4 november 2026Bijgewerkt op Fathy Shalaby14 min leestijd
Productplanning voor startups: maak van klantbewijs een plan voor 90 dagen
Een praktisch productplanningsproces voor founders, eerste PM's en product engineers: maak van klantsignalen een gerichte reeks voor 90 dagen, zonder onzekere weddenschappen als toezeggingen te presenteren.
Productplanning voor startups is kiezen welk klantresultaat je als volgende nastreeft, wat het team nog moet leren en hoe je de bets die daarheen leiden op volgorde zet. Een goed 90-dagenplan begint bij klantbewijs, benoemt één resultaat met een baseline, verdeelt het werk over Now, Next en Later en zet reviewdata vast, zodat het plan verandert wanneer het bewijs verandert.
De belangrijkste inzichten
Een zwakke product-market fit speelde een rol bij 43% van de 385 faillissementen van door durfkapitaal gefinancierde startups die CB Insights sinds 2023 analyseerde (CB Insights, 2026). Plannen op basis van bewijs is een overlevingsvaardigheid, geen luxe.
Pendo ontdekte dat 80% van de features in een gemiddeld softwareproduct zelden of nooit wordt gebruikt (Pendo, 2019).
49% van de productteams zegt tijd te missen voor strategische planning, en slechts 31% van de organisaties geeft prioriteit aan snel experimenteren (Atlassian via Mind the Product, 2025).
Eén resultaat, één baseline en één guardrail per 90 dagen. Al het andere is Next of Later.
Een review van 60 minuten om de twee weken houdt het plan eerlijk zonder planningsbureaucratie.
Wat is productplanning voor startups?
Productplanning voor startups maakt van een richting ("we bedienen financeteams bij bedrijven met 50-500 medewerkers") een korte reeks bets die het team daadwerkelijk kan uitvoeren. Het zit tussen strategie en backlog. Het is nuttig voor founders, voor een eerste productaanstelling en voor product engineers die met AI-tools bouwen: als implementeren sneller gaat, verschuift de bottleneck naar beslissen welk probleem het oplossen waard is en hoe je merkt of een release heeft geholpen.
Houd drie artefacten gescheiden, want door ze te mengen worden plannen gebroken beloftes:
Artefact
Wat erin staat
Voor wie
Hoe vaak het verandert
90-dagenplan / roadmap
Resultaat, bewijs, geordende bets, afwegingen
Team, founders, investeerders
Elke 2 weken (licht), maandelijks (volledig)
Delen
Backlog
Implementatietaken voor de huidige bet
Engineers
Dagelijks
Klanttoezeggingen
Gedateerde beloftes waarover het team het eens is
Specifieke klanten, sales
Alleen door een expliciete beslissing
Een leverdatum voor een klant hoort alleen bij de toezeggingen als het team ermee heeft ingestemd. Staat hij zonder die instemming op de roadmap, dan is het een gok die als belofte wordt gepresenteerd.
Waarom zou productplanning voor startups bij bewijs moeten beginnen?
Omdat bouwen goedkoop is geworden en gokken niet. De analyse van CB Insights uit 2026 van 431 faillissementen van door durfkapitaal gefinancierde startups vond in 70% van de gevallen geldgebrek, maar merkt op dat dit bijna altijd de uiteindelijke oorzaak is en niet het onderliggende probleem; een zwakke product-market fit kwam voor in 43%, slechte timing in 29% en niet-houdbare unit economics in 19% (CB Insights, 2026). Pendo's schatting dat 80% van de features zelden of nooit wordt gebruikt, met tot 29,5 miljard dollar die beursgenoteerde cloudbedrijven erin hebben gestoken, laat zien wat plannen op basis van meningen op grote schaal kost (Pendo, 2019).
De meeste teams plannen bovendien zonder de tijd om het goed te doen. In Atlassians State of Product-enquête van 2026 onder ruim 1.000 productprofessionals zei 49% tijd te missen voor strategische planning en meldde 40% beperkt of geen experimenteren (Mind the Product, 2025). Een plan dat op één pagina past en bewijs hergebruikt dat je al verzamelt, is het realistische alternatief.
Wat moet een productplan voor 90 dagen je helpen beslissen?
Een 90-dagenplan is een planningsvenster, geen belofte dat elke bet op een vaste datum live gaat. Het moet vier dingen duidelijk maken:
Welk klant- of bedrijfsresultaat is op dit moment het belangrijkst?
Wat weten we over het probleem, en wat is nog een aanname?
Wat is de volgende kleinste bet die onzekerheid kan verkleinen of het resultaat kan verbeteren?
Welk bewijs zou ons laten doorgaan, van richting laten veranderen of laten stoppen?
Als je team nog twijfelt over welke richting het moet plannen, begin dan met ons beslissingskader voor wat je hierna moet bouwen. Deze gids maakt van een gekozen richting een planningscyclus.
Hoe bouw je stap voor stap een productplan voor 90 dagen voor je startup?
1. Kies één resultaat en stel een baseline vast
Begin met een resultaat, niet met de naam van een feature. "Een AI-assistent toevoegen" beschrijft een oplossing. "Een nieuwe gebruiker helpen de eerste nuttige taak af te ronden zonder de support te benaderen" beschrijft een uitkomst die het team kan onderzoeken.
Kies één primaire maatstaf en minstens één guardrail:
Resultaat: meer nieuwe gebruikers voltooien de eerste nuttige taak.
Baseline: het huidige voltooiingspercentage voor een duidelijk gedefinieerde cohort.
Guardrail: supportverzoeken, fouten of doorlooptijd worden niet erger.
Gebruik een maatstaf die het team vandaag kan observeren. Als het event niet is geïnstrumenteerd of het cohort te klein is om te lezen, noteer dat dan als meetlacune en los het in de eerste twee weken op, voordat je iets in de resultaten leest.
2. Bouw een bewijsregister voordat je ideeën rangschikt
Verzamel een kleine, samenhangende set klantsignalen: recente interviews, supporttickets, productgedrag, salesgesprekken en waargenomen workarounds. Leg elk signaal vast:
Datum
Bron
Segment / situatie
Wat ze probeerden te doen
Probleem of workaround
Link
Nog onzeker
3 nov.
Interview
Ops-lead, bedrijf van 80 mensen
Eerste weekrapport versturen
Exporteerde naar een spreadsheet om datums te corrigeren
[gespreksnotities]
Hoeveel andere ops-leads doen dit?
5 nov.
Supportticket
Admin, proefaccount
Team uitnodigen
Uitnodigingsmail belandde in spam
[ticket]
Eenmalig of vaak?
Houd de oorspronkelijke bron één klik weg. Eén ticket bewijst dat één persoon een probleem had; het zegt niet hoe vaak het voorkomt. Een uitval in de funnel laat zien waar gedrag verandert; een interview helpt verklaren waarom.
Gebruik AI om verwant bewijs te groeperen, vragen voor te stellen of een set bronnen samen te vatten, maar laat citaten en links eraan gekoppeld en zoek naar tegenvoorbeelden voordat je een thema als beslissing behandelt. Onze AI-productdiscovery-loop van twee weken laat zien hoe je die signalen verzamelt en beoordeelt.
3. Maak van featureverzoeken probleemomschrijvingen
Meerdere klanten kunnen verschillende features vragen omdat ze dezelfde klus proberen te klaren. Beschrijf de situatie en de kosten van het probleem voordat je oplossingen vergelijkt. Een bruikbare probleemomschrijving beantwoordt:
Wie wordt erdoor geraakt?
Wat proberen ze te doen?
Wat maakt de huidige aanpak traag, riskant of frustrerend?
Welk bewijs ondersteunt die beschrijving?
Welk bewijs zou haar verzwakken?
Behandel aantallen verzoeken niet als stemmen. Tien reacties uit één klantsegment kunnen minder zwaar wegen dan drie herhaalde gevallen uit het segment waarvoor je bouwt. Segment, ernst, actualiteit en kwaliteit van het bewijs doen er allemaal toe.
4. Geef prioriteit aan de volgende bet, niet aan een hoop features
Vergelijk per probleem de waarde van nu handelen of leren met de tijd, het risico en de opportunity cost. Een lichte discussie kan vijf dimensies gebruiken:
Gebruikersimpact: hoe kostbaar is het probleem wanneer het zich voordoet?
Sterkte van het bewijs: ondersteunen meerdere recente bronnen het?
Strategische fit: brengt het oplossen ervan het resultaat van dit kwartaal dichterbij?
Kosten en risico: wat zou een mislukte wijziging kosten, inclusief AI-gebruik of menselijke controle?
Leerwaarde: wat kan een kleine test leren voordat je groter bouwt?
Beoordeel de sterkte van het bewijs op een eenvoudige schaal, zodat mensen over hetzelfde discussiëren:
Niveau
Wat je hebt
Wat het rechtvaardigt
0
Een mening of één enkel verzoek
Nog niets; zoek de volgende vraag
1
2-3 consistente interviews of tickets uit het doelsegment
Een goedkope test of prototype
2
Interviews plus gedragsdata (funnel, gebruik) die dezelfde kant op wijzen
Een kleine build achter een flag
3
Een testresultaat met een vooraf afgesproken metric
Een volledige build en lancering
Maak van de dimensies geen precieze scores, tenzij het team kan uitleggen wat de cijfers betekenen. Een formule die zwak bewijs verbergt, wekt schijnzekerheid.
5. Zet het plan op volgorde in Now, Next en Later
Janna Bastow, die de Now-Next-Later-roadmap bedacht, beschrijft Now als werk dat duidelijk gedefinieerd en gespecificeerd is, Next als minder uitgewerkt en nog niet bij het team, en Later als brede, vage problemen (ProdPad). Voor een startup past dat mooi op zekerheid:
Now: het actieve resultaat en de kleinste nuttige oplevering of het kleinste experiment (bewijsniveau 2-3).
Next: het probleem dat het team na de huidige bet wil onderzoeken (niveau 1-2).
Later: opties die meer bewijs nodig hebben, afhangen van een andere beslissing of geen toezeggingen zijn (niveau 0-1).
Houd Now klein. Als alles in Now staat, helpt het plan niemand kiezen. Heeft het team veel afhankelijkheden, benoem dan de ene die het resultaat kan blokkeren en test die vroeg.
Leen voor de tijdsblokken van Shape Up van Basecamp: cycli van zes weken ononderbroken werk aan een uitgewerkte bet, cooldowns van twee weken voor fixes en planning, en een appetite (hoeveel tijd de bet waard is) in plaats van een schatting (Basecamp, Shape Up). In een venster van 90 dagen passen ongeveer één leersprint, één bet van zes weken en één korter vervolg.
Is de volgorde duidelijk, dan is ons gratis productroadmap-template een snelle manier om haar te delen. Het template is het artefact; dit proces is de redenering erachter.
6. Plan voor AI-kwaliteit en faalscenario's
AI-features vragen om meer controles dan "is het live?". Bepaal hoe een goed resultaat eruitziet bij representatieve taken, hoe fouten worden opgevangen en wat het product doet wanneer het model onzeker of niet beschikbaar is. Plan, afhankelijk van de toepassing, voor:
Een kleine evaluatieset gebouwd uit echte taken.
Een reviewroute voor resultaten met grote impact of lage zekerheid.
Een fallback voor als het model de taak niet kan voltooien.
Monitoring van kwaliteit, latency en kosten na de release.
Een duidelijk punt waarop een persoon het resultaat kan corrigeren of overrulen.
Google's People + AI Guidebook groepeert patronen voor precies deze vragen, van wanneer je AI überhaupt inzet tot het kalibreren van gebruikersvertrouwen en het ondersteunen van gebruikers als er iets misgaat (Google PAIR). Ons AI-evaluatiekader voor productteams maakt er een releasepoort van.
Hoe ziet een template voor een productplan van 90 dagen eruit?
PRODUCTPLAN 90 DAGEN — [team] — [startdatum] tot [einddatum]
RESULTAAT
Primaire maatstaf: ____________ Baseline: ____ Doel: ____
Guardrail(s): ____________ Moet onder/boven blijven: ____
Cohortdefinitie: ____________
BEWIJS (top 5, met links)
1. ____ (bron, datum, segment) — bewijsniveau 0-3
...
NOW (week 1-6)
Bet: ____________ Appetite: __ weken Eigenaar: ____
Succesindicator: ____ Stopvoorwaarde: ____
NEXT (week 7-12)
Te onderzoeken probleem: ____ Bewijs nodig om naar Now te gaan: ____
LATER (niet toegezegd)
____ (wat waar zou moeten zijn)
MEETLACUNES om te dichten in week 1-2: ____
REVIEWDATA: elke tweede [weekdag]; volledige review in week 6 en 12
Hoe ziet een op bewijs gebaseerd 90-dagenplan er in de praktijk uit?
Een illustratief voorbeeld, geen echte klantdata. Stel dat een AI-softwareteam van 6 mensen ziet dat nieuwe gebruikers de setup beginnen maar geen nuttig eerste resultaat bereiken. Ongeveer 200 mensen melden zich per maand aan en 28% haalt binnen 7 dagen een eerste nuttig resultaat. Het team gaat er niet van uit dat een nieuw dashboard of een chatbot dit oplost.
Now (week 1-2, leren): controleren of het activatie-event goed wordt bijgehouden, vijf sessieopnames bekijken en praten met zes gebruikers die vroeg afhaakten. Vier van de zes liepen vast bij de stap voor het importeren van data.
Now (week 3-8, bet van zes weken): een begeleide import met voorbeelddata testen. Doel: de 7-daagse activatie verhogen van 28% naar 40%. Guardrail: supporttickets over import blijven onder de 10 per week. Stopvoorwaarde: onder 32% na vier weken verkeer.
Next (week 9-12): als de bet werkt, het tweede uitvalpunt onderzoeken. Zo niet, opnieuw interviewen en in plaats daarvan een concierge-setupgesprek testen.
Later: bredere automatiseringsideeën blijven zichtbaar maar niet toegezegd totdat het team herhaald gebruik ziet en de faalscenario's begrijpt.
Bij 200 aanmeldingen per maand ziet het team tijdens de bet van zes weken zo'n 300 nieuwe gebruikers, genoeg om een stijging van 28% naar 40% op te merken, maar niet om een klein verschil te bewijzen. Als je een formele test wilt draaien, laat onze gids over A/B-testen voor PM's zien hoe je eerst de steekproefgrootte controleert.
Hoe voer je een productplanningsreview uit?
Een review van 60 minuten werkt als het bewijs vooraf is gedeeld:
Het resultaat en de baseline opnieuw bevestigen (5 minuten).
Nieuw bewijs bekijken, inclusief signalen die het huidige beeld tegenspreken (15 minuten).
De grootste onzekerheid of het grootste klantprobleem benoemen (10 minuten).
De volgende bets en de kosten van wachten vergelijken (15 minuten).
Afspreken wat Now is, wat Next is en wat in Later blijft (10 minuten).
De eigenaar, de volgende reviewdatum en wat de beslissing zou veranderen vastleggen (5 minuten).
Check lopend werk elke week kort. Loop het bewijs en de volgorde om de twee weken opnieuw door en doe een volledige review halverwege en aan het eind van de 90 dagen. Controleer na een belangrijke release of het doelgedrag is veranderd en of de guardrails hebben standgehouden; onze checklist voor featurelanceringen behandelt wat je in de eerste week meet.
Wat zijn veelgemaakte fouten bij productplanning voor startups?
Features plannen in plaats van resultaten. Een lijst met features kan "af" zijn terwijl er voor klanten niets verandert.
De roadmap behandelen als leveringscontract. Onzekere bets als datums presenteren schaadt het vertrouwen de eerste keer dat bewijs de volgorde verandert.
Verzoeken als stemmen tellen. Volume uit het verkeerde segment kan het plan wegtrekken van je beste klanten.
De baseline overslaan. Zonder startgetal ziet elk resultaat eruit als vooruitgang.
Now overvullen. Drie parallelle bets bij een team van 5 betekent meestal dat geen enkele een zuivere meting oplevert.
Alleen plannen. Als engineers het plan pas bij de sprintplanning zien, mis je hun blik op kosten en risico. Betrek ze bij de probleemkeuze.
Wanneer werkt een 90-dagenplan niet?
Voordat je gebruikers hebt, is een 90-dagenplan vooral een discoveryplan: het resultaat is "leren of dit probleem echt is", en ons 30-dagenplan voor de eerste product manager past beter bij een team dat net zijn loop opzet. En bij een crisis (een grote klant in gevaar, een storing, een financieringsdeadline) moet het plan expliciet pauzeren in plaats van te doen alsof er niets veranderd is. Schrijf op wat is gepauzeerd en wanneer je erop terugkomt.
Waar past Specky in?
Het traagste deel van op bewijs gebaseerd plannen is het met de hand opbouwen van het bewijsregister. Specky leest klantgesprekken, feedback, Slack, Jira en analytics in een Product Graph, zodat signalen binnenkomen met hun bron en datum. RICE-scoring met AI-suggesties en een Opportunity Tree helpen bij het vergelijken van bets, en specs bevatten inline citaten die teruglinken naar het bewijs. Na de lancering controleert Specky of de bet het resultaat heeft verbeterd. Bekijk de productplanningsfuncties van Specky.
Veelgestelde vragen
Hoe moet een startup zijn product plannen?
Begin met één klantresultaat en een baseline, verzamel bewijs over het probleem, vergelijk een paar mogelijke bets en zet het volgende leer- en leverwerk op volgorde als Now, Next en Later. Houd aannames zichtbaar en stel reviewdata vast, zodat het plan verandert wanneer het bewijs verandert en niet wanneer iemand hogerop van gedachten verandert.
Hoe ver vooruit moet een startup plannen?
Een voortschrijdend venster van 90 dagen past bij de meeste teams in een vroege fase: lang genoeg voor één bet van zes weken plus leren en vervolg, kort genoeg om van koers te veranderen. Houd het detail het hoogst voor werk dat het team begrijpt en gebruik een Later-horizon voor mogelijkheden die nog van discovery afhangen. Loop de volgorde om de twee weken opnieuw door.
Wat is een Now-Next-Later-roadmap?
Een roadmapformaat bedacht door Janna Bastow van ProdPad dat werk groepeert op zekerheid in plaats van op datums. Now bevat duidelijk gedefinieerd werk in uitvoering, Next bevat werk dat naar verwachting volgt maar nog niet volledig is gespecificeerd, en Later bevat brede problemen die nog worden verkend. Het past bij startups omdat het richting communiceert zonder datums te beloven voor onzekere bets.
Is productplanning anders voor een AI-startup?
De kernvragen zijn hetzelfde, maar AI-features vragen ook controles op kwaliteit, falen, menselijke review, latency en kosten. Neem vanaf het begin een evaluatieset, een fallback en monitoring na de release op in het plan, in plaats van ze als laatste technische review te behandelen. Plan voor het geval dat het model het fout heeft, traag is of niet beschikbaar.
Hoe geef je prioriteit als alles belangrijk lijkt?
Kies de bet die het meest direct het ene resultaat van dit kwartaal verbetert en waar minstens twee consistente stukken bewijs achter staan. Al het andere gaat naar Next of Later. Als twee bets gelijk staan, kies dan die met de goedkopere test, want eerder leren verslaat een zekerdere gok.
Wanneer moet ik een productroadmap-template gebruiken?
Nadat het team het eens is over het resultaat, het bewijs en de volgende bets. Een template maakt beslissingen makkelijker te delen, maar kan niet bepalen welk probleem ertoe doet of een zwakke aanname in bewijs veranderen. Vul eerst de redenering in en gebruik het formaat daarna om haar te communiceren.
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