Madar AI
← Blog'a dön
Pratisyen

Churn oranınız neden aslında 3 farklı sayı (ve her birini nasıl kullanmalı)

Müşteri churn'ü, gelir churn'ü, istemsiz churn — çoğu kurucunun karıştırdığı üç metrik, hangisinin ne zaman kullanılacağı, MENA'ya özgü farklılaşma örüntüleri ve her birini forecast'inizde nasıl modelleyeceğiniz.

Churn oranınız neden aslında 3 farklı sayı (ve her birini nasıl kullanmalı)

Bir abonelik uygulaması kurucusu ekibine soruyor: “Bu ay churn oranımız ne?” Odadaki üç kişi üç farklı sayıyla yanıt veriyor. Üçü de doğru. Aynı zamanda üçü de farklı şeyleri ölçüyor ve belirli bir karar için yanlış olanı seçmek stratejiyi sessizce yanlış yöne gönderecektir.

MENA’da bu üç sayı arasındaki fark Batı pazarlarına göre daha geniştir; çünkü ödeme altyapısı daha parçalıdır ve yerel bankalar ve işlemcilerle kart-reddi oranları yapısal olarak daha yüksektir. Tek bir “churn oranı” raporlayan ve hangisi olduğunu söylemeyen bir ekip, kendisinden anlamlı bilgi gizlemektedir.

İşte önemli olan üç churn oranı, her birinin ne işe yaradığı ve farklılaşmalarına neden olan MENA örüntüsü.

1. Müşteri churn’ü (sayım bazlı)

Neyi ölçer: bir dönemde iptal eden ödeyen müşterilerin yüzdesi.

Formül: (dönem içinde kaybedilen müşteriler) / (dönem başındaki müşteriler)

Ne için kullanılır: sezgisel board raporlaması, ürün-kalitesi soruları (“kullanıcılar ürünün kendisini mi terk ediyor?”) ve manşet retention anlatısı.

Neyi kaçırır: müşteri churn’ü, ayda $99 ödeyen bir kullanıcı ile ayda $9.99 ödeyen bir kullanıcıyı aynı şekilde ele alır. Yüksek-LTV kullanıcılarınız düşük-LTV olanlardan farklı bir oranda churn ediyorsa — ve neredeyse her zaman ederler — müşteri churn’ü sizi gelir etkisi konusunda yanıltacaktır.

%5’lik bir müşteri churn oranı, churn eden müşterileriniz orantısız biçimde yüksek değerli olanlarsa %12’lik bir gelir churn oranını gizleyebilir veya churn eden müşterileriniz çoğunlukla giriş kademesindeyse %2’lik bir gelir churn oranını gizleyebilir. Tek başına sayı, gelir ayrımı olmadan, üzerinde hareket etmek için yeterli değildir.

2. Gelir churn’ü (MRR bazlı)

Neyi ölçer: bir dönemde kaybedilen aylık tekrarlayan gelirin yüzdesi, herhangi bir genişleme sayılmadan önce.

Formül: (iptaller ve indirgemelerden kaybedilen MRR) / (dönem başındaki MRR)

Ne için kullanılır: finansal forecasting, board paketi gelir projeksiyonları, LTV hesaplamaları ve baş sayısından çok parayla ilgili herhangi bir karar.

Neyi kaçırır: gelir churn’ü “kullanıcılar iptal etmeye karar verdi” ile “kartları reddedildi ve geri kazanamadık” arasında ayrım yapmaz. İkisi de MRR’ı azaltır. Ancak çok farklı operasyonel yorumları vardır — biri bir ürün veya fiyatlandırma sorunudur, diğeri bir ödeme altyapısı sorunudur.

Bu özellikle MENA’da bir sonraki sayı nedeniyle doğrudur.

3. İstemsiz churn (ödeme-başarısızlığı bazlı)

Neyi ölçer: bir yenileme ödemesi başarısız olduğu ve retry’lar üzerinden geri kazanılamadığı için kaybedilen MRR yüzdesi — aktif olarak iptal etmeye karar veren kullanıcılardan ayrı olarak.

Formül: (retry pencereleri sonrası başarısız/reddedilen yenilemelerden kaybedilen MRR) / (dönem başındaki MRR)

Ne için kullanılır: ödeme altyapısı kararları, işlemci ve retry politikası ayarı ve “gerçek” churn’ü (kullanıcılar bilerek ayrılıyor) “operasyonel” churn’den (kullanıcılar yanlışlıkla ayrılıyor) ayırmak.

MENA’da neden daha çok önemli: abonelik yenilemelerinde kart-reddi oranları Iyzico-işlemli Türk kartlarda, uluslararası raylarda Mısır’da verilen kartlarda ve uluslararası işlemciler üzerinden yönlendirilen Mada-verilmiş Suudi kartlarda, Stripe üzerinden ABD’de verilen kartlardan maddi olarak daha yüksektir. Varsayılan retry ayarlarıyla MENA abonelik uygulamalarında istemsiz churn’ün küresel temelin 1.5 ila 3 katı arasında çalıştığını görüyoruz.

%8 gelir churn’ü olan bir MENA abonelik uygulaması %3 gönüllü + %5 istemsiz çalışıyor olabilir. Ekip %8’i “ürün yeterince retention yapmıyor” olarak yorumluyor ve retention özellikleri yayınlamaya başlıyor. Asıl sorun şu ki retry politikası bir başarısız denemeden sonra üç yerine vazgeçiyor ve ödeme rayı düzeltmesi boşluğun çoğunu ürün işi olmadan kapatırdı.

Gerçek bir MENA cohort’unda üçü nasıl ayrışır

Matematiği somutlaştırmak için basitleştirilmiş bir örnek (sayılar açıklama için seçilmiştir, belirli bir hesaptan değildir):

  • Ay başında 100 ödeyen müşteri
  • Kaybedilen 8 müşteri → %8 müşteri churn’ü
  • Bu 8’in: 5’i giriş kademesi ($5/ay), 3’ü üst kademe ($25/ay). Toplam kaybedilen MRR: $1.000 başlangıç MRR’ından $100 → %10 gelir churn’ü
  • Bu 8’in: 5’i aktif olarak iptal etti, 3’ünün başarısız bir yenilemesi vardı ve sistem bir retry sonrası vazgeçti. Bu 3’ü kaybedilen $100’ün $30’unu temsil ediyor → %3 istemsiz churn (ve %7 gönüllü)

Üç geçerli sayı. Üç farklı operasyonel hikaye. Board paketi sayısı %10’dur (gelir churn’ü). “Ne düzeltileceği” sayısı %3 istemsizdir, çünkü o boşluğu kapatmak mevcut en yüksek kaldıraçlı hamledir.

Her birini forecast’inizde nasıl modellemeli

Ekiplerin yaptığı hata “churn”ü tek bir çizgi olarak forecast etmektir. Her bir bileşeni ayrı modellemek doğrudur çünkü her biri farklı kaldıraçlara yanıt verir:

Müşteri churn’ü ürün-pazar uyumu ve onboarding kalitesi ile trend olur. Ürün değişiklikleri yayınladıkça aylık ila çeyreklik zaman ölçeklerinde değişir. Tek bir sayı olarak değil, kullanıcı kademesine ve cohort yaşına göre forecast edin.

Gönüllü gelir churn’ü (aktif iptallerden gelen gelir churn’ünün kısmı) aynı ürün-pazar uyumu sinyaliyle ancak LTV ağırlıklı olarak trend olur. Yüksek-LTV kullanıcılarınız düşük-LTV olanlardan daha hızlı ayrılıyorsa, gönüllü gelir churn çizgisi müşteri churn çizgisinden ayrışacaktır — bu ayrışma, en yüksek değerli cohort’larınızın mutlu olmadığının öncü göstergesidir.

İstemsiz gelir churn’ü ödeme altyapısı kararlarıyla trend olur: retry politikası, kart-güncelleme istemleri, ödeme-rayı çeşitliliği. Tek bir sprint’te bir retry-policy refactor ile %30-60 kesilebilir ve bu iyileşme çoğunlukla kalıcıdır — kullanıcı tabanı geliştikçe sürdürülmesi gereken ürün-driven retention çalışmasının aksine.

Her çizgiyi ayrı forecast edin. Her çizgi için hedef belirleyin. Üç çizgi birlikte hareket ettiğinde, ürününüz kaldıraçtır. Ayrıştıklarında, ürününüz veya ödemeleriniz kaldıraçtır — ve hangisi size işin tam olarak nerede olduğunu söyler.

Madar’ın burada yüzeye çıkardığı sinyal

Madar AI abonelik verinize bağlandığında, yaptığı ilk şey raporlanan churn’ünüzü bu üç bileşene ayırmak ve hangisinin hareket ettiğini işaretlemektir. Rutin olarak “churn sorunu” olan MENA abonelik uygulamaları görüyoruz — bunların %60-70’i istemsiz çıkıyor, yani ürün sorunu olarak kılığa girmiş bir ödeme altyapısı sorunu.

Bu ayrımı gerçek verileriniz üzerinde görmek isterseniz, canlı demo bunu ilk 10 dakikada yapar.