Verkoopanalyse voor het MKB: van omzetcijfers naar sturing

Wat is verkoopanalyse en wat levert het op

Verkoopanalyse is het systematisch onderzoeken van je verkoopdata om patronen te vinden en er beslissingen aan te koppelen. Het gaat niet om het verzamelen van zoveel mogelijk grafieken, maar om het beantwoorden van concrete vragen: welke producten dragen de marge, welke klanten kosten meer dan ze opleveren, en in welke maanden zakt de vraag weg.

Voor een MKB-bedrijf met bijvoorbeeld 40 medewerkers en een jaaromzet van 6 miljoen euro is het verschil tussen sturen op onderbuikgevoel en sturen op cijfers al snel enkele procentpunten marge waard. Een verbetering van 2 procent brutomarge op die omzet betekent 120.000 euro extra resultaat, zonder dat er een euro extra omzet bij hoeft te komen.

De opbrengst zit in drie richtingen. Ten eerste inzicht in wat werkt, zodat je budget en aandacht kunt verschuiven naar producten en klanten die renderen. Ten tweede vroege signalen: een daling van 8 procent in herhaalaankopen valt in de cijfers eerder op dan in de dagelijkse drukte. Ten derde onderbouwing bij beslissingen die anders blijven hangen, zoals een prijsverhoging of het schrappen van een productlijn. Verkoopanalyse is een van de toepassingen van bredere data-analyse binnen een organisatie.

Welke verkoopdata heb je nodig en waar haal je die vandaan

De basis van elke verkoopanalyse is een transactieregel: wie kocht wat, wanneer, tegen welke prijs en tegen welke inkoopkosten. Klinkt eenvoudig, maar in veel MKB-bedrijven staan die gegevens verspreid over een boekhoudpakket, een kassasysteem, een webshop en soms nog een los Excel-bestand met kortingsafspraken.

Voor een bruikbare analyse heb je minimaal de volgende velden nodig per verkoopregel.

Zonder kostprijs kun je alleen omzet analyseren, en omzet zonder marge is misleidend. Een product dat 200.000 euro omzet draait met 4 procent marge levert 8.000 euro op, terwijl een product met 60.000 euro omzet en 35 procent marge 21.000 euro oplevert. De verhouding kantelt volledig zodra je de kostprijs meeneemt.

Als vuistregel is 24 maanden aan historie genoeg om seizoenspatronen en een trend te zien. Met 12 maanden mis je de vergelijking tussen twee gelijke periodes. Reserveer voor de eerste keer opschonen en samenvoegen van bronnen realistisch 8 uur tot 16 uur werk; daarna kost het onderhoud meestal minder dan 2 uur per maand. Wie dieper wil begrijpen welke datasoorten er bestaan en wat je ermee kunt, vindt achtergrond in het artikel over de soorten data-analyse.

Analysemethoden: trends, marges, seizoen en klantgroepen

Verkoopanalyse valt uiteen in een aantal invalshoeken die je stap voor stap doorloopt. Ze vullen elkaar aan; geen enkele geeft op zichzelf het hele beeld.

Trendanalyse

Bij een trendanalyse zet je omzet en marge per maand of per kwartaal op een rij en kijk je naar de richting. Een groei van 3 procent per kwartaal ziet er gezond uit, maar als tegelijk je marge daalt van 32 procent naar 28 procent, koop je die groei met kortingen. Vergelijk daarom altijd omzetgroei en margeontwikkeling naast elkaar.

Bereken de groei jaar op jaar, dus maart tegen maart, niet maart tegen februari. Zo filter je seizoen eruit. Een stijging van 15 procent ten opzichte van dezelfde maand vorig jaar zegt meer dan een stijging van 15 procent ten opzichte van de vorige maand.

Marge-analyse

De marge-analyse rangschikt producten en klanten op absolute marge in euro, niet op omzet en niet op marge in procent alleen. Een product met 45 procent marge maar slechts 1.000 stuks verkoop levert vaak minder op dan een product met 12 procent marge en 30.000 stuks. Beide getallen tellen.

In deze tabel is product B de grootste bijdrager aan het resultaat, terwijl product C met de hoogste omzet de kleinste bijdrage levert. Wie alleen op omzet zou sturen, zet in op de verkeerde regel.

Seizoenanalyse

Veel MKB-bedrijven hebben een golf in hun jaar. Door de omzet per maand als aandeel van het jaartotaal te tonen, maak je die golf zichtbaar. Loopt 55 procent van de jaaromzet binnen in de maanden april tot en met september, dan weet je waar je voorraad en personeelsinzet op moet afstemmen en welke 3 maanden je het beste gebruikt voor onderhoud of een campagne.

Klantgroepanalyse

Niet elke klant is even waardevol. Door klanten te groeperen naar omzet, marge en aankoopfrequentie zie je waar de aandacht heen moet. Vaak blijkt dat ongeveer 20 procent van de klanten verantwoordelijk is voor 70 procent tot 80 procent van de marge. De methodiek om klanten in te delen staat uitgewerkt in het artikel over klantsegmentatie voor het MKB, dat goed aansluit op deze analysestap.

Deze indeling laat zien dat 18 klanten samen bijna twee derde van de marge leveren. Dat is geen reden om de kleine groep te negeren, maar wel om te bepalen hoeveel servicekosten en verkooptijd elke groep rechtvaardigt.

Van analyse naar prijs- en assortimentsbeslissingen

Een analyse zonder beslissing is een rapport dat in een la verdwijnt. De kern van verkoopanalyse is de stap van cijfer naar keuze. Die stap wordt concreter als je vooraf per bevinding een drempel afspreekt waarboven je in actie komt.

Prijsbeslissingen

Als een productgroep al 3 jaar dezelfde prijs heeft terwijl je inkoop met 9 procent is gestegen, eet de inflatie je marge op. Een prijsverhoging van 5 procent op een product van 20 euro betekent 1 euro erbij per stuk. Bij 12.000 verkochte stuks per jaar is dat 12.000 euro extra marge, mits de vraag niet inzakt.

De vraag is dus altijd: hoeveel volume kan ik verliezen voordat de verhoging niets meer oplevert. Bij een marge van 35 procent en een prijsverhoging van 5 procent mag je globaal 12 procent tot 14 procent volume verliezen voordat je onder de streep gelijk uitkomt. Voor prijsgevoelige producten test je zo'n verhoging eerst 6 weken tot 8 weken op een deel van het assortiment.

Assortimentsbeslissingen

Bij het assortiment gaat het om de vraag welke producten je houdt, uitbouwt of schrapt. Een handige regel: producten die minder dan 1 procent aan de totale marge bijdragen en minder dan 20 keer per jaar verkopen, zijn kandidaten om te schrappen, tenzij ze om een andere reden nodig zijn, bijvoorbeeld omdat klanten ze samen met andere producten kopen.

Controleer dat laatste voordat je snijdt. Een onderdeel dat zelf maar 4.000 euro omzet draait, kan de reden zijn dat een klant zijn hele bestelling van 80.000 euro bij jou plaatst. Deze samenhang zie je alleen als je op orderniveau kijkt, niet op productniveau. De praktische uitwerking van dit soort stappen staat beschreven in het artikel over hoe je verkoopdata analyseren kunt aanpakken.

Een assortimentsopschoning van 15 procent van de artikelen die samen 2 procent van de marge leveren, kan de voorraadwaarde met tienduizenden euro's verlagen en de logistiek vereenvoudigen. Reken op een doorlooptijd van 3 maanden tot 6 maanden om zo'n opschoning netjes uit te voeren, inclusief het uitverkopen van bestaande voorraad.

Deze analyses horen thuis in een breder ritme van werken met cijfers, zoals beschreven in de categorie data en inzicht.

Een werkbaar analyseritme opzetten

Verkoopanalyse werkt alleen als het terugkeert. Een eenmalige exercitie geeft een momentopname; pas een vast ritme laat je sturen. Een praktisch schema voor een MKB-bedrijf ziet er ongeveer zo uit.

Belangrijker dan de exacte tijden is de discipline. Wie elke maand 2 uur reserveert, bouwt in 12 maanden een gevoel op voor wat normaal is en herkent afwijkingen sneller. Een daling van 6 procent valt dan eerder op als signaal in plaats van als toeval.

Koppel aan elke terugkerende analyse een korte lijst met besluiten. Niet meer dan 3 acties per kwartaal, elk met een verantwoordelijke en een datum. Zo voorkom je dat de analyse blijft steken in constateren.

Veelgemaakte fouten bij het interpreteren van verkoopcijfers

Bij het lezen van verkoopcijfers gaat het vaak op dezelfde manieren mis. Een aantal komt telkens terug.

De eerste fout is sturen op omzet in plaats van op marge. Groei die alleen op prijskortingen rust, ziet er goed uit tot je de marge erbij pakt. Kijk daarom nooit naar een omzetgetal zonder het bijbehorende margegetal.

De tweede fout is losse maanden vergelijken. December tegen november zegt weinig als december altijd 40 procent boven het gemiddelde ligt. Vergelijk gelijke periodes: dezelfde maand vorig jaar, of hetzelfde kwartaal.

De derde fout is conclusies trekken uit te weinig data. Een klant die 3 weken niets bestelt, hoeft niet weg te zijn; misschien loopt zijn bestelritme van 4 weken gewoon anders. Bepaal per klantgroep wat een normaal ritme is voordat je een uitschieter als probleem bestempelt.

De vierde fout is gemiddelden gebruiken die het beeld vertekenen. Een gemiddelde ordergrootte van 850 euro klinkt stevig, maar als de helft van de orders onder de 200 euro ligt en enkele grote orders het gemiddelde optrekken, stuur je op een getal dat niemand vertegenwoordigt. Kijk in zulke gevallen ook naar de mediaan en de spreiding.

De vijfde fout is analyseren zonder besluit. Een keurige tabel die nergens toe leidt, kost tijd zonder opbrengst. Spreek daarom vooraf af welke drempel tot welke actie leidt, zodat de cijfers een keuze afdwingen in plaats van vrijblijvend blijven.

Veelgestelde vragen

Hoeveel historische data heb ik minimaal nodig voor een zinvolle verkoopanalyse?

Voor een eerste trend volstaat 12 maanden, maar met 24 maanden kun je twee gelijke periodes vergelijken en seizoen eruit filteren. Hoe langer de historie, hoe betrouwbaarder de patronen, al voegt data ouder dan 3 jaar in een snel veranderende markt vaak weinig toe.

Moet ik dure software aanschaffen om verkoopanalyse te doen?

Nee. Veel MKB-bedrijven komen ver met een export uit het boekhoud- of kassasysteem en een spreadsheet. De waarde zit in de analysestappen en de beslissingen, niet in het gereedschap. Software wordt pas nuttig als de handmatige verwerking meer dan enkele uren per maand kost of als je meerdere bronnen wilt koppelen.

Waarom moet ik op marge sturen en niet gewoon op omzet?

Omdat omzet niets zegt over wat er onder de streep overblijft. Een product met 150.000 euro omzet en 6 procent marge levert minder op dan een product met 40.000 euro omzet en 45 procent marge. Sturen op omzet leidt makkelijk tot groei die je met kortingen betaalt.

Hoe vaak moet ik een verkoopanalyse uitvoeren?

Een lichte controle per week, een margeanalyse per maand en een diepere analyse van klanten en assortiment per kwartaal is voor de meeste MKB-bedrijven werkbaar. Het gaat om het ritme: wie maandelijks 2 uur reserveert, herkent afwijkingen sneller dan wie een keer per jaar alles doorspit.

Wat is de eerste stap als ik nog nooit gestructureerd naar mijn verkoopcijfers heb gekeken?

Begin met een schone export van 24 maanden aan transactieregels met datum, klant, product, aantal, verkoopprijs en kostprijs. Rangschik daarna producten en klanten op absolute marge in euro. Die twee lijsten geven vaak binnen een paar uur al de eerste bruikbare inzichten.

*Dit artikel is bedoeld als informatieve toelichting en niet als advies dat is toegesneden op jouw onderneming. Cijfers en drempels dienen als voorbeeld. Leg keuzes over prijs, assortiment en klanten voor aan een adviseur die je situatie kent voordat je ze doorvoert.*