以下三家公司与全部数字均为教学假设,用于演示商业化计算,不代表任何真实企业。
流失不是一个动作,而是一条链
取消订阅是流失的最后一环,不是第一环。客户在按下取消之前,通常已经经历了用量下滑、配额拒绝、支持工单、续约沟通中的某几个环节。等到取消发生,可干预的窗口大多已经关闭。
AI 产品的流失链条有自己的特点。用量是连续可观测的,价值衰减会先体现在用量上:对话次数下降、转写分钟数减少、案件量停滞。配额拒绝是另一个前置信号:客户想用但被额度挡住,如果升级路径不清楚,下一次就会去找替代品。模型质量漂移也会进入链条:同一类任务以前能过,现在要重试,客户不会写工单,只会减少使用。
归因的任务不是给流失贴一个标签,而是找到链条上最早可干预的环节。标签只能用于汇总,环节才能用于动作。
链条上的每个环节都有一个可观测指标:用量看周活跃席位与价值单位,配额看拒绝率与升级率,支持看工单主题与解决时长,续约看预算周期与决策人变化。指标不是为了监控客户,而是为了在客户开口之前发现问题。
指标阈值要按客户分层设定。大客户和小客户的正常用量不同,用同一个绝对阈值会把小客户误判为流失、把大客户误判为健康。分层可以按 ARPA、按席位数或按案件量,但口径一旦确定就不要中途更换。
用 MRR bridge 把变化拆开
流失归因的起点是 MRR bridge。它把期初到期末的收入变化拆成五个部分:
期末 MRR = 期初 MRR + 新客 MRR + 扩张 MRR - 降级 MRR - 流失 MRR
新客 MRR 不属于存量 cohort,做 NRR 和流失归因时要单独拿掉。剩下四项才是同一批客户的变化:扩张、降级、流失,以及期初基数。bridge 的作用是保证每一项都能对上账单,不重不漏。
在 cohort 层面,可以用月流失率估算期望流失账户与风险收入:
期望流失账户 = 期初客户数 × 月流失率
风险收入 = 期望流失账户 × ARPA
| 案例 | 期初客户 | 月流失率 | 期望流失账户 | ARPA | 风险收入/月 |
|---|---|---|---|---|---|
| LumenDesk | 320 家 | 0.8% | 2.56 家 | 322.80 美元 | 826.37 美元 |
| Verba API | 1,450 个 | 2.1% | 30.45 个 | 231.72 美元 | 7,055.87 美元 |
| ClausePilot | 85 家 | 0.6% | 0.51 家 | 9,240 美元 | 4,712.40 美元 |
代入过程:
LumenDesk:320 × 0.8% = 2.56;2.56 × 322.80 = 826.37 美元
Verba API:1,450 × 2.1% = 30.45;30.45 × 231.72 = 7,055.87 美元
ClausePilot:85 × 0.6% = 0.51;0.51 × 9,240 = 4,712.40 美元
期望流失账户可以是小数,这不是错误。2.56 家不是「半家客户」,而是 320 家客户在 0.8% 月流失率下的统计期望。实际某个月可能流失 2 家,也可能流失 4 家。做预算时用期望值,做归因时用实际账户清单,两者不能混。
风险收入也不是实际损失。它假设流失客户的 ARPA 等于平均值,实际流失的往往是大客户或小客户,收入影响会偏离均值。要得到准确金额,必须用每个客户的 MRR 逐笔加总,而不是用 ARPA 乘账户数。
降级与流失要分开归因
降级和流失在 MRR bridge 里都是负数,但动作完全不同:
| 类型 | 定义 | 典型原因 | 动作 |
|---|---|---|---|
| 降级 | 客户仍在付费,但 MRR 下降 | 席位减少、档位下调、用量下降 | 用量复盘、档位设计、价格保护 |
| 主动流失 | 客户主动取消订阅 | 价值不足、竞品替代、组织变动 | 价值验证、竞品分析、关系维护 |
| 被动流失 | 支付失败或合同未续 | 卡过期、预算冻结、采购流程 | 催收、账期、续约提醒 |
降级通常是可逆的,流失通常不可逆。把降级混进流失,会高估流失率;把流失混进降级,会低估风险。两个数字要分开报,分子分母也要分开定义。
分开报的前提是客户主数据一致。销售按合同主体看客户,财务按账单主体看客户,客户成功按使用主体看客户。集团客户、子公司、代理商场景下,三个主体经常对不上。主数据不齐,降级和流失会被拆到不同账单里,归因结果自然对不上。
AI 产品还有一类特殊的降级:配额拒绝导致的降级。客户想用但被额度挡住,又不愿意升级,于是下调档位或减少席位。表面看是降级,根因在额度设计与升级路径。这类降级如果只归到「价格」,就会错过产品侧的修复机会。
被动流失同样不能忽略。支付失败不是客户不想买,而是交易链路出了问题。把它归进主动流失,会放弃本可挽回的客户,也会让产品团队误以为价值出了问题。
归因的四个证据层
流失归因不能只靠一个来源。至少要看四层证据:
| 证据层 | 来源 | 常见偏差 | 用途 |
|---|---|---|---|
| 账单 | 发票、MRR bridge、用量账单 | 滞后、口径不一致 | 确认金额与发生时间 |
| 产品 | 用量、功能采用、错误率、重试率 | 只有相关,没有因果 | 找早期信号 |
| 人工 | 取消原因码、客户访谈 | 主观、样本小 | 解释为什么 |
| 市场 | 竞品动作、价格、行业预算 | 不可控、难量化 | 判断外部因素 |
账单告诉你掉了多少钱,产品告诉你什么时候开始掉,人工告诉你为什么掉,市场告诉你是不是大家都在掉。四层交叉,才能把相关性变成可行动的判断。
只有账单,会看到「这个月流失了 2.56 家」,但不知道从哪救。只有人工原因码,会看到「客户说价格贵」,但不知道是价值不足还是预算变化。只有产品数据,会看到用量下滑,但不知道是客户不用了还是被配额挡住了。四层缺一层,归因就会偏。
证据层之间要能对齐到同一个客户和时间窗。账单按账期,产品按自然日,人工按访谈日期,市场按季度,四个时间轴不一致,交叉验证就会变成各说各话。归因前先统一到客户 ID 与月份,这是最容易被跳过、也最容易出错的一步。
主因归因与比例归因
归因有两种做法:主因归因和比例归因。
主因归因给每个流失账户一个主要原因,权重之和为 100%。它的优点是责任清晰、动作明确;缺点是把多因一果的情况简化成单因。比例归因给每个原因一个权重,更接近真实,但容易出现重复计算,也容易把责任摊薄到没人负责。
本书建议主因归因加次要标签:主因决定责任团队和动作,次要标签保留上下文。计算公式是:
归因金额 = 流失 MRR × 主因权重
主因权重之和 = 100%
权重必须按金额算,不能按账户数算。一个大客户流失和一个小客户流失,对 MRR 的影响不同;按账户数平均,会把大客户的影响稀释掉。
比例归因不是不能用,而是不能单独用。它可以用来做专题分析,比如「模型质量在多少流失里起了作用」,但不能用来分配责任。责任必须落到一个团队、一个动作、一个验证指标上。
主因和次要标签要分开存储。主因只能有一个,用于计算权重和分配责任;次要标签可以有多个,用于专题分析和产品反馈。把两者存在同一个字段里,统计时会出现一个账户被重复计数。
用代码做归因
下面的代码把 MRR bridge、期望流失账户、风险收入、主因权重和责任团队拆成独立函数。金额用整数美分,权重用基点,主因权重之和强制为 100%。
// file: src/ops/11-3-churn-attribution.ts
// tier: L1
// verify: node --test test/ops/11-3-churn-attribution.test.ts
// 流失归因:先用 MRR bridge 拆开存量变化,再把流失金额归到主因与责任团队。
import { type Cents } from "../core/money.ts";
import { type Bps, divide } from "../core/rate.ts";
export type MrrBridgeInput = { startCents: Cents; newCents: Cents; expansionCents: Cents; contractionCents: Cents; churnCents: Cents };
export type MrrBridge = MrrBridgeInput & { endCents: Cents };
export function buildBridge(input: MrrBridgeInput): MrrBridge {
const endCents = input.startCents + input.newCents + input.expansionCents - input.contractionCents - input.churnCents;
return { ...input, endCents };
}
export type ChurnReason =
"value-gap" | "usage-decline" | "quota-rejection" | "model-quality" | "price" | "payment-failure" | "business-closure";
export type Attribution = { reason: ChurnReason; mrrCents: Cents; weightBps: Bps };
/** 主因归因:每个流失金额只归一个原因,权重按金额占比,余数补给最大项。 */
export function primaryAttribution(
items: readonly { reason: ChurnReason; mrrCents: Cents }[],
): Attribution[] {
const total = items.reduce((sum, item) => sum + item.mrrCents, 0);
const result: Attribution[] = items.map((item) => ({
...item,
weightBps: divide(item.mrrCents, total),
}));
const gap = 10_000 - result.reduce((sum, item) => sum + item.weightBps, 0);
if (gap !== 0 && result.length > 0) {
let largest = 0;
for (let index = 1; index < result.length; index += 1) {
if (result[index].mrrCents > result[largest].mrrCents) largest = index;
}
result[largest].weightBps += gap;
}
return result;
}
/** 期望流失账户数:用于 cohort 层面的预算,不是实际账户计数。 */
export function expectedChurnedAccounts(startAccounts: number, monthlyChurnBps: Bps): number {
return (startAccounts * monthlyChurnBps) / 10_000;
}
/** 风险收入 = 期望流失账户数 × ARPA。 */
export function revenueAtRiskCents(churnedAccounts: number, arpaCents: Cents): Cents {
return Math.round(churnedAccounts * arpaCents);
}
export type Owner = "cs" | "product" | "ml" | "finance" | "sales";
/** 每个主因对应一个可执行的责任团队,避免归因停在报告里。 */
export function ownerFor(reason: ChurnReason): Owner {
switch (reason) {
case "usage-decline":
case "value-gap":
return "cs";
case "quota-rejection":
case "price":
return "product";
case "model-quality":
return "ml";
case "payment-failure":
return "finance";
case "business-closure":
return "sales";
}
}
测试验证的关键值:LumenDesk 的期望流失账户是 2.56 家,按 ARPA 322.80 美元计算,风险收入是 82,637 美分,即 826.37 美元。bridge 函数把新客、扩张、降级、流失四项按符号加减后得到期末 MRR,主因权重合计 10,000 个基点,支付失败归财务,模型质量归模型团队。
代码不替你做因果判断,只保证三件事:金额不重复、权重不遗漏、责任有人接。因果判断仍然要靠证据层交叉验证。
还有一个细节:primaryAttribution 会对权重做四舍五入,再把余数补给金额最大的那一项。这样权重之和始终是 10,000 个基点,不会出现 9,999 或 10,001。归因报告里的百分比可以四舍五入,但金额必须用原始美分,不能拿舍入后的百分比反推金额。
归因结果要回到动作
归因的终点不是一张原因分布图,而是一组可执行的动作。每个主因至少要对应一个责任团队、一个动作和一个验证指标:
| 原因 | 责任团队 | 动作 | 验证指标 |
|---|---|---|---|
| 价值不足 | 客户成功 | 价值复盘、用例扩展 | 30 天用量恢复率 |
| 用量下滑 | 客户成功 | 使用诊断、培训 | 周活跃席位 |
| 配额拒绝 | 产品/定价 | 额度复核、升级路径 | 拒绝率与升级率 |
| 模型质量 | 模型团队 | 评测、回滚、路由 | 任务成功率 |
| 价格 | 产品/销售 | 档位设计、折扣审批 | 降级率 |
| 支付失败 | 财务 | 催收、账期、卡更新 | 回收率 |
| 业务关闭 | 销售 | 关系维护、转介绍 | 客户生命周期价值 |
验证指标必须是先行指标,不能只看下月流失率。流失率是结果,用量、拒绝率、任务成功率是过程。过程指标没有改善,下月流失率即使暂时下降,也只是延迟。
动作还要区分「救客户」和「修结构」。救客户是客户成功的事,修结构是产品、定价、交付的事。同一类流失反复出现,优先修结构;单个大客户流失,优先救客户。两者混在一起,团队会在个案上耗光精力,结构问题却一直存在。
归因还要有时效。月度归因用于动作,季度归因用于结构,年度归因用于策略。月度报告要能在一周内出来,否则动作会错过窗口;季度报告要能看出 cohort 与渠道的结构变化;年度报告要能回答「哪类客户最不值得留」。
时效还决定了归因的颗粒度。月度看单个原因与单个团队,季度看原因组合与 cohort,年度看结构性问题。颗粒度太细,报告出得慢,动作错过窗口;颗粒度太粗,报告出得快,但看不到可执行的原因。
最后,归因结果要回到定价与产品。如果同一类流失连续三个月出现,问题通常不在客户成功,而在产品设计、额度规则或价格结构。归因报告如果只停在客户成功团队,就会把结构性问题当成执行问题,越救越累。
小结
- 流失是一条链,取消订阅是最后一环,用量下滑、配额拒绝、支付失败是更早的信号。
- MRR bridge 把期初到期末拆成新客、扩张、降级、流失,存量归因要拿掉新客。
- 期望流失账户可以是小数,它描述 cohort 的统计期望,不是实际账户清单。
- 风险收入按 ARPA 估算,准确金额必须用客户级 MRR 逐笔加总。
- 降级与流失要分开归因;降级通常可逆,流失通常不可逆,动作不同。
- 归因要看账单、产品、人工、市场四层证据,单一来源只能提供相关性。
- 主因归因负责责任与动作,比例归因负责专题分析,两者不能互相替代。
- 归因终点是责任团队、动作与先行指标,不能停在原因分布图。
阅读导航:上一节:11.2 净收入留存与用量扩张 · 下一节:12.1 诊断:哪一类客户在亏钱 。
常见错误与边界
- 把取消订阅当成流失起点,忽略之前的用量下滑、配额拒绝与支付失败。
- 把降级和流失混在一个数字里,导致动作无法分配到正确的团队。
- 只做单因归因,多个原因时重复计算或漏计,归因金额对不上 MRR bridge。
- 只用客服原因码,不做账单与用量交叉验证,把客户的说法当成事实。
- 把支付失败当成主动流失,放弃本可挽回的客户与收入。
- 归因报告没有责任团队与验证指标,结论停在图表上,无法闭环。
继续阅读
探索更多技术文章
浏览归档,发现更多关于系统设计、工具链和工程实践的内容。