Börja med att ignorera nyförsäljning
Föreställ dig att din byrå tecknar 10 retainer-kunder.
För tillfället, glöm hur mycket varje kund betalar. Glöm hur många inlägg, videor, annonser eller kampanjer du producerar.
Vi mäter bara en sak:
Stannade kunden kvar?
Månaden då en kund börjar är Månad 0.
Vid Månad 0 är behållningen alltid 100 %.
Sedan följer du samma grupp kunder.
Om 9 fortfarande är kvar en månad senare:
Behållning Månad 1 = 90 %
Om 8 finns kvar efter tre månader:
Behållning Månad 3 = 80 %
Om 6 finns kvar efter sex månader:
Behållning Månad 6 = 60 %
Om bara 4 finns kvar efter ett år:
Behållning Månad 12 = 40 %
Plotta dessa siffror i en graf så får du din kundbehållningskurva.
Kundbehållning
100% ●
│\
90% │ ●
│ \
80% │ ●
│ \
70% │ ●
│ \
60% │ ●
│ \
50% │ ●
│ \
40% │ ●
│
└──────────────────────────
M0 M1 M3 M6 M9 M12
Månader sedan teckning
Grafen svarar på en fråga:
När vi tecknar en kund, hur länge stannar de egentligen kvar?
Det är en helt annan fråga än:
Hur mycket intäkter gjorde vi den här månaden?
Varför intäkter kan vilseleda dig
Föreställ dig att din byrå startar året med 10 kunder.
Tre kunder lämnar under de följande månaderna.
Men din säljorganisation tecknar fyra nya.
Du började med:
10 kunder
Du förlorade:
3 kunder
Du lade till:
4 kunder
Nu har du:
11 kunder
Utifrån ser allt bra ut.
Antalet kunder har ökat.
Intäkterna kan ha ökat.
Din månadsrapport är grön.
Du kanske till och med tänker:
Vi växer.
Men under ytan kan något annat pågå.
Du ersätter ständigt kunder som lämnar.
Din byrå växer inte nödvändigtvis för att kunder älskar att stanna kvar.
Den kan växa för att du blir bättre på att ersätta de kunder du förlorar.
Det är en helt annan verksamhet.
Tänk på det som att fylla en hink med ett hål i botten.
Mer försäljning betyder att du häller i vatten snabbare.
Behållningen berättar hur stort hålet är.
Hur beräknar du detta för en verklig byrå?
Kunder skriver inte alla på samma dag.
Du kan ha:
- Kund A som börjar i januari
- Kund B som börjar i februari
- Kund C som börjar i februari
- Kund D som börjar i april
- Kund E som börjar i juni
Att jämföra dem med kalender månader säger därför inte mycket.
Istället nollställer du klockan för varje kund.
Månaden de tecknar blir Månad 0.
Sedan:
M1 = en månad efter teckning M2 = två månader efter teckning M3 = tre månader efter teckning
och så vidare.
Du jämför kunder baserat på hur länge de varit hos byrån, inte vilken månad på året det är.
Här kommer kohorter in i bilden
Gruppera kunder baserat på när de började.
Till exempel:
| Kundkohort | M0 | M1 | M2 | M3 | M4 | M5 | M6 |
|---|---|---|---|---|---|---|---|
| Januari-kunder | 100% | 100% | 80% | 80% | 80% | 60% | 60% |
| Februari-kunder | 100% | 100% | 75% | 75% | 50% | 50% | — |
| Mars-kunder | 100% | 83% | 83% | 67% | 67% | — | — |
| April-kunder | 100% | 100% | 80% | 80% | — | — | — |
Detta kallas en kohortbehållningstabell.
— är viktigt.
En aprilkund som bara varit med i tre månader kan förstås inte räknas med när man beräknar sex månaders behållning.
De har inte haft möjlighet att nå Månad 6 än.
Så när du beräknar M6-behållning, inkludera bara kunder som är minst sex månader gamla.
Gör tabellen till en kurva
När du har tillräckligt många kohorter kan du slå ihop dem.
Du kan upptäcka att över hela din byrå:
| Tid sedan teckning | Kundbehållning |
|---|---|
| Månad 0 | 100% |
| Månad 1 | 92% |
| Månad 2 | 86% |
| Månad 3 | 78% |
| Månad 6 | 63% |
| Månad 9 | 54% |
| Månad 12 | 47% |
Nu har du något mycket mer användbart än en vanlig kundräkningsgraf.
Du har formen på den genomsnittliga kundrelationen hos din byrå.
Och formen spelar roll
Föreställ dig två byråer.
Båda tecknar ungefär lika många kunder.
Båda har liknande intäkter.
Men deras kurvor ser mycket olika ut.
Byrå A
100% ●
│\
90% │ ●──●──●
│ \
80% │ ●────●────●
│
└────────────────────
0 1 3 6 9 12
De flesta kunder stannar kvar.
Efter den tidiga nedgången planar kurvan ut.
Det är intressant.
Det antyder att när en kund överlever de första månaderna är de sannolikt kvar längre.
Byrå B
100% ●
│\
80% │ ●
│ \
60% │ ●
│ \
40% │ ●
│ \
20% │ ●
│
└────────────────────
0 1 3 6 9 12
Denna byrå har ett helt annat problem.
De tar in kunder genom dörren samtidigt som befintliga kunder går ut bakvägen.
De kan fortfarande växa.
Men tillväxten blir dyrare för varje månad.
Se var kurvan faller
Det intressanta är inte bara den slutliga procenten.
Det är var nedgången sker.
Om du ser:
100 % → 70 % under första månaden
Har du förmodligen ännu inget långsiktigt behållningsproblem.
Du kan ha ett försäljnings- eller onboardingproblem.
Kanske sattes fel förväntningar.
Kanske var kunden inte rätt match.
Kanske är överlämningen från sälj till leverans dålig.
Kanske köpte kunden något annat än vad teamet trodde skulle levereras.
Om du ser:
100 % → 95 % → 93 % → 90 % → sedan ett stort fall runt Månad 3
Det är en annan signal.
Kanske bär den initiala entusiasmen relationen.
Sedan börjar kunden ifrågasätta värdet.
Kanske är rapporteringen otydlig.
Kanske slutar strategin utvecklas.
Kanske blir byrån en utförandeleverantör istället för en partner.
Om kurvan håller sig stark till Månad 6 och sedan stadigt sjunker:
Har du en annan fråga att undersöka.
Vad händer runt Månad 6?
Kanske förnyas kontrakt.
Kanske blir kampanjer repetitiva.
Kanske tar kunderna hem funktionen.
Kanske planar resultaten ut.
Behållningskurvan berättar inte varför kunder lämnar.
Den berättar var du ska titta.
Och det är oerhört värdefullt.
Frågan jag skulle ställa till varje byrågrundare
Inte:
Hur många kunder har du?
Inte:
Vad är din MRR?
Inte ens:
Hur många kunder tecknade du det här kvartalet?
Jag skulle fråga:
Av varje 10 retainer-kunder du tecknar, hur många är fortfarande kvar efter sex månader?
Föreställ dig två ₹1 crore-byråer.
Byrå A tecknar 20 kunder varje år och behåller 18.
Byrå B tecknar 40 kunder varje år och förlorar 20.
De kan visa samma intäkter idag.
Men de är inte samma verksamhet.
Den ena har växande relationer.
Den andra har ett försäljningstempo.
Börja med fyra nyckeltal
Du behöver ingen komplicerad analysmjukvara.
Öppna ett kalkylblad.
Lista varje retainer-kund du haft.
Lägg till:
Kundnamn Startdatum Slutdatum — tomt om de fortfarande är aktiva
Sedan beräknar du:
1-månads behållning
Av kunder som är gamla nog att ha nått en månad, hur stor procentandel var fortfarande kvar?
3-månaders behållning
Av kunder som är gamla nog att ha nått tre månader, hur stor procentandel överlevde tre månader?
6-månaders behållning
Av kunder som är gamla nog att ha nått sex månader, hur stor procentandel överlevde sex månader?
12-månaders behållning
Av kunder som är gamla nog att ha nått tolv månader, hur stor procentandel överlevde ett år?
Det räcker för att börja.
Du kan få något i stil med:
M1 — 94 % M3 — 82 % M6 — 68 % M12 — 51 %
Plotta dem sedan.
Du har din behållningskurva.
Lägg sedan till intäktsbehållning
När du förstår kundbehållning finns ett lager till att lägga till.
För varje kund är inte lika viktig.
Föreställ dig att du har 10 kunder.
Nio betalar ₹50 000/månad.
En betalar ₹400 000/månad.
Om den stora kunden lämnar kan din kundbehållning fortfarande se utmärkt ut.
Du behöll:
9 av 10 kunder = 90 %
Men du förlorade nästan hälften av dina retainer-intäkter.
Så till slut skulle jag spåra två kurvor:
Kundbehållning
Hur många relationer överlevde?
och
Intäktsbehållning
Hur mycket av den ursprungliga återkommande intäkten överlevde?
Den första berättar om dina kundrelationer.
Den andra om den ekonomiska effekten av dessa relationer.
Men börja med den enkla kurvan
Gör inte detta till ett nytt dashboard-projekt.
Ta dina retainer-kunder.
Sätt var och en av dem på Månad 0.
Följ om de fortfarande finns kvar vid Månad 1, Månad 3, Månad 6 och Månad 12.
Plotta det.
Titta sedan på formen.
För om din byrå måste skaffa en ny kund varje gång en gammal lämnar bygger du inte vidare på förra månadens arbete.
Du bygger om förra månaden.
Och till slut blir försäljningen svårare.
Grundaren blir trött.
Förvärvskostnaderna stiger.
Teamet fortsätter att onboarda nya konton.
Kunskap försvinner ständigt.
Prognoser blir smärtsamma.
Intäkterna blir oförutsägbara.
Därför är behållning så viktig.
Nyförsäljning visar hur snabbt du rör dig.
Behållning visar om någon av den rörelsen faktiskt växer.