Laatst bijgewerkt: juni 2026
Een goede tech stack draait niet om zoveel mogelijk tools, maar om een handvol die soepel samenwerken. Ik werk solo en bedien daarmee MKB-bedrijven en scale-ups, dus mijn stack moet het werk doen van een klein team. Vijf lagen vormen de kern: automatisering, AI, data, content en analyse. In dit artikel deel ik mijn complete tech stack als marketing consultant, welke tool welke laag invult, hoe ik ze aan elkaar knoop, en wat ik bewust niet gebruik. Geen tool-lijst om de lijst, maar het systeem erachter.
De filosofie achter mijn tech stack: minder tools, meer verbinding
De meeste consultants verzamelen tools, ik koppel ze. Een tool die niet praat met de rest kost meer tijd dan hij bespaart, want elke handmatige overdracht is een lek. Mijn vuistregel: een nieuwe tool komt er alleen in als hij via API of webhook te verbinden is met wat ik al draai. Daardoor is de stack klein gebleven maar doet hij veel, en kan ik als eenpitter toch consistent leveren aan meerdere klanten tegelijk.
Het tweede principe is dat elke laag een duidelijke taak heeft en niet overlapt met een andere. Zodra twee tools hetzelfde doen, gaat er één weg. Dat klinkt streng, maar het houdt de onderhoudslast laag: ik hoef maar één plek te updaten als er iets verandert, en ik weet altijd waar welke data woont.
Mijn tech stack in vijf lagen
Laag 1: automatisering met n8n
n8n is de ruggengraat van mijn tech stack. Het verbindt Gmail, Google Calendar, mijn CRM, WordPress en de Claude API via webhooks en HTTP-nodes, zonder dat ik per koppeling betaal per actie. Concreet draai ik er drie soorten workflows op: contentdistributie (een gepubliceerde blog wordt automatisch klaargezet voor LinkedIn), leadopvolging (een formulierinzending maakt een taak aan en stuurt een eerste reactie), en rapportage-triggers (elke maandag haalt een workflow de cijfers op).
Een diepere vergelijking met de alternatieven staat in mijn artikel n8n vs Make vs Zapier. n8n proberen kan met een gratis self-hosted versie (dit is een affiliate-link, ik raad n8n aan omdat ik het zelf dagelijks gebruik).
Laag 2: AI met de Claude API
De Claude API doet het zware denkwerk, maar nooit als losse chatbot. Ik bed de API in n8n-workflows in, zodat de output direct ergens naartoe gaat: een contentdraft die in WordPress als concept verschijnt, een binnenkomende mail die geclassificeerd en gelabeld wordt, een dataset die wordt samengevat tot drie actiepunten. Het verschil met los chatten is dat het resultaat geen kopieer-plakwerk meer is. AI is hier het middel, groei is het doel.
Laag 3: data met Supabase
Supabase is mijn database-laag, een Postgres-backend waar workflows naar schrijven en uit lezen. Klantdata, contentlogs en tussenresultaten van automatiseringen staan hier. Het belangrijkste dat deze laag oplost: een workflow onthoudt status tussen runs. Zonder database is elke automatisering geheugenloos en begint hij elke keer opnieuw. Met Supabase weet een workflow welke leads al opgevolgd zijn en welke blogs al gedistribueerd, zodat niets dubbel gebeurt.
Laag 4: content met WordPress en Rank Math
WordPress draait de site, Rank Math bewaakt de on-page SEO. Het verschil met een standaard WordPress-opzet is dat ik publiceer via de REST API vanuit mijn eigen workflows, niet handmatig klik-voor-klik in de editor. Een afgeronde draft krijgt automatisch de juiste categorie, focus keyword, meta description en featured image meegestuurd. Zo schaalt contentproductie zonder dat de kwaliteit zakt, en blijft de check-stap (kwaliteit, taal, links) waar hij hoort: bij mij.
Laag 5: analyse met Ahrefs, GA4 en Search Console
Ahrefs gebruik ik voor keyword- en backlinkdata, Google Analytics 4 en Search Console voor gedrag en posities. Deze laag voedt de beslissingen in alle andere lagen: welke content ik laat schrijven, welke pagina’s een refresh nodig hebben, waar budget naartoe moet. Hoe ik daar concreet rendement uit haal staat in mijn gids over marketing ROI meten.
Hoe de lagen van mijn tech stack samenwerken: een voorbeeld
Een losse tool zegt weinig, de koppeling alles. Neem het publiceren van een blog, van idee tot online, door mijn stack heen. Ahrefs (laag 5) levert een keyword met zoekvolume en een redelijke moeilijkheidsgraad. Dat onderwerp gaat als opdracht naar een n8n-workflow (laag 1), die de Claude API (laag 2) een eerste draft laat schrijven op basis van een vaste briefing.
De draft en de metadata worden gelogd in Supabase (laag 3), zodat ik weet wat er loopt. Na mijn review zet dezelfde workflow de post via de WordPress REST API (laag 4) klaar als geplande publicatie. Na publicatie meet Search Console (laag 5) of het werkt, en die data bepaalt of de post over drie maanden een refresh krijgt. Vijf lagen, één doorlopende lijn, en mijn handwerk zit alleen op de plek waar het waarde toevoegt: de inhoudelijke check.
Waarom een gekoppelde stack belangrijker is dan dure tools
Je hoeft je toolset niet te verdubbelen om meer te doen. Het verschil zit in de koppeling: twee goedkope tools die via een webhook samenwerken leveren vaak meer op dan één duur platform dat geïsoleerd staat. Een halve dag besparen per week door één workflow tikt over een jaar harder aan dan welke feature-lijst ook. En het schaalt mee: dezelfde opzet die voor mij als solo consultant werkt, werkt voor een MKB-marketingteam, alleen het volume en de rechtenstructuur veranderen. Voor een bredere kijk op werk slim automatiseren, lees mijn gids over AI automatisering voor MKB.
Wat ik bewust niet in mijn tech stack heb
Net zo belangrijk als wat erin zit, is wat eruit blijft. Ik gebruik geen duur all-in-one marketingplatform, omdat ik dan vastzit aan hun manier van werken en hun prijsmodel. Ik gebruik geen losse AI-chattools naast de Claude API, want dan staat AI weer geïsoleerd. En ik gebruik geen tweede database of tweede automatiseringstool: één van elk, anders ontstaat precies de versnippering die ik wil voorkomen. Elke tool die ik afwijs, houdt de stack onderhoudbaar.
Wat deze tech stack kost
Het grootste deel draait op gratis of lage tiers: n8n self-hosted, Supabase free tier, de Claude API per gebruik. De betaalde posten zijn Ahrefs en mijn Google Workspace. Het punt is niet de prijs maar de verbinding: dezelfde tools ongekoppeld zouden me elke week uren handwerk kosten. De stack verdient zichzelf terug in tijd, niet in features.
Veelgestelde vragen over de tech stack van een marketing consultant
Welke tool is het belangrijkst in de stack?
n8n, omdat het de lijm is. Zonder de automatiseringslaag blijven de andere tools losse eilanden en kost alles handwerk. Begin daar als je één tool zou kiezen.
Heb ik programmeerkennis nodig voor deze setup?
Nee, wel comfort met API’s en webhooks. Ik ben geen developer, maar n8n en de meeste tools werken met visuele nodes en goede documentatie. De leercurve zit in het denken in workflows, niet in code.
Hoe lang duurt het om zo’n stack op te bouwen?
Niet in één weekend, en dat hoeft ook niet. Begin met één koppeling die een terugkerende klus wegneemt, en bouw daar elke maand één workflow bij. Binnen een halfjaar heb je een stack die echt werk uit handen neemt.
Werkt dit ook voor een MKB-marketingteam in plaats van een solo consultant?
Ja, de lagen blijven hetzelfde, alleen het volume en de rechtenstructuur schalen mee. Een team voegt vooral samenwerking en governance toe, niet meer tools.
Wat dit voor jou betekent
Begin niet met het kopen van tools, maar met het tekenen van je werkstroom: welke stappen doe je elke week handmatig, en welke twee tools zou je moeten koppelen om dat weg te halen. Eén goede koppeling is meer waard dan vijf nieuwe abonnementen. Wil je sparren over een stack die bij jouw situatie past, plan dan een korte kennismaking via mijn contactpagina.
