6 juli 2026Bijgewerkt op Fathy Shalaby15 min leestijd
Product-led growth-metrics: wat je meet in elke PLG-fase
De PLG-metricstack in vier lagen, met per metric een formule en een geverifieerde benchmark, een uitgewerkt voorbeeld en de meetfouten waardoor self-servicefunnels vastlopen.
Product-led growth-metrics meten wat gebruikers in het product doen en wat omzet voorspelt: hoeveel aanmeldingen echte waarde bereiken (activatie), hoe snel, of ze er een gewoonte van maken en of accounts uitbreiden en anderen uitnodigen. De kernset bestaat uit activatiepercentage, time to value, product-qualified leads, free-to-paid-conversie, DAU/MAU, net revenue retention en viraliteitscoëfficiënt, bekeken per acquisitiebron en klantsegment.
Belangrijkste punten
PLG-conversie ligt lager dan de meeste sales-led teams verwachten: in de benchmarks van OpenView uit 2022 zetten freemiumproducten 5% van de gratis gebruikers om naar betalend en gratis proefperiodes 17% (OpenView, 2022).
Het bijhouden van product-qualified leads of accounts verhoogde de kans op snelle groei met 61% in de enquête van OpenView en Pendo onder 1.000 bedrijven (OpenView, 2023).
De beste net revenue retention ligt rond 110-120% (ChartMogul), maar het mediane B2B-SaaS-bedrijf zat in 2025 op 82% (ChartMogul, 2025).
Een viraliteitscoëfficiënt onder 1 helpt nog steeds: bij K = 0,3 leveren elke 100 aanmeldingen na verloop van tijd zo'n 43 extra op.
Waarom werken standaard SaaS-metrics niet voor product-led growth?
In een sales-led model is de funnel lineair: lead, opportunity, demo, deal. Je meet de overdrachten tussen mensen: MQL's, SQL's, win rate, salescyclus.
Bij PLG zijn er weinig overdrachten. De funnel is gedragsgestuurd: ontdekken, aanmelden, activeren, een gewoonte vormen, uitbreiden. Elke stap hangt af van wat de gebruiker in het product wel of niet doet. Je meet gedrag dat omzet voorspelt, geen pipelinefases waar omzet in zit.
Daarom brengen overgenomen sales-led metrics PLG-teams in de war. "We hebben 10.000 aanmeldingen" zegt weinig als 9.800 nooit waarde hebben ervaren. "Trial-to-paid is 8%" zegt weinig als je niet weet wat die 8% anders deed.
PLG is inmiddels eerder de norm dan de uitzondering. Het aandeel productgedreven aanpakken onder de respondenten van OpenView groeide tussen 2019 en 2022 van 45% naar 55% (OpenView, 2022). De vraag die PLG-metrics beantwoorden is niet "hoeveel mensen zitten in welke fase?", maar "welk gedrag voorspelt retentie, uitbreiding en aanbevelingen?"
Wat zijn de vier lagen van product-led growth-metrics?
Groepeer product-led growth-metrics in vier lagen. Elke laag beantwoordt één vraag en heeft twee tot vier metrics die het waard zijn om bij te houden.
Laag 1: Hoe goed is je acquisitie?
Bij PLG telt de kwaliteit van acquisitie zwaarder dan het volume. Tien aanmeldingen van mensen die passen bij je ideal customer profile (ICP) zijn meer waard dan duizend uit een brede campagne, omdat die tien het product echt gebruiken.
Aanmelding-naar-activatie-percentage per bron. Splits activatie uit per kanaal. OpenView vond dat de beste freemiumbedrijven 53% van hun nieuwe gebruikers uit organische zoekresultaten halen en 13% uit productgedreven doorverwijzingen, tegenover 10% uit betaalde advertenties en 8% uit outbound (OpenView, 2022). Uit de enquête van 2023 bleek dat te veel leunen op betaalde acquisitie omgekeerd samenhing met snelle groei (OpenView, 2023). Jouw eigen verdeling zal anders zijn; meet die voordat je budget verschuift.
Time to first value per ICP-segment. Hoe lang doet een ICP-gebruiker erover om het eerste nuttige resultaat te bereiken? Ter illustratie: als ICP-gebruikers in 3 dagen activeren en niet-ICP-gebruikers er 10 nodig hebben (en de meesten eerder afhaken), heb je zowel een targetingprobleem als een frictieprobleem in het product gevonden.
Product-qualified leads (PQL's). Een PQL is een aanmelding die past bij je ICP en via gedrag in het product koopintentie heeft getoond, bijvoorbeeld door een activatiestap te voltooien of een gebruikslimiet te bereiken. Optimaliseer hierop, niet op ruwe aanmeldingen.
Laag 2: Bereiken aanmeldingen echte waarde?
Activatie is de belangrijkste en meest verkeerd begrepen PLG-metric. Het is niet "onboarding afgerond", "twee keer ingelogd" of "de introductievideo bekeken". Het is het punt waarop een gebruiker genoeg waarde heeft ervaren om waarschijnlijk te blijven. Het is voorspellend, niet beschrijvend.
Om je echte activatiemijlpaal te vinden, doe je een cohortanalyse. Neem de gebruikers die na 30 dagen nog actief zijn en zoek het vroegste gedrag dat zij veel vaker vertoonden dan gebruikers die zijn afgehaakt. Dat gedrag, niet datgene wat het team veronderstelde, is je mijlpaal. De volledige methode staat in de SaaS-activatiegids.
Activatiepercentage (tot de echte mijlpaal). Het aandeel aanmeldingen dat het gedrag vertoont dat retentie voorspelt. Benchmarks: 34% gemiddeld en 25% mediaan over 500+ producten; 36% en 30% voor alleen SaaS (Lenny's Newsletter, 2022).
Time to activation. Minuten, uren of dagen van aanmelding tot de mijlpaal. Snelheid telt: in de data van Amplitude uit 2025 over 2.600+ bedrijven presteerde 69% van de producten met sterke vroege activatie ook goed op retentie na drie maanden, en bij de helft van alle producten was meer dan 98% van de nieuwe gebruikers twee weken na hun eerste actie inactief (Amplitude, 2025).
Activatie-uitval per stap. Waar vallen gebruikers af vóór de mijlpaal? Een uitval van 60% bij "koppel je eerste integratie" is een ander probleem dan een uitval van 60% bij "nodig een teamgenoot uit". Deze lijst is je onboarding-roadmap.
Laag 3: Maken geactiveerde gebruikers er een gewoonte van?
Retentie is de motor van PLG-samengestelde groei. Een geactiveerde gebruiker die in maand twee afhaakt, draagt niets bij aan mond-tot-mondreclame, uitbreiding of community.
DAU/MAU (stickiness). Dagelijks actieve gebruikers gedeeld door maandelijks actieve gebruikers. Andrew Chen merkt op dat apps boven 20% meestal goed worden genoemd en 50%+ wereldklasse, waarbij Facebook historisch boven 50% zat (Andrew Chen). Hij waarschuwt ook dat de verhouding de verkeerde metric is voor producten die mensen minder vaak gebruiken. Gebruik voor een wekelijkse tool, zoals een planning- of rapportageproduct, wekelijks actieve gebruikers gedeeld door maandelijks actieve gebruikers en beoordeel de trend, niet een absoluut doel.
Gebruiksretentie. Het aandeel van een aanmeldcohort dat na 30 dagen nog actief is. Freemiumrespondenten in de enquête van OpenView haalden gemiddeld 20%, en uitblinkende PLG-bedrijven 16% (OpenView, 2022). De data van Userpilot geeft een retentie in maand 1 van gemiddeld 46,9% bij 83 B2B-SaaS-bedrijven (Userpilot). De definities van "actief" verschillen, en daarom liggen de twee cijfers zo ver uit elkaar. Vergelijk jezelf eerst met je eigen eerdere cohorten.
Diepte van featuregebruik. Welk deel van de geactiveerde gebruikers leunt op meer dan één kernfeature? Userpilot ontdekte dat het gebruik van kernfeatures gemiddeld 24,5% bedraagt (mediaan 16,5%) bij 181 B2B-SaaS-bedrijven (Userpilot). De werkhypothese is dat dieper gebruik de overstapkosten verhoogt; test dat op je eigen retentiedata voordat je erop handelt.
Breedte van gebruik binnen accounts. In B2B-PLG telt gebruik door het team zwaarder dan gebruik door individuen. Eén powergebruiker is een churnrisico op de dag dat die vertrekt. Houd het aandeel accounts boven een zelfgekozen seatdrempel bij, bijvoorbeeld 3+ wekelijks actieve seats.
Laag 4: Breiden accounts uit en nodigen ze anderen uit?
Hier komt PLG-samengestelde groei vandaan, en hier laten de meeste teams geld liggen.
Net revenue retention (NRR). De omzet die je behoudt van bestaande klanten na churn, downgrades en uitbreiding, meestal over 12 maanden. Een NRR boven 100% betekent dat het klantenbestand groeit zonder nieuwe logo's. ChartMogul legt de beste NRR rond 110-120%, en op 115-125% voor B2B dat aan mid-market en enterprise verkoopt (ChartMogul). De mediaan is veel lager: 82% voor B2B-SaaS-bedrijven boven $250k ARR in 2025, met het bovenste kwartiel op 97% (ChartMogul, 2025). Ook het prijsniveau speelt mee: in de data van ChartMogul uit 2022 had 41,1% van de bedrijven met een gemiddelde omzet per account boven $500 per maand een NRR boven 100% (ChartMogul).
Uitbreidings-PQL's. Gebruikers in betalende accounts die gebruikslimieten bereiken, vaak teamgenoten uitnodigen of geavanceerde functies gebruiken, zijn warme uitbreidingsleads. Stuur ze op basis van accountwaarde naar een self-serve upgrade of naar een persoon.
Viraliteitscoëfficiënt (K-factor). Hoeveel nieuwe gebruikers elke bestaande gebruiker binnenbrengt. De formule van David Skok is K = verstuurde uitnodigingen per gebruiker × conversiepercentage van uitnodigingen, en K moet boven 1 komen voor echte virale groei (For Entrepreneurs). Hij laat ook zien dat de virale cyclustijd, de tijd die één uitnodigingslus kost, zwaarder weegt dan K: in zijn model bereikt een cyclus van 2 dagen na 20 dagen 20.470 gebruikers, terwijl een cyclus van 1 dag ruim 20 miljoen passeert.
Time to expansion. Hoe lang na aanmelding breidt een account doorgaans uit? Ter illustratie: als de mediane uitbreiding in maand 3 plaatsvindt maar de outreach pas in maand 6 begint, mis je het venster. Start uitbreidingswerk op basis van gedrag, niet van de kalender.
Wat zijn de formules voor PLG-metrics?
Metric
Formule
Geverifieerde benchmark
Activatiepercentage
Gebruikers die de mijlpaal in het venster bereiken ÷ aanmeldingen in de cohort
Gebruik benchmarks als realiteitscheck, niet als doel. Elke bron definieert "actief" en "geactiveerd" anders, en freemium- en proefperiodeproducten moet je nooit met elkaar vergelijken.
Freemium of gratis proefperiode: welke benchmarks gelden voor jou?
Het "verhaal van 1.000 bezoekers" van OpenView laat zien waarom het model zwaarder weegt dan welk afzonderlijk conversiepercentage ook (OpenView, 2022):
Per 1.000 websitebezoekers
Freemium (mediaan)
Gratis proefperiode (mediaan)
Gratis aanmeldingen
60 (6%)
40 (4%)
Free-to-paid-conversie
5%
17%
Betalende klanten
3
7
Geconverteerd zonder salescontact
Ongeveer 2
Ongeveer 1
Freemium levert meer gebruikers en minder klanten op; proefperiodes leveren minder gebruikers en meer klanten op. Een freemiumteam dat een conversie van 5% viert en een proefperiodeteam dat zich zorgen maakt over 15% kunnen allebei op de mediaan zitten. Kies benchmarks uit je eigen model.
Hoe bouw je een product-qualified lead (PQL)?
OpenView ontdekte dat bijna een derde van de freemiumbedrijven elke aanmelding benaderde, terwijl uitblinkende PLG-bedrijven gemiddeld maar 14% contacteerden. Slechts 45% van de freemiumbedrijven en 19% van de sales-led bedrijven had een PQL-metric (OpenView, 2022). Een PQL lost dat op door mensen te richten op de accounts die waarschijnlijk kopen.
Kies de uitkomst. Meestal conversie naar betalend binnen 30 of 60 dagen, of een upgrade naar een hoger plan.
Maak een lijst van kandidaatgedrag. Activatiemijlpaal bereikt, teamgenoten uitgenodigd, gebruikslimiet bereikt, prijspagina bekeken, integratie gekoppeld.
Vergelijk converteerders met niet-converteerders. Zoek voor de aanmeldingen van de afgelopen 3-6 maanden het gedrag dat converteerders veel vaker vertoonden.
Voeg fit toe. Combineer gedrag met ICP-fit (bedrijfsgrootte, rol, use case), zodat een nieuwsgierige student niet boven een team van 20 mensen eindigt.
Stel een drempel in en routeer. Boven de drempel neemt een persoon contact op of verschijnt er een upgradeprompt in het product. Eronder blijft het product het werk doen.
Controleer maandelijks. Meet de PQL-to-paid-conversie ten opzichte van de conversie van niet-PQL's. Als het verschil klein is, klopt de definitie niet.
De opbrengst kan groot zijn: in de enquête van OpenView en Pendo uit 2023 verhoogde het bijhouden van PQL's of product-qualified accounts de kans op snelle groei met 61%, de sterkste hefboom in het onderzoek (OpenView, 2023). Dat is een correlatie uit een enquête, geen bewijs dat PQL's groei veroorzaken, maar geen enkele andere hefboom kwam in de buurt.
Uitgewerkt voorbeeld: een PLG-funnel van begin tot eind lezen
Illustratief voorbeeld. Stel dat een freemium B2B-tool 20.000 websitebezoekers per maand krijgt.
Acquisitie: 6% meldt zich aan, goed voor 1.200 gratis aanmeldingen.
Activatie: 30% bereikt de activatiemijlpaal binnen 7 dagen: 360 geactiveerde gebruikers. Mediane time to activation: 2 dagen.
Gewoonte: 25% van de oorspronkelijke 1.200 is op dag 30 nog actief: 300 gebruikers.
Conversie: 5% van de aanmeldingen wordt betalend account: 60 nieuwe klanten per maand.
Viraal: elke nieuwe gebruiker stuurt gemiddeld 2 uitnodigingen en 15% wordt geaccepteerd, dus K = 2 × 0,15 = 0,3. Als elke nieuwe gebruiker maar één keer uitnodigt, direct na aanmelding, leveren de 1.200 aanmeldingen na verloop van tijd 1.200 × 0,3 ÷ (1 − 0,3) ≈ 514 extra op.
Twaalf maanden later hebben de klanten die aan het begin van het jaar €20.000 MRR betaalden €3.000 aan uitbreiding toegevoegd, €500 verloren aan downgrades en €1.500 aan churn:
Wat moet dit team doen? Activatie (30%) zit dicht bij de SaaS-mediaan, dus de grootste hefboom zijn waarschijnlijk de 70% die nooit activeert. De K van 0,3 is geen virale groei, maar voegt gratis zo'n 43% aan acquisitie toe, dus het verkorten van de uitnodigingslus is de tweede hefboom. Een NRR boven 100% laat zien dat bestaande klanten blijvende waarde vinden; bescherm die.
Wat moet een PLG-dashboard laten zien, en hoe vaak?
Wekelijkse polsslag (tactisch):
Nieuwe PQL's deze week vs. vorige week
Activatiepercentage van de nieuwste 7-daagse cohort
Mediane time to activation, deze cohort vs. het 30-daagse gemiddelde
Trend van wekelijks actieve gebruikers (of DAU/MAU voor dagelijkse producten)
Maandelijkse review (strategisch):
Activatiepercentage per acquisitiebron
30/60/90-daagse retentie per activatiecohort
Verdeling van de diepte van featuregebruik
Aandeel accounts boven je drempel voor actieve seats
NRR en GRR
Pipeline van uitbreidings-PQL's
Kwartaalanalyse in de diepte:
De cohortanalyse opnieuw doen: is de echte activatiemijlpaal veranderd?
Elke metric segmenteren naar ICP vs. niet-ICP
Trend van viraliteitscoëfficiënt en cyclustijd
Time to expansion per acquisitiecohort
Kies boven de stack één north star om ervoor te zorgen dat de lagen dezelfde kant op trekken; zo kies je een north star metric. Als een metric beweegt, test dan de oorzaak voordat je erop voortbouwt; de A/B-testgids voor product managers laat zien hoe.
Wat zijn de meest voorkomende PLG-meetfouten?
1. De verkeerde activatiemijlpaal gebruiken. "Onboardingchecklist afgerond" meet het invullen van een formulier, geen waarde. Doe de cohortanalyse en bouw alles opnieuw op rond het gedrag dat retentie voorspelt.
2. Maandelijks actieve gebruikers tellen zonder te segmenteren. Iemand die één keer per maand inlogt om een melding weg te klikken, is in geen enkele zinvolle betekenis actief. Segmenteer op betrokkenheidsdiepte, ICP-fit en uitbreidingspotentieel.
3. Signalen op teamniveau negeren in B2B. Een bedrijf waar één persoon je product intensief gebruikt, loopt risico zodra die persoon vertrekt. Volg activatie, breedte en seatgroei op accountniveau als volwaardige metrics.
4. NRR als financiële metric behandelen. Dalende NRR betekent dat het product niet genoeg blijvende waarde levert om verlenging en uitbreiding te rechtvaardigen. Dat is een productprobleem, niet alleen een accountmanagementprobleem.
5. De virale lus als bijzaak bouwen. Als uitnodigingen verstopt zitten in Instellingen, ligt K dicht bij nul. Zet delen in de activatieflow en het eerste samenwerkingsmoment, en verkort de cyclustijd.
6. Vergelijken met de verkeerde benchmark. Een freemiumproduct dat wordt beoordeeld aan de conversie van proefperiodes ziet er kapot uit, en een AI-native product dat wordt beoordeeld aan klassieke SaaS-retentie ziet er nog slechter uit: ChartMogul vond bij AI-native bedrijven in 2025 een mediane NRR van 48% (ChartMogul, 2025). Prijsstelling bepaalt ook de uitbreiding, dus kijk nog eens naar of per-seatprijzen passen bij een AI-product.
Wanneer past deze metricstack niet?
Zeer vroege producten met minder dan een paar honderd aanmeldingen per maand kunnen cohortretentie of PQL-drempels niet betrouwbaar lezen; de cijfers bewegen op een handjevol gebruikers. Praat met gebruikers en volg activatie met de hand totdat het volume de stack zinvol maakt; een product-market-fit-enquête geeft bij laag volume sneller een beeld. Puur sales-led producten zonder self-servicepad hebben pipelinemetrics nodig, al gelden activatie en NRR nog steeds nadat de deal is gesloten.
Waar Specky past
De meeste PLG-teams hebben de data. Die staat in PostHog, Pendo en een spreadsheet, losgekoppeld van de beslissingen die ze zouden moeten voeden. Specky leest analytics samen met klantgesprekken, feedback en tickets in een Product Graph. De weergave Feature Adoption neemt PostHog-trends en -funnels of Pendo-paginaweergaven en toont per feature het gebruiksaandeel en de trend, met een suggestie om uit te breiden, te behouden of uit te faseren, wekelijks ververst. Het is beslissingsondersteuning, geen automatische uitfaselijst (het verschil staat in product intelligence vs. product analytics): als het gebruik van een feature verandert, kun je de interviews en tickets openen die verklaren waarom, voordat je beslist.
Veelgestelde vragen
Wat zijn de belangrijkste product-led growth-metrics?
De belangrijkste product-led growth-metrics zijn activatiepercentage, time to activation, product-qualified leads, free-to-paid-conversie, net revenue retention en viraliteitscoëfficiënt. Activatie telt het zwaarst in het begin, omdat ze retentie voorspelt. Net revenue retention telt het zwaarst op schaal, omdat ze laat zien of bestaande klanten waarde blijven vinden en uitbreiden.
Wat is een goed free-to-paid-conversiepercentage voor PLG?
Dat hangt af van het model. De benchmarks van OpenView uit 2022 leggen de mediaan op 5% van de gratis aanmeldingen voor freemiumproducten en op 17% voor gratis proefperiodes. Vergelijk jezelf alleen met producten die hetzelfde model gebruiken en volg het percentage per cohort en acquisitiebron in plaats van als één gemiddeld cijfer.
Wat is een product-qualified lead?
Een product-qualified lead is een gebruiker of account die past bij je ideal customer profile en via gedrag in het product koopintentie heeft getoond, bijvoorbeeld door de activatiemijlpaal te bereiken, teamgenoten uit te nodigen of een gebruikslimiet te raken. Teams bouwen hem op door te vergelijken wat converterende en niet-converterende aanmeldingen deden, en accounts boven een drempel door te sturen naar sales of een upgradeprompt.
Wat is een goede net revenue retention?
Volgens ChartMogul ligt de beste NRR rond 110-120%, en op 115-125% voor B2B-bedrijven die aan mid-market en enterprise verkopen. De mediaan is lager: 82% voor B2B-SaaS-bedrijven boven $250k ARR in 2025, met het bovenste kwartiel op 97%. NRR stijgt met het prijsniveau, omdat accounts met een hogere waarde minder churnen en meer uitbreiden.
Hoe bereken je de viraliteitscoëfficiënt?
Vermenigvuldig het gemiddelde aantal uitnodigingen dat elke gebruiker verstuurt met het aandeel uitnodigingen dat verandert in nieuwe gebruikers. Twee uitnodigingen met een acceptatiepercentage van 15% geven K = 0,3. Een K boven 1 betekent dat elke gebruiker meer dan één nieuwe gebruiker binnenbrengt, en dat is echte virale groei. Onder 1 leveren uitnodigingen nog steeds gebruikers op, en het verkorten van de uitnodigingscyclus heeft het grootste effect.
Is DAU/MAU een goede metric voor B2B-SaaS?
Alleen voor producten die mensen dagelijks nodig hebben. Andrew Chen noemt 20%+ goed en 50%+ wereldklasse, maar waarschuwt dat de verhouding misleidt bij producten die wekelijks of maandelijks worden gebruikt. Veel B2B-tools zijn van nature wekelijks, dus wekelijks actieve gebruikers gedeeld door maandelijks actieve gebruikers, gelezen als trend per cohort, is meestal de betere gewoontemetric.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing