Meer plannen, sneller groeien?

Samenvatting

Als je monetization-analist bent, is de launch van een nieuw plan niet spannend. Het betekent dat je de winstgevendheid opnieuw doorrekent, de plan mix opnieuw opbouwt, forecasts bijwerkt en de historische vergelijkbaarheid in al je dashboards sneuvelt.

Elke keer dat ik hoor dat het team een nieuwe product_id of price_id in Stripe heeft aangemaakt, of een nieuw plan heeft gelanceerd, weet ik wat dat betekent: de komende weken mag ik zo goed als alles opnieuw doen. Wist je dat sommige bedrijven uiteindelijk meer dan 100 product-IDs hebben (actief of inactief)? Naast het onderhouden van de taxonomie van product- en price-IDs moet ik er ook voor zorgen dat de plan mapping consistent blijft, zodat analytics en reporting blijven kloppen.

Na een paar jaar bedrijven te hebben zien groeien, en het aantal plannen mee te hebben zien groeien met de ARR en het klantenbestand, kwam ik op een hypothese: hoe diverser het plannenaanbod, hoe sneller de groei.

Deze [geheime] hypothese is gebaseerd op de 26 apps die ik nu ondersteun, wat op geen enkele manier statistisch significant is. Ik kon er ook geen studies of analyses over vinden, dus werkte ik graag samen met ChartMogul, een van de grootste analyticsplatforms voor SaaS en abonnementen, om met hun data het idee te bewijzen of te verwerpen. En toen gebeurde er iets magisch! ✨

Hieronder mijn analyse van data van 8.000+ bedrijven, inclusief historische groeicijfers en plandata die het ChartMogul-team aanleverde. De dataset is geanonimiseerd en bevat een breed scala aan bedrijven, van volwassen enterprise SaaS tot kleine, snelgroeiende apps. Het doel is te testen of snelgroeiende bedrijven doorgaans een diverser plannenaanbod aanhouden. Ik kijk naar hoe het aantal plannen zich verhoudt tot groei, en of meer plannen samenhangen met snellere groei, of minder plannen met langzamere groei. Dit artikel loopt langs de data, de methodologie en wat we hebben geleerd.

Prijsplannen: meer opties, meer problemen

Voordat we de inzichten induiken, eerst even over plannen.

Er zijn vandaag talloze varianten van prijsplannen: maandelijks, jaarlijks, per kwartaal, per week, lifetime en meer. Sommige bedrijven bieden één enkel plan aan, andere houden er 20, 50 of nog meer in de lucht. Pricing kan een simpel vast bedrag zijn, of meeschalen met seats, actieve gebruikers, transacties, omzet of andere gebruiksgebaseerde metrics:

Werken met plandata is niet eenvoudig

Consistent planbeheer is voor de meeste SaaS-bedrijven een crime. Plannen worden meestal aangemaakt in billing- of platformsystemen zoals Stripe, Adyen, de Apple App Store of Google Play, en die verwerken betalingen, slaan abonnementsdata op en exporteren data allemaal op hun eigen manier.

Bied je meerdere betaalopties aan (bijvoorbeeld iOS- en Android-apps), dan moet je heel verschillende databronnen samenvoegen in één samenhangend rapport. Dat rapport moet consistente definities gebruiken voor ARR, “actieve” klanten, churn en meer, en tegelijk segmentatie toelaten op plan, factuurperiode, prijs en andere attributen.

Daarvoor heb je bijna altijd een geavanceerde, flexibele plan-mappinglaag nodig, die bijvoorbeeld een product_id van Apple koppelt aan een price_id van Stripe, en price_564738589 of IDS_5668 omzet in leesbare waarden als pro_49.99_7d_trial of lite_69.99.

Werk je met intelligente AI-systemen, dan moet je ook plancontext meegeven: welke plannen in welke regio actief zijn, welke prijzen gebruikers zien, hoe en wanneer kortingen worden toegepast, bij welke funnels elk plan hoort, en meer.

Al met al is rapporteren over iets simpels en essentieels als de plan mix niet eenvoudig. Het vraagt infrastructuur en doorlopend onderhoud. Als analist kan ik niet genoeg benadrukken hoeveel makkelijker dit wordt met tools die gemaakt zijn voor de complexiteit van abonnementsdata. Hoe meer plannen je toevoegt, hoe belangrijker het is om je plantaxonomie en -configuratie zo schoon en consistent mogelijk te houden, zodat je analyses en rapportages kloppen.

Aan de slag: definities, data en methode

Definities en metrics

• Plan mix: de set actieve prijsplannen die een bedrijf aanbiedt en hoe klanten over die plannen verdeeld zijn.
• Planduur: de factuurperiode van het plan (maandelijks, jaarlijks, 3 maanden, 6 maanden, enzovoort).
• Klanten: actieve betalende klanten die op dit moment een abonnement op een plan hebben.
• Tenure: de leeftijd van het bedrijf zoals waargenomen in ChartMogul, dus het aantal jaren waarover ChartMogul data heeft voor dat bedrijf.
• ARR: annual run rate zoals gerapporteerd door ChartMogul.
• ARR-groei per jaar (afgeleid): ARR-groei ÷ tenure.
• Klantgroei (afgeleid): netto nieuwe klanten per maand.
• Groeiscore (afgeleid): een gecombineerde score voor ARR- en klantgroei per organisatie, met een weging van 60/40 richting ARR om gevallen te vermijden waarin de klantgroei hoog is terwijl de ARR nul is.

Overzicht van de steekproef

• Totale steekproef: 8.193 organisaties.
• Organisaties met minstens één terugkerend plan: 6.875.

Na normalisatie en het verwijderen van organisaties met ontbrekende of onvolledige data bleven er in de definitieve steekproef 4.279 bedrijven over, met de volgende ARR-verdeling:

Dit is de plan mix over al deze bedrijven:

In totaal biedt 54% van de bedrijven 10 plannen of minder aan, en 46% biedt 11 of meer plannen aan.

Ik heb de plan mix niet direct gemodelleerd, maar hij is wel van belang bij het interpreteren van groei. Het aantal actieve plannen neemt meestal toe als een bedrijf volwassener wordt, zijn klantsegmentatie verbetert en geavanceerder wordt in hoe het monetiseert. Teams kunnen hun monetisatie naast abonnementsplannen ook uitbreiden met add-ons, eenmalige transacties en advertenties in freemium-producten. Mijn analyse beperkt zich tot de plan mix, dus tot hoeveel terugkerende plannen er worden aangeboden, wat hun duur is en hoe ze verdeeld zijn.

Methodologie

Er zijn meerdere manieren om groei te definiëren. Ik begon met ARR-groei door voor elk bedrijf de ARR-groei per jaar te berekenen, en clusterde de bedrijven daarna met k-means in 5 segmenten op basis van hun ARR-groei.

Daarna deed ik dezelfde analyse voor het aantal klanten, want in SaaS betekent omzetgroei niet automatisch klantgroei. De dataset van ChartMogul is breed en bevat SaaS-bedrijven van allerlei soorten en maten, dus zitten er “konijnen” en “olifanten” in, en een hele dierentuin (in de zin van de 5 manieren van Christoph Janz om een bedrijf van $100 mln te bouwen). Om daar rekening mee te houden maakte ik ook een groeimetric voor nieuwe klanten per maand. Zoals verwacht ziet klantgroei er anders uit dan ARR-groei:

In onze steekproef groeit 47% van de bedrijven met meer dan +$270.000 ARR per jaar, maar voegt maar 17% meer dan 10 klanten per maand toe. Dat suggereert of dat de dataset scheef staat naar bedrijven met grote klanten (“whales”), of dat een aanzienlijk deel van de ARR-groei uit expansieomzet komt, wat vaak samenhangt met het aanbieden van meer plannen!

Om groeisignalen te bouwen die vergelijkbaar zijn tussen bedrijven van heel verschillende grootte en leeftijd, gebruikte ik zowel de ARR-groei per jaar (ARR-groei gedeeld door de tenure in jaren) als de abonneegroei per maand (de netto verandering in betalende abonnees gedeeld door het aantal geobserveerde maanden in de dataset). Die combineerde ik daarna in één score, met de weging richting ARR (60/40). Dat gaf ons een simpele maat voor “velocity”: niet wat er in één specifieke maand gebeurde, maar het gemiddelde groeitempo over de geobserveerde periode.

Daarna verdeelde ik de bedrijven in 5 clusters:

• Vroege doorbraak (“On fire!”): explosieve groei, met meer dan +$330.000 ARR per jaar en 6.000-7.000 nieuwe klanten per maand.
• Snelgroeiend en op koers (“De markt aan het winnen”): sterke groei, met ongeveer +$270.000 ARR per jaar en 1.000+ nieuwe klanten per maand.
• Volwassen maar versnellend (“Vasthouden” / “Nergens aan zitten”): gestaag compounden, met gemiddeld +$165.000 ARR-groei per jaar.
• Stagnerende gevestigde partijen (“Dit werkt niet”): weinig momentum, met minder dan ongeveer +$1.500 ARR-groei per jaar en minder dan 10 nieuwe klanten per maand.
• Krimpend (“Pivotdeck op komst”): bedrijven die krimpen, met nul of negatieve ARR-groei.

Kanttekeningen: de categorieën zijn toegekend met drempelwaarden op een gecombineerde groeiscore (ARR-groei per jaar + abonneegroei per maand). Er was één uitzondering: als zowel de ARR-groei als de abonneegroei niet positief was, kreeg het bedrijf het label “Krimpend”, ongeacht de gecombineerde score. “Vroege doorbraak” was voorbehouden aan bedrijven die niet alleen hoog scoorden, maar ook relatief jong waren, want snel compounden vroeg in het bestaan van een bedrijf is wezenlijk anders dan snel compounden na tien jaar itereren.

Wat we leerden uit de plandata

1. Meer plannen gaan doorgaans samen met hogere en snellere groei.
2. Een breder plannenaanbod hangt positief samen met hogere omzet en meer klantgroei. Bedrijven die extra plannen introduceren, creëren vaak meer routes in pricing en packaging, en dat kan zowel monetisatie als acquisitie helpen.
3. Er zijn uitzonderingen. Bedrijven met een vroege doorbraak groeien vaak het snelst, ongeacht hun planstrategie.
4. Meer plannen toevoegen beïnvloedt mogelijk niet alleen de omvang van de groei, maar ook de snelheid waarmee bedrijven opschalen.

Laten we die punten uitwerken.

1. Hoe hoger de ARR, hoe meer plannen het bedrijf aanbiedt

Maar onthoud: correlatie is geen causaliteit. Dat organisaties met een hoge ARR doorgaans meer plannen aanbieden, betekent niet per se dat meer plannen de omzet verhogen. Plancomplexiteit kan simpelweg volgen op groei: als bedrijven opschalen, introduceren ze tiers voor segmentatie, enterprise packaging, regionale pricing en bundels. Met andere woorden: het aantal plannen kan een gevolg van momentum zijn. Om er zekerder van te zijn dat het aantal plannen een aanjager is, zouden we groeipatronen moeten vergelijken tussen bedrijven met verschillende aantallen plannen.

2. Meer plannen hangen samen met hogere groei in elke fase van een bedrijf

Bedrijven hebben heel verschillende groeicijfers, gevormd door talloze factoren die we in deze analyse grotendeels niet kunnen kwantificeren. Wat we wel kunnen doen, is bedrijven groeperen op basis van groei (vroege doorbraak, snelgroeiend, volwassen, stagnerend en krimpend) en kijken of het verband tussen groeicijfer en aantal plannen binnen die groepen sterk blijft:

Duidelijk is dat zowel het gemiddelde als het mediane aantal plannen hoger ligt bij snelgroeiende bedrijven, ongeacht bedrijfsgrootte of start-ARR. Voor de zekerheid rapporteer ik 2 metrics voor het aantal plannen, één genormaliseerd en één niet-genormaliseerd, omdat de verdeling invloedrijke uitschieters bevat. Het verband houdt stand in de meeste groepen, met uitzondering van de vroege doorbraken, en dat is ook te verwachten: dit zijn jongere doorbraakbedrijven met minder tenure, en dus logischerwijs minder tijd om hun plannenaanbod uit te breiden.

3. Hoe meer plannen bedrijven toevoegen, hoe hoger het groeicijfer

Laten we nu kijken of meer plannen toevoegen samenhangt met een beter groeicijfer:

Hetzelfde patroon houdt stand in de meeste segmenten. Bedrijven die plannen blijven toevoegen — inclusief extra producten en/of prijspunten — laten doorgaans hogere groei zien:

De conclusie is dat groei niet alleen wordt beïnvloed door vroeg al een divers aanbod plannen te hebben, maar ook door doorlopend nieuwe producten en prijsopties te introduceren. Fascinerend hoe snelgroeiende bedrijven doorgaans veel meer plannen (meer dan 10) toevoegen dan stagnerende of krimpende bedrijven.

4. Meer plannen beïnvloeden de snelheid van groei

Het is ook belangrijk om groei te analyseren in het licht van tenure en snelheid.

Bedrijf A met in totaal $1 mln ARR-groei over 60 maanden groeit bijvoorbeeld met ongeveer $16.600 per maand. Bedrijf B kan $300.000 groei in 6 maanden hebben, en dat is $50.000 per maand. Bedrijf B groeit sneller en zou dus hoger moeten scoren op velocity.

Daarom kijkt deze analyse naar groeisnelheid, niet alleen naar totale groei. Het doel was te begrijpen of meer plannen aanbieden bedrijven niet alleen helpt een hogere ARR te bereiken, maar die ook sneller te bereiken.

Daarvoor definieerde ik 5 persona's (segmenten) op basis van: (a) ARR-groei, (b) tenure en (c) de snelheid van de ARR-groei:

• arr_growth_total = Max ARR – Min ARR
• tenure_months ≈ (Max Date – Min Date) / 30 dagen
• arr_growth_per_month = arr_growth_total / tenure_months

De laatste metric is de belangrijkste clusterfactor. Die laat zien hoe snel de ARR stijgt en houdt tegelijk rekening met de omvang van de groei.

Omdat de steekproef sterk scheef is en veel uitschieters bevat, gebruikte ik geen k-means. Ik wilde groeisnelheid vergelijken met het aantal plannen over groepen van gelijke grootte, dus maakte ik met percentielsegmentatie 5 clusters. Ik heb ze vernoemd naar snelle auto's (het gerucht gaat dat het ChartMogul-team fan is van Formule 1):

Zoals je ziet houdt hetzelfde patroon ook in deze segmentatie stand: bedrijven met meer plannen groeien niet alleen meer, ze groeien ook sneller.

5. Andere interessante bevindingen

Naast het verband tussen plannen en groei leerde ik ook dit:

• Groei is sterk niet-lineair. De meeste bedrijven clusteren rond langzame tot gematigde groei, terwijl doorbraakgroei zeldzaam is. “Stagnerend” is de meest voorkomende manier waarop het misgaat.
• De sterkste doorbraken laten beide signalen zien. ARR- en abonneegroei versterken elkaar. Kracht op maar één van de twee is minder overtuigend. De gezondste bedrijven zijn doorgaans sterk op beide dimensies.
• Vroege doorbraken zijn een uitzondering. In de vroegste doorbraakfase lijken bedrijven grotendeels “immuun” voor het aantal plannen. Planstrategie laat geen duidelijk verband zien met omzet- of klantgroei, en deze organisaties gedragen zich als uitschieters.
• Veel plannen kunnen ook op prijstesten duiden. En hoewel meer plannen kunnen wijzen op experimenteren en itereren, is deze analyse alleen gebaseerd op actieve plannen (niet op historische of uitgefaseerde varianten).

Tot slot

Ik keek al lang uit naar deze analyse. Dank aan het ChartMogul-team voor de steun bij dit werk en voor het delen van hun data.

Alleen je plannenaanbod uitbreiden zorgt niet voor groei. Maar in deze dataset laten bedrijven met een breder plannenaanbod doorgaans sterkere en snellere groei zien. De gezondste bedrijven voegen abonnees toe zonder dat de omzet per klant daalt. En een goede planstructuur maakt dat vaak mogelijk.

Plan mix, prijsstructuur, abonneegroei en ARR zijn nauw verbonden: bedrijven die sneller groeien, bieden doorgaans meer plannen aan die passen bij verschillende soorten klanten en behoeften, wat betere segmentatie en effectievere monetisatie ondersteunt.