelijke gevallen: villains die extreem afwijken (10x hogere CPA, nul conversies na 100 clicks) hoeven misschien niet eens gereviewd te worden.
• Cross-account leren: Als een zoekterm in drie verschillende accounts een villain blijkt, kunnen we dat meenemen in de analyse voor nieuwe accounts.
AI-gedreven SEA-optimalisatie gaat niet meer weg. De vraag is of je er bovenop springt of blijft hangen in handmatig zoektermen reviewen.
Wil je dit ook voor jouw Google Ads-accounts?
Of je nu worstelt met stijgende kosten, dalende ROAS of gewoon het gevoel hebt dat er budget weglekt in je account: dit soort automations kunnen enorm veel impact hebben. Bij Digital Raise bouwen we dit soort workflows regelmatig voor onszelf en voor klanten, en we zien keer op keer hoeveel tijdwinst en betere resultaten het oplevert.Benieuwd wat de mogelijkheden zijn voor jouw situatie? Neem contact met ons op. We kijken samen naar je huidige Google Ads-setup, waar waste zich verstopt en hoe automations het verschil kunnen maken. Geen maandenlange trajecten, gewoon pragmatisch kijken wat werkt.
.png){kind=small}
