Als je je afvraagt hoe je het e-mail openpercentage berekent, is de standaardformule (Unieke opens ÷ Afgeleverde e-mails) × 100. Maar na zes jaar e-mailprogramma’s te runnen voor e-commerce- en B2B-klanten, kan ik je vertellen dat het ruwe percentage vaak een beleefde fictie is. Je berekent het door unieke opens te delen door afgeleverde e-mails (niet verzonden, niet totale opens), en vervolgens te vermenigvuldigen met 100. Je vindt de cijfers in het campagnerapport van je ESP of door ruwe verzendlogboeken te parseren. Echter, Apple Mail Privacy Protection en botverkeer blazen opens nu met 10–30% op voor veel lijsten, dus een ‘goed’ percentage hangt af van de context. Hieronder laat ik de exacte stappen zien in Mailchimp, HubSpot en een ruwe CSV, plus een gratis calculator.
De Exacte Formule voor het E-mail Openpercentage (en de Noemer-val)
De formule voor het e-mail openpercentage die de meeste platforms gebruiken, is bedrieglijk eenvoudig:
Openpercentage = (Unieke opens ÷ Afgeleverde e-mails) × 100
Unieke opens tellen elke ontvanger één keer, ongeacht hoe vaak ze de trackingpixel laden. Afgeleverde e-mails zijn gelijk aan verzonden minus bounces. Dit is de noemer die de meeste ESP’s standaard rapporteren, omdat deze adressen uitsluit die nooit de kans hadden om het bericht te ontvangen.
Waar de meeste beginners struikelen, is de noemer. Ik heb dashboards van klanten gecontroleerd waar iemand ‘Totaal verzonden’ als basis gebruikte, waardoor het openpercentage kunstmatig met 3–5 punten daalde. Anderen gebruikten ‘Totale opens’ (inclusief herhaalde weergaven) als teller, wat het percentage boven de 100% duwt voor zeer betrokken segmenten—ja, ik heb een openpercentage van 112% gezien in een HubSpot-rapport omdat de klant de verkeerde metric vierde.
Unieke Opens vs. Totale Opens: Wanneer Elke Relevant Is
Unieke opens beantwoorden ‘hoeveel mensen hebben gekeken?’ Totale opens beantwoorden ‘hoe vaak is de e-mail bekeken?’ Voor het berekenen van het standaard openpercentage, gebruik altijd unieke. Maar als je creatieve vermoeidheid diagnosticeert, zijn totale opens per unieke ontvanger (een frequentieverhouding) een aparte, nuttige lens.
Afgeleverd vs. Ontvangers vs. Verzonden
Hier is een snelle vergelijkingstabel die ik gebruik bij het trainen van junior marketers:
| Noemer | Definitie | Wanneer te gebruiken |
|---|---|---|
| Verzonden | Alle e-mails naar de SMTP-server gestuurd | Nooit voor openpercentage; alleen voor bounceberekeningen van bezorgbaarheid |
| Afgeleverd | Verzonden minus harde/zachte bounces | Standaard ESP-norm; vergelijkt met inboxplaatsing |
| Ontvangers | Unieke mensen in het segment vóór verzending | Wanneer je duplicaten onderdrukt en lijstbereik wilt meten |
Het ding dat niemand je vertelt over afgeleverd vs. ontvangers: als je dezelfde persoon twee keer e-mailt in een journey, dedupliceert ‘ontvangers’, maar ‘afgeleverd’ kan twee verzendingen tellen. Voor een enkele campagne liggen ze dicht bij elkaar; voor geautomatiseerde reeksen wijken ze sterk af.
Een andere nuance: zachte bounces. Een zachte bounce (volledige mailbox) wordt soms door ESP’s als afgeleverd geteld na een herpoging, maar als het uiteindelijk faalt, is je noemer opgeblazen. Ik trek altijd een snapshot 72 uur na verzending om herpogingen te laten settelen voordat ik bereken.
Hoe Weet Je het E-mail Openpercentage in Je ESP (Mailchimp, HubSpot, Klaviyo, Ruwe Exports)
De vraag ‘hoe weet je het e-mail openpercentage?’ gaat eigenlijk over het lokaliseren van de juiste kolommen en het begrijpen van het attributievenster. De meeste platforms tellen een open wanneer de verborgen pixel laadt, en ze blijven tellen voor onbepaalde tijd, maar voor een eerlijke vergelijking standaardiseer ik naar een snapshot 72 uur na verzending.
Mailchimp
Open je campagne, klik op Rapporten > Campagneprestaties. De kaart ‘Opens’ toont Unieke Opens en het berekende Openpercentage op basis van afgeleverd. Toen ik Mailchimp voor het eerst gebruikte in 2018, exporteerde ik per ongeluk de ‘Activiteit’-CSV en sommeerde ik de ‘open’-gebeurtenissen, waarbij ik vergat dat elke rij een afzonderlijke open-gebeurtenis was. De juiste ruwe export is Campagnes > Rapport bekijken > Exporteren, die een kolom ‘Unieke Opens’ bevat. Let op: Mailchimp telt MPP-voorladingen als opens, dus het aantal is al opgeblazen voor Apple-gebruikers.
HubSpot
In HubSpot Marketing Hub ga je naar E-mail > Analyseren en selecteer je de verzonden e-mail. De zijbalk rechts toont ‘Openpercentage’ met een tooltip die aangeeft dat het unieke opens / afgeleverd is. Voor ruwe data geeft Exporteren > Alle e-mailgebeurtenissen opnemen een CSV met gebeurtenistype ‘EMAIL_OPENED’. Filter op unieke ontvanger en tel. HubSpot’s API v3 retourneert ook uniqueOpens direct als je script schrijft. Een bug die ik tegenkwam: de export bevat zowel ‘OPEN’- als ‘PROXY_OPEN’-gebeurtenissen na MPP; je moet proxy-opens dedupliceren om dubbel tellen te voorkomen.
Klaviyo
Klaviyo’s dashboard toont ‘Openpercentage’ onder Analytics > Campagnes. Hun ‘Unieke Opens’-metriek sluit bekende bots standaard uit, wat een mooi voordeel is. Echter, als je een metric=Opened Email via API trekt, krijg je elke gebeurtenis; je moet groeperen op person_id. Ik heb ooit een percentage van 45% gerapporteerd op basis van ruwe API voordat ik groepeerde, wat eigenlijk 28% uniek was.
Ruwe Export of SQL
Als je je eigen SMTP runt (Postfix + SendGrid-logboeken), parse je JSON-gebeurtenissen. De sleutel is om te dedupliceren op message_id + email waar event == 'open'. Deel vervolgens door het aantal event == 'delivered' voor die campagne-ID. Ik bewaar een Python-snippet dat dit doet; de meest voorkomende bug is het tellen van ‘processed’ als afgeleverd, wat de noemer opblaast en het percentage verlaagt.
Als je een snelle sanity check wilt zonder code te schrijven, onze E-mail Openpercentage Calculator accepteert unieke opens en afgeleverde aantallen en geeft het percentage plus een betrouwbaarheidsaangepast bereik.
Waarom Je Openpercentage Liegt: Apple MPP, Bots en Pixel-blindheid
De grootste verschuiving die ik heb gezien sinds iOS 15 lanceerde, is Apple Mail Privacy Protection (MPP). Volgens Apple’s eigen aankondiging laadt MPP externe inhoud vooraf—inclusief open-pixels—dus opens worden geregistreerd, zelfs als de gebruiker de e-mail nooit bekijkt. In een B2B-lijst die ik beheerde, tilde MPP gerapporteerde opens van 22% naar 34% van de ene op de andere dag, zonder verandering in klikken of antwoorden.
De meeste mensen realiseren zich niet dat botfilters en beveiligingsgateways ook pixels triggeren. Proofpoint en Mimecast renderen e-mails vaak in een sandbox, waardoor opens worden geactiveerd. Combineer MPP en bots, en een ‘30% openpercentage’ kan slechts 18% echte menselijke weergaven vertegenwoordigen.
Vuistregel uit mijn audits: als je openpercentage sprong na september 2021 en het klikpercentage niet bewoog, neem dan aan dat 20–30% van de opens niet-menselijk is.
Een andere beperking: pixelafhankelijkheid. Als een ontvanger afbeeldingen uit heeft (gebruikelijk in oudere Outlook), wordt geen open geregistreerd, zelfs als ze de tekst lezen. Dus het openpercentage is een proxy, geen waarheid. Daarom koppel ik het aan klik-tot-openpercentage en antwoordpercentage, vooral voor koude outreach waar onze Koude E-mail Antwoordpercentage Schatter realistische verwachtingen stelt.
Gmail’s afbeeldingscaching vertroebelt ook het water: het serveert de pixel vanaf Google’s proxy, dus één open kan worden geregistreerd en vervolgens gecachet voor die gebruiker, wat daadwerkelijke latere opens onderschat. Het netto-effect is rommelig, niet simpelweg opgeblazen.
Om MPP-impact te detecteren, open je de e-mailclientuitsplitsing van je ESP. Als Apple Mail meer dan 45% van de geïdentificeerde clients vertegenwoordigt, pas ik een 0,75-factor voor echte opens toe voordat ik rapporteer. Dit is onvolmaakt, maar beter dan stille inflatie.
Is een E-mail Openpercentage van 30% Goed? Context Telt
Direct antwoord: Is een e-mailopeningspercentage van 30% goed? Voor de meeste opt-in marketinglijsten in 2024 is het antwoord ja—het ligt boven de mediaan over alle sectoren heen. Maar context is alles. Volgens Mailchimp’s benchmarkrapport variëren gemiddelde openingspercentages van 15% (retail) tot 28% (onderwijs), afhankelijk van de sector. Een percentage van 30% voor een gekochte lijst of een koude B2B-mailing zou spectaculair zijn—en verdacht—omdat die doorgaans 2–8% zien.
Voor een welkomstserie is 30% eigenlijk laag; goed opgebouwde welkomstflows halen vaak 40–60% vóór MPP. Voor een re-activatiecampagne is 30% een overwinning. De noemer doet er ook toe: als je ‘ontvangers’ gebruikt en dedupliceert, is 30% sterker dan 30% op ‘afgeleverd’, omdat afgeleverd aliassen bevat die later bouncen.
Mijn raamwerk: benchmark tegen je eigen historische cohort, niet tegen een generiek gemiddelde. Wanneer een klant vraagt ‘is 30% goed?’, toon ik hun eigen voortschrijdende mediaan van 90 dagen. Als 30% daarboven ligt, is het goed; als het eronder ligt, is het een rode vlag, ongeacht sectorstatistieken. Bij één SaaS-klantaccount was hun 90-dagenmediaan 26% gecorrigeerd, dus een gerapporteerde 30% (gecorrigeerd 21%) was eigenlijk een daling—een nuance die het management miste totdat we het herformuleerden.
Wat is een e-maillijst van 1.000 personen waard? (Naast het openingspercentage)
De PAA-vraag ‘Hoeveel is een e-maillijst van 1.000 waard?’ kan niet worden beantwoord met alleen het openingspercentage. Waarde komt voort uit monetiseerbare acties: verkopen, telefoontjes of advertentie-impressies. Stel dat je 1.000 abonnees hebt, 30% opent (300 mensen vóór MPP, misschien 200 na MPP), en je conversie naar klant vanuit opens is 2%. Dat zijn 4–6 klanten. Als je gemiddelde klantlevensduurwaarde €500 is, is de lijst €2.000–€3.000 waard per verzendcyclus—geen statisch getal.
Vergelijk dat met een koude lijst van 1.000 geschraapte adressen: het openingspercentage kan 5% zijn (50 opens), maar de afleverbaarheidsreputatie kelderd en conversies liggen bijna op nul. De lijst kan negatief waard zijn vanwege schade aan het afzenderdomein. Ik leerde dit op de harde manier in 2019 toen een klant aandrong op het kopen van een lijst; we kregen 80% spamklachten en verloren ons primaire domein voor 3 weken.
Laten we drie persona’s modelleren. Een e-commercelijst van 1.000 met 30% echte opens, 10% klik, 3% aankoop, €40 gemiddelde orderwaarde levert €360 per verzending op. Een B2B-SaaS-lijst met 20% echte opens, 5% klik, 1% demo, €2.000 LTV levert €400 per verzending op. Een lokale dienstverleningslijst met 25% echte opens, 8% telefoontje, 20% afsluiting, €300 per klus levert €1.200 per verzending op. Het openingspercentage is identiek, maar de waarde varieert 3x.
Dus bij het evalueren van de lijstwaarde, bereken de verwachte omzet = (Unieke opens × Correctie voor echte opens) × Klikpercentage × Conversiepercentage × LTV. Het openingspercentage is slechts een input, niet de output. Voor freelancers die e-maildiensten prijzen, weerspiegelt dit hoe we pleiten voor echte gelijkwaardigheid bij het berekenen van het freelance-uurtarief—waarde is gebaseerd op resultaat, niet op activiteit.
Een privacybewust berekeningsraamwerk (Stap voor stap + Google Sheets)
Om verder te gaan dan het ijdelheidsgetal, gebruik ik een drie-stappenmodel voor ‘gecorrigeerd openingspercentage’. Je kunt het in 10 minuten repliceren in Google Sheets.
Stap 1: Haal ruwe unieke opens en afgeleverd op
Noteer vanuit je ESP-export Unieke opens (U) en Afgeleverd (D). Basistarief = U/D. In Sheets: =U/D.
Stap 2: Schat niet-menselijke opens
Bereken de klik-tot-openratio (CTOR = Unieke kliks ÷ Unieke opens). Als de historische CTOR 15% was en na MPP daalt naar 9%, suggereert het verschil dat ~40% van de opens fantoom is. Pas correctiefactor A toe = (Oude CTOR ÷ Nieuwe CTOR) met een maximum van 0,7. Echte opens ≈ U × A. In Sheets: =U*MIN(OldCTOR/NewCTOR,0.7).
Stap 3: Bereken het gecorrigeerde percentage
Gecorrigeerd openingspercentage = (Echte opens ÷ D) × 100. Rapporteer beide getallen aan belanghebbenden: ‘Gerapporteerd 32%, gecorrigeerd ~22%.’ In Sheets: =(U*MIN(OldCTOR/NewCTOR,0.7))/D*100.
Ik voeg ook voorwaardelijke opmaak toe in Sheets: als het gecorrigeerde percentage <70% van het gerapporteerde is, markeer dan oranje. Deze visuele aanwijzing voorkomt dat belanghebbenden het opgeblazen getal citeren.
Hier is een beslismatrix voor de keuze van de noemer in verschillende scenario’s:
| Scenario | Gebruik noemer | Reden |
|---|---|---|
| Enkele promotionele mailing naar opgeschoonde lijst | Afgeleverd | Standaard ESP-vergelijking |
| Geautomatiseerde onboardingreeks | Ontvangers die zijn ingestroomd | Voorkom dubbeltelling van dezelfde persoon |
| Juridische/transactionele naleving | Verzonden | Bewijs van leveringspoging |
| Consumentennieuwsbrief na MPP | Afgeleverd + correctie | Houdt rekening met fantoom-Apple-opens |
Voor een kant-en-klaar sjabloon, kopieer de logica van onze E-mailopeningspercentagecalculator naar Sheets: voer U, D, Kliks in en het geeft het gecorrigeerde percentage uit met een MPP-schuifregelaar.
Veelgemaakte fouten die ik maakte bij het berekenen van openingspercentages (en hoe je ze vermijdt)
Toen ik voor het eerst het e-mailopeningspercentage voor een non-profitsklant probeerde te berekenen, maakte ik de fout om de ’totale opens’ van de ESP te vertrouwen omdat het er indrukwekkender uitzag in de bestuursrapportage. Het bestuur dacht dat de betrokkenheid verdrievoudigd was; de realiteit was vlak. Dit is wat ik leerde:
- Label altijd of het percentage uniek of totaal is—gemengde rapportage vernietigt vertrouwen.
- Segmenteer Apple Mail-gebruikers; als >50% van je lijst dit gebruikt, kort de opens dan met de MPP-factor.
- Vergelijk een percentage uit 2023 na MPP niet met een percentage uit 2020 zonder normalisatie.
- Let op botpieken: een plotselinge stijging van 10 punten zonder klikverandering is geen overwinning.
- API-export kan pagineren; ontbrekende pagina’s onderschatten opens met honderden.
Het meest over het hoofd geziene randgeval: gedeelde inboxen. Een support@-alias die door 5 medewerkers wordt geopend, telt als één unieke open, maar vertegenwoordigt meerdere lezers. Voor interne communicatie onderschat het openingspercentage de echte ogen. Omgekeerd kan bij één-op-één koude e-mail een enkele open door een gatekeeper het enige signaal zijn, zelfs als de beslisser het nooit heeft gezien.
Definitieve checklist voor het rapporteren van openingspercentages aan klanten of bazen
Gebruik deze checklist voordat je op verzenden klikt voor elk e-mailmetriekrapport:
- Vermeld de gebruikte formule: (Unieke opens ÷ Afgeleverd) × 100.
- Vermeld de MPP/botcorrectie als de lijst consumentgericht is.
- Neem de klik-tot-openratio op als sanity check.
- Benchmark tegen je eigen voorgaande periode, niet alleen tegen het sectorgemiddelde.
- Als je een calculator gebruikt, link dan naar de E-mailopeningspercentagecalculator voor transparantie.
Het berekenen van het e-mailopeningspercentage is eenvoudig; het eerlijk interpreteren is de echte vaardigheid. Gebruik de bovenstaande stappen en je zult nooit meer voor de gek worden gehouden door een opgeblazen ijdelheidsmetriek.