Problemen › We weten niet wie onze beste klanten zijn › Maakindustrie

We weten niet wie onze beste klanten zijn
in Maakindustrie

Best betekent niet grootste in omzet. Het zijn de klanten die de bijdrage per machine-uur verbeteren, omsteltijden en afval verminderen en capaciteitsbenutting over de drie fabrieken op peil houden. De versie van deze vraag voor fabrikanten is niet de generieke. De automatisering van 45 miljoen dollar hangt juist af van de klant die het margeprobleem veroorzaakt. Een antwoord dat bijdrage per machine-uur negeert, is dan ook fout. De analyse moet starten bij capaciteitsbenutting en klantconcentratie, niet bij omzet.

Het korte antwoord

De meeste fabrikanten kunnen hun grootste klanten op omzet noemen, maar slechts weinigen hun beste. Beste vraagt om combinatie van bijdrage per machine-uur, effect op capaciteitsbenutting en klantconcentratie. Die data staan in aparte systemen.

De uitkomsten verrassen telkens. De grootste rekeningen op omzet zakken vaak naar het midden als bijdrage per machine-uur meetelt. Het beste segment komt vaak voort uit bestaande takt- en omsteltijden in plaats van bewuste keuze en is nooit opgeschaald.

Dit bepaalt alles daarna. Welke orders op welke lijnen draaien, waar automatisering naartoe gaat, hoe je prijzen zet om marge te beschermen en wat de plantmanager meet. Foutief inzicht optimaliseert de hele operatie rond de klant die de bijdrage per machine-uur omlaag trekt.

Hoe je ziet dat dit jouw probleem is

Deze drie samen zijn het kenmerk. Eén op zichzelf wijst meestal ergens anders op.

✓ In planningbesprekingen wordt de klant met hoogste omzet beschermd op de kalender, ook als zijn orders lage bijdrage per machine-uur laten zien.
✓ Niemand meet hoe individuele klanten afvalpercentage of omsteltijd beïnvloeden over de drie fabrieken.
✓ De klant die de automatisering zou rechtvaardigen is dezelfde wiens volume en marges de huidige capaciteitsbenutting bepalen.

De stap die het meestal erger maakt. Het ideale klantprofiel afleiden uit de grootste omzetrekeningen. Dat selecteert juist de klanten die het hardst onderhandelen over prijs en planning, niet de klanten die de totale economie van de fabriek verbeteren.

Who this is for — and who it is not

It is for you if you run or finance a manufacturer and best customer means largest by revenue in internal conversation. It is the situation where the numbers are available but nobody has put them in an order that produces a decision.

It is not for you if Percision is the wrong tool if you already know the answer and only need execution capacity, or if the business is pre-revenue — then the constraint is evidence about the market, not analysis of your own figures. Percision is not a lawyer, tax advisor, auditor, licensed appraiser, clinical or regulatory filer, or an AI implementation shop. It does not do HR casework, creative-only brand work, or impersonate a named consulting firm. It is a strategy analysis engine — not a template library. Also wrong if you need facilitation, politics, or someone to sit with a lender or buyer. Those are human jobs.

Percision is not a lawyer, tax advisor, auditor, licensed appraiser, clinical or regulatory filer, or an AI implementation shop. It does not do HR casework, creative-only brand work, or impersonate a named consulting firm. It is a strategy analysis engine — not a template library.

Hoe dit eruitziet als de analyse echt draait

Below is an excerpt from a real run of this analysis on een fabrikant. It is a sample profile rather than a customer, and it is engine output translated from English — this is the format you get, on your own numbers.

The subject is Kessler Industrial Components, a sample company profile used for testing rather than a customer — $310M revenue, three plants.

Excerpt from a real Percision run · Competitive Positioning · sample company profile

The move. Monetise existing tooling and qualification stickiness by selling design-for-manufacturability services to the same OEMs that currently force 3% annual price-downs.

The leak it closes. Closes value leakage to OEMs via contractual price-downs; design authority creates new margin pool that subsidizes existing build-to-print programmes

The assumption it rests on. Customer A engineering manager will sign first paid DFM engagement within 6 months — the engine put the probability at 0.7.

What the run committed to
Investment required	$8-12M tooling CapEx + $4.5-6.0M annual engineering payroll (18-24 FTEs at $250K fully-loaded cost)
Expected return	5.1× — $57-86M incremental EBITDA over 5 years / $12M maximum downside
Revenue, year 1	$0.5-1.0M DFM service revenue
Revenue, year 2	$3.5-5.0M DFM service revenue + $8-12M design-authority production revenue
Revenue, year 3	$7-10M DFM service revenue + $35-50M design-authority production revenue
Exit criteria	Abandon this move if first paid DFM engagement is not signed by Month 9, OR if cumulative engineering hires fall below 12 FTEs by Month 18, OR if DFM-to-production conversion value falls below $4M by Month 24

This is one move out of a full analysis. Read a complete report — every page, no email required.

Wat de engine met deze vraag doet

This question routes to Customer Value Architecture, one of 29 engagements the platform runs. For fabrikanten it works through contribution per machine hour, capacity utilisation, customer concentration and scrap, then produces the sequence rather than a list of options — which move first, what it funds, and the observation that would say the sequence is wrong.

You watch the analysis get built before paying anything. Lees hier een volledig rapport if you would rather see the depth first.

Vragen die mensen hierover stellen

Hoe identificeer ik mijn meest winstgevende klanten?

Combineer bijdrage, acquisitiekosten en retentie op segmentniveau. Elk van de drie apart levert een rangschikking die foutief is.

Wat als mijn beste klanten een klein segment zijn?

Dat is meestal goed nieuws. Het is een instructie voor targeting. De vraag is of het segment groot genoeg is voor je groeiplan. Dat is te beantwoorden.

Moet ik onrendabele klanten wegsturen?

Pas eerst de prijzen aan. Sommigen worden winstgevend, de rest vertrekt vanzelf. Direct wegsturen is sneller maar kost je de informatie welke klanten nog te redden waren.

Is this different in manufacturing than in other industries?

Materially, yes. The $45M automation case depends on the very customer that causes the margin problem — which changes both the diagnosis and the order of the fixes. The metrics that decide it here are contribution per machine hour, capacity utilisation, customer concentration, and an answer built on industry-general benchmarks will usually point at the wrong one first.

What data do I need before this analysis is worth running for a manufacturer?

Less than most people expect. Your last twelve months of revenue and cost split the way you already split it, plus whatever you hold on contribution per machine hour and capacity utilisation. The analysis is explicit about what it is assuming where your data stops, which is more useful than waiting for numbers you may never have.

When is Percision the wrong tool?

Percision is the wrong tool if you already know the answer and only need execution capacity, or if the business is pre-revenue — then the constraint is evidence about the market, not analysis of your own figures. Percision is not a lawyer, tax advisor, auditor, licensed appraiser, clinical or regulatory filer, or an AI implementation shop. It does not do HR casework, creative-only brand work, or impersonate a named consulting firm. It is a strategy analysis engine — not a template library. Also wrong if you need facilitation, politics, or someone to sit with a lender or buyer. Those are human jobs.