Cohortanalyse voor abonnementsbedrijven

Je churn is al twee jaar ongeveer 2% per maand. Stabiel, beheersbaar, geen reden tot zorg.

En toch kan het zijn dat je klanten van vorig jaar het aanzienlijk beter deden dan die van dit jaar, en dat je dat pas over anderhalf jaar in je totaalcijfer terugziet. Een totaalgemiddelde mengt namelijk oude en nieuwe klanten door elkaar, en oude klanten zijn per definitie de klanten die niet zijn vertrokken.

Een cohortanalyse haalt die twee uit elkaar.

Wat een cohort is

Een cohort is een groep klanten die in dezelfde periode is ingestroomd, gevolgd over tijd. Alle klanten die in januari 2026 klant werden, zijn samen het januari-cohort, en dat blijven ze, ook als de helft in maart alweer weg is.

De hele kunst zit in dat "en dat blijven ze". Een cohort krijgt er nooit iemand bij. Alleen daardoor kun je januari eerlijk vergelijken met juni.

Hoe je de tabel opbouwt

Per cohort, per maand na instroom, hoeveel er nog over is. Dat kan in klanten of in omzet.

Maand 0 is altijd 100%: dat is het cohort bij instroom. De trap loopt naar rechts omdat er klanten wegvallen, en de rijen worden korter naarmate het cohort jonger is, een cohort van april kan nog geen twaalf maanden hebben.

Lees hem verticaal, niet horizontaal. Een kolom laat zien hoe verschillende cohorten het op hetzelfde punt in hun leven doen. Kolom 3 hierboven gaat van 91% naar 81% in vier maanden tijd. Dat is een product of een verkoopproces dat achteruitgaat, en in je totale churn is daar nog niets van te zien.

Waarom het totaalcijfer dit verbergt

Neem het voorbeeld hierboven. Je hebt een groeiend bestand met veel klanten uit 2025 die er allemaal nog zitten, en een groeiende instroom in 2026 die het minder goed doet.

Je totale maandchurn wordt gedomineerd door de grote, stabiele groep oude klanten. De slechtere retentie van de nieuwe cohorten verdwijnt in dat gemiddelde, tot die cohorten groot genoeg zijn om het gemiddelde te verschuiven. Dat duurt bij een gezond groeiend bedrijf makkelijk anderhalf jaar.

Anderhalf jaar waarin je het had kunnen weten.

De drie vragen die een cohorttabel beantwoordt

Word ik beter of alleen groter? Kijk naar één kolom, bijvoorbeeld maand 6, van boven naar beneden. Stijgt die, dan houden nieuwere klanten beter vast, het product, de onboarding of je klantselectie is verbeterd. Daalt die, dan is het omgekeerde waar.

Waar zit het afhaakmoment? Kijk naar één rij. Waar zit de grootste stap? Zit die tussen maand 0 en 1, dan is het een onboardingprobleem: mensen kwamen binnen en kwamen nooit aan. Zit de stap bij maand 12, dan is het een verlengingsmoment, daar zit een jaarcontract dat afloopt en een beslissing die opnieuw wordt genomen.

Is de curve vlak geworden? Vrijwel elke cohortcurve zakt snel en vlakt daarna af. Het punt waarop hij afvlakt is je kern: de klanten die blijven. Vlakt hij niet af maar zakt hij gestaag door, dan is er geen kern en loopt elk cohort uiteindelijk leeg.

Klanten of omzet

Doe beide, want ze vertellen verschillende dingen.

Klantretentie telt koppen. Simpel, en goed voor onboarding- en productvragen.

Omzetretentie telt euro’s, en dan kan een cohort boven de 100% uitkomen, als de klanten die bleven meer zijn gaan afnemen dan de vertrekkers meenamen. Dat is dezelfde meting als netto retentie, per cohort in plaats van over je hele bestand. Daarover gaat dit artikel.

Een cohort met 79% klantretentie en 104% omzetretentie beschrijft een bedrijf dat een vijfde van zijn klanten kwijtraakt en er toch meer aan verdient. Dat is een volkomen legitiem model, maar je moet het wel weten.

Wat je nodig hebt om dit te bouwen

Drie dingen, en het zijn er precies drie:

1. Instroommaand per klant. Onveranderlijk. Een klant die vertrekt en terugkeert hoort in zijn oorspronkelijke cohort, tenzij je een expliciete grens hanteert.
2. MRR per klant, per maand, voor elke maand sinds instroom. Dit is de bottleneck.
3. Een regel voor wanneer een klant het cohort verlaat. Bij opzegdatum of bij einde looptijd. Dezelfde keuze als bij churn, en hij moet gelijk zijn.

Punt twee is waar het bij vrijwel iedereen strandt. Een cohorttabel van twaalf maanden vraagt om twaalf historische momentopnamen van je klantenbestand, en die bewaart je boekhouding niet. Je administratie bewaart boekingen, geen samenstelling.

Wie nooit maandelijks de MRR per klant heeft weggeschreven, kan een cohorttabel niet met terugwerkende kracht maken op basis van alleen de boekingen: je kunt de bedragen reconstrueren, maar niet met zekerheid wie wanneer actief was en hoe dat toen is geclassificeerd.

Begin vandaag, ook zonder tool

Eén regel per klant per maand: klantnummer, instroommaand, genormaliseerde MRR. Meer niet.

Over twaalf maanden heb je dan een echte cohorttabel. Doe je het niet, dan is het antwoord op "hoe ziet jullie cohortretentie eruit?" over een jaar nog steeds dat het uitgezocht moet worden, en dat is precies het moment waarop iemand het vraagt.

Waarom dit nergens vanzelf uitrolt

Een cohort is geen eigenschap van een klant of van een boeking. Het is een eigenschap van een groep over tijd, en dus alleen te construeren uit een reeks momentopnamen die niemand bewaart.

Dat is dezelfde reden waarom MRR-beweging, churn en netto retentie er niet uit rollen. Je administratie legt vast wat er gebeurd is. Ze is niet gebouwd om te laten zien wat er aan het gebeuren is. Dat onderscheid is het onderwerp van de whitepaper De blinde vlek in Exact Online.