Je neemt een webshop over vlak voor Black Friday. Waar begin je?

Stel: je neemt een snelgroeiende internationale webshop over. De huidige E-commerce Manager vertrekt terwijl Black Friday, Sinterklaas en Kerst eraan komen.

Er staat al een organisatie. Er zijn mensen voor bijvoorbeeld paid media, CRO, development, content, SEO en CRM. Sommige expertise zit intern, andere onderdelen worden door externe specialisten uitgevoerd.

Er zijn meerdere landen, campagnes, promoties, productcategorieën en commerciële doelstellingen.

Dan is mijn eerste vraag niet: 'Wat kunnen we verbeteren?' Maar: 'Wat moet ik begrijpen om deze operatie de komende maanden onder controle te houden?'

Dat verschil lijkt klein. Maar het bepaalt vrijwel alles wat daarna komt.

Wanneer de huidige E-commerce Manager nog beschikbaar is, heeft de overdracht prioriteit.

Systemen, dashboards en projectdocumentatie zijn belangrijk. Maar de meest waardevolle informatie staat vaak nergens gedocumenteerd. Het zit in iemands hoofd.

Ik wil daarom niet alleen weten wat er loopt, maar vooral waar de vertrekkende manager zelf dagelijks op let. Welke markt vraagt structureel extra aandacht? Welke rapportages zijn betrouwbaar — en welke niet helemaal? Welke promoties zijn al toegezegd? Waar dreigen voorraadproblemen? Welke beslissingen zijn uitgesteld, en welke afhankelijkheden zijn nergens vastgelegd?

“Als jij hier nog drie maanden zou blijven, wat zijn dan de vijf dingen waar je absoluut bovenop zou zitten?”

Dat antwoord vertelt mij vaak meer dan een uitgebreide projectlijst.

Het doel van een goede handover is niet alleen kennisoverdracht. Het is het blootleggen van verborgen afhankelijkheden en risico's voordat ze problemen worden.

Als de belangrijkste context duidelijk is, wil ik zo snel mogelijk één commerciële waarheid creëren. Niet vijf verschillende dashboards waarin ieder team zijn eigen werkelijkheid ziet.

Ik wil per markt minimaal kunnen sturen op:

Een target zonder forecast is voor mij onvoldoende.

Een hypothetisch voorbeeld: een markt heeft een maandtarget van €1 miljoen. Halverwege de maand zitten we op €430.000. Dat vertelt mij op zichzelf nog niet genoeg.

Op basis van het huidige tempo, geplande campagnes, promoties, voorraad en historische patronen kan de forecast bijvoorbeeld €920.000 zijn. Dan heb ik potentieel een gap van €80.000. Dat is interessanter, want nu ontstaat een managementvraag:

Waar komt die verwachte achterstand vandaan, en welk deel daarvan kunnen we nog beïnvloeden?

Ik wil niet aan het einde van november ontdekken dat een markt zijn target heeft gemist. Als de beschikbare data op 8 november al laat zien dat we waarschijnlijk achter gaan lopen, wil ik dat dan weten.

Daarom zou ik markten bijvoorbeeld indelen in:

Maar zelfs dan ga ik niet onmiddellijk optimaliseren. Eerst wil ik begrijpen waarom de afwijking ontstaat.

Een eenvoudige commerciële decompositie is:

Revenue = Traffic × Conversion Rate × Average Order Value

Dat model is niet ingewikkeld. De waarde zit in wat je ermee doet.

Stel dat Duitsland achterloopt op forecast, terwijl traffic (in dit voorbeeld) 8% boven verwachting ligt. Dan is 'meer traffic inkopen' waarschijnlijk niet mijn eerste reactie.

Ik wil verder kijken. Is CVR gedaald of AOV veranderd? Is de channel mix anders? Is mobile performance verslechterd? Zijn bepaalde hero-products uitverkocht? Is er een checkout- of paymentprobleem? Is paid traffic minder gekwalificeerd?

Relevante afwijkingen zou ik daarom verder kunnen uitsplitsen naar bijvoorbeeld land, kanaal, device, nieuwe versus terugkerende klanten, productcategorie en funnelstap.

Niet omdat ik zoveel mogelijk data wil bekijken. Juist niet. Ik zoek naar de kleinste set informatie waarmee ik kan verklaren waarom de commerciële uitkomst afwijkt.

In een grote e-commerceomgeving is er altijd iets dat beter kan. Dat betekent niet dat alles een prioriteit is.

Stel: een optimalisatie kan conversie potentieel verbeteren. Tegelijkertijd dreigt een belangrijke productcategorie tijdens Black Friday uitverkocht te raken. En er blijkt een probleem te zijn met een belangrijke betaalmethode op mobile. Dan zijn dat drie totaal verschillende commerciële risico's.

De vraag is niet: 'Welk backlog-item staat bovenaan?' De vraag is: 'Waar zit op dit moment de grootste verwachte businessimpact?'

Ik zou daarbij kijken naar een combinatie van:

Prioriteren is niet bepalen wat belangrijk is. Het is bepalen wat nú belangrijker is dan de rest.

Wanneer SEA, SEO, CRM, CRO, merchandising en development allemaal hun eigen dashboards gebruiken, ontstaat makkelijk lokale optimalisatie.

SEA ziet ROAS. CRM ziet e-mailomzet. CRO ziet conversie. Merchandising ziet productperformance. Operations ziet fulfilment. Finance ziet marge. Allemaal relevante perspectieven. Maar iemand moet het geheel verbinden.

Daarom wil ik één compacte commerciële Control Tower.

Met daaronder de commerciële drivers die de gap verklaren:

Niet ieder cijfer verdient iedere dag aandacht. De afwijkingen wel.

De Control Tower moet daarom geen verzameling KPI's zijn. Hij moet helpen bepalen: waar moeten we vandaag een beslissing over nemen?

Een dashboard zonder beslisritme is uiteindelijk alleen rapportage.

Bij substantiële advertisingbudgetten zou ik niet alleen kijken naar gemiddelde ROAS.

Stel, hypothetisch, dat een markt een ROAS van 5 draait. Is dat goed? Misschien. Maar de interessantere vraag is: wat gebeurt er als we de volgende €10.000 investeren? Levert die additionele investering voldoende incrementele omzet en marge op, of neemt de marginale efficiency snel af?

En kunnen we die extra vraag überhaupt bedienen? Misschien heeft een campagne ruimte om verder te schalen, maar zijn de belangrijkste producten bijna uitverkocht. Dan kan een uitstekend marketingbesluit operationeel een slecht bedrijfsbesluit worden.

Andersom kan een markt achterlopen op target, terwijl meer mediabudget weinig oplost omdat het probleem verderop in de funnel zit.

Daarom wil ik paid media verbinden met:

Waar levert de volgende euro het meeste commerciële resultaat op?

Meer omzet klinkt altijd positief. Maar als daarvoor kortingen sterk oplopen, acquisition costs stijgen, retourpercentages verslechteren of er vooral producten met lage marge worden verkocht, kan de businesscase achteruitgaan.

Daarom wil ik naast omzet ook begrijpen: wat kost deze groei en wat blijft ervan over?

Dat hoeft tijdens peak niet te betekenen dat iedere beslissing op maximale marge wordt gestuurd. Soms kies je bewust voor acquisitie. Soms voor marktaandeel. Soms voor voorraadrotatie. Soms voor winstgevendheid.

Maar dat moet een bewuste commerciële keuze zijn. Niet iets wat we pas achteraf in de cijfers ontdekken.

Een peak-readinessplan bestaat voor mij niet alleen uit deadlines. Voor ieder kritisch onderdeel wil ik minimaal weten:

Denk aan promoties, pricing, voorraad, merchandising, campagnes, CRM, tracking, checkout, payments, fulfilment, shipping deadlines en customer service.

Maar de interessantste vraag is: wat doen we wanneer het níét volgens plan verloopt? Wie mag een campagne pauzeren als een promotiecode niet werkt? Wat doen we wanneer een hero-SKU veel sneller uitverkoopt? Wie beslist over een kritieke production release, en wanneer wordt een technisch probleem geëscaleerd?

Dat soort beslissingen wil ik liever vóór Black Friday bespreken dan tijdens Black Friday.

Onder druk wil je beslissen, niet eerst uitzoeken wie mag beslissen.

Normaal gesproken wil je voortdurend testen en verbeteren. Tijdens peak verandert de verhouding tussen upside en risico. Een aanpassing die in september logisch is, kan eind november onnodig riskant zijn.

Daarom wordt de vraag: is de verwachte upside groot genoeg om het operationele risico nu te rechtvaardigen? Zo niet, dan kan stabiliteit waardevoller zijn.

Dat betekent niet dat je stopt met optimaliseren. Quick wins, merchandising, messaging, promotiepresentatie en laag-risico verbeteringen kunnen juist zeer waardevol zijn.

Wat goed werkt, laat ik tijdens peak liever staan totdat er voldoende reden is om het te veranderen.

In dit scenario zijn er al specialisten. Dat is een voordeel. Mijn taak als interim E-commerce Manager zou niet zijn om hun werk over te nemen.

Ik hoef geen betere SEA-specialist te zijn dan de SEA-specialist. Ik hoef niet zelf iedere CRO-test te bouwen. En ik hoef development niet te vertellen hoe code geschreven moet worden.

Mijn verantwoordelijkheid ligt ergens anders: zorgen dat de juiste expertise op het juiste commerciële probleem wordt ingezet.

Stel dat mobile CVR in Frankrijk plotseling verslechtert. Dan kan dat aanleiding zijn om CRO, development, analytics en eventueel paid media samen naar hetzelfde probleem te laten kijken. In plaats van dat ieder team zijn eigen backlog of sprint afwerkt, krijg je:

Dat is het verschil tussen specialisten hebben en specialisten gericht inzetten.

Als er al een junior E-commerce Specialist aanwezig is, zou ik diens rol juist duidelijk maken: dagelijkse checks, merchandising, product- en contentupdates, promo setup, QA, rapportagevoorbereiding en opvolging van operationele acties.

Dat geeft mij ruimte om me te richten op forecasting, analyse, prioritering, commerciële besluitvorming, stakeholders, externe partners, escalaties en roadmap.

Maar het werkt ook andersom. De junior krijgt context bij het werk. Niet alleen: 'Controleer dit iedere ochtend.' Maar: 'Dit controleren we omdat deze afwijking een vroege indicator is van dit commerciële risico.'

Een goede interim houdt de operatie niet alleen draaiende. Idealiter wordt de organisatie tijdens de opdracht ook sterker.

Tijdens een drukke commerciële periode wil ik voorkomen dat iedere afwijking leidt tot een ad-hocmeeting. Daarom hoort bij de Control Tower ook een duidelijke cadence.

De precieze vorm hangt af van de organisatie. Het principe niet: informatie moet leiden tot een beslissing, een eigenaar of een bewuste keuze om niets te doen.

Anders wordt reporting een doel op zichzelf.

In zo'n omgeving zie ik absoluut kansen voor AI en automatisering. Bijvoorbeeld bij anomaly detection, dagelijkse performance summaries, reviewanalyse, customer feedback, reporting en het categoriseren van issues.

Maar vlak voor peak zou ik niet ineens allerlei AI-projecten introduceren omdat het technisch interessant is. Dezelfde regel geldt: welk probleem lossen we ermee op?

Als een automatische anomaly alert ervoor zorgt dat een plotselinge conversiedaling uren eerder wordt ontdekt, is dat waardevol. Als een AI-dashboard vooral indrukwekkend oogt maar niemand er een andere beslissing door neemt, niet.

Technologie is voor mij een middel. Geen strategie.

Peak geeft enorme hoeveelheden commerciële informatie. Daarom zou ik na Q4 niet alleen vragen: 'Hebben we target gehaald?' Maar ook:

• Welke markten en producten dreven de groei?
• Welke promoties creëerden echte incrementele vraag?
• Welke kanalen brachten nieuwe klanten, en wat kostte die acquisitie?
• Wat gebeurde er met marge en retouren?
• Welke operationele problemen kwamen onder druk naar boven?
• Welke processen schaalden niet mee?

Want een recordomzet tijdens Black Friday zegt nog weinig over de kwaliteit van die groei. Als je duizenden nieuwe klanten hebt gekocht, wil je daarna weten: komen ze terug?

Daarmee verschuift de analyse van alleen transacties naar klantwaarde. En dat geeft input voor de volgende fase.

Dat voorkomt een roadmap met vijftig losse optimalisaties. De vraag wordt: welke paar initiatieven veranderen de commerciële uitkomst het meest?