Churn nedir? Churn oranı nasıl hesaplanır

Churn nedir? Churn, bir müşterinin ürünü ya da hizmeti kullanmayı bırakmasıdır. Churn oranı ise belirli bir dönemde kaybedilen müşterilerin payı. Temel hesapta dönem başında müşteri olanlardan dönem içinde kaybedilenler, dönem başındaki müşteri sayısına bölünür ve sonuç 100 ile çarpılır.

Aynı ayın verisinden bile birden fazla churn oranı çıkabilir: aşağıdaki varsayımsal örnekte aynı ay, paydaya göre %6,0 ya da %7,5 churn veriyor. Sonucu üç karar belirler: müşterinin hangi anda kaybedilmiş sayıldığı, paydaya kimin girdiği ve oranın hangi döneme çevrildiği.

Churn'ün elde tutma ve yaşam boyu değerle karşılaştırması müşteri elde tutma oranı, churn ve yaşam boyu değer yazısında anlatılıyor. Dönem başı tabanıyla hesap elde tutma oranı hesaplayıcısında yapılabiliyor. Hesaplayıcıya yeni müşteri olarak yalnızca dönem sonunda hâlâ müşteri olanlar girilir, dönem içinde gelip ayrılanlar girilmez.

Churn kelimesinin işletme anlamını Oxford Learner's Dictionaries "churn rate" ile birlikte veriyor: bir ürünü kullanmayı bırakıp başka bir ürüne geçen kişilerin sayısı. İsmin ilk anlamı yayık, yani sütün çalkalanıp tereyağına dönüştüğü makine. Sözlük işletme anlamını başka şirkete geçen çalışanlar için de kullanıyor, pazarlamada ve müşteri ilişkileri yönetiminde (CRM) ise kelime müşteri kaybını anlatır.

Türkçede churn için tek bir yerleşik karşılık yok. Kaynaklarda müşteri kaybı, müşteri kayıp oranı ve müşteri terk oranı gibi ifadeler geçiyor, çoğu kaynak İngilizce kelimeyi de yanında kullanıyor. Churn ne demek diye soran biri genellikle iki şeyden birini kastediyor: tek tek ayrılan müşteriyi, yani olayı, ya da bir dönemdeki kayıp payını, yani oranı.

Sözleşmeli ve sözleşmesiz ilişki arasındaki fark, churn'ün gözlenip gözlenmediğini belirler. Peter Fader ile Bruce Hardie'nin 2007 tarihli müşteri elde tutmasını tahmin etme üzerine makalesi, sözleşmeli ortamı müşterinin pasifleştiği anın şirket tarafından görüldüğü durum olarak tanımlıyor. Abonelik yenilenmediğinde bu an kayda geçer. Sözleşmesiz ortamda ise müşteri ayrıldığını kimseye bildirmez, yalnızca bir daha gelmez.

Aynı yazarların 2009 tarihli müşteri tabanı analizi için olasılık modellerini derleyen makalesi, sözleşmesiz işin asıl zorluğunu tarif ediyor: ilişkiyi bitirmiş müşteriyi, iki alışveriş arasında uzun bir ara veren müşteriden ayırmak. Makalede Amazon'un aktif müşteri tanımı örnek olarak geçiyor: son bir yılda sipariş vermiş müşteri. Yazarlara göre bu 12 aylık sınır keyfî. Sınır dokuz aya çekilirse müşteri tabanının gerçek büyüklüğü değişmez ama görünen büyüklüğü küçülür.

İki ortam iki farklı churn tanımı üretir. Abonelikte, üyelikte ya da hat sözleşmesinde churn bir olaydır ve tarihi bellidir. E-ticarette ya da üyeliksiz bir uygulamada churn, senin belirlediğin bir hareketsizlik süresinin sonucudur ve süre değiştikçe oran da değişir.

Churn oranının formülünde pay ve payda, kimin sayıldığına göre farklı biçimler alır. Üç biçimi birbirinden ayırmak gerekir:

• Dönem başı tabanı: Dönemi müşteri olarak başlatanlardan kaybedilenler, dönem başındaki müşteri sayısına bölünür. Dönem içinde gelip aynı dönemde ayrılan müşteriler hesaba girmez. Sitedeki hesaplayıcı bu yöntemi kullanıyor.
• Dönem ortalaması: Dönem içindeki bütün kayıplar, dönemin ortalama müşteri sayısına bölünür.
• Kohort tabanı: Aynı dönemde gelen müşteriler sabit bir grup olarak izlenir ve bu grubun ilk ayında, ilk üç ayında ya da ilk yılında kaybedilen payı hesaplanır.

Fader ile Hardie'nin sözleşmeli müşteri tabanının değerlemesi üzerine 2010 makalesi, bir PricewaterhouseCoopers raporuna dayanarak risk altındaki müşteri sayısını belirlemenin iki standart yolunu sayıyor: dönem başındaki müşteri sayısı ve dönem başı ile dönem sonu sayısının ortalaması.

İkinci yöntemin halka açık bir örneği T-Mobile'ın 2023 mali yılı için yayımladığı Form 10-K raporundaki churn tanımı. Bu tanımda churn, hizmeti kapatılan müşteri sayısının dönemdeki ortalama müşteri sayısına oranıdır ve bu oran dönemdeki ay sayısına da bölünür. Kapatılan müşteriler, belirli bir süre içinde hizmeti yeniden açılanlar düşülerek sayılır, belirli bir asgari süreden kısa hizmet alanlar da hesaba katılmaz. Çeyreklik bir raporda ay sayısına bölmek, üç ayın oranını aylık ortalamaya çevirir.

Kohort oranı diğer ikisiyle doğrudan karşılaştırılmaz, çünkü müşterinin şirketle geçirdiği süreye bağlıdır. Aynı işte ilk ayındaki müşteriler ile iki yıllık müşteriler farklı hızlarda ayrılabilir.

Varsayımsal örnek: aynı ayın verisinden dört oran

Varsayımsal bir abonelik işi aya 2.000 aboneyle başlasın ve bu abonelerin 120'si ay içinde aboneliğini iptal etsin.

Aynı ay 400 yeni abone gelsin ve bunların 40'ı ay bitmeden ayrılsın. Ay sonunda 2.240 abone kalır. Aşağıdaki tablo bu verinin dört farklı hesapla nasıl dört farklı oran verdiğini gösteriyor.

İlk üç satır doğru ama farklı soruları cevaplıyor. Dönem başı tabanı mevcut abonelerin ne kadarının gittiğini, dönem ortalaması ortalama tabana göre brüt kaybı gösterir. Taban bu ay 2.000'den 2.240'a büyüdüğü için ikinci satır bir erime hızı değildir. Dördüncü satır iki tabanı karıştırır: yeni abonelerin kaybını paya ekler ama yeni aboneleri paydaya almaz, bu yüzden oranı şişirir.

Üçüncü satır ay içinde gelenlerin ay sonuna kadarki kaybını gösterir. Bu aboneler ayın farklı günlerinde geldiği için her biri farklı bir süre izlendi, satır her abonenin ilk 30 gününü ölçmez. İlk 30 günlük churn için süre her abonenin giriş tarihinden başlatılır ve 30 günü dolmamış aboneler ayrı tutulur.

Yöntemler arasındaki fark, ay içinde gelen yeni abone sayısıyla büyür. Aşağıdaki tabloda dönem başı tabanı 2.000 abone, bu tabanın aylık kaybı %6 ve ay içinde gelen abonelerin ay sonuna kadarki kaybı %10 olarak sabit tutuldu. Yalnızca yeni abone sayısı değişiyor.

Hiç yeni abone gelmediğinde bile dönem ortalaması biraz daha yüksek çıkıyor, çünkü ay boyunca küçülen taban paydayı düşürüyor. Hızlı büyüyen bir işte ise aynı müşteri davranışı, yalnızca hesap yöntemi değiştiği için %6 ile %11 arasında oranlar üretebiliyor. Bir churn oranı raporlanırken yanına hangi tabanın kullanıldığını yazmak bu yüzden gerekli.

Aylık churn oranını yıllık orana çevirirken her ayın kaybının bir önceki aydan kalan müşteriler üzerinden işlediğini hesaba katmak gerekir. Her ay aynı oranın o aya aktif başlayan müşterilere uygulandığı, yeni müşteri ve geri dönüş olmadığı varsayılırsa yıllık churn, 1 − (1 − aylık churn)¹² formülüyle bulunur. Formül aynı grubu izleyen dönem başı tabanlı aylık oranlar için kurulur, bir pencerede hareketsiz kalanların payına uygulanmaz. Ölçülmüş bir yıllık churn için ise yıl başındaki müşteriler yıl sonuna kadar doğrudan izlenir.

Varsayımsal bir örnekte aylık churn %3 olsun. Oranı 12 ile çarpmak %36 verir, bileşik hesap ise yaklaşık %30,6 sonucunu verir.

Aynı varsayımla 1.000 müşteriyle başlayan ve hiç yeni müşteri almayan bir taban, yıl sonunda yaklaşık 694 müşteriye iner. Ortalama müşteri ömrünü 1 bölü aylık churn olarak hesaplamak da aynı sabit oran varsayımına dayanır ve bu örnekte yaklaşık 33 ay sonucunu verir.

Sabit oran varsayımı gerçek kohortlarda çoğu zaman tutmaz. Fader ile Hardie'nin 2010 makalesi, kohort düzeyinde elde tutma oranlarının genellikle zamanla arttığını yazıyor. Buradaki oran dönemden döneme ölçülüyor: yazarların 2007 makalesindeki tanımla, bir önceki dönemin sonunda aktif olanların bu dönemin sonunda hâlâ aktif olan payı. Başlangıç grubundan kalan pay ise azalmaya devam eder.

Makaleye göre artışın büyük ölçüde, churn eğilimleri birbirinden farklı (heterojen) bir kitledeki ayıklanma etkisinden kaynaklandığı öne sürülmüş. 2007 makalesi etkiyi kendi modeli içinde şöyle açıklıyor: churn olasılığı yüksek müşteriler erken ayrılıyor, geride kalanların churn olasılığı daha düşük oluyor. Bu modelde tek tek müşterilerin churn olasılığı zamanla değişmiyor, değişen geride kalanların karışımı.

2010 makalesi ayrıca tek bir elde tutma oranıyla yapılan hesabın mevcut müşteri tabanının kalan değerini olduğundan düşük tahmin ettiğini gösteriyor. Bu bulgudan çıkarılabilecek bir sonuç da şu: yeni bir kohortun ilk ay churn'ünü on iki aya yaymak, o kohortun yıl sonundaki kaybını olduğundan büyük gösterebilir. Yaşam boyu değerin kendisini hesaplamak için müşteri yaşam boyu değeri (LTV) hesaplayıcısı kullanılabilir. Girdiğin churn oranının hangi kohorttan ve hangi yöntemle geldiğini yanına not etmek, sonucu doğru okumayı kolaylaştırır.

Sözleşmesiz bir işte churn oranı, müşterinin kaç gün hareketsiz kalınca kaybedilmiş sayıldığına bağlıdır. Pencere kısa olursa uzun bir ara veren düzenli müşteriler de churn sayılır. Pencere uzun olursa kayıp geç fark edilir ve geri kazanma girişimi gecikir.

Pencereyi seçmenin ölçülebilir bir yolu, kararı geçmiş veriyle sınamak. Geçmişte bir analiz tarihi seç, o tarihte farklı pencerelerle kimlerin churn sayılacağını bul ve sonraki aylarda bunların ne kadarının yeniden sipariş verdiğine bak. Yeniden sipariş verenlerin bir kısmı o pencereyle yanlışlıkla churn sayılmış, bir kısmı ise ayrılıp sonra geri dönmüş olabilir. Bu veri ikisini ayırmaz, yalnızca geri dönüşün payını gösterir.

Varsayımsal bir e-ticaret işinde son 12 ayda en az bir sipariş vermiş 5.000 müşteri olsun. Aşağıdaki tablo üç farklı pencereyle analiz tarihinde hareketsiz sayılan müşterileri ve bunların sonraki 180 günde yeniden sipariş veren kısmını gösteriyor.

Pencere uzadıkça hareketsiz sayılanların payı da sonradan sipariş verenlerin payı da düşüyor. Buna karşılık 180 günlük pencere kaybı ancak altı ay sonra gösteriyor. Seçim, geri dönecek müşterileri churn sayma riski ile kaybı geç fark etme arasındaki dengeye ve işin doğal sipariş aralığına bağlı. Aylık churn izlenecekse, o ay eşiği ilk kez aşan müşteriler sayılır.

Hangi pencereyi seçersen seç, raporun yanına yaz ve dönemler arasında değiştirme. Amazon örneğindeki gibi pencere değişince müşteriler aynı kalsa da oran değişir.

Son siparişten bu yana geçen süre, müşterileri yakınlık, sıklık ve parasal değere (RFM) göre bölen RFM analizinin ilk boyutu. Pencereyi geçmiş müşteriye ulaşmak için kurulan akış ise eski müşteriyi geri kazanma journey'sinde adım adım gösteriliyor. Sabit bir pencere yerine her müşterinin hâlâ aktif olma olasılığını tahmin eden olasılık modelleri de var, bunlar churn analizinin araçları arasında.

Müşteri sayısıyla ölçülen churn kaç müşterinin gittiğini, gelir churn'ü ise ne kadar tekrarlayan gelirin kaybedildiğini gösterir. ChartMogul'un gelir churn'ü sayfası, brüt gelir churn'ünü iptal ve paket düşürmelerden kaybedilen aylık tekrarlayan gelirin (MRR) dönem başındaki aylık tekrarlayan gelire bölünmesi olarak tanımlıyor.

Net gelir churn'ü aynı kayıptan yükseltmelerden ve geri dönen müşterilerden gelen ek geliri düşüyor. İki oran da aynı paydayı, dönem başındaki aylık tekrarlayan geliri kullanır ve formüllerde yeni müşterilerden gelen gelir yer almıyor. Bu yüzden net gelir churn'ü eksiye inebiliyor, brüt gelir churn'ü inemiyor.

İki ölçü farklı kararlar için kullanılır. Müşteri churn'ü ürünün kaç kişiyi elinde tuttuğunu, gelir churn'ü işin gelir tabanını ne kadar koruduğunu gösterir. Birkaç büyük hesabın ayrılması müşteri churn'ünde küçük, gelir churn'ünde büyük görünebilir. Gelir tarafını izlemek için net gelir elde tutma (NRR) hesaplayıcısı kullanılabilir.

Gönüllü ve gönülsüz churn

Ayrılmanın nedeni, ölçüm biriminden bağımsız ayrı bir kırılımdır. Gönüllü churn müşterinin kendi kararıyla iptal etmesidir, gönülsüz churn ise müşteri ayrılmak istemediği hâlde ödeme alınamadığı için kapanan aboneliktir. İkisi tek bir oranda toplanırsa ürünle ilgili bir sorun ile ödeme akışındaki bir sorun birbirinden ayrılamaz. Ödemesi başarısız olan aboneye yönelik adımlar başarısız ödemeyi kurtarma journey'sinde anlatılıyor.

Churn analizi, churn oranının hangi müşterilerde, hangi dönemde ve hangi nedenle değiştiğini bulmak için kaybı parçalara ayırır. Kohortları okumanın bir yolu hayatta kalma eğrisi: her ayın sonunda başlangıç grubunun ne kadarının kaldığını gösterir. NIST istatistik el kitabındaki Kaplan-Meier bölümü, yöntemin belirli bir dağılım varsaymadığını anlatıyor. Yöntem, gözlem bittiğinde henüz ayrılmamış, yani ayrılma tarihi bilinmeyen birimleri (sansürlü veri) de içeren örneklerle çalışabiliyor.

Tahmin aşamasında akademik yazının öne çıkardığı bir uyarı var. Eva Ascarza'nın Journal of Marketing Research makalesi iki saha deneyine dayanıyor: biri Orta Doğu'daki bir mobil operatörde, diğeri Kuzey Amerika'daki bir üyelik kuruluşunda yapıldı. Makale, churn riski en yüksek görünen müşterilerin elde tutma kampanyası için doğru hedef olmayabileceğini gösteriyor.

Risk sıralamasının üst yarısındaki müşterilerin mobil operatör çalışmasında %52'si, üyelik kuruluşu çalışmasında %40'ı duyarlılık sıralamasının da üst yarısında. Rastgele seçimde bu pay %50 olurdu, yani ikinci çalışmadaki örtüşme rastgele seçimin bile altında. Yazar genel olarak iki sıralama arasındaki ilişkinin bağımsızlıktan farklı olmadığı sonucuna varıyor.

Kohort, segment, neden ve tahmin adımlarını birlikte kurmak ayrı bir yazının konusu. Risk eşiği aşıldığında müdahalenin nasıl kademelendirileceği ise churn riskine kademeli müdahale journey'sinde anlatılıyor.

İki churn oranını yan yana koymak, ancak iki sayı aynı şeyi sayıyorsa anlam taşır. Başka bir şirketin raporundaki, bir aracın panelindeki ya da geçen yılın sunumundaki oranı kendi oranınla karşılaştırmadan önce şu beş soruyu sor:

1. Kayıp nasıl tanımlandı: iptal tarihiyle mi, ödenmiş dönemin sonuyla mı, yoksa bir hareketsizlik penceresiyle mi?
2. Payda dönem başındaki müşteriler mi, dönemin ortalaması mı, yoksa sabit bir kohort mu?
3. Oran aylık mı yoksa yıllık mı? Yıllık oran 12 ile çarpılarak mı bulundu?
4. Kimler dışarıda bırakıldı: deneme kullanıcıları, asgari bir süreden kısa kalan müşteriler, kısa süre içinde geri dönenler? T-Mobile'ın tanımı son ikisini kayıp saymıyor.
5. Sayılan şey müşteri mi, gelir mi? Gönülsüz kayıp orana dahil mi?

Bu cevaplar yazılı değilse iki oran arasındaki fark, müşteri davranışından değil yöntemden geliyor olabilir. Cevapları her raporun altına bir kez yazmak, aylar sonra yapılacak karşılaştırmaları da güvenli hâle getirir.