In diesen Beispielen sehen Sie dieselben Konstanten:
-
ChurnedCustomers
ist die Anzahl der Kunden, die im Zeitfenster aufgewühlt wurden. -
n
ist die Anzahl der Tage in Ihrem gewählten Zeitrahmen. Bei der Berechnung von mehr als einem Monat,n
=28,
29,
30
oder31
., -
Customers
ist eine Liste der Kundenzahlen an einem bestimmten Tag , 1 bisn
. Zum Beispiel istCustomers_1
die Gesamtzahl der Kunden, die Sie am ersten Tag des Fensters hatten.
Der einfache Weg
Der einfachste Weg zur Berechnung des Ablaufs ist:
Sie teilen die Gesamtzahl der abgegebenen Kunden über den Zeitraum durch die Anzahl der Kunden, die Sie am ersten Tag des Zeitraums hatten.,
Das Gute & Das schlechte
Das Hauptproblem “ der einfachen Version der Berechnung von Churn ist seine Einfachheit. Die churn-rate-Formel ist leicht verständlich und schnell berechenbar. Sie müssen nur 2 schnelle Zahlen kennen, um Ihre Abwanderungsrate für den Monat herauszufinden, und alles, was Sie brauchen, sind diese beiden Zahlen für jeden Monat, um die Abwanderung von Monat zu Monat vergleichen zu können.
Das Problem bei dieser einfachen Berechnung ist jedoch, dass es schwierig ist, mit einem signifikanten Wachstum umzugehen. Wenn Sie viel Wachstum haben, können sowohl Ihre Abwanderung als auch Ihre Gesamtkunden steigen., Wenn Ihre Gesamtkunden mehr steigen, sinkt Ihre Abwanderungsrate, selbst wenn mehr Kunden aus Ihrem Produkt herauskommen als im Vormonat.
Wenn Sie ein etabliertes Unternehmen mit einem signifikanten Kundenstamm und stabilem Wachstum von Monat zu Monat sind, ist dies kein Problem. Aber wenn Sie ein neues Unternehmen mit erheblichen neuen Kunden jeden Monat sind, kann dies zu einer seltsamen Interpretation führen, wo Sie mehr Kunden pro Monat verlieren können,aber Ihre Rate wird besser.,
Beispiel
Hier ist ein Beispiel aus dem Shopify-Beitrag, das die Mängel des einfachen Weges veranschaulicht:
Um die Abwanderungsrate zu berechnen, beginnen Sie mit der Anzahl der Kunden Anfang August (10.000). In diesem Beispiel verlieren Sie 500 (5%) dieser Kunden, aber erwerben 5,000 neue Kunden im Laufe des Monats, von denen 125 (2.5%) entstehen. Dies gibt Ihnen eine Abwanderungsrate von 6.25% für August.625 / 10,000 = 0.0625
„re dann ab September mit 14,375 Kunden., Sie sehen genau das gleiche Verhalten in diesem Monat, mit 5% (719) der bestehenden Benutzer am Laufenden Band, 5,000 neue Kunden beitreten, und 2.5% (125) dieser Kunden am laufenden Band. Ihre einfache Churn Rate für September kommt als 5.87%. 844 / 14,375 = 0.0587
Warte, was passiert ist? Sie haben das gleiche Verhalten gesehen, 5% der bestehenden Kunden und 2.5% der neuen Kunden am Laufenden Band, in beiden Monaten, aber das Ergebnis ist zwei völlig unterschiedliche Churn-Raten. Es sieht so aus, als ob Ihre Abwanderungsrate gesunken ist, aber das zugrunde liegende Verhalten ist gleich geblieben.
Ihr hohes Wachstum hat Ihre Berechnung verzerrt., Im August werden 125 churned Kunden auf den Zähler hinzugefügt, aber die 5,000 neue Kunden, die im August beitreten nicht auf den Nenner hinzugefügt werden—was bedeutet, dass die Churn-Rate künstlich hoch ist. In den folgenden Monaten ist das Wachstum weniger proportional zur bestehenden Kundenzahl, so dass der Effekt verringert wird.
Der angepasste Weg
Um ein signifikantes monatliches Wachstum zu berücksichtigen, können wir den Mittelpunkt der Kundenzahl für den Monat ermitteln, anstatt den Wert am 1.des Monats zu verwenden.,
Hier teilen wir die Anzahl der Churned-Kunden durch einen angepassten Durchschnitt der Anzahl der Kunden im gesamten Fenster.
Das Gute & Das schlechte
Dieser Ansatz schafft es, das Wachstumsproblem zu lösen, indem Änderungen der Gesamtkunden über das Zeitfenster normalisiert werden. Jetzt haben Sie eine stabilere Plattform, auf der Sie Ihre Abwanderungsrate basieren können, wobei das Zeitfenster für Ihre Gesamtkunden dem Zeitfenster für die Abwanderung entspricht.,
Obwohl dieser Ansatz zur Berechnung der Abwanderungsrate das Wachstumsproblem behandelt, kann er nicht mit verschiedenen Zeitfenstern skaliert werden. Mit derselben Berechnung und denselben Daten erhalten Sie sehr unterschiedliche Antworten für den täglichen, wöchentlichen, monatlichen und vierteljährlichen Churn.
Beispiel
Verwenden Sie die obigen Daten erneut, jetzt mit zusätzlichem Oktober:
Jetzt sehen wir die Abwanderungsrate auch bei einer anderen Anzahl von Kunden zu Beginn des Monats gleich.,
August wird: 625 / 12,187.5 = 0.0513
September wird: 844 / 16,453 = 0.0513
Oktober ist: 1052 / 20,505 = 0.0513
Quartal: 2521 / 16,239.5 = 0.1552
Bingo! Problem gelöst. Wir können alle nach Hause gehen, um Tee und Medaillen zu holen.
Nicht ganz so schnell. Das Hauptproblem bei diesem Ansatz ist, dass es Annahmen über die Daten macht. Wenn Sie dies im Laufe von 3 Monaten berechnen, erhalten Sie eine Abwanderungsrate von 15.52%. Teilen Sie dies auf die 3 Monate und Sie erhalten 5.17%, sehr nah an den einzelnen monatlichen Kunden Churn Raten. So weit, So gut.,
Aber was ist, wenn Sie nicht jeden Monat genau die gleichen Zahlen haben? Machen wir den August zu einem schlechten Monat für unser imaginäres B2B-SaaS-Unternehmen. Dieses Mal bekommt es nur 100 neue Kunden,von denen 2 auslaufen.
Das verhalten ist das gleiche in bezug auf churn (5% der bestehenden kunden und ~2,5% der neuen kunden), und wenn einzeln berechnet jeden monat zeigt die gleiche churn rate von 5,13%.
Wenn Sie jedoch als Quartal berechnet werden, erhalten Sie eine 3-Monats-Churn-Rate von 13.72%, die auf jeden Monat verteilt ist 4.57%.,
August: 502 / 9799 = 0.0513
September: 605 / 11,795.5 = 0.0513
Oktober: 825 / 16,080.5 = 0.0513
Quartal: 1932 / 14,084 = 0.1371
Jetzt sind unsere monatlichen Churnraten nicht mehr tally mit unseren Quartalszahlen churn Rate, obwohl sie genau die gleichen Daten verwenden. Dies liegt daran, dass wir das Zeitfenster, das wir berechnen, geändert haben. Dieser Ansatz setzt voraus, dass Churn gleichmäßig innerhalb des Zeitraums verteilt wird, mit einer linearen Verteilung. Aber Churn ist nie so hilfreich., Ein gutes Churn-Rate-Verhältnis sollte in der Lage sein, sich mit der Zeitdauer, die es misst, gut auszudehnen oder zusammenzuziehen und dennoch vergleichbare Ergebnisse zu liefern.
Die Prädiktive Art
Jedes gute churn-rate-Berechnung sollte geben Sie einige umsetzbare Ratschläge. In diesem Beispiel hat Shopify versucht, ein prädiktives Element in die Gleichung zu integrieren. Sie versuchen, eine gewichtete durchschnittliche Abwanderungsrate zu bestimmen, sodass rate*customers
die wahrscheinliche Abwanderungsrate an einem bestimmten Tag vorhersagt.,
InactiveCustomers
ist ein Array, wie viele Kunden am Tag aktiv sind sind am Tag i+n inaktiv, dh einen Monat später. Wenn Sie am 1. September 1000 Kunden haben, freuen Sie sich rechtzeitig darauf, wie viele dieser 1000 am 1.Oktober aufgewühlt haben. Sie summieren das und dividieren es dann durch die Summe der Gesamtkunden im September.
Das Gute & Das schlechte
Es scheint großartig, den Abfluss vorhersagen zu können. Mit einem Gewicht, das Sie mit Kunden multiplizieren können, um prognostizierte Abwanderung zu erhalten, wäre ideal für die Planung Ihrer Finanzen., Wer will das nicht tun?
Nun, Sie haben wahrscheinlich ein kritisches Problem mit diesem Ansatz bemerkt:“…sie freuen sich dann rechtzeitig…“
Dies erfordert zwei Monate Daten, um die Berechnung eines Monats auszuführen. Um Ihre Abwanderungsrate für diesen Monat zu bestimmen, müssen Sie bis Ende nächsten Monats warten. Das ist nicht gut für eine Metrik, die Sie über den Erfolg Ihres Unternehmens auf dem Laufenden halten soll. Wenn Sie eine Reihe von Konten im September kündigen, werden Sie diese Informationen erst im Oktober haben.,
Die Kehrseite davon ist, dass, wenn Sie bis Ende Oktober bekommen und haben eine Abwanderungsrate, es ist jetzt von vor einem Monat. Es ist nicht aktuell. Sie können Ihren Mitarbeitern keine Churn-Raten mehr für den Vormonat melden, sondern ihnen sagen, was vor einem Monat passiert ist.
Dieser Ansatz hat die gleichen Probleme wie das Rollen von Metriken, und Sie wissen, dass Sie sich von diesen fernhalten sollten.
Berechnungen in SaaS-Metriken sollen alle Ihre Daten in leicht verständliche, umsetzbare Zahlen umwandeln. Diese Berechnung macht Ihre Zahlen komplizierter und weniger umsetzbar.,
Der Shopify-Weg
Anstatt den Durchschnitt des ersten Tages und des letzten Tages des Monats grob zu nehmen, wie wir es mit dem angepassten Weg tun, können wir den Durchschnitt jedes Tages im Monat nehmen, um eine genauere Berechnung zu erhalten.
Sie teilen Ihre Anzahl durch den Durchschnitt Ihrer Kundenzahl zwischen den Tagen 1 und n.
Die gute & Die schlechte
Dies befasst sich mit den Problemen, die die anderen Variationen plagen. Sie können es in Perioden mit hohem Wachstum verwenden,und es skaliert gut über verschiedene Zeitfenster., Sie können es auch rechtzeitig verwenden, um eine aktuelle Abwanderungsrate zu erhalten.
Aber es wird immer Variationen in Ihren Zahlen geben, die eine einzelne Berechnung nicht berücksichtigen kann. Neuere Kunden am laufenden Band die älteren Kunden, Unterschiede in Kohorten, in Plänen, in der Größe des Kontos. Keines davon wird in dieser Formel erfasst, und wenn Unternehmen es verwenden, könnten sie ein falsches Sicherheitsgefühl haben, dass die Anzahl, die sie jeden Tag, jede Woche, jeden Monat oder jedes Quartal erhalten, die ganze Geschichte ihrer Abwanderung ist.,
Warum Sollte Man es Einfach für sich Selbst
Als Noah Lorang bei Basecamp weist darauf hin, SaaS analytics sollte keine Wissenschaft sein. Eines seiner “ drei Geheimnisse „ist es,“ es einfach zu machen.“
Wenn Sie die Komplexität Ihrer Churn-Berechnung reduzieren, erhalten Sie die folgenden Vorteile, die nicht zu unterschätzen sind.
-
Es ist leicht verständlich — jeder in Ihrer Organisation kann diese Zahl verstehen. Dies ist für eine Schlüsselmetrik absolut kritisch. Wenn niemand Ihre Nummer versteht, können sie nicht darauf reagieren.,
-
Es ist leicht vergleichbar — je mehr Komplexität Sie hinzufügen und je mehr Fälle Sie zu berücksichtigen versuchen, desto schwieriger wird es sein, Ihre Churn-Berechnung über verschiedene Zeiträume hinweg zu vergleichen. Sie schaffen Konsistenz, indem Sie den einfachen und unkomplizierten Weg gehen.
-
Es dient als Ausgangspunkt für eine tiefere Analyse — Sie können leicht verstehen, wofür Ihre Nummer steht, was nicht und wo Sie graben müssen, um mehr zu erfahren. Bei komplexeren Berechnungen wird sich Ihr erster Schritt daran erinnern, wie Sie ihn berechnen.,
Deshalb verwenden wir bei ProfitWell den einfachen Weg mit einem monatlichen Zeitfenster.
Wir halten es einfach, damit Sie Ihre Zeit damit verbringen können, tiefer in die Zahl einzutauchen, Churn nach Kohorte zu analysieren und so weiter—ohne es damit zu verbringen, zu berechnen, wie wir zu unserer Zahl gekommen sind. Diese Methode hat für Tausende unserer Kunden funktioniert und kann auch für Ihr B2B-SaaS-Unternehmen (oder ein anderes Abonnementgeschäft) funktionieren.
Alle Ihre Top-Line-Metriken sind nur Schlagzeilen. Sie sind nicht die Geschichte. Die Geschichte ist tief in den Zahlen vergraben., Sie müssen sich das Wie und Warum Ihres Churn genauer ansehen, anstatt zu versuchen, jede Variable in Ihrer Churn-Rate-Berechnung zu berücksichtigen.
In Ihrem Tiefgang in die Zahlen erfahren Sie mehr über Ihr Unternehmen und wie Sie umsetzbare Entscheidungen treffen können, um die Kundenbindungsrate zu verbessern.
Gemeinsame Churn Rate FAQs
Churn ist ein heikles Thema, aber wir bekommen viele der gleichen Fragen auf churn immer wieder. Hier sind einige der am häufigsten gestellten Fragen und unsere Antworten darauf.
Was ist eine gute churn-rate?,
Durchschnittliche Verlustraten sind überall von 2% – 8% der MRR, pro unsere churn-Studien. Daher würde eine Abwanderungsrate am unteren Ende (2%) als „gut“angesehen. Nach Unternehmensalter haben 10+ Jahre alte Unternehmen einen Churn von 2-4%, während jüngere Unternehmen zwischen 4% und 24% liegen.
Was ist negative churn-rate?
Negative Abwanderungsrate tritt auf, wenn zusätzliche Einnahmen aus neuen Kunden (Expansionserlöse) verlorene Einnahmen aus aufgewühlten Kunden übertreffen. Negative Abwanderung wird normalerweise durch Aktivitäten wie Upgrades, Serviceoptionen, Add-Ons usw. verursacht.