Negeer eerst nieuwe klanten
Stel je voor dat je bureau 10 retainerklanten tekent.
Vergeet voor nu hoeveel elke klant betaalt. Vergeet hoeveel posts, video's, advertenties of campagnes je produceert.
We meten maar één ding:
Is de klant gebleven?
De maand waarin een klant start is Maand 0.
In Maand 0 is de retentie altijd 100%.
Daarna volg je diezelfde groep klanten.
Als er na één maand nog 9 klanten zijn:
Retentie Maand 1 = 90%
Als er na drie maanden nog 8 zijn:
Retentie Maand 3 = 80%
Als er na zes maanden nog 6 zijn:
Retentie Maand 6 = 60%
Als er na een jaar nog maar 4 zijn:
Retentie Maand 12 = 40%
Plot deze cijfers in een grafiek en je krijgt je klantretentiecurve.
Klantretentie
100% ●
│\
90% │ ●
│ \
80% │ ●
│ \
70% │ ●
│ \
60% │ ●
│ \
50% │ ●
│ \
40% │ ●
│
└──────────────────────────
M0 M1 M3 M6 M9 M12
Maanden sinds ondertekening
De grafiek beantwoordt één vraag:
Hoe lang blijft een klant eigenlijk bij ons nadat we hem binnenhalen?
Dat is een heel andere vraag dan:
Hoeveel omzet hebben we deze maand gemaakt?
Waarom omzet misleidend kan zijn
Stel je voor dat je bureau het jaar begint met 10 klanten.
Drie klanten vertrekken in de komende maanden.
Maar je verkoopteam haalt er vier nieuwe binnen.
Je begon met:
10 klanten
Je verloor:
3 klanten
Je voegde toe:
4 klanten
Nu heb je:
11 klanten
Van buitenaf ziet alles er geweldig uit.
Je klantenbestand groeide.
De omzet kan zijn gegroeid.
Je maandrapport is groen.
Je denkt misschien zelfs:
We groeien.
Maar onder de oppervlakte kan iets anders aan de hand zijn.
Je vervangt constant klanten die vertrekken.
Je bureau groeit niet per se omdat klanten graag blijven.
Het kan groeien omdat je beter wordt in het vervangen van vertrekkende klanten.
Dat is een heel ander soort bedrijf.
Denk aan het vullen van een emmer met een gat onderin.
Meer sales betekent sneller water erin gieten.
Retentie vertelt je hoe groot het gat is.
Hoe bereken je dit voor een echt bureau?
Klanten tekenen natuurlijk niet allemaal op dezelfde dag.
Je kunt bijvoorbeeld hebben:
- Klant A start in januari
- Klant B start in februari
- Klant C start in februari
- Klant D start in april
- Klant E start in juni
Dus vergelijken op kalendermaanden zegt niet zoveel.
Stel daarom voor elke klant de klok opnieuw in.
De maand waarin ze tekenen wordt Maand 0.
Daarna:
M1 = één maand na ondertekening M2 = twee maanden na ondertekening M3 = drie maanden na ondertekening
enzovoort.
Je vergelijkt klanten op basis van hoe lang ze al bij het bureau zijn, niet op welke maand van het jaar het is.
Hier komen cohorten om de hoek kijken
Groeperen klanten op basis van wanneer ze begonnen.
Bijvoorbeeld:
| Klantcohort | M0 | M1 | M2 | M3 | M4 | M5 | M6 |
|---|---|---|---|---|---|---|---|
| Januari klanten | 100% | 100% | 80% | 80% | 80% | 60% | 60% |
| Februari klanten | 100% | 100% | 75% | 75% | 50% | 50% | — |
| Maart klanten | 100% | 83% | 83% | 67% | 67% | — | — |
| April klanten | 100% | 100% | 80% | 80% | — | — | — |
Dit heet een cohort-retentietabel.
De — is belangrijk.
Een klant van april die pas drie maanden klant is, kan natuurlijk niet worden meegenomen in de berekening van zesmaandretentie.
Die heeft Maand 6 nog niet bereikt.
Dus bij het berekenen van M6-retentie neem je alleen klanten mee die minstens zes maanden klant zijn.
Maak van de tabel één curve
Als je genoeg cohorten hebt, kun je ze combineren.
Je ontdekt misschien dat over je hele bureau:
| Tijd sinds ondertekening | Klantretentie |
|---|---|
| Maand 0 | 100% |
| Maand 1 | 92% |
| Maand 2 | 86% |
| Maand 3 | 78% |
| Maand 6 | 63% |
| Maand 9 | 54% |
| Maand 12 | 47% |
Nu heb je iets veel nuttigers dan een gewone grafiek van klantenaantallen.
Je hebt de vorm van de gemiddelde klantrelatie bij jouw bureau.
En de vorm van de curve doet ertoe
Stel je twee bureaus voor.
Beide tekenen ongeveer hetzelfde aantal klanten.
Beide hebben vergelijkbare omzet.
Maar hun curves zien er heel anders uit.
Bureau A
100% ●
│\
90% │ ●──●──●
│ \
80% │ ●────●────●
│
└────────────────────
0 1 3 6 9 12
De meeste klanten blijven.
Na de vroege daling vlakt de curve af.
Dat is interessant.
Het suggereert dat als een klant de eerste maanden overleeft, hij waarschijnlijk blijft.
Bureau B
100% ●
│\
80% │ ●
│ \
60% │ ●
│ \
40% │ ●
│ \
20% │ ●
│
└────────────────────
0 1 3 6 9 12
Dit bureau heeft een heel ander probleem.
Ze halen klanten binnen, terwijl bestaande klanten via de achterdeur vertrekken.
Ze groeien misschien nog steeds.
Maar groei wordt elke maand duurder.
Let op waar je curve daalt
Het interessante is niet alleen het eindpercentage.
Het is waar de daling plaatsvindt.
Als je ziet:
100% → 70% in de eerste maand
Dan heb je waarschijnlijk nog geen langetermijnretentieprobleem.
Je hebt misschien een probleem met sales of onboarding.
Misschien zijn verkeerde verwachtingen geschept.
Misschien was de klant geen goede match.
Misschien is de overdracht van sales naar uitvoering slecht.
Misschien kocht de klant iets anders dan wat het team dacht te moeten leveren.
Als je ziet:
100% → 95% → 93% → 90% → dan een grote val rond Maand 3
Dat is een ander signaal.
Misschien draagt de initiële enthousiasme de relatie.
Dan begint de klant de waarde te betwijfelen.
Misschien is de rapportage onduidelijk.
Misschien stopt de strategie met evolueren.
Misschien wordt het bureau een uitvoeringsleverancier in plaats van een partner.
Als de curve sterk blijft tot Maand 6 en daarna consistent daalt:
Heb je een andere vraag om te onderzoeken.
Wat gebeurt er rond Maand 6?
Misschien lopen contracten af.
Misschien worden campagnes repetitief.
Misschien halen klanten de functie in huis.
Misschien vlakt het resultaat af.
De retentiecurve vertelt je niet waarom klanten vertrekken.
Het vertelt je waar je moet kijken.
En dat is ongelooflijk waardevol.
De vraag die ik elke bureauoprichter zou stellen
Niet:
Hoeveel klanten heb je?
Niet:
Wat is je MRR?
Niet eens:
Hoeveel klanten heb je dit kwartaal binnengehaald?
Ik zou vragen:
Van elke 10 retainerklanten die je binnenhaalt, hoeveel zijn er na zes maanden nog bij je?
Want stel je twee bureaus voor met elk ₹1 crore omzet.
Bureau A tekent elk jaar 20 klanten en behoudt er 18.
Bureau B tekent elk jaar 40 klanten en verliest er 20.
Ze kunnen dezelfde omzet laten zien.
Maar het zijn niet dezelfde bedrijven.
De één heeft groeiende relaties.
De ander een salesloop.
Begin met vier cijfers
Je hebt geen ingewikkelde analysetools nodig.
Open een spreadsheet.
Maak een lijst van elke retainerklant die je hebt gehad.
Voeg toe:
Klantnaam Startdatum Einddatum — leeg als ze nog actief zijn
Bereken dan:
Retentie na 1 maand
Van klanten die oud genoeg zijn om één maand te hebben bereikt, welk percentage was er nog?
Retentie na 3 maanden
Van klanten die oud genoeg zijn om drie maanden te hebben bereikt, welk percentage bleef?
Retentie na 6 maanden
Van klanten die oud genoeg zijn om zes maanden te hebben bereikt, welk percentage bleef?
Retentie na 12 maanden
Van klanten die oud genoeg zijn om twaalf maanden te hebben bereikt, welk percentage bleef?
Dat is genoeg om te beginnen.
Je kunt bijvoorbeeld krijgen:
M1 — 94% M3 — 82% M6 — 68% M12 — 51%
Plot ze.
Je hebt je retentiecurve.
Voeg dan omzetretentie toe
Als je klantretentie begrijpt, is er nog een laag die het waard is om toe te voegen.
Want niet elke klant is gelijk.
Stel je hebt 10 klanten.
Negen betalen ₹50.000 per maand.
Één betaalt ₹400.000 per maand.
Als die grote klant vertrekt, ziet je klantretentie er misschien nog steeds uitstekend uit.
Je behield:
9 van de 10 klanten = 90%
Maar je verloor bijna de helft van je retaineromzet.
Dus uiteindelijk zou ik twee curves bijhouden:
Klantretentie
Hoeveel relaties bleven?
en
Omzetretentie
Hoeveel van de oorspronkelijke terugkerende omzet bleef?
De eerste vertelt je over je klantrelaties.
De tweede over de financiële impact daarvan.
Maar begin met de eenvoudige curve
Maak hier geen nieuw dashboardproject van.
Neem je retainerklanten.
Zet ze allemaal op Maand 0.
Volg of ze er nog zijn in Maand 1, Maand 3, Maand 6 en Maand 12.
Plot het.
Kijk dan naar de vorm.
Want als je bureau elke keer een nieuwe klant moet binnenhalen als er een oude vertrekt, bouw je niet voort op het werk van vorige maand.
Je bouwt vorige maand opnieuw op.
En uiteindelijk wordt sales moeilijker.
De oprichter raakt vermoeid.
Acquisitiekosten stijgen.
Het team blijft nieuwe accounts onboarden.
Kennis gaat steeds verloren.
Forecasting wordt pijnlijk.
Omzet wordt onvoorspelbaar.
Daarom is retentie zo belangrijk.
Nieuwe klanten laten zien hoe snel je beweegt.
Retentie laat zien of die beweging ook echt groeit.