什么是客户流失？

对于软件即服务 (SaaS) 企业来说，这是一个特别重要的指标，因为许多此类企业依赖于订阅带来的每月经常性收入。他们需要知道客户是否正在流失，或者将来是否可能流失，因为这将对他们的盈利产生直接影响。

客户流失或客户减员的含义与客户留存相反，后者则与维护其客户关系的公司有关。最大限度地减少客户流失应作为所有客户参与策略的关键组成部分；该策略涉及客户与企业或品牌的所有互动，无论是在线上还是店内。

优先考虑用户参与，尤其是制定强大的用户留存战略，是防止客户流失的重要保护措施。

公司应经常衡量客户流失率，以便了解自己是否面临收入损失的风险。

考虑到客户获取成本可能很高，消除客户流失是一项重要的任务。根据麦肯锡 ¹ 的说法，弥补一位流失客户的价值可能需要收购三个新客户。因此，公司应尽其所能减少客户流失并留住这些客户。

客户流失对 B2B 和 B2C 业务的影响略有不同。由于以下几个原因，B2C 企业的客户流失率往往高于 B2B 企业。

首先，B2C 客户不需要获得老板的批准即可开始或完成订阅，因此他们更有可能冲动购买并冲动退出。其次，订阅也可能更便宜，这意味着放弃一项服务并开始另一项服务会更容易。

另一方面，B2B 客户流失对这些企业的影响往往更大。

现代 B2B 公司要么销售产品，要么销售服务。前者通常是针对单个产品的一次性费用。对于那些销售软件即服务解决方案（即 SaaS）的公司来说，他们可以在一年内多次向访问服务的客户收费。后者依赖于客户（订户）每月支付的经常性收入。

B2B 企业的潜在客户可能较少或者销售渠道更为严格。这是因为 B2B 企业为一组特定的客户提供服务，而大多数消费者定期需要某些 B2C 产品（例如杂货、家居用品、银行服务）。

因此，客户流失对 B2B 企业的影响更大，尤其是当它们向更特定的客户群体提供高价产品或服务时。

人员流失率的增加会降低高管和普通员工的士气，使他们担忧工作和公司活力。由于获取新客户通常耗时且昂贵，因此它会分散公司对服务现有客户的注意力，从而产生循环效应。

这就是客户流失如何造成指数式或周期性流失的一个例子。另一种是口口相传。如果一个客户向其他客户谈论他们对公司产品的不满意，可能会导致更多的客户取消订单，因而造成更大的客户流失。

客户流失主要有两种类型：自愿流失和非自愿流失。

这与客户偏好的变化有关。自愿流失的例子包括客户选择不再使用该类别的产品、转而使用竞争对手的产品、对价格上涨或糟糕的客户体验做出反应。

它通常涉及客户无法控制的各种问题，例如公司不再提供该产品或服务、技术或付款问题以及自然灾害。客户无法再使用某一服务也可能存在无法预见的原因。相关示例包括：公司不再为个人使用某一服务而付费，或是职业变化致使该产品或服务不再具有价值。

• 流失率
• 每月经常性收入
• 收入流失率

公司可以通过将特定时间段内离开公司的客户总数除以其获得的客户总数来衡量客户流失率。然后，在特定的时间段内将这个数字乘以 100。

公司应像衡量其他客户体验指标一样，为客户流失率设定基准，以便发现潜在问题。为了计算客户流失率，公司可以选择给定的时间段，例如计算每周、每月或每年的客户流失率。对于需要了解其月度流失率的月度经常性收入 (MRR) SaaS 公司来说，月度流失率可能是个不错的选择。

流失率 =（客户流失率/时间段开始时的客户总数）x 100

示例：每月均会跟踪其客户流失率的某公司失去了 75,000 个客户中的 300 个。这意味着，他们的流失率为 0.4%。

对信用卡付款取消或服务取消等情况设置实时警报的公司可更好地控制客户流失。

流失率会因企业类型而异。根据 Recurly 的调查，平均客户流失率为 4%，其中 3% 源于自愿客户流失，另 1% 则源于非自愿客户流失。对于数字娱乐提供商，平均流失率往往更高。而对软件、商业和专业服务业，该比率则往往较低。

公司可以同时也应计算收入流失率；即，确定某一特定时间段内现有客户的每月经常性收入 (MRR) 损失。

MRR = 订阅用户数量 x 每位订阅用户的平均收入 (ARPU)

示例：同一家公司每月向 75,000 名订户收取 15 美元的服务费用，而其 MRR 为 1,125,000 美元。

该指标决定了公司在特定时间段内产生了多少收入。

收入流失率 = （因流失而损失的收入/该时间段内的总 MRR）x 100

示例：同一家公司每月因流失而损失约 4500 美元。与总收入相比，收入流失率也为 0.4％。

• 客户满意度分数
• 净推荐值
• 客户努力分数
• 产品使用率

CSAT 对客户进行调查以确定他们的满意度。它会计算有多少人感到满意或非常满意。公司拥有的客户越满意，他们遇到客户流失问题的可能性就越小。

NPS 询问客户是否愿意向他们的社交圈推荐某产品或服务。从“推荐者”（9 分和 10 分）的数量中减去低分（6 分或更少）的数量，并将净值转换为百分比。NPS 分数高的公司不仅不需要担心客户流失，还可能会发现由于正面口碑，他们的客户获取成本有所下降。

该客户服务指标与客户在从 1（简单）或 7（困难）的范围内给出的难度有关。CES 高的公司可能面临客户流失的风险，因为客户认为自身难以与该公司进行互动。

客户当下是否在使用公司的产品有助于确定它们是否面临流失风险。例如，不再通过登录来使用产品的客户可能正在使用其他产品，并且只是在等待订阅到期。

为什么所有公司都使用相同的公式来计算客户流失率，有几种客户流失模型可以帮助公司跟踪和预测未来的客户流失。要成功建立这些模型，公司必须分析几个问题，包括客户离开和留下的原因、导致客户流失的因素以及这些因素存在或普遍的程度。

• 预测性客户流失模型
• 预防性客户流失模型
• 生存分析
• 异常检测

这一基于数据的模型可采集此类数据点并预测未来的流失率，而无需任何干预。

这采用与预测性客户流失模型相同的方法，但列出了哪些技术有助于最大限度地减少客户流失，例如定价变化、新功能或新的客户支持方法。

此模型也称为“时间-事件模型”，它可根据客户的购买数据、历史数据和当前状况来预测客户流失的时间。此功能对于拥有高成本产品的 B2B 公司尤其有用，而此类公司可开发资源来留住每位客户。此外，它还可帮助公司了解自身是否存在发生大型客户流失事件的风险，从而在总体上也极具价值。

这些模型可以识别可能导致客户流失率增加的潜在事件，使公司有机会尝试修复这些事件或更改策略以最大限度地减少其影响。企业应跟踪的异常情况示例，包括客户负面反馈突然增加、使用量下降以及退货或退款请求增加。

公司拥有多种主动工具和方法来减少客户旅程中的客户流失，尤其是针对高风险客户。

• 风险客户识别
• 客户成功投资
• 卓越的客户服务
• 公平定价
• 基于指标的决策
• 出色的入职流程
• 强大的忠诚度计划

公司应该投资先进的客户关系管理 (CRM) 工具来跟踪客户活动。他们还可以使用机器学习等人工智能技术来更好地分析个人客户数据，从而有可能在客户成功团队自行采取行动之前识别出可能流失的客户。

这与客户服务不同，客户服务对问题的反应更为积极。客户成功与客户息息相关，因为他们使用产品或服务，以确保他们最大限度地发挥其效用。它可以帮助公司识别面临流失风险的客户。SaaS 企业投资于客户或客户成功，以此来让客户满意，并使用这些产品足以证明他们每月的费用是合理的。

减少客户流失率有时与提高公司所提供客户服务的价值一样简单。换言之，糟糕的客户服务会很快将满意的客户变成最终流失的客户。以最大的尊重来对待那些提供客户反馈的客户，并立即响应他们的需求。

公司拥有多种先进技术，而它们现在可使用这些技术来改善客户关系。使用自然语言处理 (NLP) 可帮助公司更好地处理客户数据以了解客户满意度，并可将相关数据输入模型中以确定平均流失率。

他们可以使用 基于人工智能的聊天机器人 来回答客户的简单问题，从而让他们的客户服务代表腾出时间来处理更复杂的问题。

客户可能会喜欢某公司的产品或服务，但如果认为其价格相对于他们获得的产品或服务来说过高，则会停止购买。公司需开展定价研究，以使价格与竞争对手以及客户期望支付的价格保持一致。

了解和跟踪某些指标有助于监控潜在的流失。客户满意度分数 (CSAT) 和净推荐值 (NPS) 都有助于了解客户对公司产品和服务的满意程度。CSAT 要求客户按 1 至 10 的范围对他们的满意度进行评分。NPS 询问客户是否愿意向他们的同行推荐某产品或服务。

如果这些指标开始下降，很可能表明公司的客户群面临流失风险。领导者知道，他们需要采取行动，改善客户体验，减少客户流失。

建立品牌忠诚度是减少客户流失的好方法。例如，公司可以为现有客户提供激励措施，例如生日期间或消费满一定金额的折扣或免费产品。这是让好客户满意公司产品的好方法。鼓励忠诚度可以带来其他好处，例如增加追加销售的可能性。

避免流失的最佳方法之一是，在与新客户建立关系的初期，就专注于为新客户提供优质的服务。公司可以提供教程、常见问题解答和自助指南，为客户的成功做好准备，并更好地帮助他们使用公司的产品。

投资人工智能可以通过多种方式帮助公司解决客户流失问题。

• 更好地收集和分析数据
• 更快、更全面的客户支持
• 模型与模拟
• 更令人满意的全渠道客户体验
• 更准确的预测性分析

公司可使用生成式 AI 营销来改善其内部营销，具体方法则是生成同一封电子邮件的多个个性化版本，从而在它们使用的所有渠道中为个人客户提供更大的共鸣。

使用会话式 AI 打造积极的客户服务体验可以决定客户是否流失。公司应该采用会话式 AI，无论是使用面向客户的聊天机器人还是为客户提供 AI 虚拟助理。

AI 可以快速收集所有第三方公共和第一方内部数据，而机器学习可以识别共同主题，这些主题可以帮助公司了解他们在满足客户需求方面的优势和劣势。

AI 可解析客户行为数据，以便更好地预测哪些客户存在流失的风险，而其效果会优于查看 CRM 信息或电子表格的员工。

公司可以使用 AI 驱动的客户数字孪生体 (CDT) 来模拟客户体验，帮助公司了解购买习惯、导致客户流失的原因以及如何更好地预测未来的购买。CDT 可以绘制详细到每周和每日的客户旅程图，全景呈现整体客户体验情况。