Analytics zonder cookies: het kan gewoon
Over cookiebanners die niemand helpen, Server-Side Tagging als alternatief, en waarom AI het verschil maakt
Het cookieprobleem
Elke dag klikken miljoenen Europeanen op cookiebanners. “Alles accepteren”, “Alleen noodzakelijk”, of gewoon het kruisje. Het is een ritueel geworden waar niemand meer over nadenkt. Maar achter dat ritueel schuilt een fundamenteel probleem: het systeem werkt niet.
Niet voor de bezoeker, die wordt lastiggevallen met popups die niemand leest. Niet voor de website-eigenaar, die een fors deel van zijn bezoekers verliest uit de statistieken. En niet voor de privacy, want de meeste cookiebanners zijn juridisch twijfelachtig en de data gaat alsnog naar Amerikaanse servers.
De cookiebanner is het digitale equivalent van een slot op een open deur. Het voelt als bescherming, maar het beschermt niets.
Wat er werkelijk gebeurt met je analytics
Laten we concreet worden. Dit is wat er gebeurt wanneer iemand jouw website bezoekt en je Google Analytics 4 gebruikt:
Scenario 1: Bezoeker accepteert cookies. Google plaatst een tracking cookie, volgt de bezoeker over meerdere sessies, en stuurt alle data naar Google’s servers. De bezoeker verschijnt in je rapporten. Google gebruikt dezelfde data om advertentieprofielen op te bouwen.
Scenario 2: Bezoeker weigert cookies. Google registreert een anonieme “ping” voor gedragsmodellering, maar de bezoeker verschijnt niet in je Realtime-overzicht en niet betrouwbaar in je sessierapporten. Google schat vervolgens met een statistisch model hoeveel bezoekers je waarschijnlijk had. Jij baseert je beslissingen op die schatting.
Scenario 3: Bezoeker sluit de banner zonder keuze. Afhankelijk van je implementatie telt deze bezoeker als “geen consent” en verdwijnt uit je data. Of je plaatst toch cookies en loopt juridisch risico.
In alle drie de scenario’s verlies je. Je verliest data, je verliest controle, of je verliest compliance.
Ik merkte dit zelf op het moment dat ik een volledig cookieloze website bouwde. De consent defaults stonden correct: analytics_storage: denied. Precies zoals het hoort. Maar GA4 Realtime toonde 0 actieve gebruikers. Nul. Terwijl er aantoonbaar verkeer op de site was.
Dat was het moment dat ik besloot: er moet een betere manier zijn.
De derde weg: Server-Side Tagging
Er is een alternatief dat geen van de bovenstaande concessies vraagt. Het heet Server-Side Tagging (SST), en het werkt fundamenteel anders dan traditionele analytics.
Het principe
Bij traditionele analytics stuurt een stukje JavaScript in de browser van je bezoeker data rechtstreeks naar Google. Dat JavaScript heeft cookies nodig om bezoekers te herkennen.
Bij Server-Side Tagging stuurt de website data naar een tussenserver die jij beheert. Die server ontvangt de ruwe events — welke pagina werd bezocht, wanneer, vanaf welk type apparaat — en slaat ze op in jouw eigen database. Er komt geen cookie aan te pas.
Het verschil is subtiel maar cruciaal: de data verlaat de browser zonder persoonlijke identificatie. Er wordt geen cookie geplaatst, geen vingerafdruk gemaakt, geen cross-site profiel opgebouwd. De bezoeker is volledig anoniem. En toch weet je precies welke pagina’s populair zijn, waar je verkeer vandaan komt, en hoe je site presteert.
Geen cookie, geen banner
Omdat er geen cookies worden geplaatst, is er geen toestemming nodig. De AVG en de ePrivacy-richtlijn vereisen consent specifiek voor het opslaan van informatie op het apparaat van de gebruiker — en dat is precies wat een cookie doet. Zonder cookie, geen consent vereist.
Dat betekent: geen cookiebanner. Geen popup. Geen “accepteer alles”-knop. Je bezoeker ziet een schone website, en jij ziet 100% van je verkeer.
Een belangrijke voorwaarde: je mag geen persoonsgegevens verwerken. Dat betekent geen leesbare IP-adressen opslaan, geen browser fingerprinting, geen cross-site identificatie. Zolang je dat respecteert, val je buiten de scope van de cookiewetgeving.
Wat je wel en niet kunt meten
| Wel meetbaar | Niet meetbaar |
|---|---|
| Pageviews per pagina | Individuele gebruikersprofielen |
| Verkeersbronnen (zoek, social, direct) | Cross-session gedrag van dezelfde persoon |
| Apparaattype (mobiel, desktop, tablet) | Retargeting audiences |
| Conversie-events (aankoop, aanmelding) | Cross-device tracking |
| Realtime activiteit | Demografische gegevens |
Voor de meeste organisaties is de linkerkolom precies wat ze nodig hebben. De rechterkolom is wat Google nodig heeft voor zijn advertentiebusiness.
Waar AI het verschil maakt
Hier wordt het persoonlijk. Ik heb 25+ jaar ervaring in ICT, van IBM 36 en Commodore 64 tot ERP-implementaties in Marokko. Ik werk dagelijks samen met AI als autonome partner. Maar Server-Side Tagging opzetten — dat is een ander niveau van complexiteit. Google Tag Manager, Cloud Run, BigQuery, consent configuratie, data schemas, SQL views — het is een doolhof van instellingen verspreid over tientallen schermen in meerdere Google-consoles.
Zonder AI had ik dit niet gekund. Niet in deze tijd, niet met deze kwaliteit.
Het doolhof van Google-instellingen
Wat de meeste mensen niet beseffen: analytics opzetten is geen kwestie van “een stukje code op je website plakken” meer. Het is een web van onderling afhankelijke configuraties:
- Google Tag Manager Web — de container op je website die events verstuurt
- Google Tag Manager Server — de tussenserver die events ontvangt en routeert
- Google Cloud Run — de hosting van je server container
- BigQuery — je data warehouse met datasets, tabellen en partitioning
- Consent Mode v2 — de configuratie die bepaalt wat er mag worden gemeten
- Google Ads Data Transfer — voor wie advertentiedata wil koppelen
- Google Search Console — weer een ander systeem voor zoekdata
Elk van deze systemen heeft zijn eigen console, zijn eigen API, zijn eigen logica. En ze moeten allemaal correct samenwerken.
API’s als superkracht
Wat AI mogelijk maakt, is niet alleen het bouwen van code. Het is het navigeren van al die API’s. Elke Google-service heeft een API waarmee je programmatisch kunt configureren wat anders tientallen klikken in obscure menu’s kost.
Een voorbeeld: het registreren van een redirect URI voor authenticatie. In de web-interface is dat zoeken in een menu, het juiste scherm vinden, de URL invoeren, en opslaan. Via de API is het een enkele HTTP-call. Mijn AI-assistent deed het in drie seconden — inclusief het vinden van het juiste endpoint, dat niet eens gedocumenteerd was.
Dat patroon herhaalt zich overal. BigQuery datasets aanmaken, Cloud Run services configureren, Tag Manager containers instellen, Search Console properties koppelen — alles is programmatisch bereikbaar voor wie de API’s kent. En AI kent ze.
Van weken naar uren
Wat traditioneel weken werk zou zijn voor een gespecialiseerd analytics-bureau, bouwde ik in een dag. Niet omdat ik slimmer ben, maar omdat ik samenwerk met AI die:
- De volledige BigQuery documentatie kent en SQL-views schrijft die direct werken
- Weet hoe Server-Side Tagging geconfigureerd moet worden over alle Google-consoles heen
- Een dashboard bouwt met moderne frameworks in productie-kwaliteit
- Authenticatie implementeert met versleutelde sessies en automatische token-vernieuwing
- Elke API-call kan uitvoeren die nodig is, in welke Google-service dan ook
Het punt is niet dat ik dit alleen met AI heb gedaan. Het punt is dat dit soort projecten nu haalbaar is voor organisaties die het budget niet hebben voor een enterprise analytics-team.
Een dashboard op maat
Het resultaat is geen standaard template of een kant-en-klare SaaS-tool. Het is een volledig maatwerk dashboard, gebouwd voor de specifieke behoeften van de organisatie. Dat klinkt duur en complex, maar dat is precies waar AI het verschil maakt.
Management-overzicht in vijf seconden
De kern van het dashboard is gebouwd voor managers, niet voor analisten. Wanneer je directeur maandagochtend met zijn koffie het dashboard opent, ziet hij in een oogopslag:
Realtime activiteit. Hoeveel mensen zitten er nu op de site? Welke pagina’s bekijken ze? Elke vijftien seconden ververst het beeld. Een live monitor toont de activiteit per minuut, de actieve pagina’s, en de verkeersbronnen van dit moment.
Dagvergelijking die eerlijk is. Niet “vandaag 400 sessies versus gisteren 1.200” — waardoor je om 10 uur ‘s ochtends in paniek raakt. Maar: “vandaag tot 10:00 hebben we 400 sessies, gisteren tot 10:00 hadden we 380.” Eerlijke vergelijking op hetzelfde tijdstip. Plus een cumulatieve grafiek die laat zien of je op koers ligt.
Pageviews of sessies — jij kiest. Een enkele toggle in de werkbalk schakelt alle grafieken tegelijk om. Pageviews is de standaard voor contentorganisaties, sessies voor e-commerce. De manager hoeft niet te weten wat het verschil is — hij ziet gewoon de grafiek die hij nodig heeft.
Content intelligence. Het dashboard is rechtstreeks gekoppeld aan het CMS — in dit geval Payload CMS — en haalt via de API op welk type content elke pagina is. Artikel, recept, aandoeningenpagina, landingspagina. Je kunt filteren: “toon alleen recepten” of “verberg recepten.” Dat is iets wat GA4 simpelweg niet kan zonder weken configuratie.
Pagina-analyse. Een compleet overzicht van alle pagina’s met pageviews, sessies en bezoekers. Sorteerbaar, doorzoekbaar, met paginering. Per dag of per maand. Tot een jaar terug.
Beveiligd met bestaande accounts. Inloggen gaat via Microsoft SSO — hetzelfde account waarmee je je mail leest. Role-based access zorgt ervoor dat alleen mensen met de juiste rol het dashboard kunnen zien.
Waarom maatwerk beter is dan standaard
De gangbare aanpak is: GA4 installeren, merken dat de standaardrapporten niet aansluiten bij je organisatie, en vervolgens een analytics-consultant inhuren die voor duizenden euro’s rapporten op maat bouwt in Looker Studio — Google’s rapportagetool. Die rapporten zijn dan gebaseerd op GA4 data die door Consent Mode incompleet is. Je betaalt dus twee keer: voor de consultant, en met de kwaliteit van je data.
Een maatwerk dashboard elimineert beide problemen. De data is compleet — geen cookies, geen consent-verlies. En het dashboard is exact gebouwd voor wat jouw organisatie nodig heeft. Niet meer, niet minder. Geen honderden menu-opties waarvan je er tien gebruikt.
Wil je recepten apart van artikelen bekijken? Ingebouwd. Wil je een cumulatieve dagvergelijking? Ingebouwd. Wil je dat je directeur zonder training het dashboard snapt? Dat is het uitgangspunt, niet een feature.
AI als bouwpartner
Hier komt het bij elkaar. Een maatwerk dashboard bouwen kost traditioneel weken development-tijd. Maar ik werk samen met een AI-assistent die gespecialiseerde kennis heeft opgebouwd via twee mechanismen:
Skills. Dat zijn gestructureerde kennisbundels die de AI precies vertellen hoe een specifiek domein werkt. Ik heb skills voor BigQuery configuratie, voor het publiceren van content, voor authenticatie met WorkOS, voor deployment op onze servers. Wanneer ik zeg “bouw een pagina-analyse view”, weet de AI dankzij die skills exact welke queries nodig zijn, welke componenten beschikbaar zijn, en hoe het past in de bestaande architectuur.
MCP servers. Model Context Protocol servers geven de AI directe toegang tot externe systemen. Mijn AI kan via MCP rechtstreeks in de database zoeken, WorkOS-gebruikers beheren, en data opvragen uit het CMS. Niet via omwegen of copy-paste, maar als een geintegreerde tool. Wanneer ik vraag “kan Marlous ook inloggen op het dashboard?”, checkt de AI via MCP haar WorkOS-account en geeft direct antwoord.
Het resultaat: wat normaal een team van developers weken kost, bouw ik in een dag. Niet een prototype, maar een productie-dashboard met authenticatie, role-based access, realtime monitoring, en content filtering. Draaiend op eigen servers, beveiligd, en begrijpelijk voor iedereen die het moet gebruiken.
De kosten
| Component | Kosten per maand |
|---|---|
| Event collection (Cloud Run) | 5 - 15 euro |
| Data opslag (BigQuery) | < 5 euro (10 GB gratis) |
| Queries (BigQuery) | < 1 euro (1 TB gratis) |
| Dashboard hosting | 0 euro (bestaande server) |
| Totaal | 10 - 20 euro |
Ter vergelijking: GA4 is “gratis” maar je betaalt met de data van je bezoekers. De enterprise versie (GA4 360) kost 50.000 dollar per jaar.
Dat dit geen theorie is, bewees eerder mijn artikel WordPress is dood. Ik heb het bewijs. — dat binnen een week een concrete klantaanvraag opleverde. Dit analytics dashboard is het logische vervolg: een website bouwen op moderne tech, en er een begrijpelijk dashboard bij leveren. Interesse? Neem contact op.
Maar waarom niet Plausible of Matomo?
Goede vraag. Er zijn andere privacy-first analytics tools. Plausible en Fathom zijn lichtgewicht en cookieless. Matomo kun je zelf hosten. Ze zijn allemaal beter dan GA4 als je privacy serieus neemt.
Maar ze missen wat een maatwerk dashboard wel biedt:
| Plausible/Fathom | Matomo | Maatwerk (SST + BigQuery) | |
|---|---|---|---|
| Cookieless | Ja | Optioneel | Ja |
| Maatwerk views | Nee | Beperkt | Volledig |
| CMS-koppeling | Nee | Nee | Ja (content filtering) |
| Realtime (15s) | Nee | Beperkt | Ja |
| Eigen database | Nee (hun cloud) | Ja | Ja (BigQuery) |
| AI-assisted opzet | Nee | Nee | Ja |
| Kosten | ~9-19 euro/maand | Gratis (self-host) | 10-20 euro/maand |
Plausible en Fathom zijn uitstekend als je basisstatistieken wilt. Maar als je content intelligence nodig hebt, realtime monitoring, of een dashboard dat aansluit bij hoe jouw organisatie werkt — dan is maatwerk de betere keuze. Vooral nu AI de bouwkosten drastisch verlaagt.
Voor wie is dit?
Cookieless analytics via Server-Side Tagging is niet voor iedereen. Als je Google Ads draait en conversie-attributie over meerdere kanalen nodig hebt, is GA4 waarschijnlijk nog steeds de beste keuze.
Maar als je herkenbaar bent in een van deze profielen, is het een serieus alternatief:
Non-profits en stichtingen die hun bezoekers niet willen tracken maar wel willen weten of hun content aanslaat. Die hun bereik willen aantonen met echte cijfers, niet met schattingen.
Zorgorganisaties die werken met gevoelige onderwerpen. Bezoekers van een pagina over diabetes of depressie verdienen maximale privacy.
MKB-bedrijven die klaar zijn met cookiebanners, die geen advertenties draaien, en die gewoon willen weten hoeveel mensen hun site bezoeken.
Organisaties met meerdere websites die een centrale analytics-omgeving willen zonder voor elke site een apart GA4-property te configureren.
De bredere trend
De beweging richting cookieless analytics is onderdeel van een grotere verschuiving.
Wetgeving wordt strenger. De Digital Markets Act, de ePrivacy-verordening, en de verwachte Schrems III-uitspraak maken het steeds moeilijker om persoonsgegevens naar de VS te sturen. Organisaties die nu hun analytics-infrastructuur toekomstbestendig maken, hoeven straks niet in paniek te migreren.
Server-Side Tagging is gedemocratiseerd. Wat twee jaar geleden een enterprise-oplossing was, is nu haalbaar voor het MKB. Google Cloud Run maakt het betaalbaar, BigQuery’s gratis tier is ruim genoeg, en AI maakt de implementatie toegankelijk.
AI verlaagt de drempel. Dit is misschien de belangrijkste verschuiving. De technische kennis die nodig was om SST op te zetten, was twee jaar geleden voorbehouden aan gespecialiseerde bureaus. Met AI-assistentie kan iemand met basiskennis van webontwikkeling een complete analytics-pipeline opzetten in dagen, niet maanden.
Aan de slag
De technische drempel is niet nul. Je hebt basiskennis nodig van webontwikkeling en de bereidheid om met API’s te werken. Of je werkt samen met iemand die dat kan — eventueel met AI als versneller.
De fundamentele vraag is simpel: wil je blijven meten met een systeem dat een deel van je bezoekers niet ziet en de rest doorstuurt naar een advertentiebedrijf? Of wil je jouw data op jouw server, zonder cookies, zonder banners, en met een dashboard dat iedereen in je organisatie begrijpt?
Het antwoord lijkt me duidelijk.
Wim Tilburgs bouwt websites, dashboards en platforms voor organisaties met maatschappelijke impact. Met 25+ jaar ICT-ervaring en AI als dagelijkse bouwpartner levert hij in dagen wat traditioneel maanden kost. Bekijk wat ik bouw of neem contact op.