這篇中文文章是我嘗試從〈A Better Way to Calculate Your Churn Rate〉翻譯的，會翻譯這篇文章，主要是因為我現在任職的公司與訂閱制有關，而流失率（churn rate）對訂閱制產業而言是非常重要的指標，但當我搜尋相關資料時，繁體中文的資料非常少，所以決定翻譯這篇文章，希望能幫助更多類似產業的人，釐清對於「流失率」的概念。
註一：我盡量逐字、逐段翻譯，尤其分段的部分都是跟原文一樣的，方便大家跟原文對照。
註二：有一兩段我翻得不是太有把握，自認無法 100% 達成「信達雅」，如果有對於訂閱制或中英翻譯專業的人願意給予指教，非常歡迎你們留言！
影音串流平台 Netflix 曾在 2004 被股東們指控顧客流失率不實，股東們認為：「Netflix 用了不合適的方式在計算流失率，以人為方式營造出平台的低流失率。」但法院基於「目前本來就沒有一個放諸各產業皆準的流失率公式」的理由駁回此案。
流失率對任何訂閱制產業都是至關重要的營運指標，坊間目前也有各種對於「如何計算流失率」的討論。
這篇文章會先著重討論「顧客流失率（customer churn rate）」，未來有機會再討論「營收流失（revenue churn）」。
編按：此文中的顧客（customers）就是指每月有花錢訂閱服務的訂閱者（subscribers）。
基本流失率的算法
最基本的「每月顧客流失率」算法就是：當月流失的顧客（分子） / 當月所有的顧客（分母）。
編按：這個概念非常重要！你不用把這個算法背起來，但你必須知道這就是最基本的流失率算法，因為下文中會有優化版的算法，會以這個算法為基礎，然後逐漸演變出更精確的計算方式。
但我們又該如何計算當月所有的顧客數量呢？有些公司是拿「月初的顧客數」，有些則是「月底的顧客數」，另外也有人是拿「月初和月底平均的顧客數」。
不管是上述哪種算法都有問題，尤其對於有大量新顧客的公司（如 2004 年的 Netflix）更是如此。接下來這個例子中，顧客在兩個月份的行為是完全一樣的，但只要計算的方式一變，就會算出差別迥異的流失率。
基本流失率的算法：以「奶油訂閱服務」為例
假設我們現在有一個「Butter of the Month」公司－－一個每月會寄送新款美味奶油給顧客的訂閱服務。
編按：如果你覺得看文字很難懂，下面這段先跳過，直接看段落下的表格，我有列出數學運算的過程。
Butter of the Month 在 7 月初時有 1,000 位顧客，在這 1,000 位顧客中，有 5%（也就是 1,000 * 5% = 50 位）在 7 月底取消訂閱了；同時也新增了 500 位新顧客，這 500 位新顧客中則有 12 位在 7 月底取消訂閱。如果用最基本的流失率算法－－也就是上述提到的「當月流失的顧客（分子） / 當月所有的顧客（分母）」，流失率就是 (50+12) / 1000 = 6.2%。
編按：如果你覺得看文字很難懂，下面這段先跳過，直接看段落下的表格，我有列出數學運算的過程。
現在假設平台在 8 月份有一樣的情況，7 月底共有（最初的 1,000 位 — 1,000 位中離開了 50 位 + 新增了 500 位 — 500 位中離開了 12 位）= 1,438 位，而這也就是 8 月初的現有顧客數。現在維持 舊客 5% 的流失率、一樣有 500 位新客加入、500 位中一樣有 12 位離開，最後算出的流失率是 (1438 * 5% + 12) / 1,438 = 84 / 1,438 = 5.8%。
基本流失率的算法缺點
啊歐，奇怪的事情發生了，平台的流失率下降了呢！想必 8 月的平台表現一定很好吧！但明明 7 月跟 8 月的使用者行為（不管是新訂閱還是取消訂閱）都是一樣的啊！原因則是在於 8 月初有更大量的顧客數（1,438 > 1,000），這讓流失率公式中的分母變大了，所以整體流失率隨之下降。
然而，這個指標（指基本流失率）明明是基於相同元素而運算出來，結果卻會有所改變，這代表該指標是很不可靠的，沒有人會願意根據這種易改變的（編按：甚至可以說「容易被操縱的」）指標來做出重要決策。
新的流失率算法
來自加拿大的開店平台 Shopify 的 Stephen Noble 提出了更好的計算方式（該篇文章的例子就是取自於他的文章），將流失率想成一種「可能性」，有多少顧客流失了？有多少機率造成他們的流失？
只要顧客維持訂閱一天，就代表他並沒有在這天流失。（編按：這句看起來很廢，但相信我，它是有意義的，它也是接下來流失率的新計算標準之一）如果顧客維持訂閱七天，然後在第 7 天取消訂閱，這代表他有 7 次流失的機會，這也就是說，他在整個訂閱時間中，有 1/7 流失的機率。
只要將所有訂閱者的流失率整合計算在一起，就能得到更精準的流失率，所以我們就會需要計算每個月的「顧客訂閱日數（customer days）」。
所謂的「顧客訂閱日數（customer days）」也就是顧客維持訂閱狀態的日期數量。
新的流失率算法：以「奶油訂閱服務」為例
現在跳回剛剛的 Butter of the Month 吧！
編按：如果你覺得看文字很難懂，下面這段先跳過，直接看段落下的表格，我有列出數學運算的過程。
要計算流失率，我們先來看看 7 月流失的顧客數，跟之前一樣是 62 名（1,000 名中有 5% = 50 位取消訂閱，加上新訂閱的 500 位中有 12 位取消訂閱）。然後再計算「所有顧客的訂閱日數（the total number of customer days）」=（1,000 位既有訂閱顧客 * 31 天+ 0.5 * 438 位新訂閱顧客 * 31 天）= 37,789，最後把流失顧客數 / 所有顧客的訂閱日數 = (50+12) / 37,789 = 0.16%，就是「每顧客訂閱日數中的流失數（churns per customer day）」。
但這個「每顧客訂閱日數中的流失數（churns per customer day）」有點難解釋（編按：我也很難翻譯成有意義的中文啊！），所以我們把這個數字再乘上當月的日期數－－31，最後得出 5.1%，也就是新的流失率！
但，為什麼突然跑出了「0.5」這個數字呢？此案例中先假設「新訂閱行為與取消訂閱行為是以持續且穩定的比例在增加」，也就是說，顧客的淨增加是線性的（線性 = 一條直線，不是忽上忽下的曲線，或突然爆炸性成長的指數曲線），根據這個假設，我們就用了計算面積的公式來計算所有顧客的訂閱日數。
另一個解讀「0.5」的方式是假設「新訂閱顧客和流失顧客平均起來都各訂閱了半個月的時間」。
但切記！這一連串的假設都是用於 Butter of the Month 這個案例；在現實生活中的案例中，平台可以實際計算每個會員留在平台上的真實訂閱時間。
那再回頭看看這個公式若計算 8 月的數據，又會得到什麼樣的結果吧！
可以看出 7, 8 月的流失率是呈現一直線的－－一樣的顧客行為，一樣的結果！
綜合上面所述，儘管新的流失率算法比舊的複雜許多，但我們相信這個新算法會讓不同區間之間的比較更方便，並讓你對於每月流失率有更清楚的概念。
最後再重申一次，上面這些中文解釋是我自行從〈A Better Way to Calculate Your Churn Rate〉翻譯的，我盡量逐字、逐段翻譯，尤其分段的部分都是跟原文一樣的，方便大家跟原文對照；但有一兩段我翻得不是太有把握，自認無法 100% 達成「信達雅」，如果有對於訂閱制或中英翻譯專業的人願意給予指教，非常歡迎你們留言！也感謝忠實讀者（？）桃園的鍾小姐先幫我看了這篇文章！
