RevOps bij een traditioneel SLG-bedrijf is de schakel tussen marketing, sales en customer success. RevOps bij een PLG-bedrijf heeft een vierde dimensie: het product. Productdata is de ontbrekende schakel die de meeste PLG-RevOps-modellen missen — en zonder die schakel is de hele RevOps-architectuur onvolledig. Dit artikel legt uit hoe je het goed inricht.
Als je het RevOps-model begrijpt voor traditionele B2B SaaS, weet je dat het gaat om het verbinden van marketing, sales en customer success via gedeelde data, definities en processen. In een PLG-bedrijf is dit model onvoldoende: het mist de productlaag, die in een PLG-motion minstens net zo belangrijk is als de marketing- of saleslaag.
De PLG RevOps-architectuur: vier lagen
Een volwassen PLG RevOps-model bestaat uit vier lagen die elk hun eigen data produceren en die allemaal in één gecentraliseerd systeem moeten samenkomen.
Laag 1: Marketing data
Van waar komen gebruikers? Welk acquisitiekanaal levert de meeste activerende gebruikers op? Welke content converteert het best van bezoeker naar aanmelding? Marketing data in PLG-context is niet alleen top-of-funnel — het is ook de aansturing van de re-engagement-motion voor inactieve gratis gebruikers.
Key metrics: aanmeldingen per kanaal, MQL-volume, website-conversieratio, content-engagement, re-engagement email-metrics.
Laag 2: Productdata
Wat doen gebruikers in het product? Hoeveel bereiken activatie? Welke features worden het meest gebruikt? Hoeveel gebruikers kwalificeren als PQL? Dit is de laag die in de meeste PLG RevOps-modellen ontbreekt of onvolledig is.
Key metrics: activatieratio, time-to-activation, daily/weekly active users (DAU/WAU), feature adoption rates, paywall encounter rate, PQL-volume.
Laag 3: Sales data
Hoeveel PQL's worden opgevolgd? Wat is de response rate? Hoeveel PQL's converteren naar betalende klanten? Wat is de gemiddelde deal-waarde van PQL-gebaseerde deals versus MQL-gebaseerde deals? Sales data in PLG-context is specifiek voor de PQL-pipeline en de enterprise-sales motion.
Key metrics: PQL-to-Opportunity conversieratio, Opportunity-to-Closed-Won ratio, average deal value (PQL vs MQL vs cold outbound), sales cycle length, win rate per segment.
Laag 4: Customer success data
Hoe gaat het met bestaande klanten? Expanderen ze? Churnen ze? Welke klanten vertonen early churn signals in hun productgebruik? In een PLG-model is CS-data sterk verweven met productdata: de health score van een klant is primair gebaseerd op productgebruik, niet op support-tickets.
Key metrics: NRR, GRR, churn rate, expansion revenue, health score distributie, time-to-churn.
De unified customer view: één record, vier databronnen
Het doel van PLG RevOps is een unified customer view: één CRM-record (contact + company) dat data uit alle vier lagen bevat, waardoor elke teamlid — marketing, sales, CS — hetzelfde complete beeld heeft van elke klant of prospect.
In HubSpot ziet de unified view er als volgt uit op een company-record:
- Marketing context: Acquisitiekanaal, first touch attribution, welke content bezocht, email-engagement historiek
- Product context: Activatiestatus, last active date, active users count, features used, PQL-score, plan tier
- Sales context: Pipeline stage, deal owner, last contact date, proposal sent, win probability
- CS context: Health score, CSM owner, renewal date, expansion opportunities, support ticket historiek
Dit gecombineerde beeld is alleen mogelijk als alle vier databronnen gecentraliseerd zijn in het CRM. HubSpot is voor de meeste PLG-bedrijven de beste keuze voor deze centralisatie, omdat het zowel marketing automation, sales engagement, customer service als custom object-mogelijkheden combineert in één platform.
De PLG lifecycle stages: opnieuw definiëren
In een traditioneel SLG-model zijn de lifecycle stages: Subscriber → Lead → MQL → SQL → Opportunity → Customer → Evangelist. In een PLG-model ziet dat er anders uit. De stages moeten de PLG-journey reflecteren:
- Free User: Aangemeld maar nog niet geactiveerd. Grootste groep, laagste prioriteit voor sales.
- Activated: Heeft het aha-moment bereikt. Klaar voor nurturing-emails gericht op expansie.
- PQL: Heeft de PQL-drempel bereikt op basis van gebruik en firmografische fit. Klaar voor sales-contact.
- Opportunity: In actief salesgesprek. Deal aangemaakt in de PQL-pipeline.
- Customer (Paid): Converteert naar betaald abonnement.
- Expanding: Actieve expansion motion (meer seats, hogere tier, cross-sell).
- At Risk: Productgebruik is significant gedaald. Churn-risico hoog.
Deze lifecycle stages moeten worden ingesteld als lifecycle-stage-waarden in HubSpot, met geautomatiseerde progressie op basis van productdata-triggers.
Forecasting bij PLG: anders dan bij SLG
PLG maakt forecasting tegelijkertijd makkelijker en complexer. Makkelijker omdat productdata een betrouwbaardere leading indicator is dan salesgesprekken: je kunt de PQL-volume week over week bijhouden en de conversiesnelheid naar paid bepalen. Complexer omdat de pipeline niet alleen bestaat uit actieve deals (zoals in SLG) maar ook uit een grote laag gratis gebruikers waarvan een niet-lineair percentage converteert op basis van productgedrag.
Een werkend PLG-forecast model combineert drie inputs:
1. New MRR via conversie van PQL's:
PQL-volume per week × PQL-to-Customer conversieratio × gemiddeld MRR per klant. Dit is het meest voorspelbare deel van de PLG-forecast.
2. Expansion MRR via bestaande klanten:
Actieve klanten × historisch expansiepercentage × gemiddelde expansie-waarde. Expansion is in een gezond PLG-bedrijf 30-50% van new MRR.
3. New MRR via enterprise sales pipeline:
Standaard pipeline-forecast op basis van deals × win probability × deal value. Dit is het SLG-component van de hybride motion.
De PLG-metrics die tellen
PLG-bedrijven meten andere dingen dan SLG-bedrijven. De metrics die in een PLG RevOps-dashboard moeten staan:
Acquisitie-metrics
- Signups per week — Groei in top-of-funnel
- Activation rate — Percentage aanmeldingen dat het aha-moment bereikt
- Time-to-activation — Hoe snel bereiken gebruikers activatie? Doel: < 24 uur
Conversie-metrics
- Free-to-Paid conversion rate — Percentage gratis gebruikers dat converteert
- PQL-to-Customer conversion rate — Percentage PQL's dat converteert naar betaald
- PQL-to-Outreach response rate — Hoe goed respondeert het PQL-segment op sales-contact?
- Time-to-convert (PQL to Customer) — Hoe lang duurt het van PQL tot betaling?
Retentie- en expansie-metrics
- NRR (Net Revenue Retention) — De health-metric voor PLG-businesses. Doel: > 110%, excellent: > 120%
- Expansion MRR — Nieuw MRR uit bestaande klanten via upsell/seat-expansie
- Churn rate — Percentage betalende klanten dat opzegt
- Time-to-churn — Hoe snel churnen klanten na signalen van inactiviteit?
Lees meer over de tools die je nodig hebt in de PLG-stack uitgelegd, en over de RevOps-basis in wat is RevOps.