Churn-Raten-Analyse: Churn nach Segment messen
Churn jenseits eines Durchschnitts analysieren: freiwilligen und unfreiwilligen Churn trennen, nach Tarif, Kundendauer, Kanal segmentieren, Kohorten lesen.
Von Florian
Churn-Raten-Analyse heißt, eine einzige Churn-Zahl in die Teile zu zerlegen, die unterschiedliche Lösungen brauchen: zuerst freiwilliger gegen unfreiwilligen Churn, dann Segmente wie Tarif, Kundendauer, Kanal und Zahlungsmethode, dann der Zeitpunkt der Abgänge über Kohorten hinweg. Eine einzige unternehmensweite Rate zeigt nicht, ob Kunden Ihr Produkt ablehnen oder Zahlungen von selbst scheitern, und sie verbirgt die kleinen Segmente, in denen sich Churn konzentriert. Dieser Ratgeber zeigt die Formeln, die Aufteilungen, die sich zuerst lohnen, wie Sie Kohortenkurven lesen, mit welchen Benchmarks Sie vergleichen und wie Sie ein monatliches Churn-Review durchführen.
Wenn Sie zuerst die Grundformeln brauchen, beginnen Sie mit wie Sie die Churn-Rate berechnen. Dieser Ratgeber setzt dort an, wo jener aufhört: was Sie mit der Zahl tun, sobald Sie sie haben.
Welche Churn-Formeln brauchen Sie, und was sagt jede aus?
| Kennzahl | Formel | Was sie zeigt |
|---|---|---|
| Kunden-Churn-Rate (Logo Churn) | Verlorene Kunden im Zeitraum ÷ Kunden zu Beginn des Zeitraums | Wie viele Konten gehen. Beispiel: 40 verloren ÷ 800 Kunden zu Beginn = 5,0 %. |
| Umsatz-Churn-Rate | Durch Kündigungen verlorener MRR ÷ MRR zu Beginn des Zeitraums | Wie viel Umsatz geht. Beispiel: 12.000 $ ÷ 200.000 $ = 6,0 %. |
| Brutto-Umsatzbindung | (Start-MRR − Churn − Contraction) ÷ Start-MRR | Gehaltener Umsatz vor Expansion. Beispiel: (200.000 $ − 12.000 $ − 4.000 $) ÷ 200.000 $ = 92,0 %. |
| Netto-Umsatzbindung | (Start-MRR − Churn − Contraction + Expansion) ÷ Start-MRR | Ob bestehende Kunden den Umsatz steigern. Beispiel: (200.000 $ − 12.000 $ − 4.000 $ + 9.000 $) ÷ 200.000 $ = 96,5 %. |
| Umrechnung monatlich in jährlich | 1 − (1 − monatliche Rate)^12 | Was eine Monatsrate über ein Jahr bedeutet. Bei 5 % monatlichem Churn liegt der kumulierte Jahresverlust bei etwa 46 %. |
Diese Beispiele nutzen hypothetische Zahlen auf derselben Ausgangsbasis, um zu zeigen, warum die Kennzahlen unterschiedliche Fragen beantworten. Kunden-Churn zählt jedes Konto gleich, während Umsatz-Churn Abgänge nach ihrem MRR gewichtet. Die Brutto-Umsatzbindung ist strenger als die Netto-Umsatzbindung, weil sie Verluste nicht durch die Expansion wachsender Konten ausgleichen lässt; siehe Net Revenue Retention. Ein starker Nettowert kann neben schrumpfendem Umsatz bei kleineren Kunden bestehen.
Die Jahresumrechnung zählt, weil sich monatlicher Churn aufzinst. Bei 5 % im Monat bleiben nach einem Jahr etwa 54 % der Startkunden (0,95 hoch 12), also gehen rund 46 % verloren, nicht 60 %. Monats- und Jahrespläne churnen außerdem nach unterschiedlichen Kalendern, wie jährlicher vs. monatlicher Churn erklärt.
Nenner-Regel: Schreiben Sie vor der Berechnung auf, wer zählt. Legen Sie fest, ob Testphasen, pausierte Konten, Erstattungen und reaktivierte Kunden enthalten sind, und notieren Sie das genaue Datum der Start-Momentaufnahmen für Kunden und MRR. Halten Sie diese Definitionen von einem Berichtszeitraum zum nächsten fest.
Wie trennen Sie freiwilligen von unfreiwilligem Churn?
Eine Gesamt-Churn-Zahl bündelt Abgänge, die unterschiedliche Lösungen brauchen. Freiwilliger Churn folgt auf die Entscheidung eines Kunden, zu kündigen oder nicht zu verlängern. Unfreiwilliger Churn folgt auf eine fehlgeschlagene Zahlung, etwa eine abgelaufene Karte oder eine Ablehnung durch die Bank. Beides als ein Ergebnis zu behandeln, kann ein Produktteam auf die Suche nach Unzufriedenheit schicken, wenn das unmittelbare Problem die Zahlungswiederherstellung ist.
Klassifizieren Sie Abgänge anhand von Ereignisdaten. Eine Kündigungsanfrage und sinkende Nutzung vor dem Abgang deuten auf einen freiwilligen Abgang. Ein Fehlercode der Zahlung auf der letzten Rechnung deutet auf einen unfreiwilligen. Im Beispiel unten sind 20 von 400 Kunden in einem Monat abgewandert: 14 haben gekündigt und 6 gingen durch fehlgeschlagene, nie zurückgeholte Zahlungen verloren; der freiwillige Churn liegt also bei 3,5 % und der unfreiwillige bei 1,5 %. Die Verteilung in Ihren eigenen Daten wird anders sein; unfreiwilliger Churn zeigt, wie Sie ihn messen.
Wie gleichen Sie fehlgeschlagene Zahlungen ab, bevor Sie Churn zählen?
Eine fehlgeschlagene Verlängerung ist nicht immer ein dauerhafter Abgang. Legen Sie ein Wiederherstellungsfenster fest, das zu Ihrem Retry-Prozess passt, und zählen Sie den Kunden nur dann als unfreiwillig gechurnt, wenn er beim Schließen dieses Fensters noch inaktiv ist. Geht die Zahlung durch und bleibt der Kunde innerhalb des Fensters aktiv, markieren Sie das Ereignis als zurückgeholt statt als Churn. So wird ein vorübergehendes Abrechnungsproblem nicht als Ablehnung des Produkts erfasst oder bei der Rückkehr des Kunden doppelt gezählt. Wie Retries funktionieren und wie lange Plattformen es weiter versuchen, steht in was ein Payment Retry bedeutet.
Halten Sie in der Abrechnungstabelle das Fehlerereignis, den Wiederherstellungsstatus, den Kündigungsstatus und den Reaktivierungsstatus getrennt. Eine Erstattung oder ein Chargeback braucht ebenfalls einen eigenen Eintrag: Sie können Umsatzverlust verursachen, ohne zu beweisen, dass der Kunde formell gekündigt hat. Eine Pause oder ein Downgrade ändert das Konto oder seinen Wert, sollte aber nicht in den Kundenverlust eingerechnet werden.
| Churn-Art | Typische Ursache | Wie Sie es bestätigen | Hebel zur Kundenbindung |
|---|---|---|---|
| Freiwilliger Churn | Preis, geringe Nutzung, unerfüllter Bedarf oder ein Wettbewerber | Kündigungsgrund und sinkende Nutzung vor dem Abgang | Onboarding verbessern oder im Kündigungsflow eine passende Alternative anbieten |
| Unfreiwilliger Churn | Abgelaufene Karte, fehlende Deckung oder Ablehnung durch die Bank | Fehlercode der Zahlung auf der letzten Rechnung | Automatische Retries und Links zur Kartenaktualisierung nutzen |
| Zurückgeholter Fehler | Fehlgeschlagene Belastung, innerhalb des Retry-Fensters bezahlt | Kunde vor Schließen des Fensters wieder aktiv | Als zurückgeholt zählen, nicht als Churn |
| Downgrade oder Pause | Tarifwechsel oder vorübergehende Unterbrechung | Tarif- oder Statuswechsel in der Abrechnungshistorie | Als Contraction erfassen, getrennt vom Kundenverlust |
| Erstattung oder Chargeback | Streitfall oder Erstattungsanfrage | Erstattungs- oder Dispute-Eintrag | Als Umsatzverlust erfassen und gesondert prüfen |
Führen Sie in einer Tabelle Churn gesamt, freiwilligen Churn und unfreiwilligen Churn abzüglich Wiederherstellungen als getrennte Zeilen. Diese einfache Aufteilung gibt dem Team eine klarere erste Frage: Entscheiden sich Kunden zu gehen, oder unterbricht ein Abrechnungsereignis ein Abo, das sonst weiterlaufen würde?
Welche Segmente sollten Sie vergleichen, bevor Sie dem Durchschnitt trauen?
Zwei Kündigungen in einem Monat klingen nach wenig, bis Sie erfahren, dass sie aus einem Tarif mit zwölf Kunden kamen. Das ist eine Churn-Rate von 16,7 % in einem Segment, das ein unternehmensweiter Durchschnitt von wenigen Prozent nie sichtbar machen würde. Durchschnitte glätten genau die Stellen, an denen sich Churn konzentriert, also vergleichen Sie Gleiches mit Gleichem, bevor Sie eine Rate für gesund halten.
Die Aufteilungen, die sich zuerst lohnen, weil jede auf eine andere Lösung zeigt:
- Tarif oder Preisstufe: Ein günstigerer Tarif kann schneller Kunden verlieren als ein Premium-Tarif, während der Premium-Tarif pro Abgang mehr verlorenen Umsatz ausmacht.
- Kundendauer: Vergleichen Sie 0–30 Tage, 31–90 Tage, 91–365 Tage und über 365 Tage. Eine Spitze bei neuen Kunden zeigt auf Onboarding oder den ersten Nutzen (siehe Onboarding, Aktivierung und früher Churn); ein Anstieg bei langjährigen Konten zeigt auf Produktdrift oder Reibung bei der Verlängerung.
- Akquisekanal: Vergleichen Sie bezahlte Social-Media-Kampagnen mit Empfehlungen. Ein Kanal mit hohem Volumen kann Kunden bringen, deren Erwartungen nie zum Produkt passten.
- Vertragsart: Monatspläne schaffen in jedem Zyklus eine Kündigungsgelegenheit; Jahrespläne bündeln das Risiko in Verlängerungsfenstern.
- Land oder Zeitzone: Zahlungsergebnisse variieren mit Region und Verlängerungszeitpunkt, und ein Muster um lokale Zahltage oder Bankablehnungen verdient eine Prüfung der Abrechnung.
- Zahlungsmethode: Kunden mit Karte und mit Lastschrift scheitern unterschiedlich, und manche Kartentypen tragen mehr Risiko (siehe Prepaid- und virtuelle Karten), also prüfen Sie die Wiederherstellungsergebnisse, bevor Sie sie zusammenlegen.
- Produkt oder Gerät: Trennen Sie bei einer App iOS und Android. Ein Unterschied grenzt die Untersuchung auf eine plattformspezifische Erfahrung ein.
Führen Sie die Aufteilung in freiwillig und unfreiwillig auch innerhalb jedes Segments durch. Ein Premium-Tarif, der Kunden durch Kartenablehnungen verliert, braucht Retries und Links zur Kartenaktualisierung; dieselbe Rate durch bewusste Kündigungen braucht eine Antwort bei Produkt oder Preis. Zwei Segmente können identische Churn-Raten zeigen und gegensätzliche Reaktionen erfordern.
Zeigen Sie für jede Aufteilung die Segmentrate neben der Gesamtrate und geben Sie die dahinterstehende Kundenzahl an. Legen Sie eine Toleranz für Abweichungen fest, die ein Review auslösen, und behandeln Sie kleine Stichproben als Grund, mehr Monate an Daten zu sammeln, statt als Signal zum Handeln.
Ordnen Sie Segmente schließlich nach verlorenem Umsatz wie nach Rate. Eine moderate Churn-Rate in einem großen Segment mit hohem MRR kann mehr kosten als eine dramatische Rate in einem kleinen. Geben Sie den drei Segmenten mit dem größten Umsatzverlust ein eigenes Review, damit ein auffälliger Prozentsatz nie die Aufmerksamkeit vom größeren kommerziellen Schaden abzieht.
Wie zeigen Kohorten und Überlebenskurven, wann Kunden gehen?
Zwei Abo-Geschäfte können dieselbe monatliche Churn-Rate melden und gegensätzliche Lösungen brauchen. Eines verliert Kunden in den ersten Wochen, weil Karten scheitern oder das Onboarding stockt. Das andere wirkt elf Monate stabil und fällt dann bei der Verlängerung ab. Gruppieren Sie Kunden nach dem Monat ihrer ersten Zahlung und verfolgen Sie den aktiven Anteil jeder Gruppe an festen Meilensteinen. Eine Kohortenkurve beginnt bei 100 % und sinkt stufenweise, wenn Kunden gehen; ihre Form zeigt, wann Sie nachforschen sollten, bevor Sie über Ursachen streiten.
Ein steiler früher Abfall teilt sich meist in unterschiedliche Arbeit: unfreiwillige Verluste rund um die ersten Belastungen oder freiwillige Abgänge, wenn Einrichtung und erster Nutzen ausbleiben. Eine flache Kurve, die gegen Monat 12 fällt, zeigt auf die Vorbereitung der Verlängerung und das Entscheidungsfenster des Kunden. Die Kurve beweist keine Ursache. Sie grenzt den Kalender ein.
Ein Rechenbeispiel mit illustrativen Werten:
| Anmeldekohorte | Aktiv in Monat 1 | Aktiv in Monat 3 | Aktiv in Monat 6 | Aktiv in Monat 12 |
|---|---|---|---|---|
| Älteste Kohorte in den Daten | 97 % | 94 % | 91 % | 78 % |
| Mittlere Kohorte | 90 % | 81 % | 77 % | 75 % |
| Neueste Kohorte mit 12 Monaten Daten | 95 % | 89 % | 86 % | 82 % |
Lesen Sie die älteste Kohorte als Verlängerungsproblem: stabil bis Monat 6, dann ein starkes Abrutschen bis Monat 12. Lesen Sie die mittlere Kohorte als Problem der frühen Phase: 10 Punkte weg bis Monat 1, weitere 9 bis Monat 3, dann ein flacherer Verlauf. Die neueste Kohorte zeigt eine bessere frühe Bindung, mit einer Erosion, die sich später noch aufbaut.
Füllen Sie jede Zelle mit dem Anteil, der an diesem Meilenstein noch aktiv ist. Hat eine Kohorte einen Meilenstein noch nicht erreicht, lassen Sie ihn unbeobachtet, statt null einzutragen. Kunden, die am Ende der Beobachtung noch aktiv sind, sind rechtszensiert: Ihre Zeit zählt, ihr Ergebnis ist unbekannt. Ein SAS-Konferenzpapier zum Churn in der Telekommunikation modelliert Churn so über ein 15-monatiges Beobachtungsfenster – eine Erinnerung daran, dass ungleiche Beobachtungsfenster einfache Zählungen nach dem Muster „gegangen oder nicht“ verzerren.
Die Kaplan-Meier-Methode schätzt eine Überlebenskurve und berücksichtigt dabei Kunden, deren Beobachtung endet, bevor sie gehen. Ein Proportional-Hazards-Modell wie das Cox-Modell kann schätzen, wie ein Attribut das momentane Risiko des Abgangs verändert. Wenn ein Attribut vor allem rund um die erste Rechnung oder nur bei der Verlängerung zählt, kann ein einzelnes durchschnittliches Risiko diesen Zeitpunkt verbergen; stratifizieren Sie oder testen Sie eine Zeitinteraktion, bevor Sie einem einzelnen Koeffizienten trauen.
Für ein praktisches Kohorten-Review gruppieren Sie nach Anmeldemonat, erfassen den Status in festen Abständen, schätzen jede Kurve und vergleichen dann die Kohorten nach Segment. Den schrittweisen Aufbau, mit SQL, finden Sie in Kohortenanalyse der Kundenbindung. Vergleichen Sie Kohorten mit ähnlichen Beobachtungszeiträumen. Wenn zwei ähnlich große Gruppen unterschiedliche Kurven zeigen, fragen Sie, welcher Segmentmix, welches Abrechnungsmuster oder welches Vertragsereignis sich geändert hat, bevor Sie den Unternehmensdurchschnitt als Erklärung nehmen.
Eine Kohortenkurve kann zeigen, wann sich die Bindung ändert; sie kann die Ursache nicht allein bestimmen. Verbinden Sie den Zeitpunkt mit Zahlungsmethode, Anmeldequelle, Nutzung, Vertragsstruktur und Kündigungsgrund. Unfreiwillige Fehler rund um Abrechnungsereignisse verlangen eine Prüfung des Wiederherstellungs-Timings und der Reibung bei der Kartenaktualisierung. Freiwillige Abgänge rund um die Verlängerung verlangen einen Nutzennachweis und eine Prüfung der Angebote. Testen Sie jede Änderung gegen eine vergleichbare Kohorte, bevor Sie ihr die Verbesserung zuschreiben.
Mit welchen Benchmarks können Sie vergleichen, und wo liegen ihre Grenzen?
Ein Benchmark ist nur nützlich, wenn Geschäftsmodell, Vertragswert, Kennzahl und Zeitraum übereinstimmen. Eine monatliche Kunden-Churn-Rate für B2B-SaaS lässt sich nicht neben eine jährliche Umsatzbindung oder Kündigungen im ersten Monat bei App-Abos stellen und als dieselbe Messung behandeln. Nutzen Sie veröffentlichte Zahlen, um eine Frage zu formulieren; machen Sie daraus kein universelles Ziel.
- 01 Geschäftsmodell B2B-SaaS, Consumer-App oder E-Commerce
- 02 Vertrag Monatlich oder jährlich, und der Preispunkt
- 03 Kennzahl Kunden oder Umsatz, freiwillig oder unfreiwillig
- 04 Zeitraum und Definition Monatlich oder jährlich, und wer zur Basis zählt
| Quelle | Geschäftsmodell | Veröffentlichte Zahl | Nur vergleichen mit |
|---|---|---|---|
| UserMotion 2024 | Über 1.000 Abo-Unternehmen | Durchschnittlicher Churn von 4,2 %, davon 3,5 % freiwillig und 0,7 % unfreiwillig (UserMotion-Benchmark) | B2B-SaaS-Churn mit vergleichbarer Definition und vergleichbarem Zeitraum |
| SaaS Capital 2025 | Private B2B-SaaS-Unternehmen | Median der Brutto-Umsatzbindung von 91 % und der Netto-Umsatzbindung von 101 % (Retention-Benchmarks von SaaS Capital) | Nur Vergleiche der Umsatzbindung |
| Lighter Capital 2025 | 155 private B2B-SaaS-Start-ups, Daten bis 2024 | Median des Kunden-Churns von 16,25 % (Lighter-Capital-Benchmark) | B2B-SaaS-Start-ups in der Frühphase |
| RevenueCat 2025 | Abo-Apps | Fast 30 % der Jahresabos im ersten Monat gekündigt (RevenueCat-Bericht) | Jährliche Mobile-App-Abos |
| Recurly-Studie, veröffentlicht 2025 | Kunden von E-Commerce-Abos in den USA und Europa | 74 % der E-Commerce-Abonnenten nach dem ersten Jahr abgesprungen, aus einer Umfrage unter 1.000 Verbrauchern (Bericht von Internet Retailing) | Consumer-Abos im E-Commerce |
Lesen Sie jede Zeile nach Einheit und Grundgesamtheit. UserMotion trennt freiwilligen und unfreiwilligen Churn, sein unfreiwilliger Anteil gibt Ihnen also eine eigene Prüfung für Zahlungsfehler statt für Produktunzufriedenheit. SaaS Capital gehört in Gespräche über Umsatzbindung und sagt wenig über Kunden-Churn bei sitzbasierten Enterprise-Verträgen, wo ein verlorenes Konto die Gewinne mehrerer Expansionen auslöschen kann. Lighter Capital beschreibt private Start-ups; RevenueCat misst den ersten Monat jährlicher App-Pläne; die Recurly-Umfrage misst Abgänge im ersten Jahr im Consumer-E-Commerce. Ein Unternehmensdurchschnitt kann diesen ganzen Mix verbergen.
Ein Benchmark verdient seinen Platz, wenn er den nächsten Vergleich verändert. Gleichen Sie zuerst Kundentyp, Vertragsstruktur und Kennzahl ab. Vergleichen Sie dann Ihr Segment mit der nächstliegenden Zeile und notieren Sie jede Abweichung: jährliche oder monatliche Abrechnung, Consumer oder B2B, Kunden oder Umsatz, freiwillig oder unfreiwillig. Die öffentlichen Zahlen von Recurly nach Branche und Preisstufe sind in Churn-Raten-Benchmarks gesammelt.
Die einfachste nützliche Prüfung ist Ihr monatlicher Kunden-Churn neben der Monatsrate eines passenden Benchmarks, mit Ihrem unfreiwilligen Anteil getrennt ausgewiesen. Ist der Benchmark jährlich, umsatzbasiert oder aus einer anderen Kundengruppe, behalten Sie ihn als Kontext und bauen Sie das Ziel aus Ihren eigenen Kohorten.
Wie finden Sie die Faktoren, die Churn bewegen?
Sobald Sie wissen, welche Kunden gehen, vergleichen Sie, was die Abgänger gemeinsam hatten, mit dem, was die Bleibenden hatten. Nützliche Felder sind abgeschlossenes Onboarding, frühe aktive Nutzung, genutzte gegenüber gekauften Sitzen, Support-Tickets, NPS, Anmeldequelle und Zahlungsmethode. Es geht nicht darum, jedes Attribut zu sammeln. Es geht darum, einen Unterschied zu finden, der Ihnen eine testbare Frage gibt.
Angenommen, als hypothetisches Beispiel, 55 % der Kunden, die gehen, haben das Onboarding abgeschlossen, gegenüber 80 % der Bleibenden. Diese Lücke legt eine Untersuchung nahe: Vielleicht geht unvollständiges Onboarding mit höherem Churn einher, oder ein anderer Unterschied zwischen den Gruppen erklärt beides. Prüfen Sie, wie viele Kunden hinter jedem Anteil stehen, bevor Sie das Ergebnis priorisieren. Eine kleine Stichprobe kann einen groß wirkenden Unterschied instabil machen. Um den Kontext von Kündigungen zu erfassen, nutzen Sie eine Umfrage zu Kündigungsgründen; für Modelle, die jeden Kunden bewerten, siehe Churn mit Kundendaten vorhersagen.
Testen, bevor Sie standardisieren: Wenn unvollständiges Onboarding mit Abgängen zusammenhängt, ändern Sie einen Teil des Onboarding-Pfads für eine festgelegte Gruppe neuer Kunden. Vergleichen Sie die Kohortenkurve dieser Gruppe mit einer Kontrollgruppe über denselben Beobachtungszeitraum. Ein Vergleich kann einen vielversprechenden Faktor aufzeigen; ein kontrollierter Test zeigt, ob seine Änderung einen Unterschied macht.
Führen Sie ein kurzes Protokoll mit Attribut, beobachteten Stichprobengrößen, Deutung, vorgeschlagenem Test und Ergebnis. Dieses Protokoll macht das nächste Review zur Fortsetzung der Beweissammlung statt zu einer neuen Runde von Vermutungen. Es verhindert auch, dass eine Korrelation zur Regel wird, bevor jemand den Mechanismus getestet hat.
Wie führen Sie ein monatliches Churn-Review durch?
Machen Sie das monatliche Review wiederholbar. Nutzen Sie einen einzigen Satz Definitionen, bewahren Sie die Start-Momentaufnahme und weisen Sie dem klarsten Treiber eine Maßnahme zu, statt mit einem Dashboard unerklärter Veränderungen zu enden. Die Kennzahlen selbst sind in dem Churn-Dashboard beschrieben.
- 01 Ausgangsbasis MRR und Kunden zu einem festen Stichtag
- 02 Kunden-Churn Verlorene Kunden ÷ Kunden zu Beginn
- 03 Umsatzbindung Verlorener MRR, Brutto- und Netto-Retention
- 04 Churn aufteilen Freiwillig, unfreiwillig, zurückgeholt
- 05 Größte Verluste Segmente mit dem meisten verlorenen MRR
- 06 Verantwortung und Test Eine Person, ein nächster Schritt, protokolliert
- Holen Sie die Ausgangsbasis. Erfassen Sie MRR und Kundenzahl zu Beginn des Zeitraums, jeden Monat zum selben festen Stichtag.
- Berechnen Sie den Kunden-Churn. Zählen Sie die im Zeitraum verlorenen Kunden und teilen Sie durch die Kundenzahl zu Beginn.
- Berechnen Sie die Umsatzbindung. Messen Sie verlorenen MRR, Brutto- und Netto-Umsatzbindung, mit gleichbleibenden Definitionen für Contraction und Expansion.
- Teilen Sie den Churn auf. Trennen Sie freiwillige von unfreiwilligen Abgängen und halten Sie zurückgeholte Zahlungsfehler getrennt.
- Prüfen Sie die größten Umsatzverluste. Geben Sie den Segmenten mit dem größten verlorenen MRR ein Review, nicht nur denen mit den höchsten Churn-Raten. Vergleichen Sie jedes mit dem am besten passenden Benchmark und notieren Sie die Grenzen dieses Vergleichs.
- Bestimmen Sie Verantwortung und Test. Geben Sie jedem bestätigten Faktor eine verantwortliche Person und einen nächsten Schritt, und halten Sie das Ergebnis im selben Review-Protokoll fest.
Wenn unfreiwilliger Churn heraussticht, beginnen Sie bei den Abrechnungsabläufen. Suchen Sie nach abgelaufenen Karten und fehlgeschlagenen Zahlungen vor Verlängerungsterminen und bestätigen Sie dann, dass automatische Retries und Links zur Kartenaktualisierung laufen. Schließen Sie das Review ab, indem Sie Kennzahldefinitionen, Segmentbefunde, Wiederherstellungsergebnisse und zugewiesene Tests an einem Ort festhalten. Das gibt dem nächsten monatlichen Review eine gleichbleibende Basis und macht leichter sichtbar, ob eine Maßnahme das Muster verändert hat.
FAQ
Was ist eine Churn-Raten-Analyse?
Es ist die Arbeit, eine Churn-Rate nach Ursachen und Orten zu zerlegen: freiwillig gegen unfreiwillig, nach Segment und danach, wann im Kundenleben der Abgang passiert. Ziel ist ein konkreter, testbarer nächster Schritt statt einer einzigen Zahl zum Beobachten.
Was ist der Unterschied zwischen Kunden-Churn und Umsatz-Churn?
Kunden-Churn zählt verlorene Kunden, jeden gleich. Umsatz-Churn zählt verlorenen MRR, ein großes Konto wiegt also mehr als ein kleines. Berichten Sie beides: Die Werte können sich gegenläufig bewegen.
Wie viele Kunden braucht ein Segment, damit seine Churn-Rate etwas aussagt?
Es gibt keine feste Schwelle. Bei zwölf Kunden verschiebt eine Kündigung die Rate um mehr als 8 Punkte. Zeigen Sie die Kundenzahl immer neben der Rate an und fassen Sie Monate oder Segmente zusammen, bis die Zahl groß genug ist, dass ein Abgang das Ergebnis nicht kippt.
Sollten fehlgeschlagene Zahlungen als Churn zählen?
Erst wenn das Wiederherstellungsfenster geschlossen ist. Eine fehlgeschlagene Verlängerung, die innerhalb Ihres Retry-Fensters bezahlt wird, ist eine zurückgeholte Zahlung, kein Churn. Zählen Sie sie nur dann als unfreiwilligen Churn, wenn der Kunde am Ende des Fensters noch inaktiv ist.
Wie NoChurn hilft
NoChurn liest Abo-Ereignisse aus Ihrem Abrechnungstool (Stripe in einem Klick, Chargebee, Recurly, Paddle und weitere per Connector oder jede Abrechnung per API), sodass freiwillige und unfreiwillige Abgänge anhand echter Abrechnungsereignisse getrennt werden. Sie können Ihre eigenen Kundenattribute in einem API-Aufruf senden, etwa Anmeldedatum, Quelle, Sitze, Nutzung, Onboarding oder NPS, und NoChurn zeigt, welche mit Churn einhergehen, mit der Stichprobengröße hinter jedem Ergebnis: Korrelation, keine Kausalität, und nur ein Hinweis, solange die Stichproben klein sind. Es erkennt, wenn ein Kunde kurz vor der Verlängerung seine Karte entfernt, erhöht den Churn-Score und startet einen Rettungsflow, bevor die Zahlung scheitert. Um auf die Ergebnisse des Reviews zu reagieren, übernimmt es die Wiederherstellung fehlgeschlagener Zahlungen, Kündigungsflows mit einem Angebot je Grund und einem immer sichtbaren Ein-Klick-Kündigen sowie Win-back-E-Mails nach 30, 60 und 90 Tagen. Siehe Custom data & AI, Churn-Score, fehlgeschlagene Zahlungen und Kündigungsflows.