Apa itu churn pelanggan?

Ini adalah metrik yang sangat penting untuk bisnis perangkat lunak sebagai layanan (SaaS), yang banyak di antaranya bergantung pada pendapatan berulang bulanan dari langganan. Mereka perlu mengetahui apakah pelanggan sedang bergejolak—atau mungkin akan bergejolak pada masa depan—karena hal itu akan berdampak langsung pada keuntungan mereka.

Churn pelanggan, atau gesekan pelanggan, adalah kebalikan dari retensi pelanggan, yang berkaitan dengan perusahaan yang mempertahankan hubungan pelanggan mereka. Meminimalkan churn pelanggan harus menjadi komponen utama dari setiap strategi interaksi pelanggan, yang berkaitan dengan semua interaksi yang dilakukan pelanggan dengan bisnis atau merek, baik secara online maupun di toko.

Memprioritaskan interaksi pelanggan, terutama merumuskan strategi retensi pelanggan yang kuat, merupakan perlindungan penting terhadap churn pelanggan.

Perusahaan harus mengukur tingkat churn pelanggan secara berkala, sehingga mereka dapat memahami apakah mereka berisiko kehilangan pendapatan.

Menghilangkan churn adalah tugas penting mengingat betapa tingginya biaya akuisisi pelanggan. Menurut McKinsey¹, mengganti nilai satu pelanggan yang hilang dapat membutuhkan akuisisi tiga pelanggan baru. Jadi, perusahaan harus melakukan apa pun yang mereka bisa untuk mengurangi churn dan mempertahankan pelanggan tersebut.

Churn memengaruhi bisnis B2B dan B2C dengan cara yang sedikit berbeda. Cenderung ada tingkat churn yang lebih tinggi dalam bisnis B2C daripada B2B karena beberapa alasan.

Pertama, pelanggan B2C tidak perlu mendapatkan persetujuan dari atasan untuk memulai atau mengakhiri langganan, sehingga mereka lebih cenderung melakukan pembelian impulsif dan berhenti berlangganan. Kedua, langganan juga cenderung lebih murah, yang berarti lebih mudah untuk meninggalkan satu layanan dan mulai menggunakan layanan lain.

Di sisi lain, churn B2B sering kali lebih berdampak terhadap bisnis tersebut.

Perusahaan B2B modern menjual produk atau layanan. Yang pertama sering kali merupakan biaya satu kali untuk produk individual. Bagi mereka yang menjual solusi perangkat lunak sebagai layanan, yaitu perusahaan SaaS, mereka dapat menagih pelanggan beberapa kali sepanjang tahun untuk dapat mengakses layanan. Yang terakhir tergantung pada pelanggan mereka (pelanggan) yang membayar pendapatan berulang bulanan.

Bisnis B2B kemungkinan memiliki lebih sedikit pelanggan potensial, atau jalur penjualan yang lebih ketat. Hal ini dikarenakan bisnis B2B melayani sekelompok pelanggan tertentu, sedangkan sebagian besar konsumen membutuhkan produk B2C tertentu secara rutin (misalnya, bahan makanan, barang rumah tangga, layanan bank).

Dengan demikian, perputaran pelanggan memiliki dampak yang lebih besar bagi bisnis B2B, terutama jika mereka menyediakan produk atau layanan dengan label harga tinggi kepada kelompok pelanggan yang lebih terpilih.

Meningkatnya churn dapat menurunkan semangat para eksekutif dan karyawan, yang menimbulkan kekhawatiran tentang pekerjaan mereka dan keberlangsungan perusahaan. Karena akuisisi pelanggan baru sering kali memakan waktu dan mahal, hal ini dapat mengalihkan perhatian perusahaan untuk fokus melayani pelanggan yang sudah ada, sehingga menciptakan efek siklus.

Itu adalah salah satu contoh bagaimana kehilangan pelanggan dapat menciptakan churn yang bersifat eksponensial atau siklus. Yang lainnya adalah dari mulut ke mulut. Jika seorang pelanggan berbicara kepada pelanggan lain tentang ketidakpuasan mereka terhadap produk perusahaan, hal ini dapat menyebabkan lebih banyak pembatalan dan menciptakan churn yang lebih besar.

Ada dua jenis utama dari churn pelanggan: disengaja dan tidak disengaja.

Ini berkaitan dengan perubahan preferensi pelanggan. Contoh churn yang disengaja termasuk pelanggan yang memilih untuk tidak lagi menggunakan produk dalam kategori tersebut, yang beralih ke produk pesaing, reaksi terhadap kenaikan harga, atau pengalaman pelanggan yang buruk.

Hal ini berkaitan dengan masalah yang sering kali berada di luar kendali pelanggan, seperti perusahaan yang tidak lagi menawarkan produk atau layanan tersebut, masalah teknis atau pembayaran, dan bencana alam. Mungkin juga ada alasan tidak terduga terkait mengapa pelanggan tidak dapat lagi menggunakan layanan. Contohnya, perusahaan tidak lagi membayar seseorang untuk menggunakan layanan atau perubahan pekerjaan membuat produk atau layanan tersebut tidak lagi bernilai.

• Tingkat churn
• Pendapatan berulang bulanan
• Tingkat churn pendapatan

Perusahaan dapat mengukur tingkat churn pelanggan dengan membagi jumlah total pelanggan yang meninggalkan perusahaan dalam jangka waktu tertentu dengan total pelanggan yang diakuisisi perusahaan. Angka ini kemudian dikalikan dengan 100 selama periode waktu tertentu.

Perusahaan harus membandingkan angka churn pelanggan, seperti metrik pengalaman pelanggan lainnya, sehingga mereka dapat mengidentifikasi masalah potensial. Untuk menghitung tingkat churn, perusahaan dapat memilih periode waktu tertentu, seperti menghitung tingkat churn mingguan, bulanan, atau tahunan. Tingkat churn bulanan mungkin bagus untuk perusahaan SaaS dengan pendapatan berulang bulanan (MRR) yang perlu memahami tarif bulanan mereka.

Tingkat churn pelanggan = (Pelanggan yang hilang/Total pelanggan pada awal periode waktu) x 100

Contoh: Perusahaan yang melacak tingkat churn setiap bulan kehilangan 300 dari 75.000 pelanggan mereka. Itu artinya tingkat churn mereka akan menjadi 0,4%

Perusahaan yang menyiapkan peringatan real-time untuk hal-hal seperti pembayaran kartu kredit yang dibatalkan atau layanan yang dibatalkan dapat menangani churn dengan lebih baik.

Tingkat churn bervariasi tergantung pada jenis bisnis. Menurut Recurly, tingkat churn rata-rata adalah 4%, di mana 3% dikaitkan dengan churn sukarela dan 1% dikaitkan dengan churn tidak sukarela. Untuk penyedia hiburan digital, tingkat churn rata-rata sering kali lebih tinggi. Ini cenderung lebih rendah untuk perangkat lunak dan bisnis dan layanan profesional.

Perusahaan juga dapat dan harus menghitung tingkat perputaran pendapatan, yang menentukan hilangnya pendapatan berulang bulanan (monthly recurring revenue atau MRR) dari pelanggan lama selama periode waktu yang ditentukan.

MRR = Jumlah pelanggan x pendapatan rata-rata per pelanggan (average revenue per subscriber atau ARPU)

Contoh: Perusahaan yang sama yang membebankan biaya layanan kepada 75.000 pelanggannya sebesar USD 15,00 per bulan memiliki MRR sebesar USD 1.125.000.

Ini menentukan banyaknya pendapatan yang dihasilkan dari perusahaan selama periode waktu tertentu.

Tingkat churn pendapatan = (Pendapatan hilang karena churn/Total MRR dalam periode waktu) x 100

Contoh: Perusahaan yang sama akan kehilangan sekitar USD 4.500 sebulan karena churn. Dibandingkan dengan total pendapatan, tingkat churn pendapatan juga hanya 0,4%.

• Skor kepuasan pelanggan
• Net Promoter Score/Skor Promotor Bersih
• Skor Upaya Pelanggan
• Tingkat penggunaan produk

CSAT melakukan survei terhadap pelanggannya untuk menentukan tingkat kepuasan mereka. Skor ini menghitung berapa banyak pelanggan yang puas atau sangat puas. Makin banyak pelanggan yang puas dalam suatu perusahaan, makin kecil kemungkinan mereka memiliki masalah churn.

NPS bertanya kepada pelanggan seberapa besar kemungkinan mereka merekomendasikan perusahaan dan produknya kepada orang-orang di jaringan mereka. Jumlah “pengguna yang mempromosikan” (9 dan 10) kemudian dikurangi jumlah skor rendah (skor 6 atau lebih rendah), dan hasilnya diubah menjadi persentase. Perusahaan dengan skor NPS yang tinggi bukan hanya tidak perlu khawatir tentang churn, tetapi juga mungkin akan mengalami penurunan biaya akuisisi pelanggan karena promosi dari mulut ke mulut yang positif.

Metrik layanan pelanggan ini berkaitan dengan seberapa sulit ditemukan pelanggan dari 1 (mudah) atau 7 (sulit). Perusahaan dengan CES tinggi mungkin berisiko mengalami churn pelanggan karena pelanggan merasa sulit berinteraksi dengan perusahaan.

Penggunaan produk perusahaan oleh pelanggan dapat membantu menentukan apakah mereka berisiko mengalami churn. Sebagai contoh, pelanggan yang tidak lagi masuk untuk menggunakan suatu produk bisa jadi menggunakan produk lain dan hanya menunggu langganannya habis.

Karena tingkat churn pelanggan dihitung dengan menggunakan rumus yang sama untuk semua perusahaan, ada beberapa model churn pelanggan yang dapat digunakan perusahaan untuk melacak dan memprediksi churn pada masa depan. Agar berhasil membangunnya, perusahaan harus menganalisis beberapa pertanyaan, termasuk alasan pelanggan pergi dan tetap tinggal, faktor apa yang menyebabkan churn, dan sejauh mana faktor-faktor tersebut ada atau lazim.

• Model Churn Prediktif
• Model Churn Preventif
• Analisis Kelangsungan Hidup
• Deteksi anomali

Model berbasis data ini yang menyerap poin-poin data tersebut dan memprediksi tingkat churn di masa depan tanpa intervensi apa pun.

Model ini mengambil pendekatan yang sama dengan model churn prediktif, tetapi memetakan teknik apa yang membantu meminimalkan churn, seperti perubahan harga, fitur baru, atau pendekatan baru untuk dukungan pelanggan.

Model ini, yang juga dikenal sebagai model time-to-event atau waktu-ke-peristiwa, dapat memprediksi kapan seorang pelanggan berpindah berdasarkan data pembelian, data historis, dan kondisi saat ini. Ini sangat membantu perusahaan B2B dengan produk berbiaya tinggi yang dapat mengembangkan sumber daya untuk mempertahankan setiap klien. Hal ini juga dapat bernilai secara keseluruhan dengan membantu perusahaan memahami apakah mereka berisiko mengalami peristiwa churn yang besar.

Model-model ini dapat mengidentifikasi peristiwa potensial yang dapat menyebabkan peningkatan churn pelanggan, sehingga perusahaan dapat mencoba memperbaikinya atau mengubah strategi untuk meminimalkan dampaknya. Contoh anomali yang harus dilacak oleh perusahaan adalah peningkatan mendadak dalam masukan negatif dari pelanggan, penurunan penggunaan, dan peningkatan permintaan pengembalian barang atau pengembalian dana.

Perusahaan memiliki beberapa alat dan pendekatan proaktif untuk mengurangi churn pelanggan di sepanjang perjalanan pelanggan, terutama di antara pelanggan yang berisiko.

• Identifikasi pelanggan berisiko
• Investasi kesuksesan pelanggan
• Layanan pelanggan yang sangat baik
• Harga yang wajar
• Pengambilan keputusan berbasis metrik
• Proses orientasi yang luar biasa
• Program loyalitas yang kuat

Perusahaan harus berinvestasi dalam alat manajemen hubungan pelanggan (CRM) canggih untuk melacak aktivitas pelanggan mereka. Mereka juga dapat menggunakan teknologi kecerdasan buatan seperti machine learning untuk menganalisis data pelanggan secara lebih baik, yang berpotensi mengidentifikasi pelanggan yang cenderung berpindah sebelum tim kesuksesan pelanggan melakukannya sendiri.

Ini berbeda dari layanan pelanggan, yang lebih reaktif terhadap masalah saat mereka tiba. Kesuksesan pelanggan bekerja dengan pelanggan saat mereka menggunakan produk atau layanan untuk memastikan mereka memaksimalkan kegunaannya. Ini membantu perusahaan mengidentifikasi pelanggan yang berisiko berpindah. Bisnis SaaS telah berinvestasi pada kesuksesan klien atau pelanggan sebagai cara untuk membuat pelanggan tetap senang dan menggunakan produk yang cukup untuk membenarkan biaya bulanan mereka.

Mengurangi churn terkadang bisa semudah meningkatkan nilai layanan pelanggan yang disediakan perusahaan. Dengan kata lain, layanan pelanggan yang buruk dapat dengan cepat mengubah pelanggan yang bahagia menjadi pelanggan yang akhirnya berpindah. Perlakukan pelanggan yang memberikan masukan dengan sangat hormat dan tanggapi kebutuhan pelanggan dengan segera.

Perusahaan memiliki beberapa teknologi canggih yang sekarang dapat mereka gunakan untuk meningkatkan hubungan pelanggan. Menggunakan pemrosesan bahasa alami (NLP) dapat membantu perusahaan mengolah data pelanggan dengan lebih baik untuk memahami kepuasan pelanggan, yang dapat mereka masukkan ke dalam model untuk menentukan tingkat churn rata-rata.

Mereka dapat menggunakan chatbot berbasis kecerdasan buatan untuk menjawab pertanyaan sederhana dari pelanggan, membebaskan perwakilan layanan pelanggan mereka untuk menangani masalah yang lebih rumit.

Pelanggan mungkin menyukai produk atau layanan perusahaan, tetapi berhenti membeli jika menurut mereka harganya terlalu tinggi untuk kualitas yang mereka terima. Perusahaan perlu melakukan riset harga untuk menjaga harga tetap sejalan dengan persaingan dan apa yang diharapkan pelanggan untuk membayar.

Memahami dan melacak metrik tertentu dapat membantu memantau potensi churn pelanggan. Skor kepuasan pelanggan (CSAT) dan skor promotor bersih (NPS) membantu memahami seberapa puasnya pelanggan dengan produk dan layanan perusahaan. CSAT meminta pelanggan untuk memberi peringkat kepuasan mereka pada skala 1-10. NPS bertanya kepada pelanggan seberapa besar kemungkinan mereka merekomendasikan produk atau layanan kepada rekan-rekan mereka.

Jika metrik ini mulai menurun, ini merupakan pertanda bahwa basis pelanggan perusahaan berisiko mengalami churn. Para pemimpin tahu bahwa mereka perlu bertindak untuk meningkatkan pengalaman pelanggan dan mengurangi churn.

Menciptakan loyalitas merek adalah cara yang bagus untuk mengurangi churn pelanggan. Sebagai contoh, perusahaan dapat menawarkan insentif kepada pelanggan yang sudah ada, seperti diskon atau produk gratis untuk ulang tahun atau jika pelanggan membelanjakan sejumlah uang. Itu adalah cara yang bagus untuk membuat pelanggan yang baik senang dengan produk perusahaan. Mendorong loyalitas dapat menghasilkan manfaat lain, seperti peningkatan potensi untuk upselling.

Salah satu cara terbaik untuk menghindari kehilangan pelanggan adalah fokus memberikan layanan terbaik kepada pelanggan baru di awal hubungan. Perusahaan dapat menawarkan tutorial, Pertanyaan Umum, dan panduan mandiri untuk menyiapkan pelanggan agar berhasil dan membantu mereka menggunakan produk perusahaan dengan lebih baik.

Berinvestasi dalam kecerdasan buatan dapat membantu perusahaan mengatasi masalah churn pelanggan dalam beberapa cara.

• Pengumpulan dan analisis data yang lebih baik
• Dukungan pelanggan yang lebih cepat dan lebih komprehensif
• Model dan simulasi
• Pengalaman pelanggan omnichannel yang lebih memuaskan
• Analisis prediktif yang lebih akurat

Perusahaan dapat menggunakan pemasaran AI generatif untuk meningkatkan pemasaran internal mereka dengan menghasilkan beberapa versi yang dipersonalisasi dari email yang sama, sehingga memberikan dampak yang lebih besar bagi pelanggan individu di saluran mana pun yang mereka gunakan.

Menggunakan pengalaman layanan pelanggan positif AI percakapan dapat memutuskan apakah pelanggan akan berpindah atau tidak. Perusahaan harus memanfaatkan AI percakapan, baik menggunakan chatbot yang berhadapan langsung dengan pelanggan atau menyediakan asisten virtual AI untuk pelanggan.

AI dapat dengan cepat mengumpulkan semua data publik pihak ketiga dan data internal pihak pertama, dan machine learning secara khusus dapat mengidentifikasi tema umum yang dapat membantu perusahaan memahami di mana kekuatan dan kelemahan mereka dalam melayani kebutuhan pelanggan.

AI dapat mengurai data perilaku pelanggan untuk memprediksi pelanggan mana yang berisiko berpindah dibandingkan dengan karyawan yang melihat informasi CRM atau spreadsheet.

Perusahaan dapat menggunakan kembaran digital pelanggan (CDT) yang didukung AI untuk menyimulasikan pengalaman pelanggan, membantu perusahaan memahami kebiasaan pembelian, apa yang menyebabkan perpindahan, dan bagaimana memprediksi pembelian di masa depan dengan lebih baik. CDT dapat memetakan hari dan minggu pada peta perjalanan pelanggan, memberikan gambaran menyeluruh tentang seluruh pengalaman pelanggan.