Productdatakwaliteit: waarom het de omzet bepaalt

Productdatakwaliteit bepaalt uw omzet al voordat een klant uw productpagina ziet. Marktplaatsen en datapools weigeren producten met ontbrekende of ongeldige gegevens, kopers haken af bij onvolledige of tegenstrijdige informatie, en wie een product ontvangt dat afwijkt van de beschrijving, stuurt het terug. Kwaliteit is meetbaar per attribuut en per kanaal, en daarmee stuurbaar.

Dit artikel geeft de zes dimensies van productdatakwaliteit, de manieren waarop slechte data geld kost, de wettelijke eisen die sinds 2024 zijn bijgekomen en een aanpak om kwaliteit structureel te verbeteren.

Wat is productdatakwaliteit precies?

Productdatakwaliteit is de mate waarin productgegevens geschikt zijn voor het gebruik waarvoor ze bedoeld zijn: verkopen, leveren, vergelijken en voldoen aan wetgeving. Geschikt is altijd relatief aan een kanaal. Een artikel kan compleet zijn voor uw ERP-systeem en tegelijk onbruikbaar voor bol, omdat daar per productcategorie andere verplichte attributen gelden.

In de praktijk gebruikt u zes dimensies. Elke dimensie vertaalt zich naar een controle die u kunt automatiseren.

Conformiteit is de dimensie die het snelst geld kost, omdat kanalen er hard op afwijzen. De GTIN (Global Trade Item Number, de opvolger van de EAN-code) is het bekendste voorbeeld: volgens GS1 Nederland krijgt elke kleur en elke maat een eigen GTIN.

Hoe beïnvloedt productdatakwaliteit de omzet?

Slechte productdata kost op drie punten omzet. Ze zijn elk afzonderlijk meetbaar.

1. Het product komt het kanaal niet in

Kanalen valideren automatisch. De Product Content API van bol vereist een EAN per product, werkt met een datamodel van meer dan 4.000 productclassificaties en markeert waarden die buiten de toegestane keuzelijst vallen als afgewezen. Voor sommige categorieën is een document met de CE-markering verplicht, en volgens de documentatie gaat een product zonder geldige CE-markering offline.

In de Nederlandse food-, drogisterij- en beautysector koos de branche in 2014 voor GS1 Data Source als gemeenschappelijke bron voor consumenteninformatie. GS1 Nederland controleert die data via een doorlopend datakwaliteitsprogramma met automatische systeemcontroles en controles door Data Management Services.

2. De koper haakt af

In het Salsify 2025 Consumer Research-onderzoek (1.910 respondenten in de Verenigde Staten en het Verenigd Koninkrijk, oktober 2024) zei 54 procent ooit een aankoop te hebben afgebroken door inconsistente productinformatie tussen websites, en 53 procent door onvolledige of slecht geschreven titels en beschrijvingen. Het gaat om consumentenonderzoek van een PIM-leverancier buiten de Benelux; gebruik het als indicatie van de richting.

3. Het product komt retour

In het vervolgonderzoek van Salsify (2.712 respondenten in de VS, Canada en het VK, oktober 2025) zei 45 procent een online aankoop te hebben geretourneerd vanwege onjuiste of misleidende informatie. Uw eigen retourredenen zijn een betere bron: filter op redenen als "anders dan beschreven" of "past niet" en koppel ze aan de productgroep.

Op organisatieniveau noemt Gartner een gemiddelde schade van minstens 12,9 miljoen dollar per jaar door slechte datakwaliteit, op basis van onderzoek uit 2020. Dat cijfer geldt voor alle bedrijfsdata samen en geeft vooral de orde van grootte aan.

Wat kost slechte productdata in uw organisatie?

Een eigen rekensom overtuigt een directie meer dan een internationaal gemiddelde. Het onderstaande rekenvoorbeeld is indicatief; vervang de aannames door uw eigen cijfers.

1. Correctiewerk. Een groothandel met 15.000 artikelen wijzigt jaarlijks 3.000 artikelen handmatig in vier systemen, zes minuten per systeem. Dat is 72.000 minuten, ofwel 1.200 uur per jaar.
2. Retouren. Stel 400 retouren per jaar hebben als reden "anders dan beschreven", tegen 25 euro afhandelkosten per retour. Dat is 10.000 euro, exclusief gemiste marge.
3. Niet gepubliceerde producten. Stel 500 artikelen staan niet op een marktplaats omdat verplichte attributen ontbreken. Vermenigvuldig met de gemiddelde omzet per actief artikel op dat kanaal.

Werk deze drie posten uit in de business case voor PIM, naast de investering.

Welke wetgeving stelt eisen aan productdata?

Sinds eind 2024 is een deel van productdatakwaliteit een wettelijke plicht. Onjuiste of ontbrekende gegevens worden dan ook een compliancerisico.

• GPSR. De Algemene Productveiligheidsverordening (Verordening (EU) 2023/988) is van toepassing sinds 13 december 2024. Artikel 19 verplicht bij verkoop op afstand de naam, het postadres en het elektronische adres van de fabrikant (en van de verantwoordelijke marktdeelnemer als de fabrikant buiten de EU zit), een afbeelding, het producttype en waarschuwingen of veiligheidsinformatie in de taal van de consument. Lees meer over GPSR en productveiligheidsinformatie.
• Voedselinformatie. Artikel 14 van Verordening (EU) nr. 1169/2011 vereist dat bij online verkoop van voorverpakte levensmiddelen alle verplichte informatie, behalve de houdbaarheidsdatum, beschikbaar is voordat de aankoop wordt gesloten.
• Toegankelijkheid. De European Accessibility Act geldt in Nederland sinds 28 juni 2025. De ACM onderzocht ongeveer 100 van de grootste Nederlandse webshops en meldde op 24 maart 2026 dat 61 procent niet toegankelijk was voor klanten met hulpsoftware. Alternatieve teksten bij productafbeeldingen zijn productdata.

Hoe meet u productdatakwaliteit?

Meet op het niveau waarop u stuurt: per kanaal, per productgroep en per eigenaar. Vier indicatoren dekken het grootste deel.

• Completeness score per kanaal: het percentage gevulde verplichte attributen, met 100 procent als publicatiedrempel.
• Afwijzingspercentage: het aandeel producten dat een kanaal of datapool weigert, met de reden.
• Doorlooptijd tot publicatie: dagen tussen aanmaak van een artikel en de eerste publicatie op alle beoogde kanalen.
• Retouren met datareden: retouren per productgroep met als reden een afwijking van de beschrijving.

Automatiseer de controles met validatieregels zodat fouten bij invoer worden tegengehouden. Het artikel over datakwaliteit meten en verbeteren werkt regels, scores en dashboards verder uit.

Hoe verbetert u productdatakwaliteit structureel?

Kwaliteit verbetert pas blijvend als u de bron aanpakt. Zonder eigenaarschap en invoercontrole loopt de kwaliteit na een eenmalige opschoonactie weer terug.

1. Definieer kwaliteit per kanaal. Leg per productgroep vast welke attributen verplicht zijn voor welk kanaal, op basis van de kanaaleisen.
2. Doe een nulmeting. Meet de vier indicatoren hierboven voor uw belangrijkste kanalen.
3. Prioriteer op omzet. Begin met de productgroepen met de hoogste omzet of het hoogste retourpercentage.
4. Wijs eigenaren toe. Benoem per attribuutgroep een eigenaar en één eindverantwoordelijke; zie productdata-governance.
5. Pak de bron aan. Laat leveranciers aanleveren volgens een standaard als GS1, ETIM of BMEcat en valideer bij binnenkomst.
6. Blokkeer onvolledige publicatie. Laat het PIM-systeem alleen producten met 100 procent op de verplichte velden doorzetten.

Belangrijkste punten

• Productdatakwaliteit heeft zes dimensies: volledigheid, juistheid, consistentie, actualiteit, uniciteit en conformiteit, en is altijd relatief aan een kanaal.
• Slechte data kost op drie meetbare punten omzet: afwijzing door het kanaal, afhakende kopers en retouren.
• Sinds 13 december 2024 (GPSR) en 28 juni 2025 (European Accessibility Act) zijn bepaalde productgegevens online een wettelijke plicht.
• Meet per kanaal: completeness score, afwijzingspercentage, doorlooptijd tot publicatie en retouren met datareden.
• Structurele verbetering vraagt eigenaarschap per attribuut, standaarden bij de bron en validatie die publicatie blokkeert.