Klachten zijn er altijd. De vraag is niet hoe je ze voorkomt, maar hoe snel en goed je ze afhandelt. Veel organisaties meten dat niet, of meten het verkeerd.
Wat je eigenlijk meet als je ‘klachttijd’ zegt
Klachttijd is geen eenduidig begrip. Sommige teams meten de tijd tussen binnenkomst van een klacht en de eerste reactie. Anderen meten de tijd tot de klacht volledig is opgelost. En een deel meet helemaal niets, maar denkt van wel omdat er een ticketsysteem is.
Het verschil tussen die definities is groot. Een eerste reactie stuur je in tien minuten, maar de klacht kan daarna wekenlang open blijven staan. Als je alleen de eerste reactietijd bijhoudt, ziet je dashboard er prima uit terwijl klanten ondertussen wachten.
Stel eerst vast wat je wilt weten: doorlooptijd, contactmomenten, of percentage klachten dat binnen X dagen is gesloten. Kies één definitie en houd die consistent. Pas daarna heeft vergelijken zin.
De kloof tussen systeem en balie
Ticketsystemen registreren wanneer een ticket wordt aangemaakt en wanneer het wordt gesloten. Wat ze niet registreren, is wat er tussenin gebeurt. Een ticket kan drie dagen op ‘in behandeling’ staan zonder dat er iemand naar heeft gekeken.
Dat is de kloof tussen wat het systeem zegt en wat de medewerker aan de balie ervaart. De medewerker weet dat klacht 4782 ingewikkeld is, dat er een leverancier bij betrokken is, en dat er al twee keer intern is geëscaleerd. Het systeem ziet één open ticket.
Als je alleen op systeemdata stuurt, mis je die context volledig. Doorlooptijdanalyse wordt dan een papieren exercitie. Combineer kwantitatieve data altijd met kwalitatieve input van de mensen die de klachten behandelen.
Hoe je klachttijddata correct interpreteert
Stel: de gemiddelde doorlooptijd van klachten is 4,2 dagen. Is dat goed of slecht? Dat hangt af van wat je vergelijkt.
Vergelijk je met de vorige maand, dan zie je een trend. Vergelijk je met een sectorgemiddelde, dan zie je een positie. Maar het nuttigste is vergelijken met de verwachting van de klant. Die verwachting verschilt per kanaal en per type klacht.
Een klant die belt, verwacht sneller een reactie dan een klant die een formulier invult. Een klacht over een factuur heeft een andere urgentie dan een klacht over een defect product. Segmenteer je klachttijddata daarom altijd op type, kanaal en urgentie. Een gemiddelde over alles heen vertelt je weinig.
Kijk ook naar de spreiding, niet alleen het gemiddelde. Als 80% van de klachten in twee dagen is opgelost maar 20% langer dan twee weken duurt, is dat een ander probleem dan wanneer alle klachten vijf dagen duren. Die uitschieters aan de bovenkant zijn vaak de klachten die escaleren of die klanten echt kwaad maken.
Wat je concreet kunt meten en bijhouden
Goede klachttijdmeting hoeft niet ingewikkeld te zijn. Dit zijn de indicatoren die er in de praktijk toe doen:
- First Response Time (FRT): tijd tussen ontvangst van de klacht en eerste reactie vanuit de organisatie
- Time to Resolution (TTR): tijd tussen ontvangst en volledige afsluiting van de klacht
- Percentage binnen SLA: hoeveel procent van de klachten is binnen de afgesproken termijn afgehandeld
- Heropening rate: hoe vaak wordt een gesloten klacht opnieuw geopend omdat het probleem niet echt opgelost was
- Escalatieratio: welk deel van de klachten bereikt een hoger niveau omdat de eerste lijn het niet kon oplossen
- Contactfrequentie per klacht: hoe vaak neemt een klant contact op over dezelfde klacht
Die laatste twee zijn onderschat. Een hoge escalatieratio wijst op een probleem in de bevoegdheden of kennis van de eerste lijn. Een hoge contactfrequentie wijst op onduidelijke communicatie of onvolledige oplossingen.
Van meting naar maandag: wat je er mee doet
Data verzamelen is stap één. De meeste organisaties komen niet verder dan een rapport dat maandelijks rondgaat en daarna in een map verdwijnt.
Klachttijddata wordt pas nuttig als je er een werkproces aan koppelt. Dat betekent: wie kijkt er wekelijks naar de uitschieters? Wie besluit dat een klacht die langer dan vijf dagen openstaat, actief wordt opgepakt? En wie spreekt de medewerker aan als de heropening rate stijgt?
Freelance klantbeleving-consultants die organisaties helpen bij dit soort verbetertrajecten, vinden opdrachten via uiteenlopende kanalen. bij Transparante Broker zie je dat soort opdrachten regelmatig langskomen, vaak vanuit organisaties die al een systeem hebben maar niet weten hoe ze de data moeten gebruiken.
Het koppelen van data aan beslisregels klinkt technisch, maar is dat niet. Het begint met een simpele afspraak: als TTR boven X dagen uitkomt, stuurt de teamleider een signaal. Als de heropening rate boven Y procent uitkomt, wordt de procesbeschrijving opnieuw bekeken. Die drempelwaarden hoef je niet te berekenen, je schat ze in op basis van wat realistisch is voor jouw context.
Wat je ook kunt doen: koppel klachttijddata aan klanttevredenheidsscores na afhandeling. Dan zie je snel of snelheid daadwerkelijk bijdraagt aan tevredenheid, of dat de inhoud van de oplossing zwaarder weegt. In veel gevallen is het tweede het geval. Een klacht die in tien dagen goed is opgelost, scoort hoger dan een klacht die in twee dagen halfslachtig is afgehandeld.
Veelgestelde vragen over klachttijdmeting
Wat is een realistische norm voor klachttijd?
Er bestaat geen universele norm die voor elke sector geldt. In de energiesector hanteert de Autoriteit Consument en Markt wettelijke termijnen voor bepaalde klachten. In andere sectoren zijn normen intern afgesproken of gebaseerd op sectorgemiddelden. Begin met je eigen historische data: wat was de gemiddelde TTR het afgelopen jaar? Gebruik dat als vertrekpunt en stel een realistisch verbeterdoel voor de komende zes maanden. Een norm die je niet haalt omdat hij te ambitieus is, motiveert niemand.
Hoe ga je om met klachten die structureel langer duren?
Sommige klachten zijn complex: er zijn meerdere afdelingen bij betrokken, er is externe informatie nodig, of er spelen juridische vragen. Die klachten zullen altijd langer duren. De fout is ze samen te voegen met eenvoudige klachten in één gemiddelde. Maak een aparte categorie voor complexe klachten, stel daar een andere norm voor, en zorg dat de klant tussentijds geïnformeerd wordt over de voortgang. Stilte is het grootste probleem bij lange doorlooptijden, niet de duur zelf.
Wanneer is een klacht écht gesloten?
Een klacht is gesloten als het onderliggende probleem is opgelost, niet als het ticket is dichtgezet. Dat klinkt vanzelfsprekend, maar in de praktijk worden tickets regelmatig gesloten omdat er een reactie is gestuurd, niet omdat de klant tevreden is. Gebruik een korte nabevraging na afsluiting, of kijk naar de heropening rate als proxy. Als klanten na sluiting opnieuw contact opnemen over hetzelfde probleem, dan was de klacht niet echt opgelost. Dat is de meest directe feedback die je kunt krijgen.