Google Ads automatiseren met Claude: 4 niveaus

In april gaf ik samen met een oud-collega een live demo: Google Ads-campagnes opzetten met Claude als kern van het proces. In ongeveer 40 minuten stonden er vier campagnes, met advertentiegroepen, zoekwoorden met volumes en CPC’s, complete responsive search ads met varianten om te testen, sitelinks, prijsextensies en uitsluitingszoekwoorden. Hetzelfde werk met de hand kost volgens mijn eigen schatting een dagdeel.

De snelheid vond ik minder interessant dan de vraag welke delen de machine deed en waar een mens nog moest ingrijpen. In een van de advertentieteksten stond een verkeerde duur van een training. Claude schreef het overtuigend op, en pas de review ving de fout.

Kun je Google Ads automatiseren met AI?

Ja, het uitvoeringswerk wel: zoekwoordonderzoek, campagnestructuur, advertentieteksten, uitsluitingszoekwoorden en rapportages. Dat werk is herhaalbaar en je kunt het meten. De keuzes erboven, zoals budget en prioriteit, blijven bij de marketeer.

De meeste AI-tools voor marketing hebben één zwakte: ze werken vanuit trainingsdata en niet vanuit jouw zoekvolumes en jouw resultaten. Dan krijg je generieke advertentieteksten zonder kennis van je klanten of je markt. De oplossing in de demo was simpel: koppel echte databronnen aan Claude, zodat het model met actuele cijfers werkt in plaats van met aannames.

Hoe werkt Claude met Google Ads?

Claude werkt met Google Ads via een stack van vier lagen, waarin elke laag één taak heeft:

1. Zoekwoorddata. Echte zoekvolumes per markt en CPC-schattingen komen uit de DataForSEO API. Claude hoeft dus niet te raden welke zoekwoorden goed zijn.
2. Structuur. Claude groepeert de zoekwoorden op intentie, stelt de campagnestructuur voor en schrijft per advertentiegroep meerdere RSA-varianten. Uitsluitingszoekwoorden haalt het uit de zoektermenrapporten.
3. Uitvoering. Een MCP-server verbindt Claude met de Google Ads API. Claude maakt de campagnes aan, laadt de advertenties in en koppelt de zoekwoorden, zonder exportbestanden of kopiëren en plakken tussen tools.
4. Monitoring. Via een tweede MCP-server leest Claude GA4-data. Elke week komt er een rapport met optimalisatievoorstellen in een Slack-kanaal.

Welk niveau van automatisering past bij je team?

Je hoeft die stack niet in één keer te bouwen. De demo onderscheidde vier niveaus, en elk niveau verandert iets anders aan je werk:

• L1, basis. Claude maakt een campagneplan op basis van een briefing of een zoekopdracht op het web. Jij zet het zelf in Google Ads. Het schrijfwerk verdwijnt, maar de zoekwoorden zijn nog een inschatting van het model.
• L2, datagedreven. Claude krijgt echte zoekwoorddata, via DataForSEO of een CSV-export. Het plan rust dan op volumes en CPC’s.
• L3, automatisch. Via de MCP-koppeling zet Claude de campagnes direct in je account. Het handmatige invoerwerk verdwijnt, en het model kan nu iets doen wat geld kost.
• L4, agentisch. De wekelijkse optimalisatie draait vanzelf: data ophalen, rapport naar Slack, voorstellen erbij. Een mens reviewt. De cyclus start zonder dat iemand op een knop drukt.

Mijn vuistregel: L2 is voor de meeste teams het beste startpunt. Het kost weinig, je leert hoe goed Claude structureert op jouw data, en er gaat nog niets live zonder een mens. Ga pas naar L3 als de plannen van L2 een paar weken nauwelijks correcties nodig hadden.

Wat beslist de marketeer nog zelf?

De marketeer beslist over budgetverdeling, geografische targeting, merkgevoelige zoekwoorden en welke producten of diensten voorrang krijgen. Dat zijn oordelen die kennis van het bedrijf vragen: welke marge een product heeft, in welke regio je kunt leveren, welke merknaam van een concurrent je niet wilt kopen.

In de demo moest de geografische targeting na afloop worden bijgesteld, en die verkeerde trainingsduur had zonder review live gestaan. Claude schrijft een advertentie die klopt met de pagina die het leest. Of die pagina actueel is, of het aanbod deze maand anders is, weet het niet. Iemand die het bedrijf kent, moet elke tekst met een claim erin lezen voordat hij live gaat.

De tool vervangt dus het uitvoeringswerk en laat de marketeer over. Dat is ook de reden dat een demo van 40 minuten nog geen systeem is dat maandenlang draait. Waarom dat verschil groot is, beschreef ik in Snelheid is geen kwaliteit.

Wie is eigenaar als L4 zelf optimaliseert?

Op L4 heb je één persoon nodig die de voorstellen goedkeurt en het budget bewaakt. Zonder die eigenaar lees je na een maand een Slack-kanaal met aanbevelingen die niemand meer opent, of erger, een account dat wijzigingen doorvoert die niemand heeft gezien.

In de demo-opzet draaide de MCP-server centraal voor het hele team, en voor de meeste teamleden alleen met leesrechten. Dat is een goed begin. Loop voor je naar L3 of L4 gaat deze lijst door:

• Eigenaar. Eén naam, geen afdeling. Die persoon keurt voorstellen goed en is aanspreekbaar als er iets misgaat.
• Schrijfrechten. Alleen de eigenaar en hooguit één vervanger mogen via Claude wijzigingen in het account doen. De rest leest mee.
• Budgetgrens. Een dag- of maandbudget dat Claude niet zelf mag verhogen.
• Voorstel voor wijziging. Aanbevelingen in Slack zijn voorstellen tot de eigenaar akkoord geeft. Pas als dat een paar maanden goed gaat, laat je kleine wijzigingen, zoals een nieuw uitsluitingszoekwoord, automatisch door.
• Vast reviewmoment. Eén keer per week, in de agenda, met het rapport ernaast.
• Controle op claims. Prijzen, doorlooptijden en productspecificaties in advertentieteksten worden altijd door een mens gecontroleerd.

Voor wie is dit?

Deze vorm van AI-marketingautomatisering werkt het best bij bedrijven waar de omzet door een digitale funnel loopt: e-commerce, marketingbureaus en marketingteams met een serieus advertentiebudget. Daar is campagnewerk herhaalbaar en zie je binnen dagen of een wijziging iets doet.

Campagnes en content maak ik zelf niet. Ik bouw de AI en de koppelingen onder het marketingwerk, rond campagnedata, analytics en klantdata in je CRM. Die achtergrond komt van Free Now in Hamburg, waar ik het marketing-datateam van drie naar zestien mensen bracht. Hoe ik met marketingteams en bureaus werk, staat bij mijn AI-bureau in Rotterdam.