Churn Rate

Churn Rate im Überblick

Die Churn Rate misst, wie viele Kunden du in einem Zeitraum verlierst. Für Subscription-Geschäftsmodelle ist sie eine zentrale Metrik, weil Kundenbindung Wachstum, Planbarkeit und Akquisitionsdruck stark beeinflusst.

Einfache Berechnung:

Churn Rate = Verlorene Kunden / Kunden zu Beginn × 100

Beispiel:
- Kunden zu Periodenbeginn
- verlorene Kunden in der Periode
- Churn Rate = verlorene Kunden / Kunden zu Periodenbeginn

Warum ist Churn so kritisch?

Regelmäßiger Churn kumuliert sich über Zeit. Schon kleine Unterschiede pro Monat können über ein Jahr einen großen Effekt auf Kundenbasis, Umsatz und Akquisitionsdruck haben.

Deshalb sollte Churn immer zusammen mit Neukundengewinnung, Expansion, Vertragslaufzeiten und Segmenten betrachtet werden.

Customer Churn vs. Revenue Churn:

• Customer Churn: Anzahl verlorener Kunden
• Gross Revenue Churn: Verlorener Umsatz durch Kündigungen
• Net Revenue Churn: Verlorener Umsatz minus Expansion (Upsells)

Revenue Churn ist oft aussagekräftiger, weil der Verlust kleiner Kunden anders wirkt als der Verlust eines großen Enterprise-Kunden.

Technisch betrachtet

Churn Rate Formeln

Monatliche Customer Churn Rate:

Churn Rate = (Verlorene Kunden im Monat / Kunden am Monatsanfang) × 100

Wichtig: Die Definition sollte konsistent sein; häufig werden Neukunden der Periode für diese Basisberechnung nicht eingerechnet.

Jährliche Churn Rate:

Jährliche Churn = 1 - (1 - Monatliche Churn)^12

Beispiel:
- Monatliche Churn Rate als Dezimalwert einsetzen
- Jährliche Churn Rate ergibt sich aus der kumulierten Retention über zwölf Perioden

Revenue Churn:

Gross Revenue Churn = (MRR verloren durch Kündigungen + Downgrades) / MRR Monatsanfang

Net Revenue Churn = (MRR verloren - MRR Expansion) / MRR Monatsanfang

Negative Churn

Ein häufiges Ziel für SaaS und Subscription-Modelle ist Net Revenue Retention (NRR) um oder über 100%:

NRR = (MRR Start + Expansion - Churn - Downgrades) / MRR Start × 100

Beispiel:
- MRR zu Periodenbeginn
- Expansion aus bestehenden Kunden
- verlorener MRR durch Churn
- verlorener MRR durch Downgrades
- NRR = MRR nach Expansion, Churn und Downgrades / Start-MRR

NRR über 100% zeigt, dass Bestandskundenumsatz trotz Churn wächst – auch ohne zusätzlichen Neukundenumsatz.

NRR einordnen:

• unter 100%: Bestandskundenumsatz schrumpft
• um oder über 100%: Bestandskundenumsatz bleibt stabil oder wächst
• deutlich über 100%: starke Expansion in bestehenden Kunden

Die Bewertung hängt von Segment, Vertragsmodell, Preisstruktur und Unternehmensphase ab.

Churn-Analyse

Churn nach Kohorte:

• Wann churnen Kunden im Lebenszyklus?
• Welche Akquise-Kohorte churnt mehr?
• Saisonale Muster?

Churn nach Segment:

• Pricing Tier (Free, Pro, Enterprise)
• Unternehmensgröße
• Branche
• Akquisekanal

Churn Reasons:

• Exit-Surveys
• Support-Ticket-Analyse
• Nutzungsdaten vor Kündigung

Predictive Churn mit ML

Machine Learning kann Hinweise auf erhöhte Churn-Wahrscheinlichkeit liefern, bevor eine Kündigung passiert:

Input-Features:

• Login-Frequenz (sinkend = Risiko)
• Feature-Nutzung (weniger Features = Risiko)
• Support-Tickets (viele = Risiko, aber auch Engagement)
• Zahlungshistorie (verspätete Zahlungen)
• NPS/CSAT-Scores
• Vertragslaufzeit

Typische Modelle:

• Logistic Regression (interpretierbar)
• Baum- und Boosting-Modelle (oft leistungsstark)
• Survival Analysis (Zeit bis Churn)

Output:

• Churn-Wahrscheinlichkeit pro Kunde
• Risk Score für Priorisierung
• Wichtigste Churn-Indikatoren

Churn reduzieren

Onboarding optimieren:

• Time-to-Value verkürzen
• Activation Milestones definieren
• Proaktiver Support in ersten 30 Tagen

Engagement steigern:

• Feature-Adoption tracken
• In-App-Guidance
• Regelmäßige Check-ins (CSM)

Proaktive Retention:

• Churn-Prediction nutzen
• At-Risk-Kunden kontaktieren
• Incentives für Verlängerung

Produkt verbessern:

• Churn-Gründe analysieren
• Feature-Requests priorisieren
• Wettbewerbs-Analyse