uvidíte stejné konstanty v průběhu těchto příkladů:
-
ChurnedCustomers
je počet zákazníků, které vyrobily v časovém okně. -
n
je počet dní ve zvoleném časovém rámci. Při výpočtu více než měsíc,n
=28,
29,
30
nebo31
., -
Customers
je seznam čísel zákazníků na daný deni
, 1 ažn
. NapříkladCustomers_1
je celkový počet zákazníků, které jste měli v první den okna.
Jednoduchý Způsob, jak
nejjednodušší způsob, jak vypočítat máselnice je:
Jste vydělením celkového počtu tvořili zákazníci, v průběhu období podle počtu zákazníků, které jste měli na první den období.,
dobrý & špatný
hlavní pro “ jednoduché verze výpočtu churn je jeho jednoduchost. Vzorec churn rate je snadno srozumitelný a rychle vypočítatelný. Potřebujete znát pouze 2 rychlá čísla, abyste zjistili, jaká je vaše churn sazba za měsíc, a vše, co potřebujete, jsou tato dvě čísla za každý měsíc, abyste mohli porovnat měsíc s měsícem churn.
problém s tímto jednoduchým výpočtem je však v tom, že má těžké se vypořádat s významným růstem. Když máte hodně růstu, vaše churn i celkový zákazník může jít nahoru., Pokud váš celkový počet zákazníků stoupá více, vaše churn sazba půjde dolů, i když máte více zákazníků chrlí z vašeho produktu než v předchozím měsíci.
Pokud jste zavedená společnost s významnou zákaznickou základnou a stabilním růstem měsíc v měsíci, není to problém. Ale pokud jste nová společnost s podstatnými novými zákazníky každý měsíc, to může vést k podivné interpretaci, kde můžete ztratit více zákazníků za měsíc, ale vaše sazba bude lepší.,
Příklad:
Zde je příklad z Shopify příspěvek ilustrující nedostatky Jednoduchý Způsob, jak:
vypočítat míra odchodu zákazníků, začít s je počet zákazníků na začátku srpna (10,000). V tomto příkladu ztratíte 500 (5%) z těchto zákazníků, ale získat 5 000 nových zákazníků po celé měsíce, z nichž 125 (2.5%) chrlit. To vám dává churn sazba 6.25% za srpen.
625 / 10,000 = 0.0625
jste pak od září s 14,375 zákazníky., Vidíte přesně stejné chování tohoto měsíce, s 5% (719) pro stávající uživatele, víření, 5000 nových zákazníků vstupu, a 2,5% (125) z těchto zákazníků víření. Váš jednoduchý churn sazba za září přijde jako 5.87%.
844 / 14,375 = 0.0587
počkat, co se stalo? V obou měsících jste viděli stejné chování, 5% stávajících zákazníků a 2,5% nových zákazníků, ale výsledkem jsou dvě zcela odlišné sazby. Vypadá to, že vaše churn sazba klesla, ale základní chování zůstalo stejné.
váš vysoký růst zkreslil váš výpočet., V srpnu, 125 žaludek zákazníci jsou přidány do čitatele, ale 5000 nových zákazníků, které se připojí v srpnu jsem“t dostat přidáno, aby jmenovatel—což znamená, že máselnice sazba je uměle vysoká. V následujících měsících je růst méně úměrný stávajícímu počtu zákazníků, takže efekt je snížen.
Upravit Cestu
Na účtu za významný měsíční růst, můžeme vzít na střed počet zákazníků za měsíc, spíše než pomocí jeho hodnotu na 1 měsíc.,
zde dělíme počet zákazníků o upravený průměr počtu zákazníků v celém okně.
The Good & The Bad
Tento přístup dokáže řešit problém růstu normalizací změn u celkových zákazníků v časovém okně. Nyní máte stabilnější platformu, na které můžete založit svůj churn rate, s časovým oknem pro vaše celkové zákazníky stejně jako časové okno pro churn.,
nicméně, i když tento přístup k výpočtu rychlosti churn se zabývá problémem růstu, nedokáže škálovat s různými časovými okny. Pomocí stejného výpočtu a stejných údajů získáte velmi odlišné odpovědi pro denní, týdenní, měsíční a čtvrtletní churn.
příklad
použití výše uvedených dat znovu, nyní s přidaným říjnem:
nyní vidíme churn rate jako stejný, a to i s jiným počtem zákazníků na začátku měsíce.,
v srpnu se stává: 625 / 12,187.5 = 0.0513
září se stane: 844 / 16,453 = 0.0513
říjen je: 1052 / 20,505 = 0.0513
Čtvrtletí: 2521 / 16,239.5 = 0.1552
Bingo! Problém vyřešen. Všichni můžeme jít domů na čaj a medaile.
ne tak rychle. Hlavním problémem tohoto přístupu je, že vytváří předpoklady o datech. Pokud to vypočítáte v průběhu 3 měsíců, vyjdete s rychlostí 15,52%. Rozdělte to na 3 měsíce a dostanete 5.17%, velmi blízko k jednotlivým měsíčním sazbám zákazníků. Zatím tak dobře.,
ale co když nemáte přesně stejná čísla v každém měsíci? Udělejme Srpen špatným měsícem pro naši imaginární společnost b2b SaaS. Tentokrát dostane jen 100 nových zákazníků, z toho 2.
chování je stejné, pokud jde o churn (5% stávajících zákazníků a ~2.5% nových zákazníků), a při výpočtu individuálně každý měsíc ukazuje stejnou churn rychlost 5.13%.
Ale když se počítá jako čtvrtletí, budete mít 3-měsíční míra odchodu zákazníků 13,72%, což je členěna každý měsíc je 4.57%.,
srpen: 502 / 9799 = 0.0513
září: 605 / 11,795.5 = 0.0513
říjen: 825 / 16,080.5 = 0.0513
Čtvrtletí: 1932 / 14,084 = 0.1371
naše měsíční churn sazby již shodují s naší čtvrtletní míra odchodu zákazníků, i když používají stejné údaje. Je to proto, že jsme změnili časové okno, které počítáme. Tento přístup předpokládá, že churn je rovnoměrně rozložen v časovém období s lineárním rozdělením. Ale churn není nikdy tak užitečné., Dobrý máselnice sazba, poměr by měl být schopen rozšířit nebo smlouvy s dobou opatření, a přesto poskytují srovnatelné výsledky.
prediktivní způsob
jakýkoli dobrý výpočet churn rate by měl poskytnout některé žalovatelné rady. V tomto příkladu se Shopify pokusil začlenit prediktivní prvek do rovnice. Snaží se určit vážený průměr churn rate, takže rate*customers
předpovídá pravděpodobnou churn rate v daný den.,
InactiveCustomers
je pole toho, kolik zákazníků aktivních v den i
je neaktivní v den i + n, tj. o měsíc později. Pokud máte 1. září 1000 zákazníků, těšíte se včas na to, kolik z těchto 1000 se 1.Října stalo. Sečtete to a pak vydělíte součtem celkových zákazníků v září.
The Good & The Bad
zdá se úžasné být schopen předvídat churn. Mít váhu, kterou můžete vynásobit se zákazníky, abyste získali předpovězenou churn, by bylo skvělé pro plánování vašich financí., Kdo to nechce udělat?
pravděpodobně jste si všimli kritického problému s tímto přístupem:“…pak se těšíte včas…“
to vyžaduje dva měsíce dat ke spuštění výpočtu jednoho měsíce. Chcete-li zjistit míru churn pro tento měsíc, musíte počkat do konce příštího měsíce. To není dobré pro metriku, která by vás měla informovat o úspěchu vaší společnosti. Pokud máte v září zrušeno několik účtů, nebudete mít tyto informace až do října.,
flip z toho je, že když se dostanete do konce října a máte churn rychlost, je to teď od před měsícem. Není to aktuální. Už nemůžete hlásit churn sazby svým zaměstnancům za předchozí měsíc, místo toho jim říkáte, co se stalo před měsícem.
Tento přístup má všechny stejné problémy jako valivé metriky a víte, že byste se od nich měli držet dál.
výpočty v metrikách SaaS mají převzít všechna vaše data a přeměnit je na snadno srozumitelná, žalovatelná čísla. Tento výpočet dělá vaše čísla složitější a méně žalovatelné.,
Shopify Way
místo toho, abychom zhruba brali průměr prvního dne a posledního dne v měsíci jako u upraveného způsobu, můžeme vzít průměr každého dne v měsíci, abychom získali přesnější výpočet.
rozdělte počet žaludek tím, že průměrný zákazník počítat mezi dny 1 a n.
& Špatné
Tento se zabývá problémy, které trápí jiné varianty. Můžete jej použít v obdobích vysokého růstu a pěkně se škáluje v různých časových oknech., Můžete jej také použít včas a získat aktuální churn rate.
ale ve vašich číslech budou vždy rozdíly, které jeden výpočet nemůže zohlednit. Novější zákazníci chrlí vyšším tempem starší zákazníky, rozdíly v kohortách, v plánech, ve velikosti účtu. Žádný z těchto jsou zachyceny v tomto vzorci, a při použití, společnosti by mohly mít falešný pocit bezpečí, že číslo, které si každý den, týden, měsíc, nebo čtvrtletí je celý příběh o jejich fluktuaci.,
proč byste si to měli ulehčit
jak zdůrazňuje Noah Lorang v Basecamp, Saas analytics by neměla být raketovou vědou. Jedním z jeho „tří tajemství“ je „usnadnit to.“
když snížíte složitost výpočtu churn, získáte následující výhody, které nelze podceňovat.
-
je to snadno pochopitelné – kdokoli ve vaší organizaci může toto číslo pochopit. To je pro klíčovou metriku naprosto zásadní. Pokud nikdo nerozumí vašemu číslu, nemůže na tom jednat.,
-
je to snadno srovnatelné-čím větší složitost přidáte a čím více případů se pokusíte vysvětlit, tím těžší bude porovnat váš výpočet churn v různých časových obdobích. Vytvoříte konzistenci tím, že jednoduchou a přímočarou cestu.
-
slouží jako výchozí bod pro hlubší analýzu-jste schopni snadno pochopit, co vaše číslo představuje, co to není, a kde je třeba kopat se dozvědět více. Při složitějších výpočtech si váš první krok připomene, jak jej vypočítat.,
proto v ProfitWell používáme jednoduchou cestu s měsíčním časovým oknem.
Jsme, aby to jednoduché, takže můžete trávit svůj čas při hlubší ponor na počet, analýzu odchodu zákazníků tím, že kohorty, a tak dále—ne trávit ho snaží vypočítat, jak jsme dorazili na naše číslo. Tato metoda fungovala pro tisíce našich zákazníků a může fungovat i pro vaši společnost b2b SaaS (nebo pro jakoukoli jinou firmu s předplatným).
všechny vaše top-line metriky jsou jen titulky. To není příběh. Příběh je pohřben hluboko v číslech., Musíte se podívat do hloubky na to, jak a proč vaše churn spíše než se snaží účtovat pro každou proměnnou v rámci výpočtu churn sazby.
vaše hluboké ponoření do čísel je místo, kde se skutečně dozvíte o svém podnikání a jak budete moci přijmout žalovatelná rozhodnutí ke zlepšení míry zadržování zákazníků.
Časté Časté Časté Časté dotazy týkající se Churn
Churn je ošemetný předmět, ale dostáváme mnoho stejných otázek na churn znovu a znovu. Zde jsou některé z nejvíce kladených otázek, a naše odpovědi na ně.
jaká je dobrá míra churn?,
průměrné churn sazby jsou všude od 2% – 8% MRR, podle našich churn studií. Proto by se za „dobré“považovala míra churn na nízkém konci (2%). Podle věku společnosti, 10 + let staré společnosti mají 2-4% churn, zatímco mladší společnosti se pohybují od 4% – 24%.
co je to negativní churn rate?
záporná míra churn nastává, když přidané příjmy od nových zákazníků (příjmy z expanze) překonávají ztracené příjmy od zákazníků. Negativní churn je obvykle způsoben aktivitami jako = upgrady, možnosti služeb, doplňky atd.