Что такое Churn Rate и как его снизить? Какие факторы влияют на отток пользователей?
Комментарии (1)
Ответ сгенерирован нейросетью и может содержать ошибки
Churn Rate — враг номер один для подписных сервисов
Churn Rate (коэффициент отока) — это доля пользователей, которые прекратили использовать ваш сервис за определённый период. Это критическая метрика для любого business-a, особенно для подписных сервисов и SaaS.
Определение
Churn Rate показывает:
- Какой процент клиентов уходит в месяц/год
- Как долго в среднем живёт клиент
- Здоров ли бизнес
- Нужно ли улучшать продукт
Формулы расчёта
Простая формула (Monthly Churn Rate):
Churn Rate = (Потеряные пользователи за месяц / Активные пользователи в начале месяца) × 100%
Пример:
Активные пользователи на 1 января: 10,000
Потеряные пользователи в январе: 800
Churn Rate = (800 / 10,000) × 100% = 8%
Более точная формула (из среднего):
Churn Rate = (Потеряные пользователи / Средние активные пользователи) × 100%
Где средние активные пользователи = (Начало месяца + Конец месяца) / 2
SQL для расчёта:
WITH monthly_users AS (
SELECT
DATE_TRUNC('month', date) as month,
COUNT(DISTINCT user_id) as active_users,
COUNT(DISTINCT CASE WHEN canceled THEN user_id END) as churned_users
FROM subscriptions
GROUP BY DATE_TRUNC('month', date)
)
SELECT
month,
active_users,
churned_users,
ROUND(100.0 * churned_users / active_users, 2) as churn_rate_pct
FROM monthly_users
ORDER BY month;
Типы Churn
Voluntary Churn (добровольный отток)
- Пользователь осознанно отменяет подписку
- Нужно спрашивать причину
- Обычно 5-7% в месяц для SaaS
Involuntary Churn (невольный отток)
- Отказала карта (истёкла, неверные реквизиты)
- Неправильный платёжный адрес
- Технические проблемы
- Обычно 2-3% в месяц
- Легче всего исправить
Expansion vs. Downgrades
- Expansion: пользователь переходит на более дорогой план
- Downgrades: пользователь переходит на более дешёвый план (это форма чёрна)
- Важно отслеживать отдельно
Как это влияет на LTV
Формула связи:
LTV = ARPU / Monthly Churn Rate
Примеры:
ARPU = $50 в месяц
Churn = 5% в месяц → LTV = $50 / 0.05 = $1,000
Churn = 2% в месяц → LTV = $50 / 0.02 = $2,500
Churn = 10% в месяц → LTV = $50 / 0.10 = $500
Это показывает: Снижение Churn на 1% может увеличить LTV на 20%+
Факторы, влияющие на Churn
Технические факторы:
- Баги и ошибки в приложении
- Медленная загрузка
- Частые простои (downtime)
- Плохой UX/UI
Продуктовые факторы:
- Функционал не соответствует ожиданиям
- Конкуренты предлагают лучше
- Отсутствие новых функций
- Цена выросла без улучшений
Поведенческие факторы:
- Низкая engagement (редко использует)
- Не использует ключевые функции
- Нет прогресса в целях
- Долгого неиспользования
Внешние факторы:
- Экономический спад
- Жизненные события (увольнение)
- Смена приоритетов
- Переезд в другую страну
Как снизить Churn
1. Улучшить Onboarding
Пользователи с плохим onboarding имеют churn в 2x выше
Что помогает:
- Пошаговые видео-гайды
- Интерактивные туры
- Чек-листы прогресса
- Ранние wins (быстрые успехи)
SQL для анализа:
SELECT
completed_onboarding,
COUNT(DISTINCT user_id) as users,
COUNT(DISTINCT CASE WHEN churned THEN user_id END) as churned,
ROUND(100.0 * COUNT(DISTINCT CASE WHEN churned THEN user_id END) / COUNT(DISTINCT user_id), 2) as churn_rate
FROM users
GROUP BY completed_onboarding;
2. Отслеживать Engagement
Пользователи с низким использованием (engagement) уходят первыми:
WITH engagement_cohorts AS (
SELECT
user_id,
COUNT(DISTINCT DATE(activity_date)) as days_active,
COUNT(*) as total_actions,
MAX(activity_date) as last_active,
CASE
WHEN COUNT(*) < 5 THEN 'Very Low'
WHEN COUNT(*) < 20 THEN 'Low'
WHEN COUNT(*) < 100 THEN 'Medium'
ELSE 'High'
END as engagement_level
FROM user_activities
WHERE activity_date >= CURRENT_DATE - INTERVAL 30 DAY
GROUP BY user_id
)
SELECT
engagement_level,
COUNT(DISTINCT user_id) as users,
ROUND(100.0 * AVG(CASE WHEN churned THEN 1 ELSE 0 END), 2) as churn_rate
FROM engagement_cohorts
LEFT JOIN users ON engagement_cohorts.user_id = users.id
GROUP BY engagement_level;
3. Win-back кампании
Возвращение ушедших пользователей часто дешевле, чем привлечение новых:
- Email: «Мы скучаем по вам»
- Скидка: «Вернитесь с 20% скидкой»
- Новые функции: «Посмотрите что нового»
- Персонализированный контент
4. Улучшить поддержку
Быстрый ответ на проблемы = снижение churn:
Response time < 1 часа → Churn снижается на 30%
Response time < 24 часов → Churn снижается на 10%
Response time > 48 часов → Churn растёт
5. Добавлять ценность регулярно
- Новые функции каждый месяц
- Улучшения на основе feedback
- Интеграции с популярными сервисами
- Performance improvements
6. Плохие пользователи тоже важны
Зачастую есть смысл отпустить пользователей, которые:
- Нарушают правила
- Создают проблемы другим
- Много обращаются в support
- Не платят (если это платный сервис)
Сегментация Churn
По плану:
SELECT
plan_type,
COUNT(*) as users,
ROUND(100.0 * COUNT(CASE WHEN churned THEN 1 END) / COUNT(*), 2) as churn_rate
FROM subscriptions
GROUP BY plan_type;
Обычно видно: дешёвые планы → выше churn, дорогие → ниже
По когорте регистрации:
SELECT
DATE_TRUNC('month', signup_date) as signup_month,
COUNT(*) as users,
ROUND(100.0 * COUNT(CASE WHEN churned THEN 1 END) / COUNT(*), 2) as churn_rate
FROM users
GROUP BY DATE_TRUNC('month', signup_date);
Это показывает: улучшилась ли ситуация за время
Бенчмарки Churn Rate
SaaS B2B:
- Хороший: < 2% в месяц
- Нормальный: 2-5% в месяц
- Плохой: > 5% в месяц
SaaS B2C:
- Хороший: < 5% в месяц
- Нормальный: 5-10% в месяц
- Плохой: > 10% в месяц
Мобильные приложения:
- День 1: 20-40%
- День 7: 50-80%
- День 30: 80-95%
Выводы
- Churn Rate — одна из самых важных метрик
- Снижение churn на 1% может увеличить LTV на 20%
- Фокусируйся на невольном churn — он легче всего исправляется
- Отслеживай engagement — это ранний индикатор
- Улучшай onboarding — самый важный фактор
- Win-back кампании работают — часто дешевле, чем новые пользователи
Как Product Analyst, я бы сначала анализировал невольный churn (платежи), потом engagement, потом спрашивал ушедших пользователей о причинах. Это даст максимум информации для улучшения.