Onderbuikgevoel schaalt niet voorbij een man of twintig klanten. Zo maak je risico zichtbaar — uitlegbaar, niet als black box.
Bijgewerkt: 4 september 2026
Klantverloop voorspel je door meetbare signalen — productgebruik, betaalgedrag, supportdruk, NPS — te combineren tot één uitlegbare risicoscore per klant, en de trend daarvan te volgen. Zo zie je weken vooraf welke klanten afhaakrisico lopen, vóór ze zelf opzeggen. Hieronder waarom onderbuikgevoel niet schaalt, en wat een risicoscore wél en niet moet doen.
Bij tien klanten kent een CS-manager iedereen bij naam en voelt op gevoel wie risico loopt. Bij honderd klanten is dat onmogelijk — en juist dan begint het geld pas serieus te tellen. Zonder systematiek merk je risico pas op het moment dat een klant zelf opzegt, oftewel: te laat.
De acht signalen uit waarom klanten opzeggen zijn stuk voor stuk zwakke voorspellers. Gecombineerd zijn ze sterk. Een risicoscore weegt factoren als gebruik, betaalgedrag, supporttickets en NPS tegen elkaar af tot één niveau: laag, midden, hoog of kritiek. Het punt is niet het getal zelf, maar dat het uitlegbaar blijft — een score die niemand kan navertellen, wordt genegeerd zodra hij een keer fout zit.
Een generiek model dat voor elk bedrijf hetzelfde weegt, klopt zelden. Een B2B-dienstverlener met lange contracten heeft andere risicofactoren dan een transactioneel SaaS-abonnement. Een bruikbaar model laat je zelf bepalen hoe zwaar elke factor meetelt — en toont per klant welke factoren de score omhoog duwden, zodat je team het kan navertellen aan de klant zelf.
Een score van "midden" zegt weinig. Een score die drie weken op rij stijgt, zegt veel meer. Door risico over tijd te volgen in plaats van als momentopname, zie je verslechtering vóórdat die een kritiek niveau bereikt — het verschil tussen op tijd ingrijpen en achter de feiten aanlopen.
Een risicoscore is een hulpmiddel, geen autonome beslissing. Het model signaleert en prioriteert; een medewerker beslist en handelt. Dat onderscheid is niet alleen praktisch verstandig — het is ook waarom een uitlegbaar, uitschakelbaar model AVG-technisch anders ligt dan een ondoorzichtig algoritme dat zelf actie onderneemt.
Risico signaleren zonder actie levert niets op. Voor concrete vervolgstappen per risicosituatie, zie het churn-playbook en klantbehoud verbeteren. Voor het complete traject van signaal tot bewezen resultaat, zie de complete gids.
Door meetbare signalen — productgebruik, betaalgedrag, supportdruk, NPS — te combineren tot één uitlegbare risicoscore per klant, en de trend daarvan te volgen. Zo zie je weken vooraf welke klanten afhaakrisico lopen, vóór ze zelf opzeggen.
Een churn-risicoscore weegt meerdere signalen (gebruik, betaalgedrag, supporttickets, NPS) tegen elkaar af tot één niveau per klant: laag, midden, hoog of kritiek. Het punt is niet het getal zelf, maar dat het uitlegbaar blijft aan je team en aan de klant.
Een score die niemand kan navertellen, wordt genegeerd zodra hij een keer fout zit. Een instelbaar model toont per klant welke factoren de score omhoog duwden.
Ja, mits het een hulpmiddel blijft: het model signaleert en prioriteert, een medewerker beslist en handelt — geen autonome beslissing zonder menselijke tussenkomst.
Speel met de live demo en zie precies welke factoren een risicoscore bepalen — per klant, per branche.