Tỷ lệ rời bỏ so với tỷ lệ giữ chân: Phép tính mọi nhà sáng lập SaaS cần biết

Rời bỏ và giữ chân là hai mặt của cùng một đồng xu

Tỷ lệ rời bỏ là phần trăm khách hàng hủy dịch vụ, ngừng mua hàng, hoặc rời bỏ một doanh nghiệp trong một giai đoạn nhất định. Tỷ lệ giữ chân là phần trăm khách hàng còn ở lại trong cùng giai đoạn đó — phần bù của tỷ lệ rời bỏ, nên hai con số này luôn cộng lại bằng 100%. Cả hai đều nằm trong số các chỉ số sức khỏe được theo dõi sát sao nhất đối với các doanh nghiệp có doanh thu định kỳ, vì tỷ lệ rời bỏ ảnh hưởng trực tiếp đến giá trị vòng đời khách hàng và tính bền vững của tăng trưởng.

Phép tính hằng tháng, minh họa cụ thể

Tỷ lệ rời bỏ hằng tháng là số khách hàng mất đi chia cho số khách hàng vào đầu giai đoạn, biểu diễn dưới dạng phần trăm. Với 2.000 khách hàng vào đầu tháng và mất 40 khách hàng trong tháng đó, tỷ lệ rời bỏ hằng tháng là 40 ÷ 2.000 = 2%, và tỷ lệ giữ chân là 100% − 2% = 98%.

• Tỷ lệ rời bỏ hằng tháng = (số khách hàng mất ÷ số khách hàng đầu kỳ) × 100 → 40 ÷ 2.000 = 2%
• Tỷ lệ giữ chân = 100 − tỷ lệ rời bỏ hằng tháng → 100% − 2% = 98%
• Vòng đời khách hàng trung bình (tháng) = 100 ÷ tỷ lệ rời bỏ hằng tháng → 100 ÷ 2 = 50 tháng

Vì sao tỷ lệ rời bỏ theo năm cao hơn nhiều so với 12 lần tỷ lệ hằng tháng

Một sai lầm phổ biến là nhân tỷ lệ rời bỏ hằng tháng với 12 để ước tính con số theo năm. Điều đó đánh giá thấp tác động thực sự, vì một doanh nghiệp không mất cùng một nhóm khách hàng hai lần — tỷ lệ rời bỏ mỗi tháng áp dụng lên một nền khách hàng còn lại ngày càng nhỏ hơn. Cách tính đúng là ghép tỷ lệ giữ chân hằng tháng qua 12 tháng rồi lấy 100% trừ đi: 1 − (1 − 0,02)^12 ≈ 21,5%.

Điều đó có nghĩa là một tỷ lệ rời bỏ hằng tháng trông có vẻ khiêm tốn ở mức 2% lại tích lũy thành khoảng 21,5% nền khách hàng ban đầu bị mất trong suốt một năm — một lời nhắc rằng ngay cả tỷ lệ rời bỏ hằng tháng nhỏ cũng cộng dồn nhanh hơn so với phép nhân đơn giản, một khi tính đến hiệu ứng ghép dồn.

Từ tỷ lệ rời bỏ đến vòng đời khách hàng kỳ vọng

Vòng đời khách hàng trung bình ngụ ý từ một tỷ lệ rời bỏ chính là nghịch đảo toán học của tỷ lệ đó: 100 ÷ 2 = 50 tháng trong ví dụ này. Đây là một cách đơn giản hóa phổ biến được sử dụng trong các khung chỉ số SaaS, bao gồm SaaS Metrics 2,0 của David Skok, để chuyển một tỷ lệ phần trăm rời bỏ thành thời gian quan hệ kỳ vọng — và đó cũng chính là con số được đưa trực tiếp vào công thức giá trị vòng đời khách hàng (CLV) tiêu chuẩn, nơi tỷ lệ rời bỏ thấp hơn tạo ra CLV cao hơn theo tỷ lệ thuận.

Rời bỏ theo số lượng khách hàng so với rời bỏ theo doanh thu

Cách tính rời bỏ kiểu này đo lường rời bỏ theo số lượng khách hàng — thường gọi là «logo churn» — chứ không phải rời bỏ theo doanh thu, vốn có thể kể một câu chuyện khác khi những khách hàng rời đi có mức doanh thu trung bình khác với nền khách hàng chung. Một doanh nghiệp có thể có tỷ lệ rời bỏ theo số lượng khách hàng thấp trong khi rời bỏ theo doanh thu lại cao, nếu chính những tài khoản lớn hơn đang rời đi, hoặc ngược lại. Theo dõi cả hai, thay vì chỉ một trong hai, cho một bức tranh đầy đủ hơn về sức khỏe giữ chân khách hàng.

Câu hỏi thường gặp

Tài liệu tham khảo

1. Skok D. SaaS Metrics 2.0 — A Guide to Measuring and Improving What Matters. forEntrepreneurs.com.
2. Bessemer Venture Partners. State of the Cloud / Cloud Index — SaaS benchmark metrics. bvp.com.
3. Kotler P, Keller KL. Marketing Management. 15th ed. Pearson, 2016.