Jak obliczyć wskaźnik Churn: 4 formuły do obliczania Churn

w tych przykładach zobaczysz te same stałe:

• ChurnedCustomers to liczba klientów, którzy odeszli w oknie czasowym.

• n to liczba dni w wybranym przedziale czasowym. Podczas obliczania ponad miesiąc,n = 28, 29, 30 lub31.,

• Customers to lista numerów klientów w danym dniui, od 1 don. Na przykład Customers_1 to całkowita liczba klientów, których miałeś w pierwszym dniu okna.

prosty sposób

najprostszym sposobem obliczenia churn jest:

dzielisz całkowitą liczbę churnowanych klientów w danym okresie przez liczbę klientów, których miałeś w pierwszym dniu okresu.,

dobra & zła

główną zaletą prostej wersji kalkulatora jest jego prostota. Wzór wskaźnika churn jest łatwo zrozumiały i szybko obliczalny. Musisz tylko znać szybkie liczby 2, aby dowiedzieć się, jaki jest twój wskaźnik churn dla miesiąca, a wszystko, czego potrzebujesz, to te dwie liczby dla każdego miesiąca, aby móc porównać z Miesiącem do miesiąca churn.

problem z tym prostym obliczeniem polega jednak na tym, że ma trudności z radzeniem sobie ze znacznym wzrostem. Kiedy masz duży wzrost, zarówno Twój churn, jak i całkowita liczba klientów mogą wzrosnąć., Jeśli całkowita liczba klientów wzrośnie bardziej, wskaźnik rezygnacji spadnie, nawet jeśli masz więcej klientów wycofujących się z twojego produktu niż w poprzednim miesiącu.

Jeśli jesteś firmą o ugruntowanej pozycji, ze znaczną bazą klientów i stabilnym wzrostem z miesiąca na miesiąc, nie jest to problemem. Ale jeśli jesteś nową firmą z istotnymi nowymi klientami każdego miesiąca, może to prowadzić do dziwnej interpretacji, w której możesz stracić więcej klientów miesięcznie, ale Twoja stawka będzie lepsza.,

przykład

oto przykład z postu Shopify ilustrujący niedociągnięcia w prosty sposób:

aby obliczyć wskaźnik churn, zacznij od liczby klientów na początku sierpnia (10 000). W tym przykładzie tracisz 500 (5%) tych klientów, ale pozyskujesz 5000 nowych klientów w ciągu miesiąca, z czego 125 (2,5%) wychodzi. Daje to wskaźnik churn w wysokości 6,25% za sierpień.
625 / 10,000 = 0.0625
od września masz 14 375 klientów., W tym miesiącu obserwuje się dokładnie to samo zachowanie: 5% (719) obecnych użytkowników, 5000 nowych klientów dołącza do nich, a 2,5% (125) tych klientów rezygnuje. Twój prosty wskaźnik churn we wrześniu wynosi 5,87%.
844 / 14,375 = 0.0587
Czekaj, co się stało? Zauważyłeś to samo zachowanie, 5% obecnych klientów i 2,5% nowych klientów ubijających w obu miesiącach, ale wynik jest dwa zupełnie różne wskaźniki ubijania. Wygląda na to, że twój wskaźnik churn spadł, ale podstawowe zachowanie pozostało takie samo.
twój wysoki wzrost zniekształcił twoje obliczenia., W sierpniu do licznika dodaje się 125 klientów, ale 5000 nowych klientów, którzy dołączają w sierpniu, nie zostało dodanych do mianownika—co oznacza, że wskaźnik churn jest sztucznie wysoki. W kolejnych miesiącach wzrost jest mniej proporcjonalny do istniejącej liczby klientów, więc efekt jest mniejszy.

skorygowany sposób

aby uwzględnić znaczny wzrost miesięczny, możemy przyjąć średnią wartość liczoną przez Klienta za miesiąc, zamiast używać jej wartości na 1.dniu miesiąca.,

tutaj dzielimy liczbę klientów przez skorygowaną średnią liczby klientów w całym oknie.

dobry & zły

takie podejście pozwala uporać się z problemem wzrostu poprzez normalizację zmian w całkowitej liczbie klientów w przedziale czasowym. Teraz masz bardziej stabilną platformę, na której możesz oprzeć swój wskaźnik churn, a okno czasowe dla wszystkich klientów jest takie samo, jak okno czasowe dla churn.,

jednak, choć to podejście do obliczania wskaźnika odpływu zajmuje się kwestią wzrostu, nie skaluje się w różnych oknach czasowych. Korzystając z tych samych obliczeń i tych samych danych, otrzymujesz bardzo różne odpowiedzi dla dziennego, tygodniowego, miesięcznego i kwartalnego odpływu.

przykład

używając powyższych danych ponownie, teraz z dodanym październikiem:

teraz widzimy wskaźnik churn jako taki sam, nawet przy innej liczbie klientów na początku miesiąca.,

sierpień staje się: 625 / 12,187.5 = 0.0513

wrzesień staje się: 844 / 16,453 = 0.0513

Październik jest: 1052 / 20,505 = 0.0513

kwartał: 2521 / 16,239.5 = 0.1552

bingo! Problem rozwiązany. Możemy iść do domu po herbatę i medale.

nie tak szybko. Głównym problemem tego podejścia jest to, że przyjmuje założenia dotyczące danych. Jeśli obliczysz to w ciągu 3 miesięcy, wyjdziesz ze wskaźnikiem churn wynoszącym 15,52%. Podziel to na 3 miesiące, a otrzymasz 5.17%, bardzo zbliżone do indywidualnych miesięcznych stawek utraty klientów. Jak na razie dobrze.,

ale co jeśli nie masz dokładnie tych samych numerów w każdym miesiącu? Uczyńmy sierpień złym miesiącem dla naszej wyimaginowanej firmy B2B SaaS. Tym razem zyskuje tylko 100 nowych klientów, z czego 2 wycofuje się.

zachowanie jest takie samo pod względem churn (5% istniejących klientów i ~2.5% nowych klientów), a przy obliczaniu indywidualnie każdego miesiąca pokazuje ten sam wskaźnik churn wynoszący 5.13%.

ale w przeliczeniu na kwartał otrzymujesz 3-miesięczny wskaźnik churn w wysokości 13,72%, który podzielony na każdy miesiąc wynosi 4,57%.,

sierpień: 502 / 9799 = 0.0513

wrzesień: 605 / 11,795.5 = 0.0513

październik: 825 / 16,080.5 = 0.0513

kwartał: 1932 / 14,084 = 0.1371

teraz nasze miesięczne wskaźniki Churn nie zgadzają się już z naszym kwartalnym wskaźnikiem Churn, mimo że używają dokładnie tych samych danych. To dlatego, że zmieniliśmy okno czasowe, które obliczamy. Takie podejście zakłada, że odpływ jest rozłożony równomiernie w okresie Czasu, z rozkładem liniowym. Ale churn nigdy nie jest tak pomocny., Dobry wskaźnik churn rate powinien być w stanie rozszerzyć lub kurczyć się dobrze z czasem, jaki mierzy, i nadal przynosić porównywalne wyniki.

sposób predykcyjny

Każde dobre obliczenie współczynnika odpływu powinno dać kilka przydatnych porad. W tym przykładzie Shopify próbował włączyć element predykcyjny do równania. Próbują określić średnią ważoną stopę churn, aby rate*customers przewidział prawdopodobną stopę churn w danym dniu.,

InactiveCustomersjest tablicą liczby klientów aktywnych w dniui są nieaktywni w dniu i+n, czyli miesiąc później. Jeśli masz 1000 klientów w dniu 1 września, to czekamy na czas, aby zobaczyć, ile z tych 1000 zbankrutowało w dniu 1 października. Sumujesz to, a następnie dzielisz przez sumę wszystkich klientów we wrześniu.

dobre & złe

wydaje się być niesamowite, aby móc przewidzieć churn. Mając wagę, którą można pomnożyć z klientami, aby uzyskać przewidywane churn byłoby świetne do planowania finansów., Kto by tego nie chciał?

cóż, prawdopodobnie zauważyłeś krytyczny problem z tym podejściem: „…następnie oczekujesz na czas…”

To wymaga dwóch miesięcy danych, aby uruchomić Miesięczne obliczenia. Aby określić swój wskaźnik churn w tym miesiącu, musisz poczekać do końca następnego miesiąca. To nie jest dobre dla metryki, która ma informować Cię na bieżąco o sukcesie Twojej firmy. Jeśli liczba kont zostanie anulowanych we wrześniu, informacje te będą dostępne dopiero w październiku.,

przewaga tego jest taka, że kiedy dojdziesz do końca października i masz wskaźnik churn, to jest teraz z miesiąca temu. Nie jest aktualna. Nie możesz już zgłaszać pracownikom wskaźników churn za poprzedni miesiąc, zamiast tego informujesz ich o tym, co wydarzyło się miesiąc temu.

to podejście ma te same problemy co rolling metrics i wiesz, że powinieneś trzymać się od nich z daleka.

obliczenia w metrykach SaaS mają na celu pobranie wszystkich danych i przekształcenie ich w łatwo zrozumiałe, użyteczne liczby. Ta kalkulacja sprawia, że twoje liczby są bardziej skomplikowane i mniej przydatne.,

sposób Shopify

zamiast z grubsza przyjmować średnią z pierwszego dnia i ostatniego dnia miesiąca, tak jak robimy to w przypadku skorygowanego sposobu, możemy przyjąć średnią każdego dnia w miesiącu, aby uzyskać dokładniejsze obliczenia.

dzielisz swój numer przez średnią liczbę klientów między dniami 1 A n.

dobry & zły

dotyczy to problemów, które nękają inne odmiany. Możesz go używać w okresach wysokiego wzrostu i ładnie skaluje się w różnych oknach czasowych., Możesz również użyć go w odpowiednim czasie, uzyskując aktualny wskaźnik churn.

ale zawsze będą różnice w liczbach, których pojedyncze obliczenia nie mogą uwzględnić. Nowsi klienci liczą się w wyższym tempie tym starsi klienci, różnice w kohortach, planach, wielkości konta. Żadna z nich nie jest ujęta w tej formule, a korzystając z niej, firmy mogą mieć fałszywe poczucie bezpieczeństwa, że liczba, którą otrzymują każdego dnia, tygodnia, miesiąca lub kwartału, jest całą historią ich odejścia.,

dlaczego powinieneś sobie ułatwić

jak podkreśla Noah Lorang z Basecamp, analityka SaaS nie powinna być nauką rakietową. Jednym z jego „trzech sekretów” jest ” ułatwianie”

zmniejszając złożoność obliczeń churn, otrzymujesz następujące korzyści, których nie można lekceważyć.

• jest to łatwo zrozumiałe — każdy w Twojej organizacji może zrozumieć tę liczbę. Jest to absolutnie krytyczne dla kluczowej metryki. Jeśli nikt nie zrozumie Twojego numeru, nie będzie mógł działać.,

• jest to łatwe do porównania — im więcej złożoności dodasz i im więcej przypadków spróbujesz wyjaśnić, tym trudniej będzie porównać obliczenia odpływu w różnych okresach czasu. Tworzysz spójność, wybierając prostą i prostą ścieżkę.

• służy jako punkt wyjścia do głębszej analizy — możesz łatwo zrozumieć, co oznacza Twój numer, czego nie i gdzie musisz się zagłębić, aby dowiedzieć się więcej. Przy bardziej złożonych obliczeniach twój pierwszy krok będzie przypominał sobie, jak go obliczyć.,

dlatego w ProfitWell stosujemy prosty sposób z miesięcznym oknem czasowym.

zachowujemy to w prosty sposób, abyś mógł poświęcić swój czas na głębsze zanurzenie się w liczbie, analizowanie odpływu według kohorty itp.—nie poświęcając go na obliczanie, w jaki sposób dotarliśmy do naszej liczby. Ta metoda działa dla tysięcy naszych klientów i może działać również dla Twojej firmy B2B SaaS (lub innej firmy subskrypcyjnej).

wszystkie Twoje najważniejsze metryki to tylko nagłówki. To nie jest historia. Historia jest głęboko zakorzeniona w liczbach., Musisz dogłębnie przyglądać się temu, jak i dlaczego twojego churn, a nie próbować uwzględnić każdą zmienną w obliczeniu współczynnika churn.

Twoje głębokie zanurzenie w liczbach to miejsce, w którym dowiesz się o swojej firmie i w jaki sposób będziesz w stanie podejmować zaskarżalne decyzje w celu poprawy wskaźnika retencji klientów.

Często zadawane pytania dotyczące wskaźnika Churn

Churn jest trudnym tematem, ale otrzymujemy wiele takich samych pytań na temat churn ponownie i ponownie. Oto niektóre z najczęściej zadawanych pytań i nasze odpowiedzi na nie.

Co to jest dobry wskaźnik churn?,

średnie wskaźniki churn są wszędzie od 2% – 8% MRR, na nasze badania churn. W związku z tym wskaźnik churn na niskim poziomie (2%) byłby uważany za „dobry”. Według wieku firmy, 10 + letnie firmy mają 2-4% churn, podczas gdy młodsze firmy wahają się od 4% – 24%.

Co to jest ujemny wskaźnik churn?

ujemny wskaźnik churn pojawia się, gdy przychody dodane od nowych klientów (przychody z ekspansji) przewyższają utracone przychody od wycofanych klientów. Negatywne churn jest zwykle spowodowane działaniami takimi jak = upgrades, opcje usług, dodatki itp.