Revenue churn kohortanalyse – forstå kundelojalitet i vekstselskaper

Hva er revenue churn kohortanalyse?

Revenue churn kohortanalyse er en avansert måte å studere inntektstap på i abonnementsbaserte selskaper. I stedet for å se på totalt inntektstap i en periode, bryter man ned dataene etter kundegrupper som startet abonnementet i samme tidsrom – en kohort. Deretter følger man hver kohort over tid og måler hvor mye av den opprinnelige månedlige gjentakende inntekten (MRR) som forsvinner måned for måned.

For en investor i norske vekstselskaper, for eksempel et SaaS-selskap som tilbyr regnskapsprogramvare, gir denne analysen et mye mer presist bilde av kundelojalitet enn en enkel gjennomsnittlig churn-rate. Den viser om et selskap faktisk blir bedre til å beholde kundene, eller om den lave totale churnen bare skyldes at mange nye kunder maskerer tapet av gamle.

Analysen er spesielt nyttig fordi den isolerer effekten av tid. En kohort som startet i januar 2023, vil naturlig nok ha høyere churn i de første månedene (såkalt «early churn») enn en kohort som har vært kunde i to år. Ved å sammenligne kohorter på samme tidspunkt i livssyklusen, for eksempel måned 6, kan du se om nyere kunder er mer lojale enn eldre.

I praksis betyr dette at investorer kan vurdere om selskapets vekst er bærekraftig. Hvis revenue churn for hver ny kohort er synkende, tyder det på at produktet blir stadig bedre og at kundene blir mer fornøyde. Motsatt kan økende churn være et rødt flagg, selv om totalinntektene fortsatt vokser.

Forstå revenue churn kohortanalyse

For å forstå verdien av kohortanalyse må vi først se på svakhetene ved enkel revenue churn. Den enkle raten, for eksempel «vi mistet 5 % av MRR i forrige måned», sier ingenting om hvilke kunder som forsvant. Var det nye kunder som angret seg, eller lojale kunder som sa opp etter flere år? Uten kohorter kan ledelsen og investorer lett bli lurt av «survivorship bias» – de gjenstående kundene ser lojale ut, men det er fordi de dårlige allerede har forsvunnet.

Kohortanalyse løser dette ved å gruppere kunder etter startdato. Du lager for eksempel en kohort for hver måned: januar 2023, februar 2023, og så videre. Deretter beregner du for hver kohort den gjenværende MRR som prosentandel av start-MRR, måned for måned. Resultatet blir en tabell der radene er kohorter og kolonnene er måneder siden start.

En sunn utvikling kjennetegnes av at kurvene flater ut etter noen måneder. Hvis en kohort mister 20 % i måned 1, 10 % i måned 2, og deretter bare 2–3 % per måned, er det normalt. Men hvis churnen holder seg høy langt ut i løpet, kan det tyde på at produktet ikke skaper varig verdi.

For norske investorer er dette spesielt relevant i lys av den høye andelen abonnementsbaserte tjenester i Norge. Alt fra strømmetjenester til programvare og forsikringer har gjentakende inntekter. Kohortanalyse gir et felles språk for å sammenligne slike selskaper, uavhengig av størrelse.

Hvordan fungerer revenue churn kohortanalyse?

Analysen gjennomføres i flere trinn. Først identifiserer man kohortene – vanligvis per måned, men kvartal eller uke kan også brukes. For hver kohort noterer man total MRR ved starten av perioden (måned 0). Deretter følger man den samme gruppen kunder og måler MRR ved slutten av hver påfølgende måned. Tap av inntekt kan skyldes både fulle oppsigelser og nedgraderinger til billigere abonnement (contraction). Gevinst fra oppgraderinger eller reaktiveringer innen samme kohort kan også inkluderes, men ofte skiller man mellom brutto og netto churn.

Formelen for revenue churn i en kohort for en gitt måned er:

Revenue churn rate (kohort, måned t) = (MRR tapt i måned t) / (MRR ved start av måned t)

Her er MRR tapt summen av oppsigelser og nedgraderinger i den aktuelle måneden for den spesifikke kohorten. Hvis man ønsker netto churn, trekker man fra eventuelle oppgraderinger og reaktiveringer.

Resultatene presenteres gjerne i en kohorttabell. Nederst i tabellen kan man beregne gjennomsnittlig churn over alle kohorter for hver måned, eller man kan plotte kurver for å se trender. Mange SaaS-selskaper viser en såkalt «churn curve» som synker over tid – et tegn på at kunder som overlever de første månedene, har en tendens til å bli værende.

For en investor er det viktig å se på utviklingen på tvers av kohorter. For eksempel: Hvis kohorten fra januar 2023 hadde 90 % gjenværende MRR etter 12 måneder, mens kohorten fra januar 2024 hadde 92 %, indikerer det en forbedring. Hvis tallet synker til 88 %, bør man grave dypere.

Historisk bakgrunn

Kohortanalyse har røtter i medisinsk forskning og demografi, hvor man følger en gruppe mennesker over tid for å studere sykdomsforløp eller levealder. I næringslivet ble metoden først populær innen e-handel og CRM, men det var SaaS-revolusjonen på 2010-tallet som virkelig løftet frem kohortanalyse som et standardverktøy.

I 2013–2014 begynte flere ledende SaaS-selskaper som Salesforce, HubSpot og senere norske selskaper som Visma og Zwipe å publisere kohortdata i sine investorpresentasjoner. Årsaken var enkel: Venture-kapitalister og børsinvestorer krevde mer innsikt i inntektskvalitet. En høy topline-vekst kunne skjule en dårlig underliggende kundeøkonomi.

I Norge har kohortanalyse blitt særlig relevant etter at flere teknologiselskaper har blitt børsnotert, for eksempel Kahoot! (før det ble tatt av børs) og Otello Corporation. Norske investorer har lært at selskaper med lav revenue churn og sterke kohortkurver ofte verdsettes høyere, fordi fremtidige inntekter er mer forutsigbare.

I dag er kohortanalyse en del av standardrapporteringen for mange vekstselskaper, og flere norske regnskapsbyråer og analyseplattformer tilbyr verktøy for å lage slike analyser. For en investor er det ikke lenger nok å bare se på total churn – kohortene gir det virkelige bildet.

Praktisk eksempel

La oss ta et fiktivt norsk SaaS-selskap, «NorskSkytjeneste AS», som selger et faktureringssystem til småbedrifter. Selskapet startet i januar 2023 og har hver måned fått nye kunder. Vi ser på to kohorter: de som startet i januar 2023 (kohort A) og de som startet i januar 2024 (kohort B). MRR ved start for kohort A var 100 000 NOK, for kohort B 150 000 NOK.

Her er en forenklet kohorttabell som viser gjenværende MRR i prosent av start-MRR:

Hvis vi i stedet så at kohort B hadde dårligere tall enn A, for eksempel 58 % etter 12 måneder, ville det vært et varsel om at nyere kunder er mindre lojale. Kanskje selskapet har senket prisene og tiltrukket seg mindre seriøse kunder, eller produktet har mistet funksjonalitet.

Ved å summere gjenværende MRR for alle kohorter kan man også beregne en vektet gjennomsnittlig levetid for kundene. I eksemplet over vil kohort A ha en gjennomsnittlig kundelevealder på cirka 24 måneder (basert på en churnkurve), mens kohort B nærmer seg 30 måneder. Dette påvirker direkte selskapets verdivurdering.

Fordeler og ulemper

Fordelene med revenue churn kohortanalyse er mange. For det første gir den et presist bilde av om selskapet faktisk forbedrer kundelojaliteten over tid. For det andre avslører den om veksten er bærekraftig – et selskap med høy kundetilstrømning men også høy churn kan se bra ut på topplinjen, men vil slite med lønnsomhet. For det tredje gjør kohortanalyse det mulig å sammenligne ulike perioder og vurdere effekten av strategiske endringer, som prisjusteringer eller nye markedsføringskanaler.

Ulempene er knyttet til kompleksitet og datakvalitet. For å lage en god kohortanalyse trenger man detaljerte data på kundenivå over lang tid. Mange selskaper har ikke systemer som sporer dette nøyaktig, spesielt hvis de har manuelle faktureringsprosesser. I tillegg kan analysen være tidkrevende å tolke, og den krever at man forstår begreper som MRR, kontrahering og ekspansjon.

En annen ulempe er at kohortanalyse er bakoverskuende. Den viser hva som har skjedd, men sier ikke nødvendigvis noe om fremtiden hvis selskapet endrer forretningsmodell. For en investor er det derfor viktig å kombinere kohortdata med andre indikatorer som kundetilfredshet (NPS) og markedsutsikter.

Til slutt kan kohortanalyse gi et for optimistisk bilde hvis selskapet har mange svært store kunder. Én enkelt stor kunde som sier opp, kan ødelegge statistikken for en hel kohort. Derfor bør man også se på logo churn (antall kunder) i tillegg til revenue churn.

Vanlige misforståelser

En vanlig misforståelse er at lav revenue churn automatisk betyr at selskapet har lojale kunder. Men hvis selskapet har mange oppgraderinger fra eksisterende kunder, kan netto revenue churn være negativ (inntektene øker), selv om en del kunder sier opp. Kohortanalyse hjelper med å skille mellom disse effektene, men investorer må være klar over at en negativ netto churn ikke nødvendigvis betyr null frafall.

En annen misforståelse er at kohortanalyse kun er relevant for store selskaper. Små startups kan også ha stor nytte av metoden, selv med få kunder. For eksempel kan en norsk gründerbedrift med 20 kunder likevel se på hver enkelt kundes oppførsel over tid. Men tolkningen blir mer usikker med små tall.

Noen tror også at kohortanalyse alltid må gjøres med månedlige kohorter. I realiteten kan man bruke uker, kvartaler eller til og med år, avhengig av hvor raskt selskapet vokser. For et selskap med svært lang kontraktsperiode, som et norsk forsikringsselskap, kan årlige kohorter være mer relevante.

Til slutt forveksles ofte revenue churn kohortanalyse med kundekohortanalyse (logo churn). Forskjellen er at revenue churn vekter kundene etter inntekt, mens logo churn behandler alle kunder likt. En bedrift kan miste mange småkunder (høy logo churn) men likevel ha lav revenue churn, fordi de store kundene blir værende. Begge perspektivene er viktige.

Oppsummering

Revenue churn kohortanalyse er et kraftfullt verktøy for investorer som vil forstå kvaliteten på inntektsstrømmen i abonnementsbaserte selskaper. Ved å følge en gruppe kunder over tid, kan man se om selskapet blir bedre eller dårligere til å beholde kundene. Dette er langt mer nyttig enn en enkel gjennomsnittlig churn-rate.

For norske investorer som vurderer SaaS- eller vekstselskaper, bør kohortanalyse være en fast del av due diligence. Den avslører om veksten er bygget på solid kundelojalitet eller på en «lekk bøtte» der nye kunder hele tiden må erstatte de som forsvinner.

Husk at kohortanalyse har begrensninger – den er historisk og krever gode data. Men kombinert med andre metrikker som kundetilfredshet, kontantstrøm og markedsvekst, gir den et uvurderlig innblikk i selskapets fremtidsutsikter. For en investor er det å forstå kohortene ofte forskjellen mellom å investere i en bærekraftig veksthistorie og å bli lurt av en kortvarig hype.