biển nổi sóng ở khắp mọi nơi trong thế giới SaaS. Nó phổ biến đến mức khiến chúng tôi tin rằng đó là thước đo cần thiết để tuân theo. Có lẽ đó là số liệu quan trọng nhất. 

Nhưng không phải ai cũng ở trên tàu với churn. Chúng tôi đã được truyền cảm hứng bởi một bài viết viết cho catch.js về chủ đề này. Họ chứng minh thông qua các thí nghiệm mô phỏng rằng khuấy đảo, trong một số trường hợp nhất định, sẽ cho thấy điều ngược lại với những gì nó nên làm. Họ lập luận rằng churn là vô ích.

Chúng tôi nghĩ rằng chúng tôi sẽ xem xét churn tương tự. Trong bài viết này (phần bốn của chúng tôi Chuỗi tối ưu hóa giá), chúng tôi sẽ thử nghiệm chỉ số rời bỏ trên các mô phỏng để chứng minh khi nào nó mang lại cho chúng tôi kết quả sai lệch. 

Để bắt đầu, hãy bắt đầu với một tình huống tương tự như tình huống trong bài báo đã đề cập ở trên. Bài viết sử dụng một phân phối lomax để mô hình hóa thời gian đăng ký kéo dài vì nó gần giống với khách hàng của họ nhất. 

Họ có rất nhiều khách hàng dùng thử dịch vụ của họ trong một thời gian ngắn, chẳng hạn như vài tháng. Họ cũng nhận được một số người ở lại lâu hơn nữa. Chúng tôi sẽ mô phỏng các đăng ký của mình với phân phối Weibull, với các tham số làm cho nó giống với mô hình Lomax của họ. 

Trong khi nhiều người trong chúng ta Đo lường khách hàng chia sẻ một cơ sở khách hàng giống như của họ, một số thì không. Chúng tôi cũng sẽ thử nghiệm khả năng rời bỏ trên các loại cơ sở khách hàng khác, được mô hình hóa từ trải nghiệm của các khách hàng Baremetrics của chúng tôi. 

Churn cũng sẽ đánh lừa chúng ta trong những trường hợp đó chứ?

Hãy xem xét churn. Đây là một công thức cho khách hàng churn cho từng thời kỳ:

Churn = khách hàng bị mất / khách hàng ngay từ đầu

Công thức trên đưa ra tỷ lệ khách hàng bị mất trong mỗi khoảng thời gian. Nếu chúng tôi mất nhiều khách hàng, tỷ lệ này sẽ tăng lên. Nếu chúng tôi có được nhiều khách hàng, tỷ lệ này sẽ giảm xuống, lý tưởng nhất là bằng không. Churn thấp là tốt, và churn cao là xấu.

Nó có vẻ đủ đơn giản, nhưng nếu chúng ta nhìn kỹ hơn, chúng ta sẽ gặp vấn đề. Churn không cư xử theo cách chúng ta mong đợi.

Kịch bản: Điều gì xảy ra khi không có gì thay đổi?

Hãy bắt đầu với một kịch bản không có gì thay đổi: một doanh nghiệp không có gì cải thiện và không có gì xấu đi. Đăng ký vẫn giữ nguyên. Thời gian đăng ký là không đổi. Doanh thu cũng ổn định. 

Điều này cung cấp cho chúng tôi cơ sở để so sánh sau này khi có điều gì đó thay đổi. Vì vậy, làm thế nào để churn hoạt động trong một doanh nghiệp trì trệ?

Chúng tôi bắt đầu bằng cách mô phỏng đăng ký với một Phân phối Poisson với tỷ lệ trung bình là 30 lượt đăng ký mỗi tháng. Chúng tôi cũng mô phỏng thời lượng đăng ký bằng cách sử dụng Phân phối Weibull, với các thông số như vậy thì trung bình thuê bao sử dụng được khoảng 2 tháng.

Hãy xem điều gì xảy ra với cơ sở khách hàng theo thời gian trong mô phỏng này:

Biểu đồ trên cho thấy số lượng khách hàng đang hoạt động theo thời gian. Hãy lưu ý cách cơ sở khách hàng của chúng tôi tăng lên ngay từ đầu mặc dù tôi đã nói “không có gì thay đổi”. 

Đó là bởi vì chúng tôi bắt đầu với khách hàng bằng không. Sau khoảng 12 tháng, chúng tôi đạt đến trạng thái ổn định, trong đó số lần đăng ký cân bằng với số lần bỏ học. 

Số lượng người đăng ký dao động nhưng vẫn ở gần một số không đổi được biểu thị bằng đường màu đỏ. Nó sẽ tiếp tục quay quanh đường màu đỏ này mãi mãi. Điều này cũng áp dụng cho doanh thu: chúng ta sẽ mong đợi doanh thu gần như giống nhau mãi mãi. Đó thực sự là một công việc kinh doanh trì trệ, không cải thiện cũng không xấu đi.

Bây giờ chúng ta hãy xem những gì khách hàng rời đi trong tình huống này. Churn trì trệ trông như thế nào?

Giống như dân số khách hàng, tỷ lệ rời đi không đổi sau khi đăng ký và bỏ học đạt đến trạng thái cân bằng. Khi số lượng khách hàng của chúng tôi ban đầu tăng lên, chúng tôi nhận thấy tỷ lệ rời bỏ giảm xuống như chúng tôi mong đợi, vì tỷ lệ người bỏ học giảm so với số người đăng ký. 

Biểu đồ trên là những gì xảy ra khi “không có gì xảy ra”. Trong một doanh nghiệp trì trệ, có những thăng trầm hàng tháng do sự thay đổi tự nhiên. 

Bất chấp sự thay đổi này, tỷ lệ rời bỏ trung bình là không đổi, mãi mãi. Sự thay đổi đó sẽ là một lời nhắc nhở đừng lo lắng khi thời gian rời bỏ của bạn thay đổi hàng tháng. Thay vào đó, xu hướng mới là vấn đề quan trọng, được biểu thị bằng đường màu đỏ trong biểu đồ này. Trong trường hợp này, nó phẳng.

Bây giờ chúng ta hãy lộn xộn nó lên!

Tình huống: Điều gì xảy ra khi ngừng đăng ký?

Điều gì sẽ xảy ra nếu chúng tôi ngừng đăng ký giữa chừng trong quá trình mô phỏng này? Nếu chúng tôi ngừng thu hút người đăng ký mới, chúng tôi hy vọng tỷ lệ rời bỏ sẽ tăng lên. Churn là xấu và mất lượt đăng ký là xấu, vì vậy chúng tôi hy vọng cả hai tương ứng với nhau. Chúng tôi hy vọng tỷ lệ rời bỏ sẽ tăng lên khi chúng tôi không giữ được khách hàng. Phải không?

Đây là những gì xảy ra với nhóm khách hàng của chúng tôi:

Hoạt động kinh doanh mô phỏng của chúng tôi phát triển và đạt đến đỉnh cao, giống như trong ví dụ trước. Sau đó, chúng tôi ngừng nhận đăng ký (đường màu đỏ). 

Lưu ý số lượng người đăng ký của chúng tôi giảm như thế nào. Sự sụt giảm dốc lúc đầu, sau đó trở nên bằng phẳng hơn khi thời gian trôi qua. Hiệu ứng này đến từ việc ngày càng có nhiều khách hàng trung thành ở lại, những người ít có khả năng rời bỏ. Những khách hàng cuối cùng hủy đăng ký là những người ít có khả năng rời đi nhất.

Vì vậy, khuấy rung chuông báo động trong tình huống này? Hãy nhìn vào sự hỗn loạn:

Bây giờ chúng tôi thấy một điều đáng ngạc nhiên: tỷ lệ rời bỏ đang giảm trong khi hoạt động kinh doanh của chúng tôi đang gặp khó khăn. Nó trái ngược với những gì chúng ta mong đợi. Chúng tôi cũng thấy kết quả tương tự trong bài viết catch.js mặc dù chúng tôi đã sử dụng một bản phân phối khác để lập mô hình đăng ký. 

Tại sao chuyện này đang xảy ra? Đó là do thời lượng đăng ký được phân phối như thế nào. Không phải tất cả khách hàng đều giống nhau. Một số khách hàng sẽ dùng thử dịch vụ của chúng tôi trong một tháng, quyết định rằng họ không thích chúng và hủy đăng ký. 

Những người khác sẽ hài lòng với sản phẩm của bạn và ở lại lâu dài. Đây là biểu đồ thời lượng đăng ký trong mô phỏng mà chúng tôi vừa thực hiện để minh họa:

Trên đây là biểu đồ hiển thị tần suất các thời hạn đăng ký khác nhau của khách hàng. Lưu ý rằng nó rất lớn ở bên trái. Nó có nghĩa là hầu hết các khách hàng đăng ký trong một thời gian ngắn. Những khách hàng này có nhiều khả năng hủy đăng ký tại bất kỳ thời điểm nào.

Nhưng mặt khác, có một số ít khách hàng đăng ký trong một thời gian dài. Những người đăng ký lâu hơn ít có khả năng hủy đăng ký và họ ở lại trong một thời gian dài.

Khi chúng tôi ngừng đăng ký, phần lớn những người đăng ký lâu hơn sẽ còn lại. Và vì họ ít có khả năng rời bỏ công việc kinh doanh của chúng tôi nên họ ít có khả năng nâng cao chỉ số rời bỏ của chúng tôi. Do đó, sự khuấy động dường như đi xuống trong khi công ty của chúng tôi đang thất bại. Nó trái ngược với những gì chúng ta muốn.

Mặc dù điều này có thể đáng báo động, nhưng tình huống này có thể không áp dụng cho tất cả Đo lường khách hàng. Điều gì sẽ xảy ra nếu chúng tôi thử kịch bản này trong một loại hình kinh doanh khác, với nhiều người đăng ký trung thành hơn?

Là churn xấu trong mọi trường hợp?

Bạn có thể nhận thấy rằng biểu đồ thời lượng đăng ký ở trên không phản ánh doanh nghiệp của riêng bạn. Đó là một phân phối cực đoan, trong đó phần lớn khách hàng đăng ký trong một thời gian ngắn. Điều gì sẽ xảy ra nếu doanh nghiệp của bạn có ít khách hàng ngắn hạn hơn?

Giả sử doanh nghiệp của bạn thu hút khách hàng thông qua đội ngũ bán hàng. Khách hàng điển hình của bạn không đăng ký chỉ trong một tháng. Họ đăng ký lâu hơn. Sự đảo lộn trông như thế nào trong tình huống đó khi chúng tôi tắt đăng ký?

Bây giờ chúng ta sẽ mô phỏng dựa trên một khách hàng thực của Baremetrics. Trong lĩnh vực kinh doanh này, khách hàng trung bình đăng ký trong năm năm thay vì hai tháng. Đây là cách thời lượng đăng ký được phân phối:

Kịch bản này có nhiều người đăng ký trung thành hơn. Người đăng ký thông thường sẽ đăng ký trong ba năm thay vì một tháng như trong trường hợp trước.

Bây giờ, hãy làm lại mô phỏng nơi chúng tôi tắt đăng ký, nhưng với phân phối đăng ký mới. Đây là biểu đồ của những người đăng ký đang hoạt động:

Nó đã trông khác. Sự tăng trưởng của cơ sở khách hàng ổn định hơn. Chúng tôi thậm chí còn không đạt được mức cao nhất trước khi ngừng đăng ký.

Bây giờ chúng ta hãy nhìn vào churn:

Sự ngạc nhiên! Churn hoạt động nhiều hơn những gì chúng ta mong đợi: tăng lên khi chúng ta không thể giữ chân khách hàng của mình. Tại sao lại thế này? Đó là bởi vì chúng tôi có ít khách hàng rời đi nhanh chóng và ít khách hàng cực đoan ở lại lâu hơn. 

Điều này cho chúng ta biết điều gì đó đáng lo ngại về số liệu rời bỏ. Độ tin cậy của chỉ số rời bỏ phụ thuộc vào loại khách hàng bạn có.

Hy vọng rằng những ví dụ này sẽ truyền cảm hứng cho độc giả của chúng tôi nghi ngờ hơn về ý nghĩa của các chỉ số rời bỏ của họ.

Kết luận: Một cuộc gọi cho các số liệu tốt hơn

Với hành vi kỳ lạ của chỉ số rời bỏ, sẽ hợp lý hơn nếu tìm kiếm các chỉ số tốt hơn để hiểu tỷ lệ giữ chân khách hàng của chúng tôi. Bằng cách tập trung vào tỷ lệ rời bỏ, chúng tôi có khả năng gộp quá nhiều quy trình cùng một lúc: đăng ký, hủy đăng ký và loại người đăng ký mà chúng tôi có. Một thay đổi trong mỗi yếu tố này sẽ làm thay đổi hành vi rời bỏ, nhưng chúng tôi sẽ không biết vấn đề là gì vì số liệu gộp các quy trình này.

Có lẽ sẽ tốt hơn nếu tập trung vào các quá trình này một cách riêng biệt. Hoàn toàn có thể xây dựng riêng các số liệu về số lần đăng ký, số lần hủy đăng ký và thời lượng đăng ký.

Trong các bài đăng trong tương lai, chúng tôi sẽ xây dựng các số liệu này và kiểm tra chúng. Chúng tôi sẽ chỉ ra cách họ hành xử so với churn. Liệu các số liệu mới có hoạt động tốt hơn trong việc tính toán tỷ lệ giữ chân khách hàng, giá trị lâu dài và doanh thu không? Hãy theo dõi để tìm ra! 

Cảm ơn vì đã đọc! Nếu bạn có bất kỳ câu hỏi nào, vui lòng gửi chúng đến david@baremetrics.com. 

Tham gia cùng hơn 900 SaaS và các công ty đăng ký sử dụng Baremetrics để có thông tin chi tiết về dữ liệu thông minh hơn, tự động ghi âm, tương tác với khách hàng, v.v. Bắt đầu dùng thử miễn phí ngay hôm nay!