De meeste ondernemers kijken naar hun cijfers als naar een foto. Deze maand zoveel aanvragen, zoveel omzet, zoveel nieuwe klanten. Dat werkt prima om te zien hoe het gaat, maar het verklaart zelden waarom het gaat zoals het gaat. Een cohortanalyse doet iets anders: die volgt groepen klanten door de tijd heen en laat zien of de klanten van vorig kwartaal zich anders gedragen dan die van dit kwartaal.
Het klinkt als iets voor grote bedrijven met een data-afdeling, maar dat is het niet. Een dienstverlener met veertig klanten kan er net zoveel aan hebben als een webshop met veertigduizend. Sterker nog, bij kleinere aantallen zie je de patronen vaak sneller, omdat je elke klant nog kent.
In dit stuk kijken we naar wat een cohortanalyse is, wat je ermee kunt zien dat je anders mist, hoe je er zelf een maakt zonder ingewikkelde software, en welke conclusies je er wel en niet uit mag trekken.
Wat een cohortanalyse is
Een cohort is een groep die iets gemeenschappelijks heeft op hetzelfde moment. Meestal is dat het moment waarop iemand klant werd. Alle klanten die in maart binnenkwamen vormen samen het maart-cohort, en die groep volg je daarna maand voor maand.
Wat je vervolgens meet, hangt af van je bedrijf. Bij een abonnementsdienst kijk je hoeveel procent van dat cohort na drie, zes en twaalf maanden nog klant is. Bij een dienstverlener die per opdracht werkt, kijk je eerder hoeveel omzet die groep in de loop van de tijd heeft opgeleverd en hoeveel van hen terugkwamen.
Het verschil met een gewoon maandoverzicht zit hem in de vergelijking. Een maandoverzicht vertelt je dat er in juni honderdduizend euro binnenkwam. Een cohortanalyse vertelt je dat de klanten uit januari inmiddels gemiddeld tweeduizend euro hebben opgeleverd terwijl de klanten uit april op driehonderd staan, wat óf betekent dat april-klanten minder waard zijn óf dat ze simpelweg minder tijd hebben gehad.
Dat laatste is meteen de belangrijkste denkfout die we tegenkomen. Een jonger cohort ziet er altijd slechter uit, omdat het minder tijd heeft gehad. Je vergelijkt dus nooit de totalen, maar altijd hetzelfde punt in de tijd: hoe stond het januari-cohort er na drie maanden voor, tegenover het april-cohort na drie maanden.
Wat je ermee ziet dat je anders mist
Het eerste dat zichtbaar wordt, is of je klanten beter of slechter worden. Een bedrijf kan groeien in omzet terwijl de kwaliteit van de instroom daalt. Dat merk je pas als het te laat is, tenzij je per cohort kijkt.
Het tweede is het effect van veranderingen die je hebt doorgevoerd. Je hebt in februari je prijzen aangepast, of je intake anders ingericht, of je bent andere klanten gaan aantrekken. In een totaaloverzicht verdwijnt dat effect in het geheel. In een cohortweergave zie je het als een duidelijke breuklijn tussen voor en na.
Het derde is welk kanaal echt goede klanten oplevert. Twee kanalen kunnen evenveel aanvragen genereren en toch heel verschillende klanten opleveren. Wie alleen naar het aantal leads kijkt, kiest soms voor het kanaal dat het meeste werk en het minste rendement geeft.
Een kanaal dat de helft minder leads oplevert maar klanten die twee keer zo lang blijven, is het betere kanaal. Dat zie je nooit in een maandtotaal.
Het vierde is het moment waarop klanten afhaken. Bij veel dienstverleners blijkt dat op een vast punt te liggen, bijvoorbeeld rond de derde of vierde maand. Als je dat weet, kun je daar iets doen. Zolang je het niet weet, blijft het een gevoel dat er soms mensen weglopen.
Hoe je er zelf een maakt
Je hebt hier geen dure software voor nodig. Een spreadsheet en een export uit je facturatiepakket zijn genoeg om te beginnen. Wat je nodig hebt is per klant: wanneer hij klant werd, hoeveel hij per maand heeft opgeleverd, en of hij nog klant is.
Vervolgens maak je een tabel waarin de rijen de startmaanden zijn en de kolommen het aantal maanden sinds de start. In de eerste rij staat het januari-cohort, met in kolom één wat die groep in de eerste maand deed, in kolom twee de tweede maand, en zo verder. In de rij eronder hetzelfde voor februari.
Wat je dan krijgt is een driehoek, want de nieuwste cohorten hebben minder kolommen gevuld. Precies die vorm maakt het bruikbaar: je leest verticaal een kolom van boven naar beneden en ziet of de derde maand voor recente cohorten beter of slechter is dan voor oudere.
Onze ervaring is dat je met twaalf cohorten al genoeg hebt om een patroon te zien. Minder dan zes wordt lastig, omdat één afwijkende klant het beeld dan te veel kleurt. Bij dienstverleners met een handvol grote klanten per maand adviseren we daarom om per kwartaal te groeperen in plaats van per maand.
Wat je meet bij een dienstverlener
Bij een webshop is de keuze eenvoudig: herhaalaankopen en omzet. Bij een dienstverlener ligt het anders, want de meeste diensten worden niet elke maand opnieuw afgenomen.
Wat bij abonnementsachtige diensten goed werkt, is het percentage klanten dat na een bepaald aantal maanden nog actief is. Een HR-bureau met doorlopende contracten, een boekhouder, een onderhoudsbedrijf: daar is dat het meest sprekende getal.
Bij diensten per opdracht kijk je liever naar de opgebouwde omzet per cohort. Een advocatenkantoor of adviesbureau ziet dan of klanten uit een bepaalde periode vaker terugkomen met een tweede zaak. Dat is een sterk signaal over hoe de samenwerking is bevallen.
Bij klinieken en praktijken werkt het aantal herhaalbezoeken vaak het best, eventueel gecombineerd met de tijd tussen twee afspraken. Als die tijd bij nieuwere cohorten oploopt, gebeurt er iets dat aandacht verdient. Meer over het meten van dit soort bewegingen vind je in onze kennisbank over data en conversie.
Cohorten koppelen aan je marketingkanalen
De analyse wordt pas echt bruikbaar wanneer je er een tweede dimensie bij haalt: waar de klant vandaan kwam. Dan kun je niet alleen zien hoe het maart-cohort presteert, maar ook hoe de klanten uit Google zich verhouden tot de klanten uit advertenties of uit een verwijzing.
Wat we in de praktijk vaak zien is dat klanten die via zoekresultaten binnenkomen langer blijven dan klanten uit advertenties. Dat is logisch: iemand die zelf zocht had al een vraag, terwijl iemand die op een advertentie klikte werd onderbroken. Beide kanalen hebben nut, maar ze leveren een ander soort klant.
Wat we ook zien is dat klanten die uit een verwijzing komen, in bijna elke branche het langst blijven en het meest opleveren. Dat is nauwelijks verrassend, maar het is wel een reden om verwijzingen serieuzer te behandelen dan een toevallige meevaller.
Wij denken bij marketing altijd in drie zoek-werelden tegelijk, wat wij Triple Search Marketing noemen: Google, Meta en de AI-zoekmachines. Een cohortanalyse per kanaal laat zien welke van die werelden bij jouw bedrijf de beste klanten oplevert en waar dus meer aandacht naartoe mag. Meer daarover lees je op onze pagina over Triple Search Marketing.
Wat de cijfers je vertellen
Er zijn een paar patronen die telkens terugkomen en die je vrij snel leert herkennen. Het eerste is een steile val in de eerste maanden gevolgd door een vlakke lijn. Dat betekent dat er een groep is die om de verkeerde reden binnenkwam, en dat wie de eerste periode doorkomt daarna blijft.
Het tweede patroon is een lijn die geleidelijk blijft dalen zonder ooit vlak te worden. Dat is vervelender, want het betekent dat er geen groep is die zich echt hecht. Meestal wijst dat op iets in de dienst zelf of in de manier waarop het contact wordt onderhouden.
Het derde patroon is een verschil tussen oude en nieuwe cohorten op hetzelfde punt in de tijd. Als de derde maand bij recente groepen structureel slechter is, is er iets veranderd. Dat kan aan de instroom liggen, aan het aanbod, of aan hoe druk je het hebt gehad.
Het vierde patroon, en het prettigste, is een lijn die na verloop van tijd weer omhoog gaat. Dat gebeurt wanneer klanten na een pauze terugkomen voor een tweede opdracht. Bij advocatenkantoren en adviesbureaus is dat een teken dat je goed werk hebt geleverd.
Wat bij al die patronen telt, is dat je ze naast je eigen herinnering legt. Vaak weet je best wat er in een bepaald kwartaal speelde: je had het razend druk, er was een medewerker weg, of je hebt een periode klanten aangenomen die eigenlijk niet pasten. De tabel bevestigt dat dan, of hij spreekt het tegen. Allebei is nuttig, want in het tweede geval had je een verklaring in je hoofd die niet klopte.
Hoe vaak je hiernaar kijkt
Een cohortanalyse is geen dagelijks instrument. De patronen die je zoekt hebben maanden nodig om zich te tonen, dus vaker kijken levert vooral ruis op.
Wat bij de meeste dienstverleners goed werkt is een keer per kwartaal. Dat sluit aan op het ritme waarin je toch al naar je cijfers kijkt, en het is vaak genoeg om een verandering op te merken voordat hij een jaar heeft doorgewerkt.
Er zijn twee momenten waarop het extra de moeite waard is. Het eerste is na een verandering in je aanbod of je prijzen. Dan wil je zien of het nieuwe cohort zich anders gedraagt dan het vorige. Het tweede is wanneer je met een nieuw kanaal begint, want dan wil je weten of die klanten net zo goed zijn als je bestaande.
Wat wij aanraden is om de uitkomst kort op te schrijven. Een paar regels over wat je zag en wat je eraan gaat doen. Zonder die notitie is het volgende kwartaal weer een losse observatie in plaats van een lijn.
Wat we vaak zien misgaan
De meest voorkomende fout is het vergelijken van totalen tussen cohorten van verschillende leeftijd. Het nieuwste cohort verliest dan altijd, en de conclusie dat de kwaliteit daalt is dan gewoon fout. Vergelijk altijd hetzelfde punt in de tijd.
De tweede fout is conclusies trekken uit te kleine groepen. Vier klanten in een maand waarvan er één vertrekt, geeft een uitval van vijfentwintig procent. Dat lijkt dramatisch en zegt niets. Bij kleine aantallen groepeer je per kwartaal of per half jaar.
De derde fout is het seizoen vergeten. Bij veel dienstverleners is september een ander soort maand dan juli. Een cohort dat in de zomer instroomt kan er om die reden anders uitzien, zonder dat er iets aan de hand is.
De vierde fout is de analyse maken en er niets mee doen. Dat klinkt flauw, maar het is de meest voorkomende van allemaal. Een mooie tabel die niemand omzet in een aanpassing, is een uur werk dat niets heeft opgeleverd. Wat helpt is vooraf afspreken welke beslissing je erop gaat baseren.
Wanneer je hier hulp bij haalt
Zelf doen werkt goed zolang het bij een spreadsheet blijft en je de klanten nog kent. Dan is de analyse eerder een gestructureerde manier van kijken dan een echt dataproject.
Het wordt anders wanneer je gegevens uit meerdere systemen moet halen die niet met elkaar praten. Je facturatie zit ergens, je aanvragen ergens anders, en de herkomst van de klant nergens vastgelegd. Dan is de eerste stap niet de analyse maar het op orde brengen van de registratie.
Wat wij meestal adviseren is om klein te beginnen met wat je hebt, ook als het onvolledig is. Een ruwe cohorttabel over het afgelopen jaar zegt al meer dan een perfecte tabel die er nooit komt. Vanaf dat moment leg je de ontbrekende gegevens wel netjes vast. Hoe je die instroom vervolgens stuurt, staat verder uitgewerkt in onze kennisbank over leadgeneratie.
Veelgestelde vragen over cohortanalyse
Wat is een cohortanalyse?
Een cohortanalyse volgt groepen klanten die op hetzelfde moment zijn ingestroomd door de tijd heen. Alle klanten die in maart binnenkwamen vormen samen een cohort, en je meet maand voor maand hoe die groep zich ontwikkelt. Zo zie je of recente klanten zich anders gedragen dan eerdere, wat in een gewoon maandoverzicht onzichtbaar blijft.
Hoeveel klanten heb je nodig voor een cohortanalyse?
Er is geen harde ondergrens, maar bij minder dan tien klanten per periode kleurt één afwijkende klant het beeld te sterk. Bij dienstverleners met een handvol klanten per maand werkt groeperen per kwartaal of per half jaar beter. Met twaalf cohorten zie je meestal al een duidelijk patroon.
Wat is het verschil tussen cohortanalyse en een gewoon maandrapport?
Een maandrapport toont een moment: wat er die maand binnenkwam. Een cohortanalyse toont een ontwikkeling: hoe een groep zich gedraagt vanaf het moment dat hij instroomde. Daardoor zie je effecten van veranderingen in je aanbod, je prijzen of je marketing die in een totaaloverzicht helemaal wegvallen.
Welke software heb je nodig voor een cohortanalyse?
Voor een eerste analyse is een spreadsheet genoeg, samen met een export uit je facturatiepakket. Je hebt per klant nodig wanneer hij instroomde, wat hij per periode opleverde en of hij nog actief is. Pas wanneer gegevens uit meerdere systemen moeten komen, wordt aparte software of een koppeling de moeite waard.
Hoe vaak moet je een cohortanalyse maken?
Eén keer per kwartaal is voor de meeste dienstverleners voldoende, omdat de patronen maanden nodig hebben om zichtbaar te worden. Twee momenten zijn extra waardevol: na een verandering in je aanbod of prijzen, en kort nadat je met een nieuw marketingkanaal bent begonnen.
Wat een cohortanalyse vooral doet, is een gevoel omzetten in iets dat je kunt aanwijzen. Je vermoedde al dat er iets veranderde in de klanten die binnenkwamen, en nu zie je wanneer en hoeveel. Wil je hier samen naar kijken en bepalen welk kanaal jou de beste klanten brengt? Plan een strategiegesprek, dan lopen we het rustig door.
