Churn rate: cos'è, come si calcola e come può tornare utile

Ogni cliente, una volta che ha completato la sua conversione e sta effettivamente utilizzando un bene o un servizio, ha davanti a sé due alternative: continuare il rapporto con l’azienda che fornisce il bene, rimanendo fidelizzato, oppure interromperlo tramite la cancellazione dell’iscrizione o un abbandono.

Nel mondo del marketing i tassi di ritenzione e di abbandono sono identificati con le due terminologie, “retention rate” e “churn rate”. Considerando un dato intervallo di tempo, è possibile verificare sul numero totale di clienti quanti di questi sono ancora fidelizzati e quanti hanno deciso di interrompere le trattative. Sebbene entrambi i tassi, sommati uno con l’altro, rappresentino il 100% dei clienti, è importante calcolarli singolarmente per poterne estrapolare valore. Come anticipato, nei prossimi paragrafi ci andremo a concentrare maggiormente sul churn rate.

Prima di scendere nel dettaglio del churn rate, bisogna sottolinearne un aspetto molto importante: il dato risultante di questo calcolo, a prescindere dalle condizioni, verosimilmente non potrà mai essere pari a zero. Sebbene avere un churn rate basso sia sinonimo di una buona gestione della clientela e di una generale soddisfazione della stessa, le possibilità che in un arco di tempo definito nessuno decida di interrompere o abbandonare quanto offerto sono pressoché inesistenti. I clienti, a prescindere dal loro livello di fidelizzazione, possono interrompere una collaborazione per una miriade di motivi, legati a circostanze diverse e talvolta addirittura per forze di causa maggiore; a volte è proprio nella natura di un prodotto la presenza di un più o meno alto tasso di abbandono (come potrebbero essere l’interruzione dei corsi di recupero privati al termine dell’anno scolastico).

Come si calcola dunque il churn rate? Dato un intervallo di tempo definito (ad esempio 90 giorni), il risultato è frutto di una semplice formula matematica:

# clienti giorno 1 – # clienti giorno 90 / # clienti giorno 1 = churn rate

L’importanza di monitorare una metrica di questo tipo risiede nel controllare e analizzare i dati estrapolati, cercando di trarre un valore dall’interpretazione. Capire le motivazioni che portano i clienti a interrompere il rapporto può rivelarsi utile da più punti di vista: c’è una fallacia nell'assistenza post vendita? Ci sono utilizzi del prodotto o servizio disattesi? La concorrenza di recente ha proposto al pubblico una soluzione potenzialmente più attraente? Le attese del cliente sono state deluse in un certo momento del customer journey? Le motivazioni sono tante, ma far diminuire il churn rate, per quanto difficile, dev'essere prioritario.

Per lavorare attivamente su questa metrica è necessario procedere con delle analisi previsionali. Per individuare la percentuale di clienti che ipoteticamente potrebbe abbandonare l’azienda si struttura la cosiddetta churn analysis, basandosi su dati passati per anticipare scenari futuri. Con i dati a portata di mano l’obiettivo di questo lavoro è creare modelli predittivi e definire le probabilità di accadimento di eventi particolari, utilizzando dei software di analisi dati e algoritmi di machine learning.

La creazione di modelli standard, per razionalizzare le caratteristiche dei propri clienti, e l’associazione di determinati valori ad alcuni comportamenti possono essere i primi step. Fattori specifici come genere, età o area geografica, se associati a dei pattern di comportamento ripetitivi e individuabili, permettono di anticipare in un certo modo quello che sarà lo sviluppo del rapporto tra un dato cliente e l’azienda, dando a quest’ultima la possibilità di intervenire in momenti critici della relazione (facendo up-selling al momento giusto oppure aumentando il livello di assistenza post-vendita).

L’individuazione di alcune dinamiche permette di intervenire non solo nel rapporto con il cliente, ma anche sul prodotto stesso: le tempistiche di utilizzo prima dell’abbandono, quali caratteristiche dello stesso siano più o meno utilizzate, oppure quali siano gli step in cui è richiesto per la maggior parte delle volte l’intervento dell’assistenza clienti.

Sono numerose le variabili per cui un cliente si può ritrovare in defezione, ed ogni passo svolto nel monitoraggio e nell’analisi dei suoi comportamenti è un passo avanti verso un miglioramento del retention rate.