Hoe los je tegenvallende resultaten van Performance Max op?

Performance Max belooft maximale resultaten met minimale handmatige sturing, maar in de praktijk zien veel adverteerders juist tegenvallende prestaties: een ROAS die onder druk staat, stijgende kosten zonder extra omzet of leads van lage kwaliteit. 

Vaak voelt het alsof je “alles goed hebt ingesteld”, terwijl het algoritme toch de verkeerde kant op stuurt. Dat is geen toeval. Performance Max werkt alleen goed wanneer de input, doelen en context kloppen. Als één van die onderdelen ontbreekt, schaalt Google het verkeerde gedrag op.

In dit artikel leer je hoe je structureel achterhaalt waar Performance Max misgaat en wat je vervolgens concreet moet aanpassen. Niet door lukraak assets te wisselen of budget te verhogen, maar door eerst te begrijpen wat het algoritme leert, waarop het optimaliseert en waarom dat niet aansluit op je businessdoelen. 

Zo voorkom je dat je blijft optimaliseren aan symptomen en krijg je weer grip op rendement, winstgevendheid en schaalbaarheid.

Wanneer spreken we eigenlijk van tegenvallende Performance Max resultaten?

Tegenvallende resultaten betekenen niet automatisch dat Performance Max “faalt”. Het probleem ontstaat vaak doordat prestaties verkeerd worden beoordeeld. Veel adverteerders kijken uitsluitend naar ROAS of CPA, zonder te toetsen of deze cijfers ook iets zeggen over winst, leadkwaliteit of schaalbaarheid. 

Een Performance Max campagne kan er in Google Ads goed uitzien, terwijl hij in werkelijkheid marge opsoupeert of vooral bestaande merkzoekers bedient.

Concreet spreken we van tegenvallende resultaten wanneer één of meerdere van deze situaties zich voordoen:

• De ROAS is stabiel, maar winst of POAS daalt door lage marges, retouren of upsell die ontbreekt.
• Het conversievolume groeit, maar de kwaliteit van leads of orders neemt af.
• Het budget stijgt, terwijl de extra omzet vooral uit brand of bestaande vraag komt in plaats van nieuwe groei.
• De prestaties schommelen sterk, zonder dat duidelijk is waardoor het algoritme bijstuurt.

Belangrijk is om eerst vast te stellen in welke fase je Performance Max zich bevindt. In de leerfase zijn fluctuaties normaal en is optimaliseren vaak contraproductief. In de groeifase moet rendement verbeteren bij meer volume. 

Blijven resultaten ook daarna achter, dan is dat een signaal dat de campagne structureel op verkeerde input optimaliseert. Pas wanneer dit onderscheid helder is, kun je gericht analyseren en bijsturen in plaats van blind te blijven optimaliseren.

Waarom Performance Max vaak slechter presteert dan verwacht?

Performance Max presteert vaak slechter dan verwacht omdat het algoritme geen begrip heeft van jouw business, maar uitsluitend leert van de signalen die jij aanlevert. 

Google optimaliseert niet op winst, groei of strategische doelen, maar op statistische waarschijnlijkheid binnen de ingestelde conversies en waarden. Zodra die input afwijkt van echte bedrijfswaarde, stuurt het systeem structureel de verkeerde kant op.

De kern van het probleem is dat Performance Max oorzaak en gevolg niet kan onderscheiden. Het ziet alleen dat bepaalde zoekopdrachten, doelgroepen of kanalen sneller of vaker converteren. 

Als die conversies bijvoorbeeld bestaan uit merkzoekopdrachten, lage marges of oppervlakkige leads, concludeert het algoritme dat dit “succesvolle paden” zijn. Het gevolg is dat budget steeds verder verschuift naar verkeer dat er goed uitziet in Google Ads, maar geen extra winst of groei oplevert.

Daarbovenop ontbreekt bij veel accounts een duidelijke hiërarchie in sturing. Performance Max krijgt vaak tegelijk meerdere doelen, te weinig datapunten of onduidelijke waardes. In dat scenario gaat het systeem middelen middelen, in plaats van keuzes maken. 

Het algoritme kiest dan voor zekerheid en schaalbare patronen, zoals brandverkeer of bestaande vraag, omdat die statistisch het minst risico dragen. Dit is geen fout, maar exact hoe het model is ontworpen.

Tot slot wordt Performance Max vaak ingezet als startpunt in plaats van als schaalinstrument. Zonder bewezen zoektermen, gevalideerde conversies en stabiele referentiecampagnes heeft het algoritme geen betrouwbaar kader. 

Het leert dan van ruis in plaats van van rendement. Daardoor ontstaat het gevoel dat Performance Max onvoorspelbaar of inefficiënt is, terwijl het in werkelijkheid consistent optimaliseert op verkeerde uitgangspunten.

Waarom verkeerde conversies het algoritme verkeerd trainen?

Performance Max kan alleen optimaliseren op wat jij als conversie definieert. Dat klinkt logisch, maar hier gaat het in de praktijk vaak mis. Wanneer conversies geen directe afspiegeling zijn van bedrijfswaarde, leert het algoritme patronen die rendement juist ondermijnen. 

Google ziet volume en kans op conversie, maar begrijpt niet of een conversie ook daadwerkelijk bijdraagt aan omzet, winst of leadkwaliteit.

Een veelgemaakte fout is het meenemen van acties die te weinig betekenis hebben, zoals contactformulierinzendingen zonder kwalificatie, telefoontjes zonder context of aankopen met sterk wisselende marges. 

Voor het algoritme tellen deze acties even zwaar mee als waardevolle klanten. Het gevolg is dat Performance Max leert welke gebruikers snel converteren, niet welke klanten waardevol zijn. Hierdoor verschuift budget richting verkeer dat makkelijk converteert, maar structureel minder oplevert.

Ook het ontbreken van duidelijke waardesturing speelt hierbij een grote rol. Als alle conversies dezelfde waarde krijgen, kan Performance Max geen onderscheid maken tussen een kleine order en een winstgevende klant. 

Het systeem optimaliseert dan op aantallen in plaats van op impact. In e commerce leidt dit vaak tot focus op lage orderwaardes, in leadgeneratie tot veel leads met lage sluitkans.

Een betrouwbare Performance Max setup begint daarom altijd met een kritische vraag: welke conversies mogen het algoritme trainen en welke niet. Alleen acties die aantoonbaar bijdragen aan omzet, marge of kwalitatieve groei horen primair te zijn. 

Alles daarbuiten verstoort het leerproces. Door deze selectie scherp te maken, voorkom je dat Performance Max correct optimaliseert op verkeerde signalen en creëer je een fundament waarop verdere optimalisatie daadwerkelijk effect heeft.

Waarom Performance Max zonder voldoende data niet goed kan leren?

Performance Max is volledig afhankelijk van statistische patronen. Zonder voldoende, consistente data kan het algoritme geen betrouwbare conclusies trekken en gaat het optimaliseren op aannames in plaats van bewezen gedrag. 

Dit is geen interpretatie, maar hoe Google zijn biedmodellen zelf beschrijft: machine learning werkt pas wanneer er genoeg signalen zijn om onderscheid te maken tussen toeval en structureel succes.

In de praktijk betekent dit dat Performance Max minimaal een stabiel conversievolume nodig heeft om effectief te sturen. Bij te weinig conversies per week ziet het systeem onvoldoende verschillen tussen doelgroepen, kanalen en zoekopdrachten. 

Het gevolg is dat budget breed wordt ingezet over meerdere netwerken, omdat het algoritme geen duidelijk winnend patroon herkent. Dat leidt tot wisselende prestaties en een gevoel van onvoorspelbaarheid.

Daarnaast speelt tijd een cruciale rol. Veel accounts onderbreken het leerproces onbewust door te vaak doelen, budgetten of conversiewaarden aan te passen.

Elke ingrijpende wijziging reset deels het model, waardoor eerdere leerdata minder zwaar meetelt. Performance Max moet dan opnieuw patronen opbouwen, terwijl de onderliggende data al schaars was. Hierdoor blijft de campagne structureel in een leerachtige fase hangen.

Wat hierbij vaak wordt onderschat, is dat onvoldoende data niet alleen een volumekwestie is, maar ook een kwaliteitsprobleem. Inconsistente conversies, dubbele metingen of wisselende waardes zorgen voor ruis. 

Het algoritme leert dan wel, maar op basis van instabiele input. Een betrouwbare Performance Max setup vraagt daarom niet om snelle optimalisaties, maar om geduld, consistente meetpunten en voldoende volume om echte verschillen zichtbaar te maken. 

Pas dan kan het systeem doen waar het voor ontworpen is: voorspellen welke inzet daadwerkelijk bijdraagt aan resultaat.

Welke randvoorwaarden moeten op orde zijn vóór je optimaliseert?

Voordat je Performance Max gaat bijsturen, is het essentieel om vast te stellen of de basisvoorwaarden kloppen. 

Optimaliseren zonder deze randvoorwaarden is zinloos en vaak zelfs schadelijk, omdat je het algoritme dwingt sneller te leren van input die inhoudelijk niet deugt. In plaats van verbetering versterk je dan precies het gedrag dat al voor tegenvallende resultaten zorgt.

De belangrijkste randvoorwaarde is dat Performance Max één duidelijke optimalisatierichting krijgt. Dat betekent een beperkt aantal primaire conversies die direct gekoppeld zijn aan bedrijfsresultaat, met consistente waardes. 

Zodra meerdere doelen, wisselende conversies of onduidelijke prioriteiten door elkaar lopen, kan het algoritme geen scherpe keuzes maken. Het resultaat is middelmatig gedrag dat nergens echt uitblinkt.

Daarnaast moet de technische meetbasis betrouwbaar zijn. Conversies moeten één keer afvuren, logisch aansluiten op GA4 en waar mogelijk worden verrijkt met waarde of kwaliteitssignalen. 

Inconsistente of vervuilde data leidt niet tot “slechte metingen”, maar tot structureel verkeerde optimalisatiebeslissingen. Performance Max leert altijd, de vraag is alleen waarvan.

Tot slot hoort Performance Max nooit los te staan van de rest van het account. Zonder referentiecampagnes zoals Search of Shopping ontbreekt context over wat goed presteert en wat niet. 

Performance Max is geen vervanger van structuur, maar een laag daarbovenop. Pas wanneer deze randvoorwaarden kloppen, heeft optimaliseren zin en kun je gericht ingrijpen met voorspelbaar effect in plaats van te vertrouwen op toeval.

Is je conversietracking technisch en inhoudelijk correct ingericht?

Goede Performance Max resultaten beginnen altijd bij betrouwbare conversietracking. Als conversies technisch onjuist worden gemeten of inhoudelijk niet aansluiten op echte bedrijfswaarde, optimaliseert het algoritme consequent verkeerd. Dit merk je niet direct, omdat Google Ads wel data toont, maar die data stuurt het systeem de verkeerde richting op.

Technisch gezien moeten conversies één keer en op het juiste moment afvuren. Dubbele metingen, conversies die al bij een tussenstap worden geregistreerd of events die ook zonder echte actie afgaan, vervuilen het leerproces. 

Performance Max kan geen onderscheid maken tussen een echte afronding en een foutieve trigger. Alles wat als conversie binnenkomt, wordt gebruikt om toekomstige beslissingen te nemen.

Inhoudelijk is de vraag minstens zo belangrijk: meet je wat er zakelijk toe doet. Een formulierinzending, klik op een telefoonnummer of begin van een checkout zegt op zichzelf weinig. 

Pas wanneer deze acties aantoonbaar leiden tot omzet, marge of gekwalificeerde leads, zijn ze geschikt om als primaire conversie te gebruiken. Alles daarbuiten hoort secundair te zijn of volledig uitgesloten van sturing.

Daarnaast moet de data logisch aansluiten op andere systemen. Grote afwijkingen tussen Google Ads, GA4 en CRM zijn een signaal dat Performance Max leert van een vertekend beeld van de werkelijkheid. 

Zonder consistente en betrouwbare conversietracking is optimaliseren geen verbetering, maar versnelling van een fout proces. Pas wanneer deze basis klopt, kun je Performance Max verantwoord laten schalen.

Stuur je Performance Max op winst in plaats van op volume?

Performance Max doet exact wat je vraagt. Als je het systeem laat optimaliseren op het aantal conversies of op omzet zonder context, kiest het automatisch voor verkeer dat makkelijk en goedkoop converteert. 

In de praktijk zijn dat vaak lage orderwaardes, kortingsaankopen of leads met een lage sluitkans. Het gevolg is meer activiteit, maar geen betere resultaten.

Concreet kun je dit herkennen aan situaties waarin het conversievolume stijgt terwijl je winst gelijk blijft of daalt. 

Bijvoorbeeld wanneer Performance Max vooral producten promoot met lage marges, of wanneer veel leads binnenkomen die niet verkoopbaar blijken. Het algoritme ziet deze acties als succes, omdat ze voldoen aan de ingestelde doelen.

Om dit te voorkomen, moet je Performance Max expliciet laten leren welke conversies waardevol zijn en welke niet. Bij e commerce betekent dit dat je werkt met echte orderwaardes en, waar mogelijk, corrigeert voor marge of retouren. 

Bij leadgeneratie betekent dit dat alleen gekwalificeerde leads als primaire conversie meetellen, terwijl ruwe inzendingen ondersteunend blijven. Zo voorkom je dat volume belangrijker wordt dan resultaat.

Wanneer winst de leidende factor is, verandert ook hoe Performance Max optimaliseert. Het systeem zal minder focussen op snelle successen en meer op gebruikers en kanalen die aantoonbaar bijdragen aan rendement. Dat maakt groei niet alleen gezonder, maar ook beter schaalbaar.

Heeft je account voldoende structuur naast Performance Max?

Performance Max functioneert niet goed in isolatie. Wanneer het de enige actieve campagnevorm is, mist het algoritme context om te bepalen wat echt goed presteert en wat niet. 

In zo’n situatie neemt Performance Max automatisch zo veel mogelijk verkeer over, inclusief merkverkeer en bestaande vraag, omdat daar de kans op conversie het grootst is. Dat lijkt efficiënt, maar levert zelden echte groei op.

Concreet zie je dit wanneer Performance Max een groot deel van je brandzoekopdrachten opslokt of wanneer resultaten verbeteren zonder dat er nieuw bereik of nieuwe klanten bijkomen. 

Het systeem heeft dan geen referentiepunt om te onderscheiden welke prestaties incrementeel zijn en welke toch al zouden plaatsvinden. Zonder alternatieve campagnes ontbreekt het vergelijkingsmateriaal.

Een gezonde accountstructuur betekent dat Performance Max naast andere campagnetypen draait. Denk aan aparte Search campagnes voor merk en generiek verkeer of Shopping campagnes die inzicht geven in productprestaties. 

Deze campagnes begrenzen Performance Max en zorgen voor duidelijke signalen over intentie, rendement en schaalbaarheid. Performance Max leert indirect van deze context, ook al is die niet één op één zichtbaar.

Wanneer deze structuur ontbreekt, wordt optimaliseren binnen Performance Max giswerk. Met een duidelijke rolverdeling in het account ontstaat juist rust. 

Performance Max wordt dan ingezet als schaalmechanisme bovenop bewezen prestaties, in plaats van als allesomvattende oplossing. Dat maakt resultaten beter verklaarbaar en makkelijker bij te sturen.

Hoe je via rapportages alsnog grip krijgt op de black box?

Hoewel Performance Max minder transparant is dan traditionele campagnes, geven de beschikbare rapportages wél voldoende aanknopingspunten om gericht te analyseren. 

De sleutel is niet zoeken naar volledige controle, maar naar patronen die structureel gedrag blootleggen. Wie weet waar hij moet kijken, kan vrij nauwkeurig bepalen waarom budget verschuift en resultaten veranderen.

Begin bij het zoektermeninzicht binnen Performance Max. Dit overzicht laat zien welke typen zoekopdrachten bijdragen aan conversies, ook al zijn ze niet volledig uitgesplitst. 

Zie je hier vooral merk en lage intentietermen terug, dan is dat een indicatie dat Performance Max optimaliseert op zekerheid in plaats van groei. Dit vraagt niet om nieuwe assets, maar om scherpere begrenzing via doelen en accountstructuur. 

Google bevestigt zelf dat Performance Max breed inzet over kanalen en zoekintenties en daarbij minder detailniveau toont dan traditionele campagnes, juist omdat de sturing centraal in het algoritme ligt.

Daarnaast geven URL en productrapportages inzicht in waar verkeer daadwerkelijk landt. Wanneer het merendeel van de conversies naar een beperkt aantal pagina’s of producten gaat, terwijl andere rendabele onderdelen nauwelijks worden meegenomen, leert het algoritme van een te smal segment. 

Dit wijst meestal op onvoldoende variatie in signalen of te weinig onderscheid in conversiewaarde.

Tot slot bieden audience-rapportages context over wie Performance Max bereikt. Deze inzichten zijn niet bedoeld om handmatig te targeten, maar om te beoordelen welk type gebruiker het algoritme als succesvol beschouwt. 

Zie je vooral bestaande klanten en remarketingdoelgroepen terug, dan benut Performance Max voornamelijk bekende vraag. 

Pas wanneer ook nieuwe gebruikers structureel worden bereikt, ontstaat ruimte voor schaalbare groei. Door deze rapportages in samenhang te beoordelen, wordt de black box geen mysterie, maar een systeem met verklaarbaar en stuurbaar gedrag.

Hoe optimaliseer je Performance Max stap voor stap?

Stap 1: zet je primaire conversies scherp
Ga in Google Ads na welke conversies direct bijdragen aan omzet of gekwalificeerde leads. Alleen deze acties mogen als primaire conversies meetellen. Microacties zoals klikken, downloads of scrolls horen niet thuis in de hoofd­sturing, omdat ze het algoritme trainen op volume in plaats van resultaat.

Stap 2: controleer of elke conversie correct wordt gemeten
Controleer of conversies slechts één keer afvuren en niet opnieuw bij een refresh, terugknop of meerdere triggers. Test dit in GA4 en Google Tag Manager. Dubbele metingen geven Performance Max een vertekend beeld van succes en leiden tot verkeerde budgetverdeling.

Stap 3: voeg duidelijke waardesturing toe
Zorg dat Performance Max het verschil ziet tussen lage en hoge waarde. Bij e-commerce betekent dit werken met correcte orderwaardes. Bij leadgeneratie betekent dit dat gekwalificeerde leads zwaarder meetellen dan ruwe inzendingen. Zonder dit onderscheid optimaliseert het systeem automatisch op aantallen.

Stap 4: geef het algoritme rust om te leren
Voer niet meerdere grote wijzigingen tegelijk door. Pas één hoofdfactor per keer aan en laat de campagne daarna minimaal één tot twee weken draaien. Te veel veranderingen achter elkaar zorgen ervoor dat het leerproces telkens opnieuw begint en prestaties instabiel blijven.

Stap 5: voorkom dat Performance Max alleen bestaande vraag benut
Vergelijk de resultaten met aparte merkcampagnes en beoordeel of groei daadwerkelijk uit nieuwe klanten of extra omzet komt. Wanneer Performance Max vooral bestaande vraag overneemt, lijken cijfers goed maar blijft echte groei uit.

Stap 6: verbeter assets gericht en beperkt
Voeg nieuwe assets in kleine hoeveelheden toe en zorg voor variatie in boodschap, zoals probleemgericht, oplossingsgericht en bewijsgericht. Vervang alleen duidelijke zwakke plekken en laat goed presterende assets staan, zodat het algoritme voortbouwt op bestaande leerdata.

Stap 7: beoordeel prestaties op zakelijke KPI’s
Kijk verder dan ROAS of CPA en beoordeel resultaten op winst, marge, aandeel nieuwe klanten of leadkwaliteit. Gebruik data over meerdere weken om beslissingen te nemen en vermijd optimalisaties op basis van dagfluctuaties.

Op deze manier optimaliseer je Performance Max niet door te gokken, maar door het algoritme stap voor stap betere input te geven.

Hoe verbeter je assets zonder het algoritme te verstoren?

Begin met het vaststellen wat er ontbreekt, niet met het vervangen van wat al draait. Open in Google Ads je Performance Max-campagne en bekijk per assetgroep welke typen assets aanwezig zijn. Controleer of je minimaal drie soorten boodschappen hebt: één die het probleem benoemt, één die de oplossing uitlegt en één die bewijs levert zoals reviews, cases of keurmerken. Ontbreekt één van deze typen, dan weet je precies waar je moet aanvullen.

Voeg nieuwe assets altijd naast bestaande assets toe, nooit ter vervanging. Upload per keer maximaal twee tot vier nieuwe items, bijvoorbeeld één nieuwe kop, één beschrijving en één visual. Laat alle bestaande assets actief staan, ook als ze middelmatig presteren. Zo kan het algoritme nieuwe combinaties testen zonder zijn referentie te verliezen.

Laat de campagne daarna minimaal één tot twee weken ongemoeid. Pas in deze periode geen budgetten, doelen of andere assets aan. Performance Max heeft tijd nodig om nieuwe combinaties te vergelijken met wat al werkt. Te snelle aanpassingen zorgen ervoor dat het systeem opnieuw moet beginnen met leren, waardoor je nooit zuivere conclusies krijgt.

Beoordeel pas daarna of de nieuwe assets worden ingezet. Zie je dat ze nauwelijks worden vertoond, dan betekent dit dat ze geen toegevoegde waarde hebben binnen de huidige doelstelling. In dat geval verwijder je ze en vervang je ze door een nieuwe invalshoek, bijvoorbeeld een andere USP of een concreter bewijs. Worden ze wél opgepikt, dan laat je ze staan en voeg je pas daarna eventueel een volgende kleine verbetering toe.

Door assets op deze manier stap voor stap te verbeteren, blijft het leerproces intact en stuur je Performance Max inhoudelijk bij zonder de prestaties onnodig instabiel te maken.

Wanneer is Performance Max simpelweg niet de juiste oplossing?

Performance Max werkt alleen wanneer het algoritme voldoende duidelijke feedback krijgt om keuzes te maken. Ontbreekt die feedback, dan wordt automatisering een risico in plaats van een versneller. De volgende situaties maken Performance Max structureel ongeschikt, ongeacht optimalisatie inspanningen.

Performance Max is geen goede keuze wanneer je structureel minder dan een stabiel conversieniveau behaalt. Zonder voldoende primaire conversies per periode kan het systeem geen onderscheid maken tussen toeval en patroon. 

Het gevolg is breed testen over kanalen zonder duidelijke richting. In deze fase leveren campagnes met expliciete zoekintentie meer controle en betrouwbaardere learnings op.

Ook wanneer resultaten sterk afhankelijk zijn van margeverschillen is Performance Max risicovol. Als winstgevendheid per product of leadtype sterk varieert en niet betrouwbaar in conversiewaarden is verwerkt, optimaliseert het systeem onvermijdelijk op volume. 

Laat je Performance Max in deze context draaien, dan schaal je omzet zonder zicht op resultaat. Daarnaast is Performance Max ongeschikt bij salestrajecten waarbij conversies pas ver na de klik plaatsvinden. 

Wanneer het weken of maanden duurt voordat waarde zichtbaar wordt en tussentijdse signalen weinig zeggen over uiteindelijke opbrengst, ontbreekt de feedbacklus die het algoritme nodig heeft. Automatisering versnelt hier geen resultaat, maar vergroot de afstand tot inzicht.

Tot slot is Performance Max geen logische keuze wanneer je bewust controle nodig hebt over zoekwoorden, boodschap of kanaalinzet. 

In situaties waarin positionering, nuance of timing doorslaggevend is, werkt een systeem dat autonoom beslissingen neemt tegen je. In die gevallen is gerichte sturing effectiever dan volledige automatisering.

Wat is de belangrijkste les bij tegenvallende Performance Max resultaten?

Tegenvallende resultaten met Performance Max zijn zelden het gevolg van één verkeerde instelling of een slecht presterende asset. In vrijwel alle gevallen ligt de oorzaak in de input waarop het algoritme leert. Performance Max optimaliseert niet op intentie, winst of strategie, maar op de signalen die jij aanlevert. Kloppen die signalen niet, dan schaalt het systeem exact het verkeerde gedrag op.

De belangrijkste les is daarom dat optimaliseren begint vóór de campagne, niet erin. Wie Performance Max inzet zonder scherpe doelen, betrouwbare conversies, duidelijke waardesturing en een volwassen accountstructuur, verliest controle en krijgt daar geen schaal voor terug. Meer tweaks lossen dat niet op. Alleen betere input wel.

Wanneer Performance Max wél wordt ingezet binnen de juiste context, verandert de rol van automatisering. Het systeem wordt dan geen black box, maar een schaalinstrument dat voorspelbaar gedrag vertoont en meegroeit met je businessdoelen. Succes zit niet in harder optimaliseren, maar in bewuster sturen op wat het algoritme mag leren. Dat onderscheid bepaalt of Performance Max een kostenpost is, of een structurele groeiversneller.