Je cursus heeft honderd inschrijvingen en daar ben je trots op. Maar check eens hoeveel van die honderd mensen de afgelopen twee weken nog zijn ingelogd. De kans is groot dat dat aantal je tegenvalt. Cursisten die zich uitschrijven zijn zichtbaar, die zie je meteen in je dashboard. Cursisten die gewoon stil worden, niet meer inloggen maar ook niet officieel afhaken, zijn veel lastiger te zien. En precies dat groepje is waar je de meeste winst kunt halen.
Voltooiingscijfers vertellen niet het hele verhaal
Een inschrijving is geen garantie voor iets. Onderzoek naar EdTech-platformen laat zien dat in sommige markten maar 15 tot 20 procent van de cursisten die zich inschrijven voor een online opleiding deze ook echt afmaakt (2). De rest haakt niet per se actief af: een groot deel blijft "ingeschreven" staan terwijl er allang niemand meer inlogt. Dat is een probleem voor je eigen cijfers, want je voltooiingspercentage of je actieve-cursistenteller ziet er gezonder uit dan de werkelijkheid. Voor jou als trainer betekent dat: je denkt dat iemand nog meedoet, terwijl die persoon eigenlijk al weken geleden is gestopt met nadenken over jouw cursus.
De stille aftelklok: dag 7, dag 30, dag 60
Uit data over uitval bij online cursussen komt een opvallend voorspelbaar patroon naar voren. Rond dag 7 is een flink deel van de nieuwe inschrijvingen, ergens tussen de 30 en 40 procent, al niet meer actief. Rond dag 30 ligt de actieve betrokkenheid bij veel cursussen onder de 20 procent van de oorspronkelijke groep. Rond dag 60 is een groot deel van die groep feitelijk inactief, zelfs als niemand zich officieel heeft afgemeld (2). Dit is geen vaste wetmatigheid voor elke cursus, maar het is een nuttige meetlat. Zet je eigen inlogdata van de laatste cursus hiernaast en je weet meteen of jouw uitval normaal is, of dat er iets structureel mis is met de opbouw van je lessen.
Je hebt de signalen al, je gebruikt ze alleen nog niet
Het goede nieuws: je hoeft geen data scientist in te huren om dit serieus aan te pakken. De meeste cursusplatforms, ook kleinere, registreren al precies wat je nodig hebt: de datum van de laatste keer inloggen, hoeveel procent van de lessen is afgerond, hoe vaak iemand een toets heeft geprobeerd en hoeveel tijd er sinds de laatste activiteit is verstreken. Onderzoek naar voorspellende leeranalyse laat zien dat het inlogpatroon in de eerste week vaak een betere voorspeller is van wie een cursus afmaakt dan de score op een eerste toets (1). Met andere woorden: kijk niet alleen naar wie slecht scoort, kijk vooral naar wie zich stilletjes terugtrekt.
Drie risiconiveaus, drie soorten actie
Je kunt je cursisten grofweg in drie groepen verdelen, geïnspireerd op hoe grotere platforms dit aanpakken (2):
- Net iets te stil (7 tot 10 dagen niet ingelogd): deze groep is nog niet echt afgehaakt. Een kort, persoonlijk berichtje is meestal genoeg. Noem de cursus en het onderdeel waar iemand gebleven is, en bied iets concreets aan, zoals een korte samenvatting van waar de cursist was.
- Echt stil (14 tot 30 dagen niet actief): hier werkt één bericht meestal niet meer. Combineer een persoonlijk bericht met een vervolgmail die een concrete, kleine stap voorstelt: een terugblik op de laatste les, of toegang tot een korte opfrissessie.
- Bijna weg (30 tot 60 dagen of langer): deze groep heeft persoonlijk contact nodig, geen automatische mail. Een telefoontje of een direct bericht van jou als trainer, met een oprechte vraag naar wat hen tegenhoudt, werkt hier vaak beter dan welke geautomatiseerde reeks dan ook.
Het kanaal dat je kiest maakt verschil
Niet elk kanaal werkt even goed voor dit soort berichten. Uit cijfers over EdTech-communicatie blijkt dat berichten via WhatsApp openingspercentages van 80 tot 90 procent kunnen halen, tegenover 15 tot 25 procent voor e-mail (2). Dat verschil is groot genoeg om serieus te overwegen waar je cursisten hun aandacht daadwerkelijk aan geven. Voor een zelfstandige trainer betekent dit niet dat je meteen een hele marketing-stack nodig hebt. Het betekent dat je, voordat je een herinneringsmail typt, even nadenkt over de vraag: checkt deze persoon eigenlijk wel zijn mail, of leest hij vooral WhatsApp en sms?
Wat je beter kunt laten
Een paar valkuilen werken averechts. Massale kortingen als "kom terug, 20 procent korting" leren je cursisten dat wachten loont, en dat tast op de lange termijn je prijsstelling aan. Generieke "we missen je"-mails zonder concrete inhoud werken nauwelijks, ze voelen als spam en worden ook zo behandeld. En misschien de grootste gemiste kans: nooit vragen waarom iemand is gestopt. Eén simpele vraag in je laatste bericht, "wat hield je tegen om verder te gaan?", levert je meer op dan welke statistiek dan ook, omdat je dan precies hoort waar je cursus of begeleiding vastloopt.
Een eenvoudig startpunt voor deze week
Je hebt geen dure software nodig om hiermee te beginnen. Pak één lopende cursus, exporteer de lijst met laatste inlogdatum per cursist, en verdeel ze handmatig in de drie groepen hierboven in een simpel spreadsheet. Schrijf voor elke groep één bericht dat verwijst naar de exacte les waar iemand gebleven is. Stuur dat deze week en houd bij wie binnen een week weer inlogt. Een grotere organisatie die dit met automatisering deed, zag het aandeel medewerkers dat een verplichte training niet op tijd afrondde dalen van 18 naar 4,4 procent, simpelweg door 82 risicocursisten in week twee al te signaleren en een opfrismodule aan te bieden (1). Jij hebt die schaal niet nodig om hetzelfde principe te laten werken. Een spreadsheet en een goed getimed, persoonlijk bericht doen al een heel eind.
Bronnen
- D2L, "Predictive Learning Analytics: The Ultimate Guide for 2026" - https://www.d2l.com/blog/boost-corporate-learning-predictive-analytics/
- CampaignHQ, "EdTech Student Reactivation Automation: How Indian EdTech Teams Win Back Inactive Learners with WhatsApp and Email (2026)" - https://blog.campaignhq.co/edtech-student-reactivation-automation-how-indian-edtech-teams-win-back-inactive-learners-with-whatsapp-and-email-2026