u zult dezelfde constanten zien in deze voorbeelden:
-
ChurnedCustomersis het aantal klanten dat in het tijdvenster is gekarnd. -
nis het aantal dagen in het door u gekozen tijdsbestek. Bij berekening over een maand,n=28,29,30or31., -
Customersis een lijst van het aantal klanten op een bepaalde dagi, 1 tot en metn. Bijvoorbeeld,Customers_1is het totale aantal klanten dat u had op de eerste dag van het venster.
de eenvoudige manier
De eenvoudigste manier om churn te berekenen is:
u deelt het totale aantal gekarnde klanten over de periode door het aantal klanten dat u had op de eerste dag van de periode.,
de goede & de slechte
de belangrijkste pro ” van de eenvoudige versie van het berekenen van churn is de eenvoud. De churn rate formule is gemakkelijk te begrijpen en snel te berekenen. U hoeft alleen maar te weten 2 snelle nummers om erachter te komen uw churn tarief voor de maand, en alles wat je nodig hebt is die twee nummers voor elke maand te kunnen vergelijken van maand tot maand churn.
het probleem met deze eenvoudige berekening is echter dat het moeilijk is om met significante groei om te gaan. Wanneer u veel groei, zowel uw churn en totale klanten kunnen gaan., Als uw totale klanten stijgt meer, uw churn tarief zal dalen, zelfs als u meer klanten karnen uit uw product dan de vorige maand.
Als u een gevestigd bedrijf bent met een aanzienlijk klantenbestand en een stabiele groei van maand tot maand, is dit geen probleem. Maar als je een nieuw bedrijf met aanzienlijke nieuwe klanten elke maand, dit kan leiden tot een vreemde interpretatie waar u meer klanten per maand kunt verliezen, maar uw tarief zal beter worden.,
voorbeeld
Hier is een voorbeeld uit de Shopify post dat de tekortkomingen van de eenvoudige manier illustreert:
om de churn rate te berekenen, begin met het aantal klanten begin augustus (10.000). In dit voorbeeld verlies je 500 (5%) van deze klanten, maar verwerf je gedurende de hele maand 5.000 nieuwe klanten, waarvan 125 (2,5%) uitbetalen. Dit geeft u een churn tarief van 6,25% voor Augustus.625 / 10,000 = 0.0625
u begint in September met 14.375 klanten., Je ziet precies hetzelfde gedrag deze maand, met 5% (719) van de bestaande gebruikers karnen, 5.000 nieuwe klanten toetreden, en 2,5% (125) van die klanten karnen. Uw eenvoudige Karn tarief voor September komt in als 5,87%. 844 / 14,375 = 0.0587
wacht, Wat is er gebeurd? Je hebt gezien hetzelfde gedrag, 5% van de bestaande klanten en 2,5% van de nieuwe klanten karnen, in beide maanden, maar het resultaat is twee compleet verschillende churn tarieven. Het lijkt erop dat je churn rate is gedaald, maar het onderliggende gedrag is hetzelfde gebleven.
uw hoge groei heeft uw berekening verstoord., In Augustus, 125 gekarnde klanten worden toegevoegd aan de teller, maar de 5.000 nieuwe klanten die toetreden in Augustus niet krijgen toegevoegd aan de noemer—wat betekent dat de churn rate kunstmatig hoog is. In de daaropvolgende maanden is de groei minder evenredig met de bestaande klantentelling, waardoor het effect minder wordt.
de aangepaste manier
om rekening te houden met significante maandelijkse groei, kunnen we het middelpunt van de klantentelling voor de maand nemen, in plaats van de waarde op de eerste van de maand te gebruiken.,
hier delen we het aantal gekarnde klanten door een aangepast gemiddelde van het aantal klanten in het venster.
de goede & de slechte
Deze aanpak slaagt erin om het groeiprobleem aan te pakken door veranderingen in het totale aantal klanten in de loop van het tijdvenster te normaliseren. Nu heb je een stabieler platform om je churn rate op te baseren, met het tijdvenster voor je totale klanten hetzelfde als je tijdvenster voor churn.,
echter, hoewel deze benadering van de churn rate berekening wel het groeiprobleem aanpakt, wordt het niet geschaald met verschillende tijdvensters. Met dezelfde berekening en dezelfde gegevens krijg je heel verschillende antwoorden voor dagelijkse, wekelijkse, maandelijkse en driemaandelijkse churn.
voorbeeld
gebruikmakend van de bovenstaande gegevens opnieuw, nu met toegevoegde oktober:
nu zien we de churn rate als hetzelfde, zelfs met een ander aantal klanten aan het begin van de maand.,
augustus wordt: 625 / 12,187.5 = 0.0513
September wordt: 844 / 16,453 = 0.0513
oktober is: 1052 / 20,505 = 0.0513
kwartaal:2521 / 16,239.5 = 0.1552
bingo! Probleem opgelost. We kunnen allemaal naar huis voor thee en medailles.
niet zo snel. Het grootste probleem met deze aanpak is dat het veronderstellingen maakt over de gegevens. Als je dit berekent in de loop van 3 maanden kom je uit met een churn rate van 15,52%. Verdeel dit over de 3 maanden en je krijgt 5,17%, zeer dicht bij de individuele maandelijkse klant churn tarieven. Tot nu toe gaat het goed.,
maar wat als je niet precies dezelfde nummers over elke maand? Laten we van augustus een slechte maand maken voor ons denkbeeldige B2B SaaS bedrijf. Deze keer krijgt het maar 100 nieuwe klanten, waarvan 2 uit de bus komen.
het gedrag is hetzelfde in termen van churn (5% van de bestaande klanten en ~2,5% van de nieuwe klanten), en wanneer afzonderlijk berekend elke maand toont dezelfde churn rate van 5,13%.
maar wanneer berekend als een kwartaal, krijg je een 3-maands churn rate van 13,72%, die verdeeld over elke maand is 4,57%.,
augustus: 502 / 9799 = 0.0513
September: 605 / 11,795.5 = 0.0513
oktober: 825 / 16,080.5 = 0.0513
kwartaal: 1932 / 14,084 = 0.1371
nu maandelijks churn rates niet langer overeen met onze driemaandelijkse churn rate, ook al gebruiken ze exact dezelfde gegevens. Dit komt omdat we het tijdvenster dat we berekenen hebben veranderd. Deze benadering gaat ervan uit dat churn gelijkmatig wordt verdeeld binnen de periode, met een lineaire verdeling. Maar karnen is nooit zo behulpzaam., Een goede churn rate ratio moet in staat zijn om uit te breiden of contract goed met de lengte van de tijd die het Meet, en nog steeds leveren vergelijkbare resultaten.
de voorspellende manier
elke berekening van een goede churn rate moet een aantal bruikbare adviezen geven. In dit voorbeeld heeft Shopify geprobeerd om een voorspellend element in de vergelijking op te nemen. Ze proberen een gewogen gemiddelde churn rate te bepalen, zodat rate*customers de waarschijnlijke churn rate op een bepaalde dag zal voorspellen.,
InactiveCustomers is een array van hoeveel klanten actief zijn op dag i inactief zijn op dag i+n, dat wil zeggen een maand later. Als je 1000 klanten hebt op 1 September, kijk je dan op tijd uit om te zien hoeveel van die 1000 op 1 oktober zijn gekarnd. Je Som dat op, dan delen door de som van de totale klanten in September.
de goede & de slechte
het lijkt geweldig om churn te kunnen voorspellen. Het hebben van een gewicht dat je kunt vermenigvuldigen met klanten te krijgen voorspelde churn zou geweldig zijn voor het plannen van uw financiën., Wie wil dat niet doen?
wel, je hebt waarschijnlijk een kritisch probleem opgemerkt met deze aanpak:”…dan kijk je vooruit in de tijd…”
Dit vereist twee maanden aan gegevens om de berekening van één maand uit te voeren. Om uw churn rate voor deze maand te bepalen, moet u wachten tot het einde van volgende maand. Dat is niet goed voor een metriek die je op de hoogte moet houden van het succes van je bedrijf. Als je een aantal accounts in September hebt geannuleerd, heb je deze informatie pas in oktober.,
De flip hiervan is dat wanneer je aan het einde van oktober komt en een churn rate hebt, het nu van een maand geleden is. Het is niet actueel. U kunt niet langer melden churn tarieven aan uw medewerkers voor de voorafgaande maand, u bent in plaats daarvan hen te vertellen wat er een maand geleden gebeurde.
Deze aanpak heeft dezelfde problemen als rolling metrics, en je weet dat je daar weg moet blijven.
berekeningen in Saas metrics worden verondersteld om al uw gegevens te nemen en om te zetten in gemakkelijk te begrijpen, bruikbare getallen. Deze berekening maakt uw nummers ingewikkelder en minder uitvoerbaar.,
de Shopify manier
in plaats van ruwweg het gemiddelde van de eerste dag en de laatste dag van de maand te nemen zoals we doen met de aangepaste manier, kunnen we het gemiddelde van elke dag in de maand nemen om een nauwkeuriger berekening te krijgen.
u deelt uw aantal gekarnd door het gemiddelde van uw klantentelling tussen dagen 1 en n.
het goede & het slechte
Dit behandelt de problemen die de andere variaties teisteren. U kunt het gebruiken in perioden van hoge groei, en het schaalt mooi over verschillende tijdvensters., U kunt het ook gebruiken in een tijdige manier, het krijgen van een up-to-date churn rate.
maar er zullen altijd variaties in uw getallen zijn die een enkele berekening niet kan verklaren. Nieuwere klanten karnen tegen een hoger tarief de oudere klanten, verschillen in cohorten, in plannen, in de grootte van de rekening. Geen van deze zijn opgenomen in deze formule, en door het te gebruiken, kunnen bedrijven een vals gevoel van veiligheid hebben dat het aantal dat ze elke dag, week, maand of kwartaal krijgen het hele verhaal van hun Karn is.,
waarom je het jezelf makkelijk zou moeten maken
zoals Noah Lorang op Basecamp aangeeft, zou Saas analytics geen raketwetenschap moeten zijn. Een van zijn” drie geheimen “is om het gemakkelijk te maken.”
wanneer u de complexiteit van uw churn berekening vermindert, krijgt u de volgende voordelen, die niet kunnen worden onderschat.
-
het is gemakkelijk te begrijpen — iedereen in uw organisatie kan dat nummer begrijpen. Dit is absoluut cruciaal voor een belangrijke maatstaf. Als niemand je nummer begrijpt, kunnen ze er niets aan doen.,
-
Het is gemakkelijk vergelijkbaar-hoe meer complexiteit je toevoegt en hoe meer gevallen je probeert te verantwoorden, hoe moeilijker het zal zijn om je churn berekening over verschillende perioden te vergelijken. U creëert consistentie door het nemen van de eenvoudige en rechttoe rechtaan pad.
-
het dient als een startpunt voor een diepere analyse — U kunt gemakkelijk begrijpen waar uw nummer goed voor is, wat het niet doet, en waar u moet graven om meer te weten te komen. Met meer complexe berekeningen, zal je eerste stap jezelf eraan herinneren hoe je het moet berekenen.,
daarom gebruiken we bij ProfitWell de eenvoudige manier met een maandelijks tijdvenster.
We houden het eenvoudig, zodat u uw tijd kunt besteden aan het nemen van een diepere duik op het nummer, het analyseren van de churn per cohort, enzovoort—niet het Besteden van het proberen om te berekenen hoe we bij ons nummer kwamen. Deze methode heeft gewerkt voor duizenden van onze klanten, en het kan werken voor uw B2B SaaS bedrijf (of een ander abonnement bedrijf) ook.
al uw top-line metrics zijn slechts koppen. Ze zijn niet het verhaal. Het verhaal is diep begraven in de getallen., U moet in de diepte kijken naar het hoe en waarom van uw churn in plaats van te proberen om rekening te houden met elke variabele binnen uw churn rate berekening.
uw diepe duik in de cijfers is waar je daadwerkelijk te weten komen over uw bedrijf, en hoe je in staat om bruikbare beslissingen te nemen om het behoud van klanten te verbeteren.
Common Churn Rate FAQs
Churn is een lastig onderwerp, maar we krijgen steeds weer veel van dezelfde vragen over churn. Hier zijn enkele van de meest gestelde vragen, en onze antwoorden voor hen.
Wat is een goede churn rate?,
gemiddelde churn-percentages zijn overal van 2% – 8% van MRR, per onze churn-studies. Daarom zou een churn rate aan de lage kant (2%) als “goed”worden beschouwd. Naar leeftijd van het bedrijf, 10+ jaar oude bedrijven hebben een 2-4% churn, terwijl jongere bedrijven variëren van 4% – 24%.
Wat is een negatieve churn rate?
negatieve churn rate treedt op wanneer de toegevoegde inkomsten van nieuwe klanten (uitbreidingsinkomsten) de gederfde inkomsten van gekarnde klanten overtreft. Negatieve churn wordt meestal veroorzaakt door activiteiten zoals = upgrades, service opties, add-ons, enz.