Herhaalaankopen zijn voor veel bedrijven belangrijker dan nieuwe klanten. Een loyale klant die vaker koopt zorgt voor stabielere omzet en lagere acquisitiekosten op de lange termijn. Toch zie ik in de praktijk dat e-maildata vooral wordt gebruikt om te meten hoeveel mensen er klikten of openden. Maar dat zegt niets over wat er uiteindelijk onderaan de streep gebeurt. Daarom wil ik hier laten zien hoe je e-maildata kunt inzetten om herhaalaankopen te herkennen, te meten én te gebruiken als basis voor betere keuzes.
Wat bedoel ik precies met herhaalaankopen?
Met herhaalaankopen bedoel ik: aankopen die een klant doet ná zijn eerste bestelling. Dat kan een identiek product zijn, een herhaalde dienst of iets aanvullends. In vrijwel elk businessmodel is dit relevant, van e-commerce tot abonnementen of maatwerktrajecten. Hoe vaker een klant terugkomt, hoe hoger de customer lifetime value. En hoe meer inzicht je hebt in dat proces, hoe gerichter je kunt optimaliseren.
Waarom e-maildata hierbij een sleutelrol speelt
Wat veel ondernemers vergeten, is dat e-mail niet alleen een kanaal is om te zenden, maar ook een waardevolle databron kan zijn. Zeker als je nieuwsbrieven, campagnes en automatische flows koppelt aan je salesdata. Op die manier kun je vrij nauwkeurig zien welke mails leiden tot een tweede of derde aankoop. En ook: welke segmenten vaker terugkomen, welk pad ze doorlopen en wanneer ze afhaken.
Voorwaarde is wel dat je systemen goed met elkaar praten. Denk aan een koppeling tussen je e-mailtool (zoals Klaviyo, Mailchimp, ActiveCampaign) en je webshop, CRM of betaalsysteem. Veel tools bieden die optie, maar je moet het wel goed inrichten. Anders blijf je steken op de klik- en openratio’s zonder dat je ziet wat het daadwerkelijk oplevert.
Hoe je herhaalaankopen meet via e-mail: 3 benaderingen
In de praktijk gebruik ik grofweg drie benaderingen om herhaalaankopen via e-maildata inzichtelijk te maken. Welke je kiest hangt af van je data, systemen en businessmodel. Het hoeft niet perfect, als het maar structureel en betrouwbaar genoeg is.
1. Segmenteren op ordergeschiedenis
De meeste e-mailtools geven je de mogelijkheid om lijsten of segmenten te maken op basis van aankoopgedrag. Daarmee kun je bijvoorbeeld een segment maken van klanten met precies één bestelling, en een ander segment met klanten die minstens twee keer iets kochten.
Door vervolgens je e-mailcampagnes over deze segmenten te leggen, krijg je inzicht in effect. Stel je stuurt een winback-campagne naar klanten met slechts één order. Je ziet dat 8% hiervan vervolgens een herhalingsaankoop doet binnen 14 dagen. Dan weet je dat deze e-mail bijdraagt aan de tweede order en kun je betere keuzes maken over timing, propositie en opvolging.
2. Tracking van individuele klantpaden
Als je e-mailmarketingplatform gekoppeld is aan je ordersysteem, kun je vaak per contactpersoon het verloop zien: wanneer iemand zich inschreef, welke mails geopend of geklikt zijn, wat er besteld is en of er daarna nog iets volgde. Hiermee kun je klanten groeperen op basis van hun gedrag over tijd.
Een praktisch voorbeeld: je gooit een automatische productaanbeveling 10 dagen na eerste aankoop. Je ziet dat mensen die daarop klikken 24% vaker overgaan tot een tweede aankoop binnen de drie weken. Dat helpt je niet alleen om performance van de flow te beoordelen, maar ook om de inhoud daarvan aan te scherpen. Denk aan betere producten, betere timing of personalisering.
3. Cohort-analyse in combinatie met e-mailgedrag
Dit vergt wat meer analytisch werk, maar het is bijzonder nuttig. Je groepeert klanten op basis van het moment van hun eerste aankoop (bijvoorbeeld per maand of kwartaal) en kijkt wat ze daarna doen. Door dat te combineren met het e-mailgedrag binnen die cohorte kun je verbanden leggen.
Bijvoorbeeld: de januari-cohorte kreeg een andere opvolging via e-mail dan de maart-cohorte. Je ziet dat maart 12% meer herhaalaankopen deed binnen 60 dagen. Dan is het aannemelijk dat de gewijzigde e-mailflow daaraan bijdraagt. Zeker als de rest van de marketingaanpak gelijk was.
Waar het vaak misgaat in de praktijk
Wat ik nogal eens zie is dat bedrijven wel e-mails sturen, maar geen idee hebben wat er na een klik gebeurt. Of ze weten wel dat iemand iets kocht, maar leggen geen verband met de e-mail die eraan voorafging. Dat is zonde. Want zonder dat verband kun je niet sturen. Je besluit dan op gevoel of op aannames, terwijl de data gewoon beschikbaar is.
Een ander probleem is dat veel tools wel de juiste data bieden, maar niemand neemt er de tijd voor. Er is geen vast moment in de maand waarop iemand kijkt naar bijvoorbeeld het percentage tweede orders per e-mailcampagne. Terwijl dat op termijn belangrijker is dan of een mail nou 20% of 30% openratio had.
Wat je vanaf morgen al kunt doen
- Maak twee segmenten aan: klanten met precies één order en klanten met meerdere orders. Gebruik deze als basis voor analyse.
- Pak je vijf laatst verzonden campagnes erbij en kijk voor elk: hoeveel ontvangers zaten in welk segment en wat was het aankooppercentage ná die mail?
- Kijk naar de klanten vanaf 3 maanden geleden en groepeer ze per maand. Check welk percentage een tweede aankoop deed binnen 60 dagen en welke mails ze daarbij ontvingen.
Als je dit een paar keer doet, krijg je vanzelf patronen in beeld. Niet alles is zwart-wit, maar je gaat zien welke campagnes, timing en inhoud zorgen voor terugkerende kopers. En dat geeft je veel meer houvast dan al die oppervlakkige e-mailstatistieken.
Tot slot
Herhaalaankopen zijn geen toeval, ze ontstaan vaak door een goed ingerichte customer journey waarin e-mail een belangrijke rol speelt. Door je e-maildata niet alleen te gebruiken voor kliks en opens, maar juist in combinatie met je orderdata te analyseren, bouw je een fundament voor duurzame groei. Het hoeft niet perfect of complex, maar wel doordacht en structureel. En uiteindelijk zie je dan niet alleen hoeveel er geklikt wordt, maar vooral wat het oplevert.
