Werk van boven naar beneden: eerst je North Star helder, dan de funnel-stappen invullen, en pas dan de experimenten en kanalen toewijzen.
01
North Star Metric
De North Star Metric is de ene metric die geleverde klantwaarde meet - niet vanity (signups), niet output (features) en niet financieel (omzet alleen). Een goede NSM is een leading indicator van duurzame omzet en correleert met retentie. Voorbeelden: 'rides per active rider per week' (Uber), 'nights booked' (Airbnb), 'minutes of music listened' (Spotify). Eén NSM voor het hele team voorkomt dat marketing aan signups optimaliseert terwijl product aan retentie werkt.
Questions that help
- ·Welke gebeurtenis bewijst dat een gebruiker echt waarde haalt uit ons product?
- ·Correleert deze metric met retentie en omzet over drie maanden?
- ·Kan elke functie (product, marketing, sales, support) deze metric beïnvloeden?
Example
Voor een planningsapp voor bouwbedrijven: 'aantal volledig gepubliceerde weekplanningen per actieve werkvoorbereider per week'. Bewijst dat de kerntaak voltooid is, niet alleen dat iemand inlogde.
Common mistake
Een vanity-metric kiezen ('totaal aantal accounts') - die loopt altijd omhoog en stuurt niets aan.
02
Acquisition
Acquisition gaat over hoe nieuwe gebruikers überhaupt binnenkomen. Je benoemt per kanaal welk volume, welke kwaliteit en welke CAC erbij hoort. Niet elk kanaal werkt voor elk product: een viral consumer-app heeft baat bij social en organic; een B2B SaaS bij SEO, content en outbound. Goede acquisition-keuzes sluiten aan op de ICP - kanalen kiezen waar je doelgroep al is.
Questions that help
- ·Welke 2-3 kanalen leveren nu de meest gekwalificeerde gebruikers?
- ·Wat is de CAC per kanaal, en hoe verhoudt die zich tot de LTV?
- ·Welk kanaal kunnen we 3× zo groot maken zonder dat de kwaliteit instort?
Example
SaaS-tool voor accountants: SEO op long-tail vraagstukken (40%), referral via partner-netwerken (35%), outbound LinkedIn (25%). Paid ads bewust niet - te dure CAC voor onze cyclustijd.
Common mistake
Alle kanalen tegelijk een beetje doen. Beter twee kanalen serieus dan zes oppervlakkig.
03
Activation
Activation is de stap waarin een nieuwe gebruiker het aha-moment ervaart: de eerste keer dat hij doorheeft waarom dit product zijn leven beter maakt. Vaak is dit een specifiek gedrag in de eerste sessie of eerste week. Wie de aha haalt, blijft veel vaker hangen dan wie hem mist. De grootste hefboom voor groei zit hier - een paar procentpunt activatie tilt de hele funnel op.
Questions that help
- ·Welk gedrag in de eerste sessie correleert met 30-dagen retentie?
- ·Welk percentage haalt dat gedrag nu?
- ·Welke frictie zit tussen signup en aha-moment?
Example
Een nieuwsbrief-tool: 'eerste e-mail verstuurd binnen 24 uur'. Wie dat doet heeft 70% 90-dag retentie; wie het niet doet 12%.
Common mistake
Aha-moment definiëren als 'signup voltooid' - dat is een vinkje, geen waarde-ervaring.
04
Retention
Retention vertelt of mensen terugkomen - en daarmee of je product echte waarde levert. Je meet het meestal in cohort-curves: van een groep die in week 0 startte, welk percentage is nog actief in week 1, 4, 12, 26? Een gezond product laat een 'smile curve' zien: de curve daalt eerst, maar stabiliseert (of klimt) na een paar weken. Dalend naar nul = geen retentie = geen business.
Questions that help
- ·Hoe ziet onze retentie-curve er per cohort uit?
- ·Welke gebruikers blijven, welke vertrekken - en wat onderscheidt ze?
- ·Welke product- of onboarding-aanpassingen zouden retentie tillen?
Example
Een fitness-app: na 90 dagen is 18% nog wekelijks actief. Power-users blijken vrijwel allemaal binnen de eerste week aan een vriend gekoppeld te zijn.
Common mistake
Alleen naar churn van betalende klanten kijken en gratis gebruikers negeren - gratis gebruikers zijn vaak het signaal of het product op zich werkt.
05
Referral
Referral meet of bestaande gebruikers nieuwe brengen - een viral coefficient. Loops kunnen organisch zijn (mond-tot-mond, social shares), incentived (referral-credits, vriendkortingen) of product-inherent (multi-user tools waarvan het delen kerngebruik is). Een viral coefficient boven 1 betekent dat elke gebruiker er gemiddeld meer dan één meebrengt - dat is exponentiële groei. Tussen 0,3 en 1 is een gezonde aanvulling op acquisitie; onder 0,1 is referral verwaarloosbaar.
Questions that help
- ·Brengen onze gebruikers iemand mee - en hoe ontdekken we dat?
- ·Welke incentive-vorm past bij ons product zonder de kwaliteit van leads te verlagen?
- ·Welk deel van de productervaring is inherent sociaal?
Example
Een planningstool die werkt per team: elke nieuwe gebruiker nodigt gemiddeld 2,4 collega's uit binnen 14 dagen. Viral coefficient = 0,6 (60% van uitnodigingen wordt geaccepteerd).
Common mistake
Een referral-programma optuigen zonder organisch signaal eerst - als gebruikers het uit zichzelf niet aanbevelen, lost een korting dat zelden op.
06
Revenue
Revenue is hoe je geleverde waarde omzet in geld: conversiepercentage van free naar paid, ARPU, expansion (upgrades en cross-sell), en netto churn. Een goed groeimodel toont per cohort hoe de revenue-curve loopt en waar de hefbomen zitten - pricing, packaging, expansion. Vaak is expansion bij bestaande klanten goedkoper dan acquisitie van nieuwe.
Questions that help
- ·Welke conversie zien we van trial/free naar paid?
- ·Welke pricing-tier groeit het hardst, en waarom?
- ·Hoeveel expansion-omzet komt uit bestaande accounts?
Example
B2B SaaS: 9% trial → paid conversion, gemiddelde ARPU €120/maand, net revenue retention 118% (expansion overtreft churn).
Common mistake
Alleen naar nieuwe MRR kijken en expansion negeren - bestaande klanten zijn vaak de stilste groeimotor.
07
Experiment-backlog
De experiment-backlog is een geprioriteerde lijst hypotheses, gekoppeld aan een funnel-stap. Per item: korte beschrijving, hypothese, gekoppelde metric, ICE-score (Impact × Confidence × Ease, elk 1-10). Het team draait wekelijks de top-X. Een gezonde backlog heeft 20-50 items, wordt continu aangevuld en consequent opgeschoond. Niet elk experiment hoeft een 'win' te zijn - de meeste zullen niet werken, en dat is waardevol inzicht.
Questions that help
- ·Welke 5 experimenten staan deze sprint vooraan, en welke metric raken ze?
- ·Wat hebben we vorige sprint geleerd - gewonnen, verloren, inconclusief?
- ·Welke hypotheses leveren bij succes 5% lift of meer op?
Example
Top-3 deze sprint: (1) onboarding-checklist toevoegen [activation, ICE 8/7/9], (2) referral-popup na 5e gebruik [referral, 6/5/8], (3) e-mail re-engage na 14 dagen [retention, 7/6/7].
Common mistake
Experimenten draaien zonder hypothese opschrijven vooraf - je kunt achteraf niets leren.
08
Kanalen & resources
Kanalen & resources is de praktische realiteit: welke kanalen heb je beschikbaar, welk budget per maand, welke teamleden zijn beschikbaar voor experimenten, welke tooling (analytics, A/B, e-mail, attribution) staat er. Veel ambitieuze plannen stranden hier: geen developer-capaciteit voor experimenten, geen analytics om te meten, geen budget voor paid-tests. Dit blok dwingt je realistisch te zijn over wat je deze maand werkelijk kunt draaien.
Questions that help
- ·Welke kanalen kunnen we deze maand serieus inzetten?
- ·Welk experiment-budget en welke developer-uren zijn beschikbaar per sprint?
- ·Welke meet-infrastructuur missen we nog - en wat blokkeert dat in onze backlog?
Example
Beschikbaar: 16 dev-uren/sprint, €3k experiment-budget/maand, analytics via Mixpanel, A/B via PostHog. Niet beschikbaar: paid social budget, attribution-tooling - daardoor staat de top-funnel test van LinkedIn ads on hold.
Common mistake
Een experiment-backlog opbouwen zonder realiteit van capaciteit - je raakt nooit verder dan plek 5.
