Wat zijn UTM tags? UTM-tags zijn korte stukjes tekst die je kunt toevoegen aan een link. Deze korte tekstjes voegen extra informatie over websitebezoekers toe aan een URL. Google Analytics kan deze tekstjes herkennen, en zo zien op welke link of knop je websitebezoekers hebben geklikt om op jouw website terecht te komen.
UTM is een vorm van URL-tagging: het toevoegen van informatie aan een link. UTM is de variant die gebruikt wordt voor Google Analytics, maar ieder Analytics-platform kent een vorm van URL-tagging die vergelijkbaar is met de UTM-werkwijze. Je kunt de methode die we in dit blog beschrijven ook zonder problemen toepassen voor andere Analytics-platformen.
Voor de nieuwsgierigen onder ons: UTM komt van Urchin Tracking Module. Als één van de eerste Analytics-bedrijven ter wereld bedacht Urchin het UTM-systeem, voordat de organisatie werd overgenomen door - jawel - Google, dat er Google Analytics van maakte.
Welke UTM tags zijn er?
Google Analytics herkent 5 verschillende soorten tags, die allemaal een stukje informatie geven over je bezoeker. Je hoeft ze overigens niet altijd allemaal te gebruiken:
utm_medium: dit is de UTM die vertelt via welk soort medium een bezoeker op je website is beland. Dit kan bijvoorbeeld 'socialmedia' zijn, maar ook 'email' of 'offline'.
utm_source: deze UTM maakt de medium-UTM wat specifieker. Komt een social-bezoeker bijvoorbeeld via LinkedIn of Facebook? En komt een bezoeker vanuit een intern verstuurde e-mail of een externe? Deze informatie voeg je toe als utm_source.
utm_campaign: onder deze UTM kun je informatie over je campagne kwijt. Is een link onderdeel van een productlancering? Handig om te weten hoe deze bezoekers zich op jouw website gedragen ten opzichte van bezoekers vanuit andere campagnes.
utm_term: deze UTM wordt meestal gebruikt om wat meer informatie te geven over de campagne. Denk bijvoorbeeld aan: 'korting' of 'bestaandeklanten'.
utm_content: de laatste UTM is ideaal voor A/B-testjes. Als je bijvoorbeeld twee afbeeldingen met link maakt (ééntje geef je een rode kleur en de ander maak je blauw), dan achterhaal je met behulp van utm_content welke afbeelding het meest succesvol is. Blijven 'blauwe bezoekers' bijvoorbeeld langer op je website? Of zijn 'rode bezoekers' vaker geneigd om zich in te schrijven voor je nieuwsbrief?
Met dit snelcursusje UTM wordt het al meteen een stuk eenvoudiger om de UTM-tag in de eerste regel van dit artikel te ontcijferen: ?utm_source=linkedin&utm_medium=social&utm_campaign=education.
utm_medium=social: de bezoeker is vanuit social media op jouw website terechtgekomen utm_source=linkedin: de bezoeker is vanuit LinkedIn op jouw website terechtgekomen. utm_campaign=education: de bezoeker heeft op een link geklikt die onderdeel is van jouw educatiecampagne.
Waarom UTM gebruiken?
Maar wat is nu precies het nut van UTM? Je kunt op social media of in Coosto toch ook zien hoe vaak er op je link geklikt is? Klopt, maar het aantal clicks is slechts een deel van het verhaal. In Google Analytics vind je ook informatie als gemiddelde sessieduur, gemiddeld aantal bezochte pagina's per sessies, hoe vaak mensen gemiddeld overgaan tot aankoop of inschrijving.
Zo kun je bijvoorbeeld achterhalen dat iemand die op een Facebook-advertentie klikt, minder vaak tot aankoop overgaat dan iemand die op een 'gewone' Facebookpost klikt. Of dat iemand die via X op je website komt, gemiddeld veel langer blijft rondneuzen dan iemand die dat via LinkedIn doet. Of dat je eindejaarscampagne van dit jaar veel meer leads opleverde dan de afgelopen zomercampagne. Ga zo maar door.
Met UTM's maak je dit soort zaken inzichtelijk. Je hoeft dus niet te gokken ("het aantal websitebezoekers stijgt gelijktijdig met onze campagne, dan zal hij wel succesvol zijn"), maar je kunt alles haarfijn meten. De mogelijkheden van UTM's zijn eindeloos, en als je de resultaten structureel in Google Analytics monitort, zorg je voor een systeem waarmee je steeds beter leert wat in jouw marketing werkt en wat niet.
Hoe moet je UTM gebruiken?
Nu je weet wat UTM-tags zijn en waarom ze belangrijk zijn, kun je aan de slag.
Stap 1. Google Analytics inrichten
Het heeft geen zin om UTM-tags te gebruiken als ze vervolgens niet gemeten worden. Dat meten doet Google Analytics voor je. Maak eerst een gratis Google Analytics account aan, en geef je website-URL op. Maak vervolgens een Google Tag Manager account aan, om een code op te zetten die moet gaan bepalen hoe Google Analytics met jouw website communiceert. Deze code moet je op elke pagina van je website plaatsen. Als je niet technisch onderlegd bent, kun je dit het beste even bespreken met de host of bouwer van je website.
Stap 2. UTM's toevoegen
Voor iedere link die verwijst naar een (andere) pagina op jouw website, ga je UTM-tags toevoegen. Dat is in het begin even wennen, maar als dit op den duur een gewoonte wordt, ga je er sowieso de vruchten van plukken. Gelukkig hoef je de code niet telkens zelf helemaal uit te dokteren. Er zijn handige tools beschikbaar, die je werk uit handen nemen.
A. Coosto
In Coosto kun je in het venster 'Nieuw bericht' kiezen voor de knop 'Genereer UTM URL'. Je vult dan de URL in waar je naartoe wilt linken, en voegt de UTM's toe die je hebt afgesproken. Coosto zorgt er dan voor dat de volledige URL mét UTM automatisch voor je wordt geplakt in je bericht.
B. Google Campaign URL Builder
Voor links die je op andere plekken plaatst dan social media, kun je ook de Google Campaign URL Builder gebruiken. Deze doet min of meer hetzelfde als Coosto. Het enige verschil is dat je de link nog even moet kopiëren en op de juiste plek moet plakken.
C. Spreadsheet
Om overzicht te houden over al je UTM's en hun benamingen, is het aan te raden om ze ook allemaal te bewaren in Excel of Google Spreadsheets. Zo voorkom je dat je links in mails de ene keer de utm_medium 'email', en dan weer 'Email' of 'mail' meegeeft. Tip: je kunt dit soort utm-sheets op bepaalde websites eenvoudig downloaden. Sommige sheets laten je ook automatisch de UTM genereren of staan standaard ingesteld op drop-down-menu's, zodat je grip houdt op de categorieën en schrijffouten voorkomt.
Het is belangrijk om te weten dat UTM-tags niet vaststaan. Je bepaalt dus zelf of je een social media link onder utm_source 'socialmedia', 'social_media' of 'social' noemt. Google interpreteert deze drie dan allemaal als aparte categorieën. Je kunt je voorstellen dat je intern daarom goede afspraken moet maken over hoe je bronnen, media en campagnes precies noemt.
Stap 3. Tracken en analyseren
Volg hoe gebruikers vanuit je verschillende bronnen, campagnes, media zich gedragen op je website. Door maandelijks rapporten uit te draaien en combinaties van UTM's met elkaar te vergelijken, kom je erachter welke campagnes het meest bijdragen aan jouw doelen. Je leert welke advertentie-variant de meeste nieuwsbrief-inschrijvingen oplevert, je weet hoeveel mensen op een link in een e-mail klikken, en ga zo maar door.
Nogmaals, de mogelijkheden van UTM's zijn eindeloos. Het is aan jou om er een gewoonte van te maken telkens UTM's te gebruiken in je links. We beseffen dat dat nog niet zo gemakkelijk is in alle dagelijkse drukte. Coosto kan daar een geheugensteun en handig hulpmiddel in zijn, omdat je er eenvoudig automatisch je UTM's in maakt.
In drie maanden leidde het publieke online debat over woningnood tot 55.560 reacties; van alle gemeten woede-uitingen heeft 58% een hoge intensiteit.
Eindhoven, 15 april 2026: Nederland kampt met een aanhoudende wooncrisis, stagnerende bouwdoelen en felle discussies over betaalbaarheid. Tegen die achtergrond analyseerde Coosto het publieke online debat over woningnood. Tussen 2 november 2025 en 2 februari 2026 werden 27.039 publieke online berichten en de bijbehorende 55.560 reacties onderzocht, goed voor een bereik van 114 miljoen weergaven. De analyse laat zien dat het debat verder verhardt: frustratie en bezorgdheid domineren in volume, terwijl vooral de hoge intensiteit van woede-uitingen opvalt.
Frustratie voert de boventoon, intensiteit van woede valt op
Uit de analyse blijkt dat frustratie de meest voorkomende emotie is, gevolgd door bezorgdheid. Omdat binnen één bericht meerdere emoties kunnen voorkomen, overlappen de percentages.
Frustratie: aanwezig in 16.400 berichten (61%)
Bezorgdheid: aanwezig in 13.800 berichten (51%)
Teleurstelling: aanwezig in 8.162 berichten (30%)
Woede: aanwezig in 7.465 berichten (28%)
Ook is per emotie gekeken naar de intensiteit: laag, gemiddeld of hoog. Hoewel frustratie het vaakst voorkomt, valt binnen de categorie woede vooral de intensiteit op. Van de gemeten woede-uitingen is 58% hoog van intensiteit.
Van nieuwsbericht naar lokaal oordeel
Nieuwsmedia zijn met 40% van de berichten de grootste aanjager in de analyse. Daarna verplaatst het gesprek zich naar platforms als Facebook (28%) en X (19%), waar de discussie zich voortzet in 14.438 social media-berichten. Binnen het totale volume van 82.599 interacties laat de data een verschuiving zien van onmacht over landelijk beleid naar oordelen over lokale situaties. Interpretaties rond specifieke thema’s, zoals scheefwonen of lokale asielopvang, verspreiden zich daarbij snel. Daarmee groeit woningnood online uit tot een steeds gevoeliger reputatievraagstuk voor woningcorporaties en andere organisaties in het woondomein.
Piekmomenten: van woonkloof tot bouwvergunningen
In de analyseperiode zijn meerdere piekmomenten zichtbaar waarin emotie, bereik en interactie toenemen, gekoppeld aan nieuwsaanleidingen:
13 januari, piek in frustratie: rond berichtgeving over de woningmarkt en de positie van starters, met een bereik van 2,9 miljoen weergaven.
30 januari, piek in bezorgdheid: rond berichtgeving over bouwvergunningen en het aanhoudende woningtekort, met 3.595 reacties en 8,4 miljoen weergaven.
3 december, waardering rond lokale successen: positief sentiment in de vorm van waardering en trots bereikte 292.207 weergaven, onder meer rond gemeenten die hun bouwdoelen in 2025 wel haalden.
Maxime van Boekhold, Marketing & Communicatie Manager bij Coosto: “Met 27.039 berichten en 55.560 reacties ontstaat snel beeldvorming over woningnood. Wanneer woede daarbij vaak hoog van intensiteit is (58%), verhardt het publieke gesprek en kan dat direct doorwerken in het vertrouwen in woningcorporaties en andere organisaties in het woondomein.”
Onderzoeksmethode
Coosto analyseerde 27.039 publieke online berichten over de woningnood in de periode van 2 november 2025 tot en met 2 februari 2026. Emoties en intensiteit zijn gemeten met EmotionAI: een AI-gedreven model dat berichten indeelt in specifieke emotiecategorieën en de bijbehorende intensiteit bepaalt (laag, gemiddeld, hoog). Alle resultaten worden uitsluitend op geaggregeerd niveau gerapporteerd.
Schoolveiligheid onder de loep: emoties als stuurinstrument
Het online debat over schoolveiligheid wordt steeds emotioneler. Negatieve gevoelens zoals bezorgdheid, frustratie en woede domineren, terwijl positieve signalen afnemen. Die verschuiving vraagt om inzicht in emoties, intensiteit en context om effectieve communicatie en beleidsbeslissingen te ondersteunen.
Onderzoek naar sentiment rond schoolveiligheid
In een analyse van 12.425 publieke online berichten (november 2025 - februari 2026) zagen we dat het aandeel negatieve emoties opliep tot 61%, terwijl positieve signalen terugvielen naar 18%.
Wat vooral opvalt, is niet alleen de richting van die ontwikkeling, maar de samenstelling ervan. Bezorgdheid is in 65,5% van de berichten aanwezig. Daarnaast zien we frustratie (39,7%), woede (27%) en teleurstelling (20,6%) steeds nadrukkelijker terugkomen. Je zou hieruit kunnen concluderen dat er duidelijk zorgen leven in Nederland rond de veiligheid van kinderen op school.
Emotionele pieken in het online debat zichtbaar
Tijdens de onderzoeksperiode zijn verschillende momenten zichtbaar waarop emoties en interactie sterk toenemen. Deze pieken zijn direct gekoppeld aan nieuwsitems of evenementen, wat laat zien dat emoties in het onderwijsdebat niet zomaar ontstaan, maar een reactie vormen op specifieke triggers.
22 januari – Frustratie rond geweldsvideo’s Op deze dag bereikte frustratie een hoogtepunt. Media berichtten over geweldsvideo’s die zouden circuleren op middelbare scholen. Dit leidde tot meer dan 3.000 reacties, waarin ouders, leerlingen en leraren hun bezorgdheid en kritiek uitten. De intensiteit van frustratie was hier opvallend hoog, wat aangeeft dat berichten over dreigend of ongepast gedrag direct emotionele reacties oproepen.
22 januari – Bezorgdheid door digitale dreiging Op dezelfde dag was ook een piek in bezorgdheid merkbaar, gerelateerd aan berichten over mogelijke schoolsluitingen door digitale dreigingen. Deze combinatie van frustratie en bezorgdheid toont hoe nieuws over veiligheidsrisico’s snel emotioneel geladen discussies kan triggeren en beleidsdruk kan verhogen.
9 december – Bezorgdheid over gelijke behandeling Een eerdere piek deed zich voor op 9 december, rond berichtgeving over gelijke behandeling op school. Hier lag de nadruk op structurele zorgen en maatschappelijke normen, wat laat zien dat negatieve emoties niet alleen ontstaan bij acute incidenten, maar ook bij brede beleids- en cultuurvragen binnen onderwijsinstellingen.
12 december – Trots tijdens Paarse Vrijdag Niet alle pieken zijn negatief. Op 12 december ontstond een duidelijke piek in trots, gekoppeld aan Paarse Vrijdag, een initiatief voor acceptatie en een veilige schoolomgeving. Hier laten positieve emoties zien dat tastbare acties en samenwerking direct bijdragen aan erkenning, waardering en zichtbare trots in het online debat.
Sarcasme herkennen in online gesprekken
Sarcasme is lastig te meten, omdat mensen vaak het tegenovergestelde zeggen van wat ze bedoelen. De interpretatie hangt sterk af van context, toon en eerdere interacties. Een opmerking als:
“Oh fantastisch, nóg een maatregel die niemand controleert”
klinkt positief, maar drukt juist frustratie en wantrouwen uit. Ook dat soort nuance wordt zichtbaar met EmotionAI.
Waarom sarcasmedetectie belangrijk is
Sarcasme kan wijzen op afnemend vertrouwen in beleid of betrokken organisaties. Het herkennen ervan is daarom essentieel om sentiment niet verkeerd te interpreteren. Door sarcasme te onderscheiden van oprechte positiviteit, krijgen bestuurders en communicatieteams beter zicht op verborgen kritiek, onderliggende zorgen en mogelijke reputatiedruk.
Emoties verschuiven rond beleid en uitvoering
Uit de analyse blijkt dat emoties niet willekeurig ontstaan, maar zich concentreren rond thema’s als verantwoordelijkheid, maatregelen en samenwerking.
Zolang beleid abstract blijft, domineren zorgen en frustratie.
Zodra de uitvoering zichtbaar wordt — bijvoorbeeld in samenwerking tussen scholen, politie en lokale partners — maken die negatieve emoties vaker plaats voor trots en waardering.
Positieve emoties blijken daarmee sterk verbonden aan concrete actie. Voor bestuurders betekent dit dat reputatie niet alleen wordt beïnvloed door incidenten, maar vooral door de mate waarin maatregelen zichtbaar, begrijpelijk en navolgbaar zijn.
Reputatiemanagement vraagt om context
Niet alleen het volume bepaalt de reputatiedruk, maar ook de intensiteit en lading van berichten. Een beperkt aantal sterk emotionele reacties kan meer impact hebben dan een grote stroom milde opmerkingen. Door emoties altijd in context te analyseren — bijvoorbeeld per thema, school of maatregel — ontstaat een betrouwbaarder en genuanceerder beeld van het publieke sentiment. Dat helpt om:
Structurele zorgen vroegtijdig te signaleren
Te herkennen wanneer kritiek omslaat in verontwaardiging
Gerichte interventies te bepalen die vertrouwen helpen herstellen
Van emotioneel inzicht naar strategische keuzes
Het debat over schoolveiligheid laat zien dat reputatievorming steeds meer wordt gestuurd door onderliggende gevoelens die worden uitgesproken en anderen beïnvloeden, niet alleen door feiten of incidenten.
Wie alleen kijkt naar positief, negatief en neutraal sentiment, mist de emotionele dynamiek die het gesprek richting geeft, en daarmee controle.
Door emoties, intensiteit en context samen te analyseren, krijgen onderwijsbestuurders strategisch inzicht: niet alleen om reputatierisico’s te beperken, maar ook om draagvlak te versterken.
Lees meer over EmotionAI en ontdek hoe je maatschappelijke discussies vertaalt naar een onderbouwde communicatiestrategie en effectieve beleidsvorming.
Online debat over schoolveiligheid: woede sterk aanwezig
Woede is in 63% van de gevallen hoog van intensiteit; 14.362 reacties in drie maanden
Eindhoven, 4 maart 2026: Het aantal geweldsincidenten in het onderwijs nam afgelopen schooljaar opnieuw toe. Tegen deze achtergrond analyseerde Coosto het publieke online debat over veiligheidsrisico’s in het onderwijs, waaronder geweld, intimidatie, (online) pesten, discriminatie en seksuele grensoverschrijding. In de periode van 11 november tot en met 11 februari werden 17.014 publieke online berichten geanalyseerd: 2.652 posts met 14.362 reacties. Het totale geschatte bereik in deze periode bedraagt 24.582.926 weergaven. De analyse toont een fundamentele verharding van het debat; hoewel bezorgdheid in volume domineert, is de emotionele intensiteit van de woede-berichten opvallend hoog.
Bezorgdheid voert de boventoon, intensiteit van woede valt op
In de emotieverdeling komt bezorgdheid het vaakst voor (24,84%), gevolgd door frustratie (12,45%). In het debat komt ook woede nadrukkelijk terug (7,30%).
Naast de verdeling is gekeken naar intensiteit (laag, gemiddeld, hoog). Daarbij valt op dat woede relatief vaak als hoog is geclassificeerd (63,2% van de woede-berichten). Ook bij bezorgdheid en frustratie komen regelmatig berichten met hoge intensiteit voor.
Van incident naar oordeel
De data laat zien hoe snel dit onderwerp kan verschuiven van incident naar oordeel. Met 14.362 reacties op 2.652 posts ontstaat een debat waarin interpretaties en verwijten zich snel verspreiden. Dat maakt onderwijsveiligheid reputatiegevoelig: incidenten kunnen in korte tijd doorwerken in het vertrouwen in scholen en besturen.
Toine Verheul, CEO van Coosto: “Met 14.362 reacties op 2.652 posts ontstaat snel beeldvorming over schoolveiligheid. Als woede daarbij hoog-intens is (63,2%), verhardt de toon en kan dat doorwerken in het vertrouwen in scholen en besturen.”
Nieuws als aanjager, social versterkt
Meer dan de helft van de berichten in de dataset is afkomstig uit nieuwsmedia (53,4%). Daarna volgen Facebook (18,6%), blogs (9,4%) en Instagram (8,3%). Dit wijst op een patroon waarin nieuwsaanleidingen het onderwerp op de agenda zetten, waarna het debat doorloopt op social media en in reacties.
Piekmomenten: van geweldsvideo’s tot Paarse vrijdag
In de periode zijn meerdere pieken zichtbaar waarin emoties en interactie toenemen, gekoppeld aan nieuwsaanleidingen:
22 januari, piek in frustratie: rond berichtgeving over geweldsvideo’s die op middelbare scholen zouden circuleren. Dit onderwerp leidde tot meer dan 3.000 reacties.
22 januari, piek in bezorgdheid: rond berichtgeving over digitale dreiging, waarbij scholen tijdelijk zouden moeten sluiten.
9 december, piek in bezorgdheid: rond berichtgeving over gelijke behandeling op school.
12 december, piek in trots: rond Paarse Vrijdag, met uitingen van steun voor acceptatie en een veilige schoolomgeving.
Onderzoeksmethode
Coosto analyseerde 17.014 publieke online berichten over veiligheidsrisico’s in het onderwijs in de periode 11 november t/m 11 februari. Emoties en intensiteit zijn geclassificeerd met EmotionAI, een AI-gebaseerde methode voor emotieclassificatie die berichten indeelt in meerdere emotiecategorieën en intensiteitsniveaus (laag, gemiddeld, hoog). Resultaten worden uitsluitend op geaggregeerd niveau gerapporteerd.
Ontdek in real-time hoe klanten jouw merk ervaren — van klachten tot complimenten. Monitor de sentimenten in online berichten en reviews, en reageer proactief om je reputatie te beschermen en te versterken.
.webp)
.webp)
%20(5).webp)
