Welke klanten dreigen we te verliezen op basis van dalende omzettrends? Dit rapport scoort churn-risico door omzettrajecten, ticketvolume-veranderingen en billing frequency drops te combineren voor 15 managed service klanten.
Welke klanten dreigen we te verliezen op basis van dalende omzettrends? Dit rapport scoort churn-risico door omzettrajecten, ticketvolume-veranderingen en billing frequency drops te combineren voor 15 managed service klanten.
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: MSP owners, finance leads, and operations managers tracking profitability
Hoe vaak: Maandelijks for financial reviews, quarterly for strategic planning, op aanvraag for pricing decisions
Welke klanten dreigen we te verliezen op basis van dalende omzettrends? Dit rapport scoort churn-risico door omzettrajecten, ticketvolume-veranderingen en billing frequency drops te combineren voor 15 managed service klanten.
BI_Autotask_Billing_Items, gegroepeerd per bedrijf en kwartaal. Churn risk scores worden berekend met drie gewogen signalen: omzetdalingspercentage (50%), ticketvolume-verandering (30%) en billing frequency drop (20%). Een score boven 70 = Hoog risico, 40-70 = Medium, onder 40 = Laag.
De lijngrafiek hieronder toont de kwartaalomzet voor de vijf klanten met de steilste daling. Klant A daalde van €12.400 in Q1 2025 naar €7.100 in Q1 2026, een daling van 42,7% over vijf kwartalen. Klant D en Klant F laten vergelijkbare patronen zien met consistente kwartaal-over-kwartaal dalingen.
EVALUATE
ADDCOLUMNS(
SUMMARIZECOLUMNS(
'BI_Autotask_Companies'[company_name],
"TotalRevenue", [Revenue - Total],
"TicketCount", COUNTROWS('BI_Autotask_Tickets')
),
"RevenueRank", 0
)
ORDER BY [TotalRevenue] DESCDe volledige klantmatrix hieronder rangschikt alle 15 klanten op churn risk score. Zes klanten scoren boven de 40, waarvan drie in de categorie Hoog. Omzettrendpijlen tonen de richting over de afgelopen vijf kwartalen.
| Client | Revenue | CSAT | Ratings | Tickets |
|---|---|---|---|---|
| Craig-Huynh | 2324617 | 79.4% | 384 | 5458 |
| Lewis LLC | 2212915 | 84.0% | 50 | 1758 |
| Little Group | 1431177 | 73.6% | 382 | 5290 |
| Martin Group | 637092 | 89.4% | 104 | 2775 |
| Lopez-Reyes | 589694 | 75.0% | 44 | 1317 |
EVALUATE TOPN(15, ADDCOLUMNS(VALUES(BI_Autotask_Companies[company_name]), "CSATAvg", [CSAT - Average Rating], "TotalRatings", [CSAT - Total Ratings], "TicketCount", [Tickets - Count - Created], "BillingRevenue", CALCULATE(SUM(BI_Autotask_Billing_Items[total_amount]))), [BillingRevenue], DESC)De drie klanten met een score boven de 70 op de churn risk index delen allemaal een patroon: dalende omzet gedurende minimaal vier opeenvolgende kwartalen, gecombineerd met dalend ticketvolume en minder billing line items. Hier volgt een diepere analyse per klant.
Omzetdaling: €12.400 naar €7.100 (-42,7% over 5 kwartalen)
Ticketvolume: Van 142 tickets/kwartaal naar 68 (-52,1%)
Billing frequency: Recurring service items gedaald van 8 naar 3 line items per maand
Patroon: Deze klant heeft twee managed service subscriptions opgezegd in Q3 2025. De resterende omzet bestaat voornamelijk uit ad-hoc time entries. Zonder een retentiegesprek is volledige churn waarschijnlijk binnen 2 kwartalen.
Omzetdaling: €9.800 naar €5.800 (-40,8% over 5 kwartalen)
Ticketvolume: Van 98 tickets/kwartaal naar 51 (-48,0%)
Billing frequency: Project milestones volledig gestopt na Q2 2025
Patroon: Klant D heeft een groot infrastructuurproject afgerond in Q2 2025. Sindsdien is alleen break-fix support over. Geen nieuwe projecten in de pipeline. De klant besteedt projectwerk mogelijk elders uit.
Omzetdaling: €6.400 naar €3.900 (-39,1% over 5 kwartalen)
Ticketvolume: Van 74 tickets/kwartaal naar 38 (-48,6%)
Billing frequency: Maandelijks factuurtotaal gedaald onder €1.500
Patroon: Klant K heeft eind 2025 30% van het personeel afgebouwd. De daling in servicevraag is direct gekoppeld aan minder endpoints en gebruikers. Het risico is structureel, niet servicekwaliteit-gerelateerd.
Klanten met dalende omzet tonen bijna altijd een parallelle daling in ticketvolume. Dat is logisch: minder services betekent minder supportverzoeken. De horizontale balkgrafiek hieronder toont de churn risk score per klant, kleurgecodeerd op risiconiveau.
EVALUATE
SUMMARIZECOLUMNS(
'BI_Autotask_Companies'[company_name],
"TicketCount", COUNTROWS('BI_Autotask_Tickets'),
"AvgHoursPerTicket", DIVIDE(
SUM('BI_Autotask_Time_Entries'[hours_worked]),
COUNTROWS('BI_Autotask_Tickets')
)
)
ORDER BY [TicketCount] DESCChurn gebeurt zelden van de ene op de andere dag. In deze dataset toonde elke hoog-risico klant minimaal twee van deze waarschuwingssignalen voordat de omzet onder de kritieke drempel zakte.
Zes van de 15 klanten scoren boven de churn-drempel. Drie zitten in de hoog-risico categorie met omzetdalingen van meer dan 39%. Samen vertegenwoordigen deze zes klanten €32.200 aan Q1 2026 omzet die binnen 2-3 kwartalen kan verdwijnen zonder actie.
Elke klant met een omzetdaling boven 30% toonde ook een ticketvolume-daling boven 40%. Dit wijst erop dat klanten niet alleen minder uitgeven, maar actief loskoppelen van de servicerelatie. Monitor beide metrics samen voor de vroegst mogelijke waarschuwing.
Klanten C, N en O tonen omzetgroei gedreven door nieuwe managed service subscriptions en projectwerk. Dit is het gezonde patroon om na te streven: retentie is het sterkst wanneer klanten doorlopend services blijven toevoegen.
1. Plan retentiegesprekken met alle hoog-risico klanten binnen 2 weken. Klant A, D en K hebben directe gesprekken nodig. Begrijp wat er veranderd is, of hun behoeften verschoven zijn, en wat er nodig is om ze te behouden. Kom met een specifiek voorstel, niet een standaard check-in.
2. Stel geautomatiseerde alerts in voor 2+ kwartalen omzetdaling. Bouw een Power BI alert die afgaat wanneer een klant twee opeenvolgende kwartalen dalende omzet toont. Dit vroeg opvangen geeft de accountmanager 6+ maanden om te handelen voordat de klant de hoog-risico zone bereikt.
3. Review het serviceaanbod voor medium-risico klanten. Klanten F, H en L zitten in de waarschuwingszone. Ze hebben nog geen besluit genomen. Een kwartaal business review (QBR) met een op maat gemaakt servicevoorstel kan ze terugbrengen naar stabiel.
4. Track billing line item aantallen als leading indicator. Omzet is een lagging metric. Het aantal billing line items per klant per maand is een sneller signaal. Wanneer het onder het 12-maands gemiddelde van de klant daalt, flag het.
5. Bouw een "win-back" playbook voor klanten die Hoog risico bereiken. Documenteer wat werkte bij eerdere retentie-inspanningen. Neem prijsflexibiliteit, service bundeling opties en escalatiepaden op. Dit klaar hebben voordat het volgende churn-signaal komt, bespaart kritieke responstijd.
De score combineert drie gewogen signalen: omzetdalingspercentage over de afgelopen 5 kwartalen (50% gewicht), ticketvolume-verandering (30% gewicht) en billing frequency drop gemeten aan maandelijkse line items (20% gewicht). Een score boven 70 betekent Hoog risico, 40-70 is Medium en onder 40 is Laag.
Alle data komt uit Autotask PSA via Power BI. Omzetdata gebruikt de BI_Autotask_Billing_Items tabel, ticketaantallen komen uit BI_Autotask_Tickets en time entries uit BI_Autotask_Time_Entries. Bedrijfsinformatie komt uit BI_Autotask_Companies.
Maandelijks is ideaal om trends vroeg op te vangen. Kwartaal werkt als minimum. De sleutel is consistentie. Een keer draaien helpt niet. Je hebt de historische vergelijking nodig om momentum-verschuivingen te spotten voordat ze noodgevallen worden.
Ja, maar het hangt af van waarom ze dalen. Als de daling door servicekwaliteit komt, los het serviceprobleem op en voer een eerlijk gesprek. Als het structureel is (zoals de krimp van Klant K), pas het servicepakket aan op hun nieuwe omvang. Het slechtste scenario is het signaal negeren totdat ze zonder waarschuwing vertrekken.
Dit rapport toont de analysestructuur en scoringsmethodologie. Om live resultaten te krijgen, koppel je Autotask PSA dataset via Power BI en draai de DAX queries die in elke sectie staan. De toggle-knoppen tonen de exacte queries die je nodig hebt.
Vlakke omzet met dalende tickets kan betekenen dat de klant van reactief naar proactief is overgestapt, wat positief is. Of het kan betekenen dat ze meer zelf oplossen of een andere provider gebruiken voor sommige services. Check de billing mix: als recurring stabiel blijft, is het waarschijnlijk gezond. Als ad-hoc daalde, graaf dieper.
Ja. De standaard drempels (70 voor Hoog, 40 voor Medium) werken goed als startpunt. Als je klantenbestand van nature volatiel is, verhoog ze. Als je klanten doorgaans zeer stabiel zijn, verlaag ze. Je kunt ook de signaalgewichten in de DAX-berekening aanpassen aan wat het belangrijkst is voor jouw bedrijf.
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