näet samat vakiot kaikkialla näitä esimerkkejä:
-
ChurnedCustomerson useita asiakkaita, jotka jauhoivat aikaikkunassa. -
Customerson luettelo numerot asiakkaille tiettynä päivänäi, 1 –n. EsimerkiksiCustomers_1on kokonaismäärä asiakkaat, olet ollut ensimmäinen päivä-ikkuna.
non päivien lukumäärä valitsemassasi aikataulussa. Laskettaessa yli kuukauden, n = 28, 29, 30 tai 31.,
Yksinkertainen Tapa
yksinkertaisin tapa laskea vaihtuvuus on:
Olet jakamalla kokonaismäärä jauhoivat asiakkaita vuosien aikana asiakkaiden määrä oli ensimmäisen päivän aikana.,
Hyvä & Huono
tärkein pro” on yksinkertainen versio laskeminen vaihtuvuus on sen yksinkertaisuus. Churn korko kaava on helposti ymmärrettävä ja nopeasti laskettavissa. Sinun täytyy vain tietää 2 nopea numeroita, selvittää teidän vaihtuvuus kuukauden, ja kaikki mitä tarvitset on ne kaksi numeroa kullekin kuukaudelle voidaan vertailla kuukausittain vaihtuvuus.
tämän yksinkertaisen laskennan ongelma on kuitenkin se, että sen on vaikea käsitellä merkittävää kasvua. Kun on paljon kasvua, sekä Kirnu että kokonaisasiakkaat voivat nousta., Jos sinun yhteensä asiakkaat menee jopa enemmän, vaihtuvuus menee alas, vaikka sinulla on enemmän asiakkaita laadimme tuotteen kuin edellisessä kuussa.
Jos olet vakiintunut yritys, jolla on merkittävä asiakaskunta ja vakaa kasvu kuukausitasolla, tämä ei ole ongelma. Mutta jos olet uusi yritys, jolla on merkittäviä uusia asiakkaita kuukausittain, tämä voi johtaa outo tulkinta, jossa voit menettää enemmän asiakkaita kuukaudessa, mutta korko paranee.,
Esimerkki
Tässä on esimerkki siitä Shopify post havainnollistaa puutteita Yksinkertainen Tapa:
laskea vaihtuvuus, alkaa asiakkaiden määrä elokuun alussa (10,000). Tässä esimerkissä voit menettää 500 (5%) näistä asiakkaista, mutta hankkia 5,000 uusia asiakkaita koko kuukauden, joista 125 (2.5%) suoltaa. Tämä antaa sinulle churn korko 6,25% elokuussa.625 / 10,000 = 0.0625
Sinä”uudelleen niin alkaa syyskuussa 14,375 asiakkaita., Näet täsmälleen sama käyttäytyminen tässä kuussa, 5% (719) nykyisten käyttäjien myllertävä, 5000 uusia asiakkaita liittymään, ja 2,5% (125) ja ne asiakkaat, myllertävä. Yksinkertainen churn korko syyskuussa tulee 5,87%. 844 / 14,375 = 0.0587
odota, mitä tapahtui? Olet nähnyt saman käyttäytymisen, 5% nykyisistä asiakkaista ja 2,5% uusista asiakkaista kirnuaa, molempina kuukausina, mutta lopputulos on kaksi täysin erilaista kirnuastetta. Näyttää siltä, että kurssisi on laskenut, mutta käytös on pysynyt samana.
nopea kasvusi on vääristänyt laskelmaasi., Elokuussa, 125 jauhoivat asiakkaat lisätään osoittaja, mutta 5000 uusia asiakkaita, jotka liittyä elokuussa ei tehnyt”t saada lisätty nimittäjä—mikä tarkoittaa, että vaihtuvuus on keinotekoisen korkea. Seuraavina kuukausina kasvu on vähemmän suhteessa nykyiseen asiakasmäärään, joten vaikutus vähenee.
Oikaistu Tavalla
tilille merkittäviä kuukausittainen kasvu, voimme ottaa midpoint asiakas count kuukaudelle, pikemminkin kuin käyttämällä sen arvo on 1.kuukauden.,
Tässä olemme jakamalla määrä jauhoivat asiakkaita oikaistu keskimääräinen määrä asiakkaita koko ikkunan.
Hyvä & Huono
Tämä lähestymistapa onnistuu käsittelemään kasvua kysymys normalisoimalla muutokset yhteensä asiakkaita yli aikaikkuna. Nyt sinulla on enemmän vakaa alusta perustaa oman vaihtuvuus, jossa aikaikkuna yhteensä asiakkaiden sama kuin aikaikkuna vaihtuvuus.,
Kuitenkin, vaikka tämä lähestymistapa vaihtuvuus laskelma ei käsitellä kasvua kysymys, se ei mittakaavassa eri aikaan windows. Käyttämällä samaa laskentaa ja samoja tietoja saat hyvin erilaisia vastauksia päivittäin, viikoittain, kuukausittain, ja neljännesvuosittain churn.
Esimerkki
Käyttämällä edellä tiedot uudelleen, nyt lisätty lokakuuta:
Nyt näemme vaihtuvuus koska sama, vaikka eri asiakkaiden määrä alussa kuukauden.,
elokuussa tulee: 625 / 12,187.5 = 0.0513
syyskuussa tulee: 844 / 16,453 = 0.0513
lokakuu on: 1052 / 20,505 = 0.0513
Neljännes: 2521 / 16,239.5 = 0.1552
Bingo! Ongelma ratkaistu. Voimme kaikki mennä kotiin teelle ja mitaleille.
ei ihan niin nopeasti. Suurin ongelma tässä lähestymistavassa on se, että se tekee oletuksia tiedoista. Jos voit laskea tämän aikana 3 kuukautta tulet ulos vaihtuvuus 15,52%. Jaa tämä yli 3 kuukautta ja saat 5.17%, hyvin lähellä yksilön kuukausittain asiakasvaihtuvuus hinnat. Toistaiseksi hyvin.,
mutta entä jos sinulla ei ole täsmälleen samoja numeroita joka kuukausi? Tehdään elokuusta huono kuukausi kuvitteelliselle B2B SaaS-yhtiöllemme. Tällä kertaa, se saa vain 100 uutta asiakasta, joista 2 suoltaa.
käyttäytyminen on sama kannalta vaihtuvuus (5% nykyisten asiakkaiden ja ~2.5% uusista asiakkaista), ja kun lasketaan erikseen kunkin kuukauden näkyy sama vaihtuvuus 5,13%.
Mutta kun lasketaan neljännes, saat 3 kuukauden vaihtuvuus on 13,72%, joka jaetaan koko kunkin kuukauden on 4.57%.,
elo: 502 / 9799 = 0.0513
syys: 605 / 11,795.5 = 0.0513
lokakuu: 825 / 16,080.5 = 0.0513
Neljännestä: 1932 / 14,084 = 0.1371
– Nyt meidän kuukausittainen vaihtuvuus hinnat ei enää vastaa neljännesvuosittain vaihtuvuus, vaikka he käyttävät täsmälleen samat tiedot. Tämä johtuu siitä, että olemme muuttaneet laskemaamme aikaikkunaa. Tämä lähestymistapa olettaa, että churn on jakautunut tasaisesti ajan kuluessa, lineaarisella jakaumalla. Churn ei ole koskaan näin avulias., Hyvä vaihtuvuus suhde olisi voitava laajentaa tai sopimuksen hyvin pitkä aika se mittaa, ja silti tuottaa vertailukelpoisia tuloksia.
Ennakoiva Tapa
Mitään hyvää vaihtuvuus laskenta pitäisi antaa joitakin käytännöllisiä neuvoja. Tässä esimerkissä Shopify on yrittänyt sisällyttää ennustavan elementin yhtälöön. He yrittävät selvittää, painotettu keskimääräinen vaihtuvuus, niin että rate*customers ennustaa todennäköisesti vaihtuvuus tiettynä päivänä.,
InactiveCustomers array, kuinka monet asiakkaat aktiivinen päivä i ovat aktiivisia päivänä i+n, eli kuukautta myöhemmin. Jos sinulla on 1000 asiakkaat syyskuun 1. päivänä, voit sitten katsoa ajassa eteenpäin katsomaan, kuinka monta näistä 1000 on jauhoivat 1. lokakuuta. Summa lasketaan yhteen, ja jaetaan sitten syyskuun kokonaisasiakkaiden summalla.
Hyvä & Huono
– Se näyttää mahtava, että voi ennustaa vaihtuvuus. Ottaa paino, että voit moninkertaistaa asiakkaiden saada ennustettu churn olisi hyvä suunnitella talouden., Kuka ei halua tehdä sitä?
hyvin, olet luultavasti huomannut kriittisen ongelman tässä lähestymistavassa:”…sen jälkeen katsotaan eteenpäin ajassa…”
Tämä edellyttää kahden kuukauden tietojen suorittamista yhden kuukauden laskennassa. Jotta voit määrittää churn korko tämän kuukauden, sinun täytyy odottaa loppuun ensi kuun. Se ei ole hyvä mittari, jonka pitäisi pitää sinut ajan tasalla yrityksesi menestyksestä. Jos sinulla on useita tilejä peruuttaa syyskuussa, sinulla on nämä tiedot vasta lokakuussa.,
läppä tässä on, että kun et saa lokakuun lopussa ja on vaihtuvuus, on nyt kuukausi sitten. Se ei ole ajankohtaista. Et voi enää ilmoittaa churn hinnat työntekijöillesi edellisen kuukauden, vaan kerrot heille, mitä tapahtui kuukausi sitten.
tässä lähestymistavassa on kaikki samat ongelmat kuin vierintämittareissa, ja tiedät, että niistä kannattaa pysyä erossa.
Laskelmat SaaS mittarit on tarkoitus ottaa kaikki tiedot ja muuntaa se helposti ymmärrettäviä, käytännöllisiä numerot. Tämä laskenta tekee numerot monimutkaisempi ja vähemmän actionable.,
Myös Shopify Tavalla
sen Sijaan, karkeasti ottaen keskimäärin ensimmäinen päivä ja kuukauden viimeinen päivä, kuten me Säätää niin voimme ottaa keskimäärin joka päivä kuukauden saada tarkempi laskelma.
Voit jakaa teidän numero jauhoivat keskimääräinen asiakkaan laskea päivien välillä 1 ja n.
Hyvä & Huono
Tämä käsittelee kysymyksiä, jotka vaivaavat muita muunnelmia. Sitä voi käyttää korkean kasvun aikoina, ja se skaalautuu hienosti eri aikaikkunoissa., Voit myös käyttää sitä ajoissa, saada ajan tasalla vaihtuvuus.
mutta numeroissasi tulee aina olemaan variaatioita, joita yksittäinen laskelma ei voi ottaa huomioon. Uudempia asiakkaita myllertävä korkeampi vanhemmat asiakkaat, erot ikäluokkien, suunnitelmia, koko tili. Mikään näistä ovat kiinni tämän kaavan ja sen avulla yritykset voisivat saada väärän turvallisuuden tunteen, että numero he saavat joka päivä, viikko, kuukausi tai vuosineljännes on koko tarina niiden vaihtuvuus.,
Miksi Sinun Pitäisi Tehdä se Helpoksi Itsellesi
Kuten Noah Lorang klo Basecamp huomauttaa, SaaS analytics ei pitäisi olla rakettitiedettä. Yksi hänen ” kolmesta salaisuudestaan ”on” tehdä se helpoksi.”
Kun olet vähentää monimutkaisuutta teidän vaihtuvuus laskelma, saat seuraavat edut, joita ei voi aliarvioida.
-
Se on helposti ymmärrettävää — kuka tahansa organisaatiossasi voi ymmärtää, että numero. Tämä on ehdottoman tärkeää keskeisen mittarin kannalta. Jos kukaan ei ymmärrä numeroasi, he eivät voi toimia sen mukaan.,
-
Se on helposti verrattavissa — enemmän monimutkaisuutta lisää ja enemmän tapauksia yrität osuus on, sitä vaikeampaa on vertailla vaihtuvuus laskenta eri aikoja. Voit luoda johdonmukaisuutta ottamalla yksinkertainen ja suoraviivainen polku.
-
Se toimii lähtökohtana syvempi analyysi — voit helposti ymmärtää, mitä teidän numero osuus, mitä se ei ole, ja missä sinun täytyy kaivaa oppia lisää. Monimutkaisemmilla laskelmilla ensimmäinen askel muistuttaa itseäsi siitä, miten se lasketaan.,
siksi Profitwellissä käytetään yksinkertaista tapaa kuukausittaisella aikaikkunalla.
– Meidän pitää se yksinkertainen niin, että voit viettää aikaa ottaa syvempi sukellus numero, analysointi vaihtuvuus kohortti, ja niin edelleen—ei menojen sitä yrittää laskea, kuinka saavuimme meidän numero. Tämä menetelmä on työskennellyt tuhansia asiakkaita, ja se voi toimia teidän B2B-SaaS-yhtiö (tai mikä tahansa muu tilaus liiketoimintaa) sekä.
kaikki huippumittarisi ovat vain otsikoita. Ne eivät ole tarina. Tarina on haudattu syvälle lukuihin., Sinun täytyy olla etsivät perusteellisesti miten ja miksi teidän vaihtuvuus sen sijaan, että yritetään huomioon jokaisen muuttujan onglemista vaihtuvuus laskenta.
syvä-sukellus osaksi numerot on, jos voit todella selvittää oman yrityksen, ja miten voit ottaa käytännöllisiä päätöksiä, parantaa asiakasuskollisuus.
Yleiset Vaihtuvuus usein kysytyt kysymykset
Vaihtuvuus on hankala aihe, mutta meillä get monia samoja kysymyksiä vaihtuvuus uudestaan ja uudestaan. Tässä muutamia kysytyimpiä kysymyksiä, ja vastauksemme niihin.
Mikä on hyvä vaihtuvuus?,
Keskimääräinen vaihtuvuus hinnat ovat kaikkialla 2% – 8% MRR, kohti meidän vaihtuvuus tutkimukset. Siksi alhaisessa päässä (2%) olevaa kirnunopeutta pidettäisiin ”hyvänä”. Yritysiän mukaan 10 + – vuotiaiden yritysten osuus on 2-4 prosenttia, kun taas nuorempien yritysten osuus on 4-24 prosenttia.
Mikä on negatiivinen vaihtuvuus?
Negatiivinen vaihtuvuus tapahtuu, kun lisätä tuloja uusia asiakkaita (laajennus liikevaihto) ylittää menetti tuloja jauhoivat asiakkaita. Negatiivinen Kirnu johtuu yleensä toiminnoista, kuten = päivitykset, palveluvaihtoehdot, lisäosat jne.