Veiligheidsgrenzen van AutoPilot
Met veiligheidsgrenzen bepaal je onder andere minimale AI-confidence, maximale risicoscore, budgetwijzigingen, historische eisen en het maximum aantal automatische acties.
- Wat iedere numerieke guardrail werkelijk doet.
- Welke veilige standaardwaarden je kunt gebruiken.
- Hoe testwaarden verschillen van productie-instellingen.
- Waarom vaste safety altijd boven jouw instellingen blijft bestaan.
Waarom dit belangrijk is
Met veiligheidsgrenzen bepaal je onder andere minimale AI-confidence, maximale risicoscore, budgetwijzigingen, historische eisen en het maximum aantal automatische acties.
In Advisionr staat deze functie niet op zichzelf. De waarde ontstaat doordat actuele Google Ads-data, accountinstellingen, eerdere wijzigingen en meetresultaten samen worden beoordeeld. Daardoor kan dezelfde functie in twee accounts een andere uitkomst geven. Dat is normaal: een goede optimalisatie volgt de situatie van het account en niet een vast trucje.
Voor optimaal resultaat is het belangrijk dat je eerst controleert of de gekoppelde data actueel is en of de belangrijkste conversies correct worden gemeten. Gebruik daarna de uitleg en onderbouwing van Advisionr om te begrijpen waarom een aanbeveling ontstaat. Een wijziging is pas waardevol als je achteraf ook kunt bepalen of hij werkelijk beter heeft gepresteerd.
Gebruikersgrenzen versus vaste safety
De velden op de AutoPilot-pagina zijn jouw aanvullende grenzen. Ze kunnen de automatisering strenger maken, maar mogen vaste technische safety niet uitschakelen. Providerdata, rollback, stale-state, measurement, executability en circuit breakers blijven onafhankelijk controleren of een actie veilig kan worden uitgevoerd.
Dat onderscheid is cruciaal bij testen. Je kunt confidence tijdelijk laag en risk hoog zetten om te bewijzen dat de AutoPilot-route werkt, maar daarmee hoort een unsupported of onveilige Google Ads-mutatie nog steeds niet door te komen.
Hoe je grenzen kiest
Gebruik datavolume en bedrijfsrisico als uitgangspunt. Een account met honderden conversies per dag kan sneller leren dan een account met vijf leads per maand. Een budgetwijziging van 20% op €20 per dag is bovendien iets anders dan 20% op €5.000 per dag.
Begin daarom conservatief en verruim alleen een grens waarvan je begrijpt welke acties hij momenteel tegenhoudt. De audit en evaluation reasons zijn juist bedoeld om dat zichtbaar te maken.
Stap voor stap
Gebruik deze volgorde. Zo voorkom je dat je conclusies trekt uit onvolledige data of meerdere wijzigingen tegelijk door elkaar laat lopen.
- Kies strengere grenzen voor meer controle.
- Schakel alleen actietypen in die je automatisch wilt laten uitvoeren.
- Gebruik leerbewijs wanneer je eerst vergelijkbare succesvolle historie wilt vereisen.
- Controleer de geschiedenis om te zien wat AutoPilot heeft uitgevoerd of geblokkeerd.
Instellingen en aanbevolen keuzes
De beste instelling hangt af van je account, budget en risicobereidheid. Onderstaande waarden zijn een praktisch startpunt; gebruik ze niet als vervanging voor gezond oordeel.
| Instelling | Aanbevolen | Waarom |
|---|---|---|
| Minimale AI-confidence | 90% productie; lager alleen gecontroleerd testen | Voorkomt autonome uitvoering van zwak onderbouwde proposals. |
| Maximale risicoscore | 30/100 productie | Een hogere waarde laat risicovollere voorstellen toe. |
| Budgetwijziging per actie | 10–20% | Kleine stappen zijn beter beheersbaar en meetbaar. |
| Dagelijkse budgetverhoging | Afstemmen op je absolute financiële ruimte | Begrenst totaal extra dagbudget, niet alleen percentage per campagne. |
| Minimale bewezen acties | 3 | Extra eis wanneer leerbewijs actief is. |
| Historisch succes | 60% | Vereist dat vergelijkbare gemeten acties voldoende vaak verbeterden. |
| Max acties per dag | 10 | Beperkt het tempo van autonome wijzigingen. |
| Cooldown | 24 uur | Voorkomt snelle herhaling op hetzelfde onderdeel. |
| Alleen uitvoeren met leerbewijs | Aan conservatief; uit alleen bewust | Voegt een historische evidence-eis toe bovenop vaste safety. |
Zo haal je er het meeste uit
Advisionr werkt het beste wanneer data, doelen en verantwoordelijkheden duidelijk zijn. Gebruik deze werkwijze om de kwaliteit van analyses en beslissingen te verhogen.
- Gebruik in productie liever 90% confidence en 30 risk dan extreem open testwaarden.
- Houd budgetwijzigingen in kleine stappen wanneer je Google Smart Bidding niet onnodig wilt verstoren.
- Gebruik cooldown om herhaalaanpassingen op dezelfde campagne te spreiden.
- Zet leerbewijs alleen uit als je bewust deterministic cold-start safety wilt gebruiken.
- Controleer na wijzigingen of de instellingen na refresh persistent zijn opgeslagen.
Veelgemaakte fouten
- Testwaarden permanent laten staan.
- Max dagelijkse budgetverhoging zo hoog zetten dat de financiële guardrail feitelijk betekenisloos wordt.
- Cooldown op 0 zetten terwijl veel actions per dag zijn toegestaan.
Veelgestelde vragen
Wat moet ik instellen om AutoPilot technisch te testen?
Je kunt tijdelijk confidence verlagen, risk verhogen, leerbewijs uitschakelen en cooldown verlagen. Doe dit alleen kort en op een gecontroleerd account; vaste safety blijft leidend.
Waarom wordt een actie ondanks ruime grenzen geblokkeerd?
Omdat gebruikersgrenzen maar één laag zijn. Measurement locks, providerstate, rollback, datakwaliteit of andere vaste checks kunnen terecht blokkeren.