[翻譯] 試試更好的方式計算出顧客流失率吧！ - MH

如果用最基本的流失率算法－－也就是上述提到的「當月流失的顧客（分子） / 當月所有的顧客（分母）」，流失率就是(50+12) / 1000 = 6.2%。

編按：如果你 ... GetunlimitedaccessOpeninappHomeNotificationsListsStoriesWrite[翻譯]試試更好的方式計算出顧客流失率吧！這篇中文文章是我嘗試從〈ABetterWaytoCalculateYourChurnRate〉翻譯的，會翻譯這篇文章，主要是因為我現在任職的公司與訂閱制有關，而流失率（churnrate）對訂閱制產業而言是非常重要的指標，但當我搜尋相關資料時，繁體中文的資料非常少，所以決定翻譯這篇文章，希望能幫助更多類似產業的人，釐清對於「流失率」的概念。

註一：我盡量逐字、逐段翻譯，尤其分段的部分都是跟原文一樣的，方便大家跟原文對照。

註二：有一兩段我翻得不是太有把握，自認無法100%達成「信達雅」，如果有對於訂閱制或中英翻譯專業的人願意給予指教，非常歡迎你們留言！影音串流平台Netflix曾在2004被股東們指控顧客流失率不實，股東們認為：「Netflix用了不合適的方式在計算流失率，以人為方式營造出平台的低流失率。

」但法院基於「目前本來就沒有一個放諸各產業皆準的流失率公式」的理由駁回此案。

流失率對任何訂閱制產業都是至關重要的營運指標，坊間目前也有各種對於「如何計算流失率」的討論。

這篇文章會先著重討論「顧客流失率（customerchurnrate）」，未來有機會再討論「營收流失（revenuechurn）」。

編按：此文中的顧客（customers）就是指每月有花錢訂閱服務的訂閱者（subscribers）。

基本流失率的算法最基本的「每月顧客流失率」算法就是：當月流失的顧客（分子）/當月所有的顧客（分母）。

編按：這個概念非常重要！你不用把這個算法背起來，但你必須知道這就是最基本的流失率算法，因為下文中會有優化版的算法，會以這個算法為基礎，然後逐漸演變出更精確的計算方式。

但我們又該如何計算當月所有的顧客數量呢？有些公司是拿「月初的顧客數」，有些則是「月底的顧客數」，另外也有人是拿「月初和月底平均的顧客數」。

不管是上述哪種算法都有問題，尤其對於有大量新顧客的公司（如2004年的Netflix）更是如此。

接下來這個例子中，顧客在兩個月份的行為是完全一樣的，但只要計算的方式一變，就會算出差別迥異的流失率。

基本流失率的算法：以「奶油訂閱服務」為例假設我們現在有一個「ButteroftheMonth」公司－－一個每月會寄送新款美味奶油給顧客的訂閱服務。

編按：如果你覺得看文字很難懂，下面這段先跳過，直接看段落下的表格，我有列出數學運算的過程。

ButteroftheMonth在7月初時有1,000位顧客，在這1,000位顧客中，有5%（也就是1,000*5%=50位）在7月底取消訂閱了；同時也新增了500位新顧客，這500位新顧客中則有12位在7月底取消訂閱。

如果用最基本的流失率算法－－也就是上述提到的「當月流失的顧客（分子）/當月所有的顧客（分母）」，流失率就是(50+12)/1000=6.2%。

編按：如果你覺得看文字很難懂，下面這段先跳過，直接看段落下的表格，我有列出數學運算的過程。

現在假設平台在8月份有一樣的情況，7月底共有（最初的1,000位—1,000位中離開了50位+新增了500位—500位中離開了12位）=1,438位，而這也就是8月初的現有顧客數。

現在維持舊客5%的流失率、一樣有500位新客加入、500位中一樣有12位離開，最後算出的流失率是(1438*5%+12)/1,438=84/1,438=5.8%。

基本流失率的算法缺點啊歐，奇怪的事情發生了，平台的流失率下降了呢！想必8月的平台表現一定很好吧！但明明7月跟8月的使用者行為（不管是新訂閱還是取消訂閱）都是一樣的啊！原因則是在於8月初有更大量的顧客數（1,438>1,000），這讓流失率公式中的分母變大了，所以整體流失率隨之下降。

然而，這個指標（指基本流失率）明明是基於相同元素而運算出來，結果卻會有所改變，這代表該指標是很不可靠的，沒有人會願意根據這種易改變的（編按：甚至可以說「容易被操縱的」）指標來做出重要決策。

新的流失率算法來自加拿大的開店平台Shopify的StephenNoble提出了更好的計算方式（該篇文章的例子就是取自於他的文章），將流失率想成一種「可能性」，有多少顧客流失了？有多少機率造成他們的流失？只要顧客維持訂閱一天，就代表他並沒有在這天流失。

（編按：這句看起來很廢，但相信我，它是有意義的，它也是接下來流失率的新計算標準之一）如果顧客維持訂閱七天，然後在第7天取消訂閱，這代表他有7次流失的機會，這也就是說，他在整個訂閱時間中，有1/7流失的機率。

只要將所有訂閱者的流失率整合計算在一起，就能得到更精準的流失率，所以我們就會需要計算每個月的「顧客訂閱日數（customerdays）」。

所謂的「顧客訂閱日數（customerdays）」也就是顧客維持訂閱狀態的日期數量。

新的流失率算法：以「奶油訂閱服務」為例現在跳回剛剛的ButteroftheMonth吧！編按：如果你覺得看文字很難懂，下面這段先跳過，直接看段落下的表格，我有列出數學運算的過程。

要計算流失率，我們先來看看7月流失的顧客數，跟之前一樣是62名（1,000名中有5%=50位取消訂閱，加上新訂閱的500位中有12位取消訂閱）。

然後再計算「所有顧客的訂閱日數（thetotalnumberofcustomerdays）」=（1,000位既有訂閱顧客*31天+0.5*438位新訂閱顧客*31天）=37,789，最後把流失顧客數/所有顧客的訂閱日數=(50+12)/37,789=0.16%，就是「每顧客訂閱日數中的流失數（churnspercustomerday）」。

但這個「每顧客訂閱日數中的流失數（churnspercustomerday）」有點難解釋（編按：我也很難翻譯成有意義的中文啊！），所以我們把這個數字再乘上當月的日期數－－31，最後得出5.1%，也就是新的流失率！但，為什麼突然跑出了「0.5」這個數字呢？此案例中先假設「新訂閱行為與取消訂閱行為是以持續且穩定的比例在增加」，也就是說，顧客的淨增加是線性的（線性=一條直線，不是忽上忽下的曲線，或突然爆炸性成長的指數曲線），根據這個假設，我們就用了計算面積的公式來計算所有顧客的訂閱日數。

這張圖片是原文中就有的，圖片來源另一個解讀「0.5」的方式是假設「新訂閱顧客和流失顧客平均起來都各訂閱了半個月的時間」。

但切記！這一連串的假設都是用於ButteroftheMonth這個案例；在現實生活中的案例中，平台可以實際計算每個會員留在平台上的真實訂閱時間。

那再回頭看看這個公式若計算8月的數據，又會得到什麼樣的結果吧！可以看出7,8月的流失率是呈現一直線的－－一樣的顧客行為，一樣的結果！綜合上面所述，儘管新的流失率算法比舊的複雜許多，但我們相信這個新算法會讓不同區間之間的比較更方便，並讓你對於每月流失率有更清楚的概念。

最後再重申一次，上面這些中文解釋是我自行從〈ABetterWaytoCalculateYourChurnRate〉翻譯的，我盡量逐字、逐段翻譯，尤其分段的部分都是跟原文一樣的，方便大家跟原文對照；但有一兩段我翻得不是太有把握，自認無法100%達成「信達雅」，如果有對於訂閱制或中英翻譯專業的人願意給予指教，非常歡迎你們留言！也感謝忠實讀者（？）桃園的鍾小姐先幫我看了這篇文章！MorefromMHFollow做過公關、數位行銷，2020年轉職成為產品經理，2021年跑到新加坡繼續當PM。

歡迎在文章留言或私信交流：[email protected]（轉載文章請附原標題＆原文網址即可，不用特別來信洽詢囉！謝謝）Lovepodcastsoraudiobooks?Learnonthegowithournewapp.TryKnowableAboutHelpTermsPrivacyGettheMediumappGetstartedMH1.4KFollowers做過公關、數位行銷，2020年轉職成為產品經理，2021年跑到新加坡繼續當PM。

歡迎在文章留言或私信交流：[email protected]（轉載文章請附原標題＆原文網址即可，不用特別來信洽詢囉！謝謝）FollowHelpStatusWritersBlogCareersPrivacyTermsAboutKnowable