This report provides a detailed breakdown of csat jaar-op-jaar: worden klanten tevredener? for managed service providers.
De data dekt het volledige bereik van Autotask PSA-records die relevant zijn voor deze analyse, uitgesplitst naar de belangrijkste dimensies die je team nodig heeft voor dagelijkse beslissingen en klantrapportage.
Wie dit zou moeten gebruiken: Service managers, account managers, and MSP leadership tracking customer experience
Hoe vaak: Wekelijks for trend monitoring, monthly for team reviews, quarterly for QBRs
Een verbetering van 8,9 procentpunten is geen ruis. Met 1.475 beoordelingen in de afgelopen 12 maanden is deze verschuiving statistisch betekenisvol. De sprong van 78,8% naar 87,7% plaatst de servicedesk stevig in het top-kwartiel van de MSP-markt, een positie die minder dan één op de vier MSPs consistent haalt.
-- Huidig periode positief percentage
EVALUATE
ROW(
"Huidig_Positief",
DIVIDE(
CALCULATE(
COUNTROWS('SmileBack Ratings'),
'SmileBack Ratings'[Rating] = 1,
DATESINPERIOD('Date'[Date], TODAY(), -12, MONTH)
),
CALCULATE(
COUNTROWS('SmileBack Ratings'),
DATESINPERIOD('Date'[Date], TODAY(), -12, MONTH)
)
),
"VJ_Positief",
DIVIDE(
CALCULATE(
COUNTROWS('SmileBack Ratings'),
'SmileBack Ratings'[Rating] = 1,
DATESINPERIOD('Date'[Date], TODAY(), -24, MONTH),
NOT DATESINPERIOD('Date'[Date], TODAY(), -12, MONTH)
),
CALCULATE(
COUNTROWS('SmileBack Ratings'),
DATESINPERIOD('Date'[Date], TODAY(), -24, MONTH),
NOT DATESINPERIOD('Date'[Date], TODAY(), -12, MONTH)
)
)
)| Beoordeling | Huidig Jaar (schatting) | Vorig Jaar (schatting) | Verandering | Signaal |
|---|---|---|---|---|
| Tevreden (+1) | ~8.926 (87,7%) | ~1.162 (78,8%) | +8,9 pp | Verbeterend |
| Neutraal (0) | ~763 (7,5%) | ~207 (14,0%) | −6,5 pp | Verbeterend |
| Ontevreden (−1) | ~489 (4,8%) | ~106 (7,2%) | −2,4 pp | Verbeterend |
De neutrale categorie daalde met 6,5 procentpunten. Dat is het meest veelzeggende getal in deze tabel. Neutrale klanten zijn het gemakkelijkst te winnen: ze zijn niet actief ontevreden, maar nog niet onder de indruk. Als neutralen in dit tempo overstappen naar tevreden, wijst dat doorgaans op betere communicatie of snellere oplostijden, eerder dan op één grote systeemwijziging.
EVALUATE
SUMMARIZECOLUMNS(
'SmileBack Ratings'[Rating],
"Huidig_Jaar_Aantal",
CALCULATE(
COUNTROWS('SmileBack Ratings'),
DATESINPERIOD('Date'[Date], TODAY(), -12, MONTH)
),
"Vorig_Jaar_Aantal",
CALCULATE(
COUNTROWS('SmileBack Ratings'),
DATESINPERIOD('Date'[Date], TODAY(), -24, MONTH),
NOT DATESINPERIOD('Date'[Date], TODAY(), -12, MONTH)
)
)
ORDER BY 'SmileBack Ratings'[Rating] DESCCSAT verbetert niet vanzelf. Achter een jaar-op-jaar-stijging van 8,9 procentpunten zit doorgaans een combinatie van snellere oplossing, betere communicatie door technici en een betrouwbaardere eerste-contactervaring. De data wijst op drie gebieden die nader onderzoek verdienen.
-- Gemiddelde CSAT per eerste-responstijd categorie
EVALUATE
SUMMARIZECOLUMNS(
'Tickets'[Eerste_Respons_Categorie],
"Gem_CSAT",
CALCULATE(
AVERAGEX(
'SmileBack Ratings',
'SmileBack Ratings'[Rating]
)
),
"Aantal_Reacties",
COUNTROWS('SmileBack Ratings')
)
ORDER BY 'Tickets'[Eerste_Respons_Categorie] ASCBranchenormen voor MSP CSAT liggen dicht bij elkaar tussen de 80% en 88%. Boven de 85% positief is de drempel die de meeste consultants hanteren om goede van uitstekende servicedesks te onderscheiden. Bij 87,7% bevindt deze MSP zich in het top-kwartiel van de branche.
Vorig jaar, met 78,8%, zat de score net onder het branchegemiddelde. Dat is geen crisis, maar het laat ruimte voor twijfel bij klanten over de geleverde waarde. De sprong naar 87,7% sluit die kloof volledig en plaatst de servicedesk in een positie waar CSAT een verkoopargument wordt in plaats van een zorgpunt.
EVALUATE
ADDCOLUMNS(
CALENDAR(DATE(2024,4,1), DATE(2026,3,31)),
"Maand_Label", FORMAT([Date], "MMM YYYY"),
"Voortschrijdend_12M_CSAT",
CALCULATE(
DIVIDE(
COUNTROWS(FILTER('SmileBack Ratings', 'SmileBack Ratings'[Rating] = 1)),
COUNTROWS('SmileBack Ratings')
),
DATESINPERIOD('Date'[Date], [Date], -12, MONTH)
)
)
ORDER BY [Date] ASCBij 87,7% zit je niet meer in de gemiddelde bandbreedte van de branche. Dit is een gespreksonderwerp voor een QBR, een verlenging en een wervingsverhaal. Leg vast wat er het afgelopen jaar veranderde, terwijl de kennis nog aanwezig is.
Neutraal daalde van 14,0% naar 7,5%. Neutrale klanten omzetten naar tevreden is operationeel gemakkelijker dan ontevreden klanten herstellen. Dit patroon wijst erop dat je team de basisdingen verbeterde: snelheid van bevestiging, opvolging en het stellen van realistische verwachtingen.
Ook met sterke totaalscores eindigt bijna 1 op de 20 interacties in een negatieve beoordeling. Bij 1.475 beoordelingen per jaar zijn dat ongeveer 71 gefrustreerde contactmomenten. Elk verdient een opvolgingsworkflow, niet alleen een getal op een rapport.
1.475 beoordelingen in 12 maanden is genoeg om te segmenteren op technicus, klantgrootte en tickettype en toch betekenisvolle steekproeven te houden. Dit is het juiste moment om van totale CSAT-tracking te bewegen naar inzicht in wie de score omhoog trekt en wie hem naar beneden haalt.
Het MSP-branchegemiddelde voor SmileBack-stijl positieve beoordelingen ligt tussen 80% en 85%. Scores boven de 85% worden beschouwd als top-kwartiel. Alles wat consistent boven de 90% uitkomt, is uitzonderlijk en weerspiegelt doorgaans bewuste procesinvesteringen in communicatie en eerste-contactoplossing. Bij 87,7% presteert deze MSP beter dan gemiddeld, maar er is nog ruimte om richting de 90% te groeien.
SmileBack gebruikt een driedelige schaal: Tevreden (+1), Neutraal (0) en Ontevreden (-1). Deze eenvoud leidt tot hogere responspercentages dan vijfsterrensystemen, die doorgaans 10-15% voltooiing halen tegenover 30-50% bij SmileBack in goed beheerde MSP-omgevingen. De afweging is minder granulariteit, maar het volume en de consistentie maken het statistisch betrouwbaarder voor trendanalyse. In Power BI bereken je het positieve percentage als het aantal tevreden beoordelingen gedeeld door het totaal aantal reacties.
Ja. SmileBack koppelt elke beoordeling terug aan het sluitende ticket, dat in je PSA verbonden is aan een technicus, een bedrijf, een board en een tickettype. In Power BI kun je CSAT op elke gewenste manier opdelen. De meest nuttige weergaven zijn per technicus (om coachingmogelijkheden te vinden), per klant (om accounts met churnrisico te signaleren) en per ticketcategorie (om proceshiaten te ontdekken). Je hebt minimaal circa 30 beoordelingen per segment nodig voor betrouwbare percentages.
Plotselinge CSAT-dalingen zijn vrijwel altijd herleidbaar tot een paar duidelijke oorzaken: personeelsverloop (verlies van een geliefde technicus), een piek in ticketvolume die responstijden oprekt, een grote klant met een slechte ervaring die het gemiddelde scheefttrekt, of een proceswijziging die nieuwe wrijving introduceerde. De sleutel is om de timing van de daling te vergelijken met operationele gebeurtenissen. Power BI laat je CSAT-trendlijnen overlappen met ticketvolume, gemiddelde oplostijd en personeelswijzigingen om snel de correlatie te vinden.
Voor CSAT op totaal bedrijfsniveau geeft zelfs 100 reacties per maand een redelijk stabiel percentage. Voor uitsplitsing op technicusniveau of klantniveau streef je naar minimaal 30 reacties per segment voordat je conclusies trekt. Bij 1.475 jaarlijkse reacties (grofweg 123 per maand) heeft deze MSP voldoende volume om trends op technicusniveau te volgen en vroeg klant-uitschieters te signaleren. MSPs met minder volume kunnen beter aggregeren naar kwartaalperiodes voordat ze personeels- of procesbeslissingen baseren op CSAT-data.
Koppel Proxuma's Power BI integratie, gebruik een MCP-compatible AI om vragen te stellen en genereer op maat gemaakte rapporten - in minuten, niet in dagen.
Bekijk meer rapporten Aan de slag