Stel: je helpdeskteam heeft het afgelopen jaar hard gewerkt. Nieuwe medewerkers aangenomen, een ander ticketsysteem, betere scripts. Alles voelt beter.
▶Inhoudsopgave
Maar voelt het echt beter? Of zie je alleen omdat iedereen harder werkt?
Hier komt cohortanalyse om de hoek kijken — en die zegt je iets wat gemiddelden nooit kunnen vertellen.
Wat is cohortanalyse (en waarom snap je het pas als je het ziet)?
Een cohort is simpelweg een groep mensen die iets gemeen hebben — meestal het moment waarop ze iets deden. Bijvoorbeeld: alle klanten die hun eerste ticket indienden in januari.
Of alle gebruikers die zich aanmeldden in maart. Je volgt die groep vervolgens door de tijd heen en kijkt wat er met hen gebeurt. Waarom is dat zo krachtig?
Omdat normale statistieken je voor de gek houden. Stel dat je gemiddelde oplossingstijd daalt van 48 uur naar 30 uur. Klinkt goed, toch?
Maar wat als die daling komt doordat je nu veel meer simpele tickets binnenkrijgt, terwijl de moeilijke klachten eigenlijk langer duren? Gemiddelden verbergen dat soort verhalen. Cohortanalyse laat ze zien.
Hoe werkt dit voor je helpdesk in de praktijk?
Je groepeert je tickets of klanten op basis van het moment van eerste contact — per week of per maand. Voor elk cohort meet je dan een aantal belangrijke dingen over de tijd heen.
Herhaalcontact binnen 30 dagen
Dit is dé metric voor helpdesk-kwaliteit. Als een klant binnen een maand opnieuw belt of mailt over hetzelfde probleem, is iets niet goed opgelost.
Tevredenheid per cohort
Je verwacht dat dit percentage met 15 tot 25 procent daalt na een goede verbetering in je proces. Maar meet het per cohort, niet alleen als totaalcijfer. Want anders zie je niet of je nieuwe aanpak écht werkt of dat je gewoon meer klanten hebt die nooit terugbellen (ook al zijn ze niet tevreden).
Aantal contactmomenten per klant
Veel helpdesks meten tevredenheid over alle tickets samen. Maar stel dat je in april een nieuw team hebt laten starten.
Dan wil je weten: scoren tickets van klanten die in april voor het eerst contact hadden hoger of lager dan de cohort van februari? Zo zie je direct of je investering in training echt rendeert. Eén contactmoment per probleem is het ideaal. Als je ziet dat het gemiddeld aantal contactmomenten per klant in een cohort daalt van 2,3 naar 1,6, dan weet je dat je eerste-contactoplossing verbetert. En dat is precies waar je uitkomt als je een baseline voor je helpdesk KPI's opstelt.
Waarom je huidige rapporten je misschien voor de gek houden
De meeste helpdesks rapporteren op basis van totaalcijfers per maand. Maar die cijfers mixen alles door elkaar: oude klanten, nieuwe klanten, seizoenseffecten, campagne-uitbarstingen. Het is alsof je de temperatuur van een zieke patiënt meet terwijl er net iemand een deken op heeft gelegd.
Cohortanalyse scheidt die effecten. Je kunt bijvoorbeeld zien dat klanten die in de zomer voor het eerst contact hadden, significant vaker terugbellen dan winterklanten.
Misschien komt dat door personeelsbezetting, misschien door het type vragen. Zonder cohortanalyse zou je dat nooit hebben ontdekt.
Maandrapportages vertellen je wat er nu gebeurt. Cohortanalyse vertelt je wat er met een specifieke groep gebeurt. Dat is een fundamenteel verschil.
Het verschil met gewoon maandrapportages
Het is het verschel tussen "we hebben deze maand 1000 tickets minder" en "de klanten die we in januari hielpen, bellen 40 procent minder terug dan de cohort van oktober".
Die tweede zin geeft je iets om aan te werken.
Begin morgen al (eenvoudiger dan je denkt)
Je hebt geen dure tools nodig. Een spreadsheet volstaat om te beginnen.
Maak een tabel aan met de maanden als rijen en de cohorten als kolommen.
Vul in: aantal eerste tickets, percentage herhaalcontact, gemiddelde tevredenheid, en aantal contactmomenten. Na drie tot zes maanden hebt je genoeg data om patronen te zien. Gebruik deze inzichten wanneer je een maandelijkse review van je ticketsysteem inricht. Tools zoals Zendesk, Freshdesk of Salesforce bieden vaak al ingebouwde mogelijkheden om dit soort analyses te maken.
En als je echt wilt diepduiken, kunnen platforms zoals Google Analytics (voor digitale interacties) of zelfs Stripe (voor de combinatie van support en betalingen) je helpen om cohorten te definiëren en te volgen. Ten eerste: begin niet met te veel cohorten tegelijk. Kies twee of drie maanden en vergelijk die. Ten tweede: vergeet context niet te noteren.
Drie valkuilen om te vermijden
Heb je in een bepaalde maand een grote campagne gedraaid? Noteer dat dan, want dat beïnvloedt je cijfers.
En ten derde: wees geduldig. Cohortanalyse toont pas echt waarde na meerdere maanden. Het is geen sprint, het is een marathon.
Wat je écht leert over je helpdesk
Cohortanalyse forceert je om te kijken naar de lange termijn. Niet naar hoe druk het vandaag was, maar naar hoe goed je vorige maand was.
En dat verandert hoe je over kwaliteit denkt. Je stelt betere vragen. Niet "hoeveel tickets lossen we op?" maar "lossen we ze zo op dat mensen niet meer terugbellen?" Niet "zijn onze medewerkers sneller?" maar "zijn ze beter in één keer goed helpen door A/B-testen van ticketsjablonen in te zetten?"
En dat is uiteindelijk het verschil tussen een helpdesk die meet en een helpdesk die verbetert. De cijfers zijn er altijd.
Maar zonder cohortanalyse zie je alleen het bos. Met cohortanalyse zie je elke boom — en of die groeit of verdwijnt.