17 juli 2026Bijgewerkt op Fathy Shalaby16 min leestijd
Worden 80% van de features zelden of nooit gebruikt? Wat de data echt hebben gemeten
De 80% komt uit Pendo's rapport van 2019, de 64% uit een Standish-keynote van 2002 over vier interne apps. Wat elk cijfer mat en hoe je ongebruikte features diagnosticeert.
Worden 80% van de features zelden of nooit gebruikt? Het cijfer komt uit Pendo's Feature Adoption Report van 2019. Dat analyseerde 615 abonnementen over drie maanden en vond dat 80% van de getagde features zelden of nooit werd gebruikt, terwijl 12% van de features 80% van het dagelijkse gebruik opleverde. Het is een bevinding over de producten van Pendo-klanten, geen universele wet. Het oudere cijfer van 64% gaat terug op een keynote van de Standish Group uit 2002 over vier interne applicaties.
De belangrijkste punten
Pendo's rapport van 2019 vond dat 80% van de features zelden of nooit wordt gebruikt, waarbij een feature een getagd productonderdeel was; ongeveer 12% van de features zorgde voor 80% van het gemiddelde dagelijkse gebruik (Pendo, 2019).
Pendo's benchmarks van 2024, over 6.800 klanten: 6,4 van elke 100 features zorgen voor 80% van het aantal klikken; de beste producten halen 15,6% (Pendo, 2024).
Het cijfer "64% van de features wordt zelden of nooit gebruikt" kwam uit een keynote van Jim Johnson, voorzitter van de Standish Group, op XP 2002, gebaseerd op vier intern ontwikkelde applicaties — geen commerciële producten (Mountain Goat Software).
De meeste ideeën falen als je ze test: bij Google en Bing levert slechts zo'n 10–20% van de experimenten positieve resultaten op (Kohavi en Thomke, HBR 2017).
Laag gebruik is een symptoom. Diagnosticeer waar het pad breekt — toegang, zichtbaarheid, eerste gebruik, herhaald gebruik of resultaat — voordat je iets verwijdert, promoot of opnieuw bouwt.
Waar komt de statistiek "80% van de features wordt zelden of nooit gebruikt" vandaan?
De statistiek komt uit Pendo's Feature Adoption Report van 2019. Pendo's eigen samenvatting zegt dat 80 procent van de features in een gemiddeld softwareproduct zelden of nooit wordt gebruikt (Pendo, 2019).
Dit omvatte de studie echt:
Steekproef: geanonimiseerde gebruiksdata van 615 Pendo-abonnementen, allemaal klanten die Pendo al langer dan een jaar gebruikten.
Sectoren: onder meer bankieren en financiën, HR-technologie, onderwijs, transport en logistiek, gezondheidszorg en e-commerce.
Analyse-eenheid: een "feature" was een getagd deel van het product. Pendo ging ervan uit dat getagde delen dagelijks, wekelijks of maandelijks gebruikt hoorden te worden.
Categorieën: gebruik werd ingedeeld als vaak, matig, zelden of nooit gebruikt.
Concentratie: ongeveer 12% van de features zorgde voor 80% van het gemiddelde dagelijkse gebruiksvolume. Volgens Pendo verschilden de percentages slechts weinig naar bedrijfsgrootte.
Waar komt het bedrag van $29,5 miljard vandaan?
Pendo schatte ook dat beursgenoteerde cloudsoftwarebedrijven tot $29,5 miljard hebben geïnvesteerd in het ontwikkelen van zelden of nooit gebruikte features. De methode is een schatting bovenop schattingen: Gartners prognose van $175,8 miljard publieke cloudomzet in 2018, een gemiddelde R&D-ratio van 54 bedrijven uit de Bessemer Emerging Cloud Index, en daar bovenop het aandeel van 80% (Pendo, 2019). Pendo's illustratieve variant: een bedrijf met $50 miljoen omzet zou $8,4 miljoen aan zulke features kunnen uitgeven.
Zie het dollarbedrag als een grove illustratie, niet als gemeten kosten. Het gaat ervan uit dat elke zelden gebruikte feature verspilling is, en dat toont het rapport zelf niet aan.
Wat de Pendo-studie niet laat zien
De studie mat de gebruiksfrequentie van getagde onderdelen. Ze mat niet:
Waarom een feature ongebruikt bleef — slechte vindbaarheid, weinig behoefte, slechte match of een kapotte workflow.
Waarde per gebruik. Een data-export die eens per kwartaal wordt gebruikt, kan een verlenging redden.
Of de tags compleet waren. Teams taggen wat ze willen volgen; ongetagde onderdelen zijn onzichtbaar.
Of jouw product erop lijkt. Pendo's klanten zijn een steekproef van softwarebedrijven die een product-analytics-tool kopen, niet van alle software.
De eerlijke manier om het cijfer te gebruiken: "In Pendo's steekproef van 2019 werden de meeste getagde features weinig gebruikt, en concentreerde het gebruik zich in een klein deel." De oneerlijke manier: "80% van alles wat we bouwen is verspilling."
Wat mat de Standish Group eigenlijk?
De oudere en nog steeds veel herhaalde bewering is dat 64% van de softwarefeatures zelden of nooit wordt gebruikt. Ze wordt meestal toegeschreven aan de Standish Group, vooral bekend van de CHAOS-rapporten over de uitkomst van IT-projecten.
Mike Cohn ging op onderzoek uit. Het cijfer kwam van Jim Johnson, voorzitter van de Standish Group, in een keynote op de XP 2002-conferentie op Sardinië. Cohn zegt dat hij bij Standish bevestigd kreeg dat het was gebaseerd op vier intern ontwikkelde applicaties bij vier bedrijven — systemen voor intern gebruik, geen commerciële producten (Mountain Goat Software).
De 64% wordt gewoonlijk opgesplitst in 45% "nooit" plus 19% "zelden". InfoQ's verslag uit 2006 van een interview met Johnson schrijft de uitspraak "45% van de ontwikkelde features wordt nooit gebruikt" toe aan Standish's CHAOS-materiaal (InfoQ, 2006). De onderliggende dataset konden we niet openbaar vinden, dus behandelen we de opsplitsing als een door Standish gerapporteerd cijfer, niet als een geauditeerd cijfer.
Twee dingen maken de 64% tot zwak bewijs voor een modern SaaS-product:
Vier applicaties is een piepkleine steekproef. Het zegt je iets over vier interne systemen die rond 2000 zijn gebouwd, niet over producten waarvoor klanten zelf kiezen te betalen.
Interne software heeft gebonden gebruikers. Medewerkers gebruiken wat IT hun geeft. Ongebruikte features weerspiegelen daar vaak vooraf opgeschreven eisen van mensen die niet de gebruikers waren — precies het probleem waartegen agile methoden op die conferentie pleitten.
Hoe verhouden de onderzoeken naar featuregebruik zich tot elkaar?
Elk bekend cijfer meet iets anders. Ze door elkaar halen is de meest voorkomende fout in artikelen over dit onderwerp.
Bron
Jaar
Steekproef
Wat is gemeten
Kernresultaat
Standish Group (keynote van Jim Johnson)
2002
4 interne applicaties bij 4 bedrijven
Aandeel features naar gebruiksfrequentie
64% zelden of nooit gebruikt
Microsoft Office-telemetrie (Jensen Harris)
2006
Word 2003-gebruikers met opt-in
Aandeel van al het commandogebruik
Top 5-commando's ≈ 32% van het gebruik; Plakken > 11%
Pendo Feature Adoption Report
2019
615 abonnementen, 3 maanden
Gebruiksfrequentie van getagde features
80% zelden of nooit gebruikt; 12% zorgt voor 80% van het dagelijkse gebruik
Het patroon is bij alle vijf hetzelfde: het gebruik concentreert zich sterk in een paar features. Het exacte aandeel hangt volledig af van de definitie.
Wat laten recentere benchmarks voor featureadoptie zien?
Twee actuele benchmarks zijn het kennen waard, en ze zijn niet met elkaar te vergelijken.
Pendo, 2024. Over 6.800 klanten meldt Pendo dat van elke 100 gebouwde en gelanceerde features er 6,4 zorgen voor 80% van het aantal klikken; de beste producten halen 15,6% (Pendo, 2024). Dit is een concentratiemaat: hoeveel features de meeste klikken dragen.
Userpilot, 2025. Over 181 B2B-SaaS-bedrijven lag het gemiddelde adoptiepercentage van de kernfeature — het aandeel gebruikers dat de belangrijkste feature van het product in een periode adopteerde — op 24,5%, met een mediaan van 16,5%. Sales-led bedrijven haalden gemiddeld 26,7% en product-led bedrijven 24,3% (Userpilot). Dit is een bereiksmaat: hoeveel gebruikers één belangrijke feature aanraken.
Een product kan laag scoren op Pendo's maat en hoog op die van Userpilot. Als één kernfeature het product draagt en 90% van de gebruikers die gebruikt, is de klikconcentratie hoog en de kernadoptie sterk. Dat is geen probleem.
Hoe bereken je het adoptiepercentage van een feature?
De meestgebruikte formule:
Adoptiepercentage van een feature = gebruikers die de feature in de periode gebruikten ÷ in aanmerking komende actieve gebruikers in dezelfde periode × 100
Stel dat vorige maand 1.200 gebruikers actief waren, 800 van hen een abonnement hadden waarin de feature zit, en 160 de feature gebruikten. De adoptie is 160 ÷ 800 = 20%, niet 160 ÷ 1.200 = 13%. De noemer bepaalt of een feature gezond of dood lijkt.
Waarom blijven zoveel features ongebruikt?
Het gebruik concentreert zich omdat de meeste nieuwe ideeën niet werken zoals gepland, en omdat een paar jobs elk product domineren.
De meeste ideeën falen als je ze test
Ron Kohavi en Stefan Thomke meldden in de Harvard Business Review dat bij Google en Bing slechts zo'n 10–20% van de experimenten positieve resultaten oplevert. Bij Microsoft als geheel blijkt ongeveer een derde van de geteste ideeën effectief, een derde neutraal en een derde negatief (Kohavi en Thomke, 2017). Dit zijn bedrijven met grote onderzoeksteams. Als hun slagingspercentage al zo laag is, mag een klein team dat ongeteste features uitbrengt verwachten dat er veel mislukken.
Een paar jobs domineren elk product
Microsofts Office-telemetrie liet zien dat de vijf meestgebruikte Word 2003-commando's — Plakken, Opslaan, Kopiëren, Ongedaan maken en Vet — goed waren voor ongeveer 32% van al het commandogebruik, en Plakken alleen voor meer dan 11% (Jensen Harris, Microsoft, 2006). Harris merkte ook op dat de curve na de top 10 afvlakt en dat mensen de breedte van Office echt veel gebruiken. Concentratie aan de top betekent niet dat de staart nutteloos is.
De specifieke redenen waarom een feature ongebruikt blijft
Als we met teams features met laag gebruik doorlopen, is de oorzaak meestal een van deze:
Verkeerde doelgroep. De beoogde gebruikers zagen het nooit of kwamen er niet voor in aanmerking.
Lage behoeftefrequentie. Het probleem is echt, maar komt twee keer per jaar voor.
Onduidelijke waarde op het moment van gebruik. Mensen zien het en begrijpen niet wat het voor hen doet.
Hoge instelkosten. Rechten, migratie, configuratie of leren kost meer tijd dan het voordeel waard is.
Slechte workflowfit. Gebruiken betekent de plek verlaten waar het werk al gebeurt.
Output waar niemand op vertrouwt. Het is één keer geprobeerd en gaf een resultaat dat niemand geloofde — gebruikelijk bij AI-features.
Kapotte meting. Het event vuurt op de verkeerde plek af, of de noemer bevat gebruikers die er niet voor in aanmerking komen.
Elke oorzaak vraagt een andere oplossing. Betere promotie helpt een feature met onbetrouwbare resultaten niet, en meer functionaliteit helpt een feature die niemand ziet niet.
Is laag featuregebruik altijd een probleem?
Nee. Sommige features zijn juist waardevol omdat ze zelden nodig zijn: data-exports, accountherstel, auditlogs, compliance-controles, beheerinstellingen, noodrollbacks. Een koper gebruikt een export misschien nooit, maar weigert toch te tekenen zonder.
Beoordeel een feature naar de job waarvoor hij is gebouwd en hoe vaak die job voorkomt. Een maandelijkse rapportagefeature die 90% van de finance-leads één keer per maand gebruikt, is gezond. Een dagelijkse workflowfeature die 5% van de gebruikers één keer gebruikte, is dat niet.
Controleer bij bedrijfssoftware het gebruik ook op accountniveau. Eén beheerder kan een feature namens een heel team draaien, dus tellingen per seat onderschatten het. Eén persoon die één keer klikt, betekent niet dat de workflow van een account is veranderd. Let ook op het omgekeerde: als een account stopt met de features waarop het steunde, is dat een van de duidelijkste vroege waarschuwingssignalen voor klantverloop.
Hoe diagnosticeer je een ongebruikte feature?
Gebruik een adoptiepad in plaats van één gebruiksgetal. Zoek de fase waar mensen afhaken.
Fase
Wat je controleert
De vraag die je moet beantwoorden
In aanmerking komend
Gebruikers of accounts die de feature zouden kunnen gebruiken
Bevat de noemer alleen mensen die er toegang toe hebben?
Blootgesteld
Gebruikers die de feature in een relevante context tegenkwamen
Zagen ze hem toen het onderliggende probleem zich voordeed?
Eerste gebruik
Gebruikers die de eerste betekenisvolle actie voltooiden
Was de waarde duidelijk en konden ze de setup afronden?
Herhaald gebruik
Gebruikers die terugkwamen toen de job weer speelde
Komt de job vaak genoeg voor om een tweede keer te verwachten?
Resultaat
Het klantresultaat dat de feature moest verbeteren
Rondden ze de job af met minder moeite, risico of vertraging?
Vangrail
Kosten die binnen de perken moeten blijven
Zijn fouten, supporttickets, latency of verwarring toegenomen?
Als niemand in het doelsegment de feature te zien krijgt, helpt het niet om de feature zelf te verbeteren — corrigeer de plaatsing of de onboarding. Als mensen beginnen maar niet afronden, bekijk dan vijf sessies of praat met drie gebruikers voordat je de roadmap aanraakt. Als ze de feature gebruiken maar de resultaten niet bewegen, lost hij misschien het verkeerde probleem op; een Jobs to Be Done-interview laat meestal zien welk probleem dat is.
Koppel elke feature ook aan een fase van je customer journey. Een feature die de eerste waarde moet leveren maar drie klikken van de onboarding is verstopt, lijkt ongebruikt om redenen die niets met de kwaliteit te maken hebben. Onze SaaS-activatieplaybook laat zien hoe je die fase van eerste waarde meet.
Hoe kan een klein productteam voorkomen dat het features bouwt die niemand gebruikt?
Vijf stappen, in volgorde. Geen ervan vereist een researchteam.
Benoem de klantjob en het bewijs. Schrijf op wie het probleem heeft, wat die persoon probeert te doen en hoe vaak. Voeg interviewnotities, supportthema's of waargenomen gedrag toe. Houd het verzoek gescheiden van de behoefte; onze template voor een productprobleemstelling helpt daarbij.
Check hoe de job nu werkt. Breng de huidige stappen, tools en workarounds in kaart. Als de feature een nieuwe bestemming of gewoonte toevoegt, test dan of het voordeel dat rechtvaardigt.
Test begrip voordat je breed bouwt. Laat een schets of smal prototype aan 5–8 mensen uit het doelsegment zien. Vraag hun uit te leggen wat het doet en wanneer ze het zouden gebruiken. Een mismatch hier kost uren om te herstellen; na de lancering kost het weken.
Bepaal de metingen vóór de release. Kies één meting voor eerste gebruik, één voor resultaat en één vangrail. Leg de doelgroep, eventdefinitie, nulmeting, reviewdatum en eigenaar vast.
Evalueer na 30 en 90 dagen en beslis dan. Vergelijk blootstelling, eerste gebruik, herhaald gebruik en resultaat voor het doelsegment. Combineer de cijfers met een paar gesprekken. Verbeter dan de vindbaarheid, vereenvoudig, positioneer opnieuw, investeer in betrouwbaarheid of stop met het promoten van de feature. De checklist voor featurelanceringen behandelt de uitrolkant.
Gezien Kohavi's data kun je er maar beter rekening mee houden dat de meeste features de eerste keer tegenvallen. Het doel is dat binnen weken te ontdekken, niet binnen kwartalen.
Een uitgewerkt voorbeeld: een AI-feature voor interviewthema's
De onderstaande cijfers zijn illustratief. Stel dat een team van 6 mensen een feature uitbrengt die klantinterviewnotities in thema's groepeert. Na 30 dagen toont het dashboard 1.400 gegenereerde themasamenvattingen. Dat klinkt als succes, maar het laat alleen zien dat mensen op een knop hebben gedrukt.
Loop in plaats daarvan het adoptiepad af:
In aanmerking komend: 300 accounts deden in de periode minstens één interview.
Blootgesteld: 240 daarvan (80%) zagen de feature op de interviewpagina.
Eerste gebruik: 150 (63% van de blootgestelden) genereerden thema's.
Herhaald gebruik: 45 (30% van de eerste gebruikers) gebruikten het bij een latere reeks interviews.
Resultaat: 12 accounts koppelden een thema aan een vastgelegde productbeslissing.
Vangrail: 38% van de thema's werd door reviewers als "niet onderbouwd" gemarkeerd.
De breuk zit tussen eerste en herhaald gebruik, en de vangrail verklaart haar: mensen probeerden het, vertrouwden de output niet en gingen weer met de hand werken. De oplossing is bewijskwaliteit — het bronciaat achter elk thema tonen — niet meer plaatsing of een lanceringsmail. Een team dat alleen "1.400 generaties" las, zou de promotie hebben opgevoerd.
Wat doe je met een feature die niemand gebruikt?
Beslis op basis van waar het pad breekt, niet op basis van het ruwe gebruiksgetal.
Wat je vond
Waarschijnlijke oorzaak
Beslissing
Lage blootstelling bij gebruikers die in aanmerking komen
Plaatsing, naamgeving, onboarding
Vindbaarheid verbeteren; na 30 dagen opnieuw checken
Hoge blootstelling, laag eerste gebruik
Waarde onduidelijk of setup te duur
Setup vereenvoudigen; belofte herschrijven
Eerste gebruik maar geen herhaling
Output onbetrouwbaar of job zeldzaam
Kwaliteit verbeteren, of een laagfrequent patroon accepteren
Herhaald gebruik maar geen verandering in resultaat
Lost het verkeerde probleem op
Opnieuw positioneren of de job heroverwegen
Laag gebruik, hoge inzet (export, audit, beheer)
Van nature zeldzaam
Behouden; beschikbaarheid meten, niet gebruik
Laag gebruik, hoge onderhoudskosten, geen strategische rol
Niet nodig
Verbergen voor nieuwe gebruikers, daarna met aankondiging uitfaseren
Een feature uitfaseren is een productbeslissing met klanten aan de andere kant. Kondig het aan, bied een export aan en controleer dat geen enkel account er voor een contract van afhankelijk is.
Welke fouten maken teams met het cijfer "80% van de features wordt zelden of nooit gebruikt"?
Het "nooit gebruikt" noemen. Pendo's categorie is "zelden of nooit". Het rapport van 2019 scheidt de twee in de kop niet.
Het behandelen als benchmark voor jouw product. De steekproef waren getagde features van Pendo-klanten. Meet je eigen product.
Een algemeen gebruiksdoel stellen. "Elke feature moet 20% adoptie halen" straft waardevolle features met zeldzaam gebruik en beloont opdringerige prompts.
Generaties, klikken of bestede tijd als waarde tellen. Die tonen bereik en frictie. Ze hebben een link met de job nodig.
Definities door elkaar halen. Pendo's 6,4% en Userpilots 24,5% meten verschillende dingen; ze naast elkaar als "adoptie" citeren misleidt.
Aannemen dat verwijderen de kosten bespaart. De bouwkosten zijn al gemaakt. Wat verwijderen bespaart, is doorlopend onderhoud en interfacecomplexiteit.
Waar Specky past
De meeste ongebruikte features beginnen als een verzoek dat niemand naar bewijs heeft herleid. Specky leest klantgesprekken, feedback, supporttickets en analytics in een Product Graph, zodat een spec de klantcitaten erachter als inline bronvermeldingen kan meedragen, en je na de lancering kunt checken of de gok werkte voor de job waarvoor hij bedoeld was. Zo wordt "de job en het bewijs benoemen" een gewoonte in plaats van een meeting.
Veelgestelde vragen
Is het waar dat 80% van de softwarefeatures nooit wordt gebruikt?
Niet precies. Pendo's rapport van 2019 vond dat 80% van de getagde features in zijn steekproef van 615 abonnementen over drie maanden zelden of nooit werd gebruikt. "Zelden of nooit" is de juiste formulering. De steekproef betrof producten van Pendo-klanten, dus zie het als bewijs dat het gebruik zich sterk concentreert, niet als een gemeten feit over elk product.
Waar komt de 64%-statistiek van de Standish Group vandaan?
Uit een keynote van Jim Johnson, voorzitter van de Standish Group, op de XP 2002-conferentie. Mike Cohn kreeg bij Standish bevestigd dat ze was gebaseerd op vier intern ontwikkelde applicaties bij vier bedrijven, niet op commerciële producten. Ze wordt gewoonlijk opgesplitst in 45% nooit en 19% zelden gebruikt. Ze zou niet op moderne SaaS-producten toegepast moeten worden.
Wat is een goed adoptiepercentage voor een feature?
Dat hangt van de definitie af. Userpilots data uit 2025 over 181 B2B-SaaS-bedrijven plaatst de gemiddelde adoptie van de kernfeature op 24,5% en de mediaan op 16,5%. Pendo's concentratiemaat uit 2024 is 6,4% van de features dat 80% van de klikken oplevert. Vergelijk jezelf met het doel dat je voor de specifieke job van de feature stelt, niet met een branchegemiddelde.
Hoe bereken je het adoptiepercentage van een feature?
Deel de gebruikers die de feature in een periode gebruikten door de in aanmerking komende actieve gebruikers in dezelfde periode en vermenigvuldig met 100. Gebruik alleen gebruikers die in aanmerking komen: als 800 van de 1.200 actieve gebruikers toegang hebben tot de feature en 160 hem gebruikten, is de adoptie 20%, niet 13%. Volg herhaald gebruik en resultaten daarnaast.
Moet je features verwijderen die niemand gebruikt?
Pas nadat je hebt vastgesteld waarom. Als niemand hem ziet, los dan eerst de vindbaarheid op. Als hij een zeldzame maar belangrijke behoefte bedient, zoals exports of auditlogs, behoud hem dan. Faseer hem uit als het gebruik laag is, de onderhoudskosten reëel zijn en hij geen strategische rol speelt — en geef klanten vooraf bericht en een export.
Wat moet een startup meten bij een nieuwe AI-feature?
Meet of de juiste gebruikers erbij komen, of ze de output controleren of erop handelen, of hij de beoogde job verbetert en of kwaliteit en supportkosten acceptabel blijven. Maak bij AI-features onderscheid tussen "gegenereerd" en "vertrouwd en gebruikt": volg hoe vaak mensen de output accepteren, bewerken of afwijzen.
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