Tabla de Contenidos
Rotación está en todas partes en el mundo SaaS. Es tan popular que nos hace creer que es una métrica esencial a seguir. Quizás sea la métrica más importante.
Pero no todos están de acuerdo con la rotación de clientes. Nos inspiramos en un artículo escrito para catch.js sobre el tema. Demuestran a través de experimentos de simulación que la rotación de clientes, bajo ciertas circunstancias, mostrará lo opuesto a lo que debería. Argumentan que la rotación de clientes es inútil.
Pensamos que deberíamos observar de manera similar la rotación de clientes. En este artículo (parte cuatro de nuestro serie de Optimización de Precios), probaremos la métrica de rotación de clientes en simulaciones para demostrar cuándo nos da resultados engañosos.
Para comenzar, empecemos con una situación similar a la del artículo mencionado arriba. El artículo utiliza una distribución de Lomax para modelar cuánto tiempo dura una suscripción porque se asemeja más a sus propios clientes.
Tienen muchos clientes que prueban su servicio por poco tiempo, como algunos meses. También obtienen algunos que se quedan mucho más tiempo. Simularemos nuestras suscripciones con la distribución de Weibull, con parámetros que la hacen similar a su modelo de Lomax.
Todos los datos que tu startup necesita
Obtén información profunda sobre el MRR, churn y otras métricas vitales de tu negocio SaaS.
Aunque muchos de nuestros Baremetrics clientes comparten una base de clientes como la suya, algunos no. También probaremos la rotación de clientes en otros tipos de bases de clientes, modelados a partir de las experiencias de nuestros clientes de Baremetrics.
¿Nos engañará la rotación de clientes en esos casos también?
Repasemos la rotación de clientes. Aquí hay una fórmula para la rotación de clientes para cada período:
Rotación de clientes = clientes perdidos / clientes al inicio
La fórmula anterior proporciona la fracción de clientes perdidos en cada período de tiempo. Si perdemos muchos clientes, la fracción aumenta. Si ganamos muchos clientes, la fracción disminuye, idealmente llegando a cero. Una rotación baja es buena, y una rotación alta es mala.
Parece lo suficientemente simple, pero si miramos más de cerca, nos encontraremos con problemas. La rotación de clientes no se comporta de la manera que esperamos.
Escenario: ¿Qué sucede cuando nada cambia?
Comencemos con un escenario en el que nada cambia: un negocio donde nada está mejorando y nada está empeorando. Los registros se mantienen igual. Las duraciones de suscripción son constantes. Los ingresos también son estables.
Esto nos proporciona una línea de base para comparar más adelante cuando algo cambie. Entonces, ¿cómo se comporta la rotación de clientes en un negocio estancado?
Comenzamos simulando registros con una distribución de Poisson con una tasa promedio de 30 registros por mes. También simulamos las duraciones de suscripción usando una distribución de Weibull, con parámetros tales que el suscriptor promedio se suscribe por aproximadamente 2 meses.
Observemos lo que sucede con la base de clientes a lo largo del tiempo en esta simulación:
El gráfico anterior muestra la población activa de clientes a lo largo del tiempo. Observe cómo nuestra base de clientes aumenta al principio a pesar de que dije "nada cambia".
Eso es porque comenzamos con cero clientes. Después de aproximadamente 12 meses, alcanzamos una meseta, donde los registros están en equilibrio con las cancelaciones.
La población de suscriptores fluctúa pero se mantiene cerca de un número constante indicado por la línea roja. Continuará orbitando alrededor de esta línea roja para siempre. Esto también se aplica a los ingresos: deberíamos esperar aproximadamente los mismos ingresos, para siempre. Es genuinamente un negocio estancado, ni mejorando ni deteriorándose.
Ahora veamos qué hace la rotación de clientes en este escenario. ¿A qué se parece la rotación de clientes estancada?
Al igual que la población de clientes, la rotación se mantiene constante después de que los registros y las cancelaciones alcanzan el equilibrio. Cuando nuestra población de clientes crece inicialmente, notamos que la rotación disminuye como esperaríamos, ya que la proporción de cancelaciones disminuye en relación con la población suscrita.
El gráfico anterior es lo que parece la rotación de clientes cuando "nada está sucediendo". En un negocio estancado, hay altibajos de mes a mes debido a la variación natural.
A pesar de esta variación, la rotación de clientes promedio es constante, para siempre. Esa variación debe ser un recordatorio para no perder la calma cuando tu rotación de clientes cambie de mes a mes. En cambio, es la tendencia la que importa, indicada por la línea roja en este gráfico. En este caso, es plana.
¡Ahora destruyámoslo!
Escenario: ¿Qué sucede cuando los registros se detienen?
¿Qué pasaría si detuviéramos los registros a mitad de esta simulación? Si dejáramos de obtener nuevos suscriptores, esperaríamos que la rotación de clientes aumentara. La rotación de clientes es mala, y perder registros es malo, así que esperamos que los dos se correspondan. Esperamos que la rotación crezca cuando no retenemos clientes. ¿Lo hace?
Esto es lo que le sucede a nuestra población de clientes:
Nuestro negocio simulado crece y está alcanzando la meseta, al igual que en el ejemplo anterior. Después de eso, dejamos de obtener registros (línea roja).
Observe cómo nuestra población de suscriptores cae. La caída es pronunciada al principio, luego se vuelve más plana con el tiempo. Este efecto proviene de una proporción creciente de clientes más leales que permanecen, quienes tienen menos probabilidad de cancelar. Los últimos clientes en darse de baja son los que tienen menos probabilidad de irse.
Entonces, ¿suena la alarma de rotación de clientes en esta situación? Veamos la rotación de clientes:
Ahora vemos algo sorprendente: la rotación de clientes está disminuyendo mientras nuestro negocio se está desmoronando. Es lo opuesto a lo que esperaríamos. También vemos el mismo resultado en el artículo de catch.js aunque usamos una distribución diferente para modelar las suscripciones.
¿Por qué está sucediendo esto? Es por cómo se distribuyen las duraciones de suscripción. No todos los clientes son iguales. Algunos clientes probarán nuestros servicios durante un mes, decidirán que no les gustan y se darán de baja.
Otros estarán felices con tu producto y se quedarán por mucho tiempo. Aquí hay un histograma de las duraciones de suscripción en la simulación que acabamos de hacer para ilustrar:
Arriba hay un histograma que muestra la frecuencia de varias duraciones de suscripción de clientes. Observe que es enorme en el lado izquierdo. Significa que la mayoría de los clientes se suscriben por poco tiempo. Estos clientes tienen más probabilidad de darse de baja en cualquier momento.
Pero por otro lado, hay un número menor de clientes que se suscriben por mucho tiempo. Esos suscriptores de más larga duración tienen menos probabilidad de darse de baja y se quedan por mucho tiempo.
Cuando detenemos los registros, en su mayoría quedan los suscriptores de más larga duración. Y como tienen menos probabilidad de dejar nuestro negocio, tienen menos probabilidad de aumentar nuestra métrica de rotación de clientes. Por lo tanto, la rotación de clientes parece disminuir mientras nuestra empresa está fracasando. Es lo opuesto a lo que queremos.
Si bien esto puede ser alarmante, este escenario puede no aplicarse a todos Baremetrics clientes. ¿Y si probáramos este escenario en un tipo diferente de negocio, con suscriptores más leales?
¿Es el churn malo en todas las circunstancias?
Puede que notes que el histograma de duraciones de suscripción anterior no refleja tu propio negocio. Es una distribución extrema, donde la mayoría de los clientes se suscriben por poco tiempo. ¿Y si tu negocio tiene menos clientes a corto plazo?
Supongamos que tu negocio atrae clientes a través de equipos de ventas. Tus clientes típicos no se suscriben solo por un mes. Se suscriben por más tiempo. ¿Cómo se ve el churn en esa situación cuando desactivamos los registros?
Ahora simularemos basándonos en un cliente real de Baremetrics. En este negocio, el cliente promedio se suscribe durante cinco años en lugar de dos meses. Así es como se distribuyen las duraciones de suscripción:
Este escenario tiene suscriptores más leales. El suscriptor típico se suscribirá durante tres años en lugar de un mes, como en el escenario anterior.
Ahora rehagamos la simulación donde desactivamos las suscripciones, pero con la nueva distribución de suscripciones. Aquí está el gráfico de suscriptores activos:
Ya se ve diferente. El crecimiento de la base de clientes es más constante. Ni siquiera alcanzamos la meseta antes de desactivar los registros.
Ahora veamos el churn:
¡Sorpresa! El churn actúa más como deberíamos esperar: aumentando cuando no logramos retener a nuestros clientes. ¿Por qué es esto? Es porque tenemos menos clientes que se desactivan rápidamente y menos clientes extremos que permanecen más tiempo.
Esto nos dice algo inquietante sobre la métrica de churn. La confiabilidad de la métrica de churn depende del tipo de clientes que tengas.
Esperamos que estos ejemplos inspiren a nuestros lectores a desconfiar más del significado de sus métricas de churn.
Conclusión: Un llamado a mejores métricas
Dado el comportamiento extraño de la métrica de churn, tendría más sentido buscar mejores métricas para entender nuestra retención de clientes. Al enfocarnos en churn, probablemente estamos agrupando demasiados procesos a la vez: registros, abandonos y los tipos de suscriptores que tenemos. Un cambio en cada uno de estos alterará el comportamiento del churn, pero no sabremos cuál es el problema porque la métrica agrupa estos procesos.
Quizás sería mejor enfocarse en estos procesos por separado. Es totalmente posible construir métricas para registros, abandonos y duraciones de suscripción por separado.
En futuras publicaciones, construiremos estas métricas y las probaremos. Mostraremos cómo se comportan en comparación con churn. ¿Las nuevas métricas superarán al churn para la retención de clientes, el valor de vida útil y los cálculos de ingresos? ¡Mantente atento para descubrirlo!
¡Gracias por leer! Si tienes alguna pregunta, no dudes en enviarla a david@baremetrics.com.
Únete a más de 900 empresas SaaS y de suscripción que usan Baremetrics para obtener información de datos más inteligente, cobro automatizado, participación del cliente y más. ¡Inicia una prueba gratuita hoy!
