Churn rate er den procentdel af jeres kunder, der stopper med at bruge jeres produkt eller opsiger jeres service inden for en given periode.
Churn rate — også kaldet kundeafgang eller frafaldsprocent — måler, hvor stor en andel af jeres kunder I mister over en given periode. Formlen er: Churn Rate = (Antal mistede kunder i perioden ÷ Antal kunder ved periodens start) × 100. En churn rate på 5 % om måneden betyder, at I mister 5 ud af 100 kunder hver måned.
Churn rate er en af de vigtigste metrics for abonnementsbaserede virksomheder (SaaS, streaming, fitness, e-commerce med abonnement), fordi den direkte påvirker jeres vækst og indtjening. Selv en tilsyneladende lav månedlig churn kan have store konsekvenser over tid: 5 % månedlig churn svarer til, at I mister over halvdelen af jeres kundebase på et år. Det koster typisk 5-7 gange mere at skaffe en ny kunde end at fastholde en eksisterende.
Der skelnes mellem voluntary churn (kunden opsiger aktivt) og involuntary churn (kunden mistes pga. betalingsfejl, udløbet kort o.l.). Involuntary churn kan ofte reduceres med automatiske genopkrævninger, kortudløbspåmindelser og dunning-flows. Voluntary churn kræver dybere analyse af kundetilfredshed, produktværdi og konkurrencesituation.
For at reducere jeres churn rate bør I fokusere på onboarding (sikre at nye kunder hurtigt oplever værdi), kundeengagement (løbende kommunikation og værditilbud), feedback-loops (forstå hvorfor kunder forlader jer) og win-back-kampagner (genaktivér tidligere kunder). Mange virksomheder tracker også revenue churn (tabt omsætning) ved siden af customer churn for at forstå den økonomiske påvirkning.
I det danske SaaS- og abonnementsmarked er churn en særligt kritisk metric, fordi de fleste markeder er relativt små med et begrænset antal potentielle kunder. Høj churn i et lille marked er en dødsspiral: I løber hurtigt tør for nye kunder at skaffe, mens de eksisterende forsvinder. De mest succesfulde danske abonnementsvirksomheder opnår 'net negative churn' — en situation, hvor upselling og expansion revenue fra eksisterende kunder overstiger den tabte omsætning fra churned kunder. Det kræver et produkt, der bliver mere værdifuldt over tid, og en systematisk tilgang til at identificere og handle på churn-signaler (faldende login-frekvens, reduceret brug af kernefunktioner, manglende adoption af nye features). Prædiktiv churn-modellering via maskinlæring — hvor I identificerer kunder med høj churn-sandsynlighed, før de opsiger — er en voksende trend, der muliggør proaktiv intervention i stedet for reaktiv damage control.
Churn rate i praksis
En abonnementsboks med 2.000 kunder mister 120 kunder om måneden (6 % churn). Ved analyse viser det sig, at 40 % af churnen er involuntary (betalingsfejl). Ved at implementere automatisk genopkrævning og kortudløbspåmindelser reduceres involuntary churn med 75 %, og den samlede churn falder til 4,2 %. Det svarer til 36 ekstra kunder fastholdt per måned — eller over 430 kunder om året.
OFTE STILLEDE SPØRGSMÅL