De boekingen zijn dit jaar lager. Niet dramatisch, maar merkbaar. Je kijkt naar je analytics: het verkeer is vergelijkbaar, de conversieratio is iets gedaald, en de campagnes doen wat ze altijd hebben gedaan. Je besluit het budget voor nieuwe klanten op te trekken, want die zijn er blijkbaar te weinig.
Wat je niet ziet: de oorzaak ligt een jaar geleden. En je trouwste klanten zijn al vertrokken voor je het doorhad.
Dat klanten behouden goedkoper is dan nieuwe werven is basiskennis. Wat de meeste bedrijven niet weten: welke klanten ze aan het verliezen zijn, wanneer, en waarom. Zonder die kennis investeer je blind in acquisitie terwijl je lek zit in retentie.
Wat je rapport je vertelt, en wat het verzwijgt
Standaard analytics, of het nu GA4, je boekingssysteem of een dashboardtool is, toont je een momentopname. Sessies vandaag. Conversies deze maand. Omzet dit kwartaal. Nuttig om bij te sturen, maar het vertelt je niet waarom klanten die vorig jaar bij je kwamen dit jaar niet terugkomen.
GA4 heeft een cohortrapport, maar het is beperkt en wordt zelden correct gebruikt. En zelfs de standaard metrics die je er wél uit haalt, verdienen een kritische blik. Wat er in de praktijk gebeurt: bedrijven kijken naar het totaalplaatje, zien een daling, en zoeken de oorzaak in het huidige jaar. Ze optimaliseren campagnes, verbeteren de landingspagina, testen nieuwe kanalen. Terwijl de echte oorzaak al twaalf maanden eerder is ontstaan.
Repeat share versus repeat rate: een verschil dat enorme gevolgen heeft
Hier wil ik even bij stilstaan, want dit is de fout die ik het vaakst tegenkom. Ook bij bedrijven die denken dat ze hun retentie goed opvolgen.
Repeat share is het aandeel van je boekingen of omzet dat vandaag van terugkerende klanten komt. Als 35% van je boekingen dit jaar van repeaters komt, klinkt dat als een gezond teken van loyaliteit.
Maar repeat share zegt alleen iets over de samenstelling van je huidige boekingen. Niet over hoe loyaal je klanten werkelijk zijn.
Stel dat je vorig jaar minder nieuwe klanten hebt geworven. Dan daalt het totaal, maar het aantal repeaters blijft gelijk. Je repeat share stijgt, terwijl je retentie eigenlijk is verslechterd of gelijk is gebleven. De conclusie die je trekt: klanten worden trouwer. De werkelijkheid: je hebt gewoon minder nieuwe klanten aangetrokken.
Repeat rate is de maatstaf die je wil kennen. Van alle klanten die je in jaar X hebt gewonnen, hoeveel zijn er ooit teruggekomen? Dat gaat over de kwaliteit van een acquisitiejaar. Niet over de samenstelling van je huidige omzet.
Bij een seizoensgebonden hospitality-bedrijf waar ik mee heb gewerkt, bleek na een cohortanalyse dat de repeat rate van de laatste twee acquisitiejaren merkbaar lager lag dan die van eerdere cohorten. De klanten waren niet minder tevreden. De oorzaak lag elders, en je leest straks waarom. Dat patroon was jarenlang onzichtbaar gebleven. Iedereen keek naar repeat share. De conclusie was telkens: "het gaat goed, meer dan een derde van onze boekingen komt van terugkerende klanten." Ondertussen kwamen nieuwe cohorten systematisch minder terug.
"Repeat share vertelt je hoe je dag er vandaag uitziet. Repeat rate vertelt je of je business over drie jaar nog bestaat."
Wat een cohortanalyse toont
Een cohort is een groep klanten die je in dezelfde periode hebt gewonnen, typisch hetzelfde jaar of seizoen. Volg die groepen apart in de jaren daarna, en je ziet iets wat in totaalcijfers volledig verdwijnt.
Bij het bedrijf waar ik over schrijf zag de retentieheatmap er zo uit: klanten gewonnen in 2018 en 2019 kwamen terug aan een rate van rond de 25%. Klanten gewonnen in 2022 en 2023 zaten na één jaar op 18 à 19%. Niet dramatisch lager, maar consistent. En het was geen toeval.
| Cohort | Jaar +1 | Jaar +2 |
|---|---|---|
| 2018 | 25% | 15% |
| 2019 | 24% | 14% |
| 2020 | 22% | 12% |
| 2021 | 21% | — |
| 2022 | 19% | — |
| 2023 | 18% | — |
Wat is er anders aan die recentere cohorten? Dezelfde marketing, vergelijkbare volumes, geen grote prijswijzigingen. De oorzaak bleek niet in de campagne of de prijs te liggen, maar in iets dat niemand had bekeken: timing.
Het mechanisme: je trouwste klanten boeken het vroegst
Dit zette alles op zijn plaats.
Terugkerende klanten boeken veel vroeger dan nieuwe klanten. Bij dit bedrijf was de mediane lead time van een eerste boeking ongeveer 70 dagen. Voor een tweede boeking al 110 dagen. Voor een vijfde boeking meer dan 125 dagen.
Logisch. Iemand die al bij je is geweest weet wat hij wil. Hij hoeft niet te vergelijken, niet te twijfelen. Op het moment dat hij klaar is om opnieuw te boeken, doet hij dat. En dat moment ligt vroeger in het jaar dan je verwacht.
Wat er was gebeurd bij de recentere cohorten: door een sterke focus op yield management was de pricing voor het volgende seizoen te laat beschikbaar gesteld. Op het moment dat terugkerende klanten klaar waren om te boeken, stonden de prijzen er nog niet in. Ze kwamen aan de deur, maar de deur was dicht. Ze hebben niet gewacht. Ze hebben iets anders geboekt, of niets.
Dat verlies zie je pas een jaar later in je retentiecijfers. Dan is het te laat.
"Je trouwste klanten vertrekken zelden na een slechte ervaring. Ze vertrekken omdat ze klaar waren om terug te komen, en jij was er op dat moment niet."
De bredere les: elke business heeft een omlooptijd
Hospitality is hier een duidelijk voorbeeld, de jaarlijkse cyclus springt eruit in de data. Maar hetzelfde geldt voor elke business met terugkerende klanten en een voorspelbaar aankoopritme.
Een B2B-dienstverlener wiens klanten jaarlijks hun contract verlengen. Een accountantskantoor in het voorjaar. Een tuincentrum dat weet dat klanten elk maart terugkomen. De kernvraag is steeds: weet je wanneer jouw klant klaar is om opnieuw te kopen? En ben je er op dat moment?
In hospitality is de omlooptijd uitzonderlijk zichtbaar in boekingsdata. In andere sectoren moet je hem zelf reconstrueren uit aankoophistorie. Maar als je hem kent, weet je wanneer je beschikbaar en zichtbaar moet zijn.
Drie vragen die elke business zou moeten kunnen beantwoorden
Je hebt hier geen complex dashboardsysteem voor nodig. Drie vragen volstaan.
Wat is de repeat rate per acquisitiejaar? Niet de repeat share van vandaag, maar het percentage klanten gewonnen in jaar X dat ooit is teruggekomen. Daalt dat percentage de laatste jaren, dan is er iets fundamenteels aan de hand.
Wat is de mediane lead time van terugkerende klanten? Hoe vroeg boeken ze? Stijgt die lead time naarmate het boekingsnummer hoger is? Als je vijfde-keer-boeker gemiddeld vier maanden op voorhand beslist, moet je vier maanden voor het seizoen beschikbaar zijn.
Op welk moment bereiken terugkerende klanten je aankooppagina? Ken je die piek, dan weet je wanneer je geen enkel obstakel mag hebben. Geen ontbrekende pricing, geen technische problemen, geen verwarrende beschikbaarheidskalender.
Wat je nog meer kan zien als de data er ligt
De kern van dit verhaal is het verschil tussen repeat share en repeat rate, en het timing-mechanisme achter klantenverlies. Maar een volwaardige cohortanalyse levert nog een reeks andere inzichten op.
Bij het bedrijf waar ik over schrijf kon ik onder meer bekijken welk type eerste verblijf de meeste loyaliteit creëert. Niet elk product trekt even trouwe klanten aan, en dat heeft gevolgen voor hoe je marketing en pricing inricht. Ik kon zien hoe de tijd tussen boekingen evolueert naarmate een klant vaker terugkomt, en of recentere cohorten een ander terugkeerritme vertonen. Ik kon churn analyseren per seizoen: systematisch of gebonden aan specifieke jaren? En voor bedrijven met meerdere locaties of productlijnen kon ik repeat rate per locatie vergelijken om te zien waar de sterkste loyaliteit ontstaat.
Elk van die inzichten begint bij dezelfde vraag: van de klanten die je hebt gewonnen, hoeveel zijn er teruggekomen, wanneer, en waarom wel of niet.
In een volgend artikel ga ik dieper in op hoe je die omlooptijd precies meet, welke signalen wijzen op nakend churn, en hoe je dat operationeel vertaalt naar actie op het juiste moment.
Als je boekingen dit jaar lager zijn, begin niet meteen bij acquisitie of campagnes. Begin bij de basisvraag: dalen ze omdat er minder nieuwe klanten zijn, minder terugkerende klanten, of beide? Kijk niet alleen naar de verhouding maar ook naar het absolute aantal repeaters. Daalt dat terwijl je totaal gelijk blijft of stijgt, dan speelt er een retentieprobleem.
Pas dan heeft het zin om te kijken welk acquisitiejaar underperformt in repeat rate, en wat er twaalf maanden geleden is gebeurd op het moment dat die klanten klaar waren om terug te komen. Soms is het pricing die te laat beschikbaar was. Soms een seizoen met uitzonderlijk lage tevredenheid. Soms is er geen duidelijke oorzaak en is het gewoon de realiteit van een ervaringsproduct waarbij de meeste klanten maar één keer komen.
Standaard analytics geeft je die vragen niet. Een cohortanalyse wel.
De cijfers en patronen in dit artikel zijn gebaseerd op een reële case. Bedrijfsnaam en exacte cijfers zijn geanonimiseerd.
Joey Vangaeveren is de oprichter van Intzicht en werkt als embedded marketing- en data-analysepartner voor B2B- en B2C-bedrijven in hospitality, zakelijke dienstverlening, e-commerce en SaaS. Zijn werk omvat strategie, analytics-dashboards op maat en toegepaste AI. Hij schrijft over wat hij in de praktijk ziet.
Benieuwd wat cohortanalyse voor jouw business kan betekenen? Neem contact op.