Wanneer een oprichter mij vraagt hoe je de conversie van een gratis proefperiode in SaaS berekent, is het antwoord uit het boekje simpel: deel het aantal proefgebruikers dat betalende klant werd door het totale aantal proefaanmeldingen en vermenigvuldig met 100. Maar na het runnen van groei voor drie B2B SaaS-producten tussen 2018 en 2024, kan ik je vertellen dat de naïeve formule meer verbergt dan onthult. Het exacte percentage hangt af van of je bij aanmelding een creditcard vereiste, via welk acquisitiekanaal de gebruiker kwam en hoe lang je wacht voordat je de conversie telt. In deze gids laat ik je de op cohorten gebaseerde spreadsheetmethode zien die ik gebruik om dubbeltellingen en verkeerde attributies te voorkomen, plus een gratis calculatortool.
De Basisformule voor Proefconversie (en Waar Die Fout Gaat)
Het directe antwoord op hoe bereken je het conversiepercentage van een proefperiode is: (betaalde conversies uit proefperiode ÷ proefaanmeldingen) × 100. Die wiskunde staat in elk concurrentieartikel en is niet fout—alleen onvolledig. Als je daarbij stopt, neem je beslissingen op basis van een getal dat vertroebeld is door tijd en mix.
Toen ik in 2019 voor het eerst verantwoordelijk was voor proefanalyses bij een projectmanagement-startup, gebruikten we precies die formule. We telden elke upgrade binnen 90 dagen als conversie, maar trokken het rapport op dag 14. Ons gemengde percentage zag eruit als 1,8%, dus we verminderden onze betaalde social-media-uitgaven. Drie maanden later ontdekten we dat het 90-dagenpercentage voor dat kanaal eigenlijk 4,3% was—we hadden ons beste cohort om zeep geholpen.
Wat niemand je vertelt over de basisformule, is dat de noemer een bewegend doelwit is. Proefaanmeldingen van januari en december zitten in dezelfde “totaal” maar hebben enorm verschillende volwassenheid. Een nauwkeurige berekening vereist isolatie van cohorten.
Basisformule: Conversie % = (Proef-naar-betaalde gebruikers / Totaal aantal proefstarts) × 100. Nauwkeurige formule: Dezelfde wiskunde, maar beide getallen zijn vastgezet op een startweek en geobserveerd na een vaste periode.
Waarom “Totaal Aanmeldingen” Dubbeltelt
Als je de proefklok reset voor een verlengde gebruiker, of als een gebruiker twee accounts aanmaakt, blaat een gemengde noemer op. Ik heb gezien dat analysetools zoals Mixpanel of Amplitude hetzelfde e-mailadres als twee aanmeldingen telden vanwege het wisselen van werkruimte. Je moet ontdubbelen op factuure-mail of Stripe-klant-ID voordat je berekent.
Een andere misvatting is dat een conversie een conversie is, ongeacht betalingssucces. In de praktijk kan een abonnementsobject worden aangemaakt maar 7 dagen lang mislukken in dunning. Ik tel een gebruiker pas als geconverteerd na de eerste succesvolle afgeschreven betaling.
Misvatting: Conversie Is Eén KPI
Veel oprichters denken dat proefconversie één regelitem is. In werkelijkheid is het een familie: ruwe aanmeldconversie, geactiveerde conversie en omzetgecorrigeerde conversie. Ik rapporteer alle drie omdat ruw activatieproblemen verbergt en geactiveerd prijsproblemen verbergt.
Cohortgebaseerde Berekening: De Enige Manier om Nauwkeurige Cijfers te Krijgen
Een cohort is een groep gebruikers die in dezelfde periode een proefperiode startten—meestal een week of maand. Je volgt alleen de conversies van die groep na een vaste observatieperiode (30, 60 of 90 dagen). Dit elimineert de tijdvertragingsvervorming die gemengde percentages verpest.
Om dit in een spreadsheet te doen, raad ik een eenvoudige Google Sheets-tab aan met kolommen: Cohortmaand, Proefstarts (ontdubbeld), CC vereist?, Betaald op dag 30, Betaald op dag 60, Betaald op dag 90. Bereken dan conversie = Betaald op dag X / Proefstarts. Als je de opbouw wilt overslaan, gebruik dan onze SaaS Free Trial Conversion Rate Calculator die de cohortvertraging automatiseert.
Stapsgewijze Spreadsheetopzet
- Exporteer proefstarts uit je facturatiesysteem (Stripe, Paddle) met aanmelddatum en klant-ID.
- Exporteer succesvolle conversies met de trial_start-datum gekoppeld via klant-ID.
- Maak een draaitabel die groepeert op aanmeldmaand en tel unieke klant-ID’s.
- Voeg kolommen toe voor geconverteerd binnen 30/60/90 dagen met een booleaanse vlag.
- Bereken drie conversiepercentages per cohort; neem nooit gemiddelden over onvoltooide cohorten.
De meest voorkomende fout die ik auditeer, is het opnemen van een cohort van vorige maand in een “huidig conversiepercentage” voordat het 90-dagenvenster sluit. Dat drukt het percentage kunstmatig omdat veel conversies nog niet hebben plaatsgevonden.
Het Activatiefilter Dat De Meeste Teams Overslaan
Voor proefperiodes zonder creditcard pas ik een activatiefilter toe: de gebruiker moet de kernfunctie minstens één keer hebben gebruikt (bijv. een project aangemaakt, een uitnodiging verzonden). Het tellen van pure nieuwsgierigen scheeft je noemer naar beneden. In één product verhoogde het toevoegen van het activatiefilter onze schijnbare conversie van 2,1% naar 3,8%—niet omdat we beter werden, maar omdat we echte intentie maten.
Creditcard-Vereist vs. Zonder-CC-Proefperiodes: Twee Verschillende Wiskundige Problemen
Een kaart vereisen bij aanmelding verandert de psychologie en de wiskunde. Een proefperiode met creditcard filtert op intentie; een zonder creditcard optimaliseert voor top-of-funnel-volume. Je moet ze apart berekenen en benchmarken.
In mijn ervaring met het lanceren van beide modellen: een 14-daagse proefperiode met creditcard voor een product van $499/maand converteerde op 22% tegen dag 30, terwijl een 30-daagse proefperiode zonder creditcard voor een product van $29/maand converteerde op 3,1% tegen dag 90. Ze vergelijken in één gemengd getal is onzin.
| Proefperiode-type | Typisch percentage op dag 30 | Typisch percentage op dag 90 | Berekeningsnuance |
|---|---|---|---|
| Creditcard vereist (B2B, hoge ACV) | 15%–25% | 18%–30% (late upgrades) | Tel automatische afschrijvingsfouten als niet-conversies tot hersteld |
| Zonder creditcard (SMB, lage ACV) | 1%–4% | 2%–6% | Sluit junk-e-mails uit; gebruik productgeactiveerd filter |
Let op: als een creditcard op dag 1 van facturatie wordt geweigerd, is die gebruiker geen betaalde conversie, ook al “probeerden” ze. Je query moet koppelen aan succesvolle factuurbetaling, niet alleen aan abonnementscreatie.
Interacties met Proefperiodelengte
Een 7-daagse proefperiode met creditcard toont een lager percentage op dag 30 dan een 14-daagse met creditcard omdat sommige gebruikers extra dagen nodig hebben. Bij interne vergelijking, houd de proefperiodelengte constant. Ik heb ooit een 14-daagse proefperiode met creditcard verlengd naar 21 dagen en zag conversie op dag 30 stijgen van 19% naar 24%—maar dag 45 vlakt af. De vensterkeuze veranderde het verhaal.
Kanaalsegmentatie: Waarom Gemengde Percentages Falen Verbergen
Een gemengd conversiepercentage van een gratis proefperiode maskeert welke acquisitiebronnen daadwerkelijk betalen. Ik segmenteer elk cohort per kanaal: betaald zoeken, organisch, verwijzing, productgeleide in-app-prompten. De berekening is identiek per segment, maar de benchmarks verschillen enorm.
Bijvoorbeeld, in een lancering van 2022 was ons gemengde percentage zonder creditcard 3,4%. Maar uitgesplitst: organisch zoeken converteerde op 5,2%, terwijl Facebook-advertenties op 1,1% converteerden. Als we alleen naar het gemengde hadden gekeken, hadden we gedacht dat het product het probleem was. Het was kanaalkwaliteit.
Attributievalkuilen
Gebruik het kanaal dat bij aanmelding is vastgelegd, niet last-touch bij conversie. Een gebruiker kan op een webinar-link klikken en vervolgens 40 dagen later via directe login converteren. Vergrendel de dimensie van het cohort op de startdatum om de wiskunde schoon te houden.
Wees ook op je hoede voor “direct” verkeer dat eigenlijk merkzoekopdracht is. Ik tag alle inkomende links met UTM en val terug op bekende IP-reeksen alleen na ontdubbeling. Verkeerde attributie maakt conversiepercentages per kanaal onbetrouwbaar.
Gewogen gemengde percentages kunnen nuttig zijn voor modellering op bedrijfsniveau als je kanaalmixgewichten van het vorige kwartaal toepast. Maar voor diagnose, boor altijd naar segment. Ik houd een secundaire tab bij die elk kanaalpercentage vermenigvuldigt met zijn aandeel in aanmeldingen om te reconciliëren met het gemengde getal.
Wat Is het Conversiepercentage voor SaaS-Proefperiodes? Echte Benchmarks per Model
De PAA-vraag wat is de conversieratio voor SaaS-trials verdient een contextueel antwoord, geen enkel gemiddelde. Volgens OpenView’s SaaS-benchmarkonderzoek liggen self-service gratis trials (zonder creditcard) doorgaans tussen 1% en 5% binnen 90 dagen, terwijl trials met creditcardvereiste vaak 15%–30% zien binnen 30 dagen vanwege intentiefiltering.
Maar dat zijn medianen over fases heen. Early-stage startups met lage merkvertrouwen kunnen 0,5% zien op no-CC; volwassen PLG-leiders zoals Slack rapporteerden historisch dubbele cijfers. De noemer doet ertoe: tel je alle aanmeldingen of alleen geactiveerde (3+ keer ingelogd)? Ik tel alleen geactiveerde voor no-CC-modellen, omdat stille aanmeldingen nooit een kans hadden.
Benchmarkdata bevat onzekerheid. Enquêtes selecteren zichzelf voor succesvolle bedrijven, dus gepubliceerde medianen kunnen typische early-stage prestaties overschatten. Behandel elk extern gemiddelde als een richtinggevende hint, niet als doelwit.
Freemium vs. Gratis Trial: Verschillende Noemers
Freemium is geen trial. Er is geen vaste periode. De conversieberekening is (betaalde upgrades ÷ actieve freemium-gebruikers) over de afgelopen 12 maanden, geen 30-dagenvenster. Concurrenten verwarren ze; doe dat niet.
In een op gebruik gebaseerd API-product dat ik adviseerde, was de “trial” eigenlijk een freemium met een startsaldo van $0. We maten conversie op maand 12, niet op dag 30. Die ene wijziging herkaderde ons investeerdersverhaal van “lage conversie” naar “gezond samengesteld rendement.”
Is een Conversieratio van 2,5% Goed? Context Verslaat Gemiddelden
Direct antwoord op is een conversieratio van 2,5% goed: voor een trial zonder creditcard, self-service in SMB-SaaS, is 2,5% ongeveer mediaan—noch geweldig noch verschrikkelijk. Voor een trial met creditcardvereiste is 2,5% catastrofaal. Het getal is alleen betekenisvol relatief aan je model, ACV en fase.
De meeste mensen realiseren zich niet dat een “goede” ratio omgekeerd gecorreleerd is met triallengte en positief gecorreleerd met verkoopondersteuning. Een 14-daagse no-CC trial van $15/mo heeft misschien 4% nodig om levensvatbaar te zijn; een 30-daagse no-CC trial met $2k ACV kan fantastisch zijn op 1,5% omdat de levenslange waarde acquisitie dekt.
Als je CAC-terugverdientijd onder 12 maanden ligt, kan zelfs 1% trialconversie goed zijn. Als de terugverdientijd 24 maanden overschrijdt, kan 4% nog steeds onhoudbaar zijn.
Afweging: hogere conversie afdwingen door verkoopgesprekken toe te voegen verbetert de ratio maar vernietigt de self-service economie. Er is geen universele drempel. Ik heb oprichters zien juichen om een 5%-ratio terwijl ze $3 aan S&M verbrandden per $1 aan ARR—dat is een ijdele overwinning.
Fase Telt Meer Dan Gemiddelde
In de seed-fase zonder merk is 1% no-CC normaal. In serie B met reputatie duidt onder 3% op productfrictie. Benchmark eerst tegen je eigen eerdere cohorten, daarna de industrie.
Wat Is een Goede Freemium-Conversieratio? (Niet Hetzelfde Als Trial)
Voor wat is een goede freemium-conversieratio: typische bereiken zijn 1%–5% van actieve gebruikers binnen een jaar, maar top-PLG-bedrijven zoals Evernote of Dropbox hebben 3%–4% genoemd, terwijl sommige dev-tools 10%+ zien vanwege teamuitbreiding. Een goede ratio hangt af van zitplaatsuitbreiding en premium-functiefrictie.
Toen ik freemium runde voor een ontwikkelaars-API, maten we “geconverteerd naar betaald” op 8% van geactiveerde accounts tegen maand 6, maar omzetbehoud door zitplaatsgroei maakte het gelijkwaardig aan een trialratio van 15%. Freemium-wiskunde moet expansie omvatten, niet alleen initiële conversie.
Waarom De Freemium-Noemer Zombies Moet Uitsluiten
Tel alleen gebruikers die minstens één keer zijn ingelogd in de afgelopen 30 dagen. Het opnemen van slapende aanmeldingen uit 2019 zal je ratio verpletteren en productinvesteringen misleiden. Ik plan een kwartaalopschoning van inactieve ID’s uit de noemer.
Bouw Je Precisiecalculator: Een Beslissingsmatrix
Om dit bruikbaar te maken, hier is het raamwerk dat ik aan oprichters geef—een bedrijfsmodel-relatieve benchmarkmatrix in plaats van ijdele industriegemiddelden.
| Bedrijfsmodel | Observatievenster | Gezonde Ratio (Geactiveerd) | Rode Vlag |
|---|---|---|---|
| No-CC, SMB, <$50/mo | 90 dagen | 3%–6% | <1,5% |
| CC-vereist, Mid-Market, $500/mo | 30 dagen | 18%–25% | <10% |
| Freemium, DevOps, teamuitbreiding | 180 dagen | 5%–12% (incl. zitplaatsgroei) | <2% |
| Enterprise, verkoopondersteunde trial | 120 dagen | 30%–50% (SQL→gewonnen) | <15% |
Gebruik dit om te benchmarken relatief aan het bedrijfsmodel in plaats van het mythische “gemiddelde SaaS-conversie” na te jagen. Het is het ontbrekende stuk in concurrentencontent.
Spreadsheet-Templatevelden
- Cohortstartdatum (wekelijkse granulariteit aanbevolen)
- Trialtype (CC / No-CC / Freemium)
- Kanaal (first-touch)
- Geactiveerde vlag (kernfunctie gebruikt)
- Dag 30/60/90 betaalde conversie-booleans
- Expansie-omzet (voor freemium)
Wanneer je deze laadt in de eerder gelinkte calculator, zie je de ratio stabiliseren. De eerste keer dat ik dit implementeerde bij een Serie A-bedrijf, veranderde onze boardrapportage van een ruizige gemengde 2% naar een duidelijke cohortcurve die omzet voorspelde binnen 5% foutmarge.
Veelvoorkomende Fouten Die Je Ratio Opblazen of Deflateren
Naast dubbeltellen zijn de fouten die ik het meest zie: (1) Upgrades van grootvaderlijke legacy-plannen tellen als nieuwe trialconversies; (2) Trialverlengingen het cohort laten resetten; (3) UTC-midnight-afsluitingen die een aanmelding over dagen splitsen; (4) Interne testaccounts niet uitsluiten.
Een randgeval: een gebruiker downgradet en upgradet daarna opnieuw. Moet dat tellen? Ik tel alleen de eerste conversiegebeurtenis per klant-ID om opblazen te voorkomen. Als ze churnen en later terugkeren, is dat een nieuwe lead, geen trialconversie.
Een andere stille moordenaar: dubbele werkruimtes. Een gebruiker maakt een persoonlijke werkruimte, faalt, maakt dan een teamwerkruimte en betaalt. Als je beide aanmeldingen telt, zwelt de noemer op. Bind aan de facturatie-entiteit.
Tijdzoneverschuiving is subtiel: als je trialstart in PST wordt geregistreerd maar je conversiebaan in UTC draait, kan een aanmelding om 23:55 als volgende dag worden geteld, waardoor cohorten splitsen. Ik stem alle tijdstempels af op één facturatietijdzone.
Wanneer Welk Conversievenster Gebruiken (30, 60, 90 Dagen)
Kies je venster op basis van verkoopcyclus en productcomplexiteit. Een simpele browserextensie kan in 7 dagen converteren; een datawarehouse-trial heeft 90 nodig. Stem venster af op product, anders paniek je of misleid je.
Voor early-stage rapporteer ik alle drie vensters naast elkaar. Tegen dag 30 zie je intentie; tegen dag 90 zie je realiteit. Beoordeel nooit een januari-cohort vóór april.
Creditcard-Trials: Kortere Vensters
Omdat de kaart op bestand is, gebeuren de meeste conversies op dag 15–16 (einde van 14-daagse trial). Een 30-dagenvenster vangt 95% van waarschijnlijke betalende gebruikers. Verlengen naar 90 voegt ruis toe van late handmatige upgrades.
No-CC-Trials: Langere Vensters
Gebruikers vergeten dat ze zich hebben aangemeld. Een 90-dagenvenster vangt vertraagde activatie. Ik heb gezien dat 40% van uiteindelijke conversies tussen dag 31 en 90 plaatsvindt voor no-CC-producten. Afsnijden op 30 dagen onderschat ware prestaties met een derde.
Dat is de precisiemethode. Pas het cohortspreadsheet toe, segmenteer per model en kanaal, en benchmark tegen je eigen matrix—niet het gemiddelde van een blog. Je financieringsbeslissingen verdienen wiskunde die de realiteit weerspiegelt.