#8 Distorções do churn - parte 4
Vamos entender como as distorções matemáticas impactam o churn em um exemplo inspirado em casos reais, respondendo a pergunta: churn serve para medir retenção?
Estamos no último artigo sobre as distorções matemáticas do churn. Até agora, vimos que:
Lançamento de produtos distorce o churn (LinkedIn e Substack)
Aceleração e desaceleração em vendas também (LinkedIn e Substack).
Exemplo 6 - Referência
Vamos preparar o terreno para o último exemplo, mais próximo do real. Criamos um ciclo de vida como vejo em alguns produtos por aí:
Mais cancelamentos nos 3 primeiros meses;
Um pico no 12º mês em função de planos anuais, assim como no 24º;
Algum chargeback / estorno no primeiro mês;
Safra acabando toda em até 2 anos - aqui tem uma pequena simplificação para facilitar a fórmula do Excel;
100 vendas fixas em todos os meses.
Essas premissas resultam em um ciclo de permanência de 10 meses e um churn de 9,9%, agora estabilizando após 2 anos. Lembrando que o ciclo de vida da safra permanece igual.
Criei duas novas colunas para apontar um comportamento interessante.
A coluna com o LT Projetado traz a fórmula tradicional: 1 ÷ % churn.
Uma coluna que encontra a diferença entre o LT Projetado com o LT real da safra
Apesar do nosso cliente ficar 10 meses quando calculado pelo ciclo de vida da safra, parecia que era 40% menor em fev/20 e 50% maior em dez/30.
Exemplo 7 - Exemplo mais real
Vamos começar com 100 assinantes no primeiro mês. No primeiro ano, teremos 10% de crescimento ao mês, pois ainda estamos otimizando as campanhas de marketing. No segundo ano, otimizamos as campanhas e aumentamos o orçamento, dobrando a taxa de crescimento. No terceiro ano, enfrentamos uma dificuldade e desaceleramos para um crescimento de 5% ao mês devido à saturação dos canais de distribuição somada a uma maior concorrência. Para apimentar, colocamos uma primeira Black Friday no primeiro ano, dobrando as vendas. No segundo ano, melhoramos o resultado da promoção e duplicamos as vendas. Já no terceiro, decidimos não fazer Black Friday.
Já comentei sobre as distorções matemáticas, mas agora eu quero que você tente explicar nesse exemplo da vida real. Escolha um mês e tente explicar a diferença entre o mês anterior e o ano anterior.
Vou adiantar alguns pontos interessantes desse exemplo:
Seu churn variou entre 7,7% e 16,3%. Diferente dos 9,9% que vimos no exemplo anterior;
Seu maior vale foi em mar/32. O principal motivo? Você desacelerou as vendas;
Seu maior pico de churn foi em nov/32. O principal motivo? A ausência de uma Black Friday. Em cancelamentos, temos pressão do M12 da primeira BF e do M24. Em novos assinantes, não trouxemos uma quantidade que compensasse o saldo de saída dessas e das outras safras anteriores;
Sua base diminuiu de nov/32 para dez/32 sem problemas de retenção - ela estava igual.
Churn serve para medir retenção?
Ao longo dessa série, aprendemos como as distorções matemáticas no churn podem mascarar a verdadeira saúde e retenção do seu negócio.
Relembrando que churn é uma taxa que divide cancelamentos brutos pela base do mês anterior:
O numerador (cancelamentos) impacta o churn pela variação na quantidade de assinantes que entram na sua base.
O denominador (base) impacta o churn pela variação na quantidade de assinantes que entram na sua base e pela variação no tamanho da sua base.
Podemos então concluir: se o churn varia enquanto o ciclo de vida do seu assinante permanece igual, churn não serve para medir a retenção.
Quer compartilhar sua experiência, dúvida ou desafio que enfrenta hoje para medir retenção? Comenta aqui que eu respondo!