Como Calcular a Taxa de Churn: 4 Fórmulas Para o Cálculo do Churn

Você vai ver as mesmas constantes ao longo destes exemplos:

• ChurnedCustomers é o número de clientes que batido na janela de tempo.

• n é o número de dias no seu período de tempo escolhido. Quando o cálculo de mais de um mês, n = 28, 29, 30 ou 31.,

• Customers é uma lista de números de clientes em qualquer dia i 1 a n. Por exemplo, Customers_1 é o número total de clientes que você teve no primeiro dia da janela.

A forma simples

a forma mais simples de calcular o churn é:

está a dividir o número total de clientes Churn durante o período Pelo Número de clientes que teve no primeiro dia do período.,

The Good & The Bad

The main pro ” of the simple version of calculating churn is its simplicity. A fórmula de taxa de churn é facilmente compreensível e calculável rapidamente. Você só precisa saber 2 números rápidos para descobrir a sua taxa de churn para o mês, e tudo o que você precisa é esses dois números para cada mês para ser capaz de comparar o churn mês a mês.

O problema com este cálculo simples, embora seja que tem dificuldade em lidar com um crescimento significativo. Quando você tem muito crescimento, tanto seu churn e clientes totais podem subir., Se os seus clientes totais subirem mais, a sua taxa de churn diminuirá, mesmo quando tiver mais clientes a produzir o seu Produto do que no mês anterior.se você é uma empresa estabelecida com uma base de clientes significativa e crescimento estável mês a mês, isso não é um problema. Mas se você é uma nova empresa com novos clientes substanciais a cada mês, isso pode levar a uma interpretação estranha, onde você pode perder mais clientes por mês, mas sua taxa vai ficar melhor.,

Exemplo

Aqui está um exemplo do Shopify post ilustrando as deficiências de Forma Simples:

Para calcular a taxa de churn, começam com o número de clientes no início do mês de agosto (10,000). Neste exemplo, você perde 500 (5%) desses clientes, mas adquire 5.000 novos clientes ao longo do mês, dos quais 125 (2,5%) produzem. Isso lhe dá uma taxa de churn de 6,25% para agosto.
625 / 10,000 = 0.0625
you”re then starting September with 14.375 customers., Você vê exatamente o mesmo comportamento Este mês, com 5% (719) dos usuários existentes churning, 5.000 novos clientes se juntando, e 2,5% (125) desses clientes churning. Sua taxa de churn simples para setembro chega em 5,87%.
844 / 14,375 = 0.0587
Wait, what happened? Você já viu o mesmo comportamento, 5% dos clientes existentes e 2,5% dos novos clientes agitando, em ambos os meses, mas o resultado é duas taxas de churn completamente diferentes. Parece que a sua taxa de churn diminuiu, mas o comportamento subjacente permaneceu o mesmo.o seu alto crescimento distorceu o seu cálculo., Em agosto, 125 clientes churnados são adicionados ao numerador, mas os 5.000 novos clientes que se juntam em agosto”não foram adicionados ao denominador—o que significa que a taxa de churn é artificialmente alta. Nos meses seguintes, o crescimento é menos proporcional à contagem de clientes existente, de modo que o efeito é menor.

A forma ajustada

para ter em conta o crescimento mensal significativo, podemos tomar o ponto médio da contagem de clientes para o mês, em vez de usar o seu valor no primeiro do mês.,aqui estamos dividindo o número de clientes churned por uma média ajustada do número de clientes ao longo da janela.

The Good & The Bad

this approach manages to deal with the growth issue by normalizing changes in total customers over the time window. Agora você tem uma plataforma mais estável para basear a sua taxa de churn, com a janela de tempo para seus clientes totais o mesmo que a sua janela de tempo para churn.,

no entanto, embora esta abordagem para o cálculo da taxa de churn lida com a questão do crescimento, ele não escala com diferentes janelas de tempo. Usando o mesmo cálculo e os mesmos dados, você obteria respostas muito diferentes para o churn diário, semanal, mensal e trimestral.

exemplo

usando os dados acima novamente, agora com adicionado outubro:

agora vemos a taxa de churn como a mesma, mesmo com um número diferente de clientes no início do mês.,

de agosto, torna-se assim: 625 / 12,187.5 = 0.0513

de setembro, torna-se assim: 844 / 16,453 = 0.0513

em outubro, é: 1052 / 20,505 = 0.0513

Bairro: 2521 / 16,239.5 = 0.1552

Bingo! Problema resolvido. Podemos ir todos para casa tomar chá e medalhas.não tão rápido. O principal problema desta abordagem é que ela faz suposições sobre os dados. Se você calcular isso ao longo de 3 meses você sai com uma taxa de churn de 15,52%. Divida isso ao longo dos 3 meses e você fica com 5,17%, muito perto das taxas de churn mensais individuais do cliente. Até agora tudo bem.,

mas e se você não tiver exatamente os mesmos números ao longo de cada mês? Vamos fazer de agosto um mau mês para a nossa empresa imaginária B2B SaaS. Desta vez, ele só recebe 100 novos clientes, dois dos quais batem.

o comportamento é o mesmo em termos de churn (5% dos clientes existentes e ~2,5% dos novos clientes), e quando calculado individualmente a cada mês mostra a mesma taxa de churn de 5,13%.

mas quando calculado como um trimestre, você recebe uma taxa de churn de 3 meses de 13,72%, que dividido ao longo de cada mês é de 4,57%.,

agosto: 502 / 9799 = 0.0513

setembro: 605 / 11,795.5 = 0.0513

outubro: 825 / 16,080.5 = 0.0513

Trimestre: 1932 / 14,084 = 0.1371

Agora, o nosso churn mensal taxas não mais se coaduna com a nossa trimestral da taxa de churn, mesmo que eles usam exatamente a mesma de dados. Isto é porque mudámos a janela temporal que estamos a calcular. Esta abordagem assume que o churn é distribuído uniformemente dentro do período de tempo, com uma distribuição linear. Mas o churn nunca é tão útil., Uma boa taxa de churn deve ser capaz de expandir ou contrair bem com o período de tempo que mede, e ainda fornecer resultados comparáveis.

A forma preditiva

qualquer bom cálculo da taxa de churn deve dar alguns conselhos. Neste exemplo, Shopify tentou incorporar um elemento preditivo na equação. Eles estão tentando determinar uma taxa média ponderada de churn, de modo que rate*customers irá prever a taxa de churn provável em qualquer dia.,

InactiveCustomers é uma matriz de quantos clientes ativos no dia i estão inativos no dia i+n, i.e. um mês mais tarde. Se você tiver 1000 clientes em 1 de setembro, você então olhar para a frente no tempo para ver quantos desses 1000 churned em 1 de outubro. Você resume isso, e depois divide pela soma dos clientes totais em setembro.

The Good & The Bad

It seems awesome to be able to predict churn. Ter um peso que você pode multiplicar com os clientes para obter churn previsto seria ótimo para o planejamento de suas finanças., Quem não quer fazer isso?

bem, você provavelmente notou um problema crítico com esta abordagem:”…você então olha para a frente no tempo…”

isto requer dois meses de dados para executar o cálculo de um mês. A fim de determinar a sua taxa de churn para este mês, você tem que esperar até o final do próximo mês. Isso não é bom para uma métrica que deveria mantê-lo atualizado sobre o sucesso da sua empresa. Se você tiver um número de contas canceladas em setembro, você não terá esta informação até outubro.,

o flip disto é que quando você chega ao final de outubro e tem uma taxa de churn, é agora de um mês atrás. Não é actual. Você não pode mais relatar taxas de churn para seus funcionários para o mês anterior, você está, em vez disso, dizendo-lhes o que aconteceu há um mês atrás.

esta abordagem tem todos os mesmos problemas que métricas rolantes, e você sabe que você deve ficar longe deles.

cálculos em métricas SaaS são supostos para pegar todos os seus dados e transformá-los em números facilmente compreensíveis, acionáveis. Este cálculo torna os seus números mais complicados e menos accionáveis.,

A forma Shopify

em vez de tomar aproximadamente a média do primeiro dia e último dia do mês como fazemos com a maneira ajustada, podemos levar a média de cada dia do mês para obter um cálculo mais preciso.

Você divide seu número churned pela média de sua contagem de clientes entre os dias 1 e n.

o bom & O Mau

isto trata das questões que afligem as outras variações. Você pode usá-lo em períodos de alto crescimento, e ele balança bem através de diferentes janelas de tempo., Você também pode usá-lo em tempo hábil, obtendo uma taxa de churn atualizada.

mas sempre haverá variações em seus números que um único cálculo não pode explicar. Os clientes mais novos agitam a um ritmo mais elevado os clientes mais velhos, as diferenças nas coortes, nos planos, no tamanho da conta. Nenhuma delas é capturada nesta fórmula, e ao usá-la, as empresas poderiam ter uma falsa sensação de segurança de que o número que recebem a cada dia, semana, mês ou trimestre é toda a história de seu churn.,como Noah Lorang da Basecamp aponta, a análise SaaS não deve ser ciência de foguetes. Um dos seus ” três segredos “é” facilitar as coisas”.”

Quando você reduz a complexidade em seu cálculo de churn, você obtém os seguintes benefícios, que não podem ser subestimados.

• é facilmente compreensível-qualquer pessoa na sua organização pode compreender esse número. Isto é absolutamente crítico para uma métrica chave. Se ninguém entende o teu número, não podem agir.,

• é facilmente comparável-quanto mais complexidade adicionar e quanto mais casos tentar explicar, mais difícil será comparar o seu cálculo de churn em diferentes períodos de tempo. Você cria consistência tomando o caminho simples e direto.

• Ele serve como um ponto de partida para uma análise mais profunda — você é capaz de facilmente compreender o que o seu número de contas, o que não é, e onde você precisa cavar para aprender mais. Com cálculos mais complexos, o seu primeiro passo lembrar-se-á como calculá-lo.,

é por isso que, em ProfitWell, usamos a maneira simples com uma janela de tempo mensal.

Nós mantemos isto simples para que você possa gastar seu tempo fazendo um mergulho mais profundo no número, analisando o churn por coorte, e assim por diante-não gastando-o tentando calcular como chegamos ao nosso número. Este método tem funcionado para milhares de nossos clientes, e pode trabalhar para a sua empresa B2B SaaS (ou qualquer outro negócio de assinatura) também.todas as suas métricas de topo são apenas manchetes. Eles não são a história. A história está enterrada no fundo dos números., Você precisa estar olhando em profundidade para o como e porquê do seu churn em vez de tentar explicar todas as variáveis dentro do seu cálculo de taxa de churn.

seu mergulho profundo nos números é onde você realmente vai descobrir sobre o seu negócio, e como você será capaz de tomar decisões para melhorar a taxa de retenção do cliente.

FAQs de taxa de Churn comum

Churn é um assunto complicado, mas temos muitas das mesmas perguntas sobre churn novamente e novamente. Aqui estão algumas das perguntas mais feitas, e nossas respostas para elas. o que é uma boa taxa de churn?,

as taxas médias de churn estão em toda parte a partir de 2% – 8% de MRR, de acordo com os nossos estudos de churn. Portanto, uma taxa de churn na extremidade baixa (2%) seria considerada “boa”. Por idade da empresa, as empresas com mais de 10 anos têm um churn de 2-4%, enquanto as empresas mais jovens variam entre 4% e 24%.o que é a taxa de churn negativa?

taxa de churn negativa ocorre quando a receita adicionada de novos clientes (receita de expansão) ultrapassa a receita perdida de clientes Churn. O churn negativo é geralmente causado por atividades como = atualizações, opções de serviço, add-ons, etc.