Hoe ontdek je klanten die stilletjes minder afnemen?

Je ontdekt klanten die stilletjes minder afnemen door per klant de afname van de laatste drie tot zes maanden te vergelijken met zijn eigen patroon over het jaar daarvoor, niet met het bedrijfsgemiddelde. Een klant die structureel onder zijn eigen normaal zakt, in volume, frequentie of breedte van het assortiment, bouwt af. Die daling valt in je totale omzet weg tegen groei elders, dus je moet er per klant naar zoeken.

Waarom je het niet ziet

Stille afbouw is lastig omdat er niets gebeurt. Er komt geen opzegging binnen, geen klacht, geen verloren deal in het CRM. De klant blijft klant. Hij bestelt alleen minder vaak, minder per keer of alleen nog de standaardproducten. Soms heeft hij een tweede leverancier gevonden, soms is er intern iets veranderd, soms is er een nieuwe inkoper.

Drie dingen maken het onzichtbaar:

• Totalen verbergen het. Als je omzet dit jaar 6 procent groeit, merkt niemand dat twintig bestaande klanten samen 15 procent minder afnemen. De nieuwe klanten compenseren het.
• Het CRM kijkt vooruit. Het CRM volgt deals en pipeline. Een klant zonder open deal staat er niet in als risico, zelfs als zijn bestellingen halveren.
• Maandcijfers schommelen. Een klant die de ene maand EUR 20.000 bestelt en de volgende EUR 8.000, kan gewoon een rustige maand hebben. Pas over meerdere maanden wordt een trend zichtbaar, en dan kijkt niemand meer.

Het gevolg: de eerste keer dat iemand het merkt, is als de klant helemaal stopt of een contract niet verlengt. Dan is het te laat om te vragen wat er aan de hand was.

Welke vormen van afbouw je zoekt

Afbouw heeft meer vormen dan dalende omzet. Kijk naar alle vier:

1. Minder volume. Dezelfde producten, kleinere aantallen.
2. Lagere frequentie. Dezelfde orders, maar om de zes weken in plaats van om de vier.
3. Smaller assortiment. De klant nam vroeger vijf productgroepen af, nu twee. Vaak het eerste teken dat een concurrent een deel heeft overgenomen.
4. Minder gebruik bij gelijke factuur. Bij abonnementen en licenties blijft de factuur gelijk, maar het gebruik zakt. De omzet daalt pas bij de verlenging, maar het signaal is er maanden eerder.

Vooral het derde patroon wordt gemist, omdat de totale omzet van de klant soms nauwelijks daalt als de overgebleven productgroepen de grootste zijn.

Methode: elke klant tegen zichzelf

1. Exporteer factuurregels of orders van de laatste 24 maanden. Klant, datum, productgroep, bedrag.
2. Bereken per klant per maand de omzet, het aantal orders en het aantal productgroepen.
3. Bepaal per klant de basislijn. De gemiddelde maandomzet over maand 4 tot en met 15 geleden. Zo sluit je de meest recente periode uit en middel je seizoensschommelingen deels weg.
4. Bereken de recente afname. Het gemiddelde van de laatste drie maanden.
5. Markeer klanten waarvan de recente afname 25 procent of meer onder de basislijn ligt. Pas de grens aan op je branche. Bij sterk seizoensgebonden afname vergelijk je met dezelfde maanden vorig jaar.
6. Doe hetzelfde voor frequentie en productgroepen. Een klant die van vijf naar twee productgroepen ging, markeer je ook als zijn omzet nog maar licht daalde.
7. Sorteer op euro's. Verschil tussen basislijn en recent, maal twaalf. Dat is wat er per jaar op het spel staat.
8. Laat de accounteigenaar de top van de lijst beoordelen. Is er een verklaring, zoals een project dat is afgerond of een bekende reorganisatie? Leg die vast. Zonder verklaring: bellen.

Dit gaat in Excel met een draaitabel, en in Power BI of een vergelijkbare tool met een paar berekende kolommen. Het vraagt geen AI. Wel discipline om het elke maand te herhalen.

Rekenvoorbeeld

Rekenvoorbeeld: stel je bent een groothandel met 400 vaste klanten en EUR 15 miljoen omzet. De analyse markeert 35 klanten die de afgelopen drie maanden minstens 25 procent onder hun eigen basislijn zitten. Hun basislijn was samen EUR 180.000 per maand, hun recente afname EUR 120.000 per maand.

• Verschil: EUR 60.000 per maand, ofwel EUR 720.000 op jaarbasis als het zo blijft.
• Als een deel daarvan doorzakt naar volledig vertrek, wordt het meer.

Niet al die omzet is terug te halen. Maar een klant die een deel van zijn inkoop bij een ander heeft ondergebracht, is vaak nog te overtuigen als je het binnen een paar maanden ziet. Na een jaar is de nieuwe leverancier ingeburgerd.

Wat je doet met de lijst

De lijst is een gespreksagenda, geen verwijt. Een paar vuistregels:

• Bel, mail niet. De vraag is open: "we zien dat jullie minder bestellen in productgroep X, klopt dat beeld en wat is er veranderd?" Je leert meer in vijf minuten bellen dan uit een maand data.
• Leg de reden vast. In het CRM, bij de klant. Na een paar maanden weet je welke redenen vaak voorkomen: prijs, levertijd, een concurrent, een interne verandering.
• Maak onderscheid tussen verloren en geparkeerd. Een klant die een project heeft afgerond, komt misschien terug. Een klant die naar een concurrent is, moet je terugwinnen.
• Koppel het aan je retentieproces. Een klant op deze lijst hoort bij de volgende verlenging extra aandacht te krijgen.

Het verschil met churn en met upsell

Stille afbouw is het voorstadium van churn. De klant is er nog, maar gaat weg. Wie alleen churn meet, meet te laat. Het is ook het spiegelbeeld van upsell: een klant die groeit in gebruik is een kans, een klant die krimpt een risico. Dezelfde data, dezelfde methode, andere richting. Zie hoe je gemiste upsell ontdekt.

Bij abonnementen speelt nog iets. Een klant die minder gebruikt maar hetzelfde betaalt, is geen lek vandaag, maar wel morgen. En een klant die minder betaalt terwijl hij hetzelfde gebruikt, is juist een factuurfout. Die tweede vind je met controles op fouten in terugkerende omzet.

Kan software dit eerder zien?

Een regel als "25 procent onder de basislijn" is grof. Hij mist klanten met een onregelmatig patroon en markeert klanten die gewoon een rustige maand hebben. Statistische methoden en machine learning kunnen per klant een verwachting berekenen, rekening houdend met seizoen en trend, en afwijkingen eerder markeren. Of dat betrouwbaar lukt, hangt vooral af van hoeveel historie je hebt. Lees meer in kan AI revenue leakage voorspellen.

Voor de meeste bedrijven is de eerste stap niet slimmer rekenen, maar überhaupt per klant kijken. Afbouw staat ook in de lijst van signalen dat je bedrijf omzet laat liggen, en is een van de gebieden in de bredere aanpak van omzetlekkage vinden. De Revenue Audit neemt retentie mee als een van de acht gebieden die hij doorloopt, met een eurobedrag per bevinding.

Controlelijst

• Kun je per klant de maandomzet van de afgelopen twee jaar opvragen, zonder handwerk?
• Zie je per klant hoeveel productgroepen hij afneemt, en hoe dat verandert?
• Is er iemand die maandelijks een lijst krijgt van klanten die onder hun eigen normaal zakken?
• Wordt de reden van afbouw vastgelegd in het CRM?
• Krijgen klanten met afbouw extra aandacht voor de verlenging?

Veelgestelde vragen

Hoe lang moet ik terugkijken?

Minimaal twaalf maanden voor een basislijn, liever 24 om seizoenen te herkennen. Bij klanten die maar een paar keer per jaar bestellen, heb je meer historie nodig voordat een daling betekenis heeft.

Welke drempel is goed?

Dat verschilt per bedrijf. Begin met 25 procent en kijk hoeveel klanten erop komen. Is de lijst te lang om te bellen, verhoog de drempel of kijk alleen naar klanten boven een minimale omzet.

Is dit ook relevant voor abonnementen met een vaste prijs?

Ja, maar dan kijk je naar gebruik in plaats van factuurbedrag. Een klant die zijn licenties nauwelijks nog gebruikt, zegt bij de volgende verlenging vaak op of vraagt om een lager pakket.

Wie moet deze lijst krijgen?

De accounteigenaar per klant, met een kopie naar degene die verantwoordelijk is voor retentie. Zonder eigenaar wordt het een rapport dat niemand leest.