《AI 产品的商业化·成本、毛利与收入运营》11.3 降级与流失的归因

降级与流失不是续费那一刻才发生的,而是从用量下滑、配额拒绝、支付失败一路累积。本节用 MRR bridge 拆开存量收入变化,给出期望流失账户与风险收入的计算,并把七类原因映射到责任团队和可验证的处置动作,最后说明主因归因与比例归因的适用边界。

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
LumenDesk320 家0.8%2.56 家322.80 美元826.37 美元
Verba API1,450 个2.1%30.45 个231.72 美元7,055.87 美元
ClausePilot85 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。

全部文章 返回首页

「books」更多文章

  1. 《大规模分布式计算深入解析》15.3 落地:从 Neo4j 到自研图引擎
  2. 《大规模分布式计算深入解析·图计算与图数据库内核》 · 目录与学习路径(45 篇)
  3. 《大规模分布式计算深入解析》15.2 十一卷主线:从切分到图