Hvordan å Beregne Churn Pris: 4 Formler For Beregning av Churn

Du vil se den samme konstanter i disse eksemplene:

  • ChurnedCustomers er nummeret på kunder som kvernet i gang-vinduet.

  • n er antall dager i din valgte tidsperioden. Ved beregning over en måned, n = 28, 29, 30 eller 31.,

  • Customers er en liste over antall kunder på en gitt dag i, 1 til n. For eksempel, Customers_1 er det totale antall kunder du hadde på den første dagen av vinduet.

Den Enkle Måten

Den enkleste måten å beregne churn er:

Du er å dividere totalt antall kvernet kunder over perioden av antall kunder du hadde på den første dag i perioden.,

De Gode & Den Dårlige

De viktigste pro» av den enkle versjonen av beregning av churn er dens enkelhet. Den churn pris formelen er lett forståelig og raskt calculable. Du trenger bare å vite 2 rask tall å regne ut din churn pris for måneden, og alt du trenger er disse to tallene for hver måned for å være i stand til å sammenligne måned for måned churn.

problemet med denne enkle beregningen skjønt er at det har en hard tid arbeider med en betydelig vekst. Når du har mye av veksten, både churn og total kunder kan gå opp., Hvis din totale kunder går opp mer, churn renten vil gå ned, selv når du har flere kunder churning ut av produktet enn forrige måned.

Hvis du er en etablert selskap med en betydelig kundebase og stabil vekst måned på måned, dette er ikke et problem. Men hvis du er et nytt selskap med betydelige nye kunder hver måned, kan dette føre til en merkelig tolkning, hvor du kan miste flere kunder per måned, men frekvensen vil bli bedre.,

Eksempel

Her er et eksempel fra Shopify innlegget illustrerer svakhetene i den Enkle Måten:

for Å beregne churn pris, bør du begynne med antall kunder i begynnelsen av August (10,000). I dette eksempelet skal du miste 500 (5%) av disse kundene, men erverve på 5 000 nye kunder i løpet av måneden, hvorav 125 (2.5%) churn ut. Dette gir deg en churn pris på 6,25 prosent i August.
625 / 10,000 = 0.0625
Du»re deretter starter September med 14,375 kunder., Du ser nøyaktig det samme problemet denne måned, med 5% (719) av eksisterende brukere churning, 5,000 nye kunder å bli med, og 2,5% (125) av de kundene churning. Enkle churn pris for September kommer i som 5.87%.
844 / 14,375 = 0.0587
Vent, hva skjedde? Har du sett den samme atferd, 5% av eksisterende kunder og 2,5% for nye kunder churning, i begge måneder, men utfallet er to helt forskjellige churn priser. Det ser ut som din churn pris har gått ned, men det underliggende problemet har vært den samme.
høy vekst har forvrengt i beregningen., I August, 125 kvernet kunder er lagt til telleren, men de 5000 nye kunder som vil delta i August didn»t få lagt til nevneren—noe som betyr at churn prisen er kunstig høye. I de følgende månedene, og veksten er mindre proporsjonalt til eksisterende kunde telle, slik at effekten blir dårligere.

Justert Måte

høyde for betydelige månedlig vekst, kan vi ta middelverdien av kunden teller for måned, heller enn å bruke sin verdi på den 1. i måneden.,

Her er vi å dele antall kvernet kunder av et justert gjennomsnittlig antall kunder gjennom vinduet.

De Gode & Den Dårlige

Denne tilnærmingen klarer å håndtere veksten problemet ved å normalisere endringer i total kunder over tid-vinduet. Nå har du en mer stabil plattform å basere churn pris på, med tidsvindu for din totale kunder den samme som din tid vindu for churn.,

Imidlertid, selv om denne tilnærmingen til churn pris beregning har avtale med veksten problem, det klarer ikke å skala med ulike tidsintervaller. Ved å bruke samme beregning og de samme dataene, vil du få veldig forskjellige svar for daglig, ukentlig, månedlig og kvartalsvis churn.

Eksempel

ved Hjelp av de ovennevnte data igjen, nå med ekstra oktober:

Nå ser vi churn pris som den samme, selv med et annet antall kunder i starten av måneden.,

August blir: 625 / 12,187.5 = 0.0513

September blir: 844 / 16,453 = 0.0513

oktober er: 1052 / 20,505 = 0.0513

Kvartal: 2521 / 16,239.5 = 0.1552

Bingo! Problemet er løst. Vi kan alle gå hjem for kaffe og medaljer.

Ikke fullt så fort. Det største problemet med denne tilnærmingen er at det gjør forutsetninger om data. Hvis du beregne dette i løpet av 3 måneder kommer du ut med en churn pris av 15.52%. Fordele dette over 3 måneder, og du får 5.17%, svært nær den enkelte månedlige kunden churn priser. Så langt så bra.,

Men hva hvis du ikke har nøyaktig de samme tallene over hver måned? La oss gjøre August en dårlig måned for vår imaginære B2B SaaS-selskap. Denne gangen, det blir bare 100 nye kunder, 2 som churn ut.

problemet er det samme i form av churn (5% av eksisterende kunder og ~2.5% for nye kunder), og når beregnes individuelt for hver måned som viser den samme churn pris av 5.13%.

Men da beregnet som en fjerdedel, får du en 3-måneders churn pris av 13.72%, som er delt på tvers av hver måned er 4.57%.,

August: 502 / 9799 = 0.0513

September: 605 / 11,795.5 = 0.0513

oktober: 825 / 16,080.5 = 0.0513

Kvartal: 1932 / 14,084 = 0.1371

Nå er vår månedlige churn prisene ikke lenger stemmer med vår kvartalsvise churn pris, selv om de bruker nøyaktig samme data. Dette er fordi vi har endret den perioden vi beregner. Denne tilnærmingen forutsetter at churn er jevnt fordelt i perioden, med en lineær fordeling. Men churn er aldri dette nyttig., En god churn pris forholdet bør være i stand til å utvide seg eller trekke seg vel med tiden det tiltak, og fortsatt levere sammenlignbare resultater.

Logisk Måte

Noen god churn pris beregningen skal gi noen nyttige råd. I dette eksemplet, Shopify har forsøkt å innlemme en logisk element i ligningen. De prøver å finne ut et vektet gjennomsnitt churn pris, slik at rate*customers vil forutsi sannsynlig churn pris på en gitt dag.,

InactiveCustomers er et utvalg av hvor mange kunder som er aktive på dagen i er inaktiv på dagen i+n, det vil si en måned senere. Hvis du har 1000 kunder på September 1, kan du deretter se fremover i tid for å se hvor mange av de 1000 har kvernet på oktober 1. Du summerer det opp, deretter dividere med summen av total kunder i September.

De Gode & Den Dårlige

Det virker fantastisk å være i stand til å forutsi churn. Å ha en vekt som du kan multiplisere med kundene for å få spådd churn ville være flott for å planlegge din økonomi., Som ikke ønsker å gjøre det?

Vel, du har sikkert lagt merke til en kritisk problem med denne tilnærmingen: «…du kan deretter se fremover i tid…»

Dette krever to måneder av data for å kjøre en måneds beregning. For å finne din churn pris for denne måneden, må du vente til slutten av neste måned. Som ikke er bra for en beregning som er ment for å holde deg oppdatert på bedriftens suksess. Hvis du har flere kontoer avbryt i September, får du ikke har denne informasjonen frem til oktober.,

vri på dette er at når du kommer til slutten av oktober, og har en churn pris, det er nå en måned siden. Det er ikke gjeldende. Du kan ikke lenger rapportere churn priser til de ansatte for den forrige måneden, er du i stedet å fortelle dem hva som skjedde for en måned siden.

Denne tilnærmingen har alle de samme problemene som rullende beregninger, og du vet at du bør holde deg vekk fra dem.

Beregninger i SaaS-beregningene er ment å ta alle dine data og forvandle det til lett forståelig, nyttige tall. Denne beregningen gjør tallene mer komplisert og mindre håndfast.,

De Shopify Måte

i Stedet for grovt å ta gjennomsnittet av den første dagen og siste dagen i måneden som vi gjør med den Justerte Måte, kan vi ta gjennomsnittet av hver dag i den måned for å få en mer nøyaktig beregning.

Du dele antall kjernet av gjennomsnittet til din kunde telle dager mellom 1 og n.

De Gode & Den Dårlige

Dette omhandler problemer som plager andre varianter. Du kan bruke det i perioder med høy vekst, og det skalerer pent på tvers av ulike tidsintervaller., Du kan også bruke det på en riktig måte, få en up-to-date churn pris.

Men det er alltid kommer til å være variasjoner i tallene som en enkelt beregning ikke kan gjøre rede for. Nyere kunder churning på en høyere rente de eldre kunder, forskjeller i kohorter, i planer, i størrelse av konto. Ingen av disse er fanget opp i denne formelen, og ved hjelp av det, kan bedrifter få en falsk følelse av sikkerhet at antall de får hver dag, uke, måned eller kvartal er hele historien om sin churn.,

Hvorfor Du Bør Gjøre det Enkelt for deg Selv

Som Noah Lorang på Basecamp poeng ut, SaaS analytics bør ikke være rocket science. En av hans «tre hemmeligheter» er å «gjøre det enkelt.»

Når du redusere kompleksiteten på churn beregning, kan du få følgende fordeler, som ikke kan undervurderes.

  • Det er lett forståelig — alle i organisasjonen kan forstå at antall. Dette er helt avgjørende for en key metrisk. Hvis ingen forstår nummeret ditt, de kan ikke handle på det.,

  • Det er lett sammenlignbare — jo mer kompleksitet du legg til, og flere tilfeller kan du forsøke å gjøre rede for, jo vanskeligere vil det være å sammenligne ditt churn beregning over ulike perioder av gangen. Du skape konsistens ved å ta den enkle og grei bane.

  • Det fungerer som et utgangspunkt for en dypere analyse — du er i stand til å enkelt forstå hvilke tall står for, hva det ikke er, og hvor du må grave i å lære mer. Med mer komplekse beregninger, din første trinn vil minne deg selv hvordan man skal beregne det.,

derfor, på ProfitWell, bruker vi den Enkle Måten med en månedlig tid-vinduet.

Vi holde det enkelt, slik at du kan bruke din tid på å ta et dypere dykk på antall, analysere churn av kohorten, og så videre—som ikke bruker det å prøve å beregne hvor vi kom til vårt nummer. Denne metoden har fungert for tusenvis av våre kunder, og det kan fungere for din B2B SaaS selskapet (eller noen andre abonnement virksomhet) som godt.

Alle av din topp-line beregninger er bare overskriftene. De er ikke historien. Historien er begravd dypt inne i tallene., Du må være ute i dybden på hvordan og hvorfor om dine churn heller enn å prøve å gjøre rede for hver variabel i din churn pris beregning.

Din dypt, dykke ned i tallene er hvor du faktisk vil finne ut om din bedrift, og hvordan du vil være i stand til å ta aktiv beslutninger for å forbedre kundelojalitet pris.

Vanlige Churn Pris Faq

Churn er et vanskelig emne, men vi får mange av de samme spørsmålene på churn igjen og igjen. Her er noen av de mest stilte spørsmålene, og svarene våre for dem.

Hva er en god churn pris?,

Gjennomsnittlig churn priser er overalt, fra 2% til 8% av MRR, per vårt churn studier. Derfor, en churn pris på den lave enden (2%) vil bli ansett som «god». Av selskapet alder, 10+ år gamle selskaper har en 2-4% churn, mens yngre selskaper varierer fra 4% – 24%.

Hva er negativt churn pris?

Negative churn pris oppstår når det legges inntekter fra nye kunder (utvidelse inntekt) overgår tapte inntekter fra kvernet kunder. Negative churn er vanligvis forårsaket av aktiviteter som = oppgraderinger, service valg, add-ons, etc.

Legg igjen en kommentar

Din e-postadresse vil ikke bli publisert. Obligatoriske felt er merket med *