Le taux de churn mesure le pourcentage de clients ou de revenus que vous perdez sur une période donnée. La formule de base est : (Clients perdus pendant la période ÷ Clients au début de la période) × 100. Si vous commencez janvier avec 1 000 clients et en perdez 50 à la fin du mois, votre churn mensuel est de 5 %. Cela répond directement à la question courante « quelle est la formule du taux de churn ? » dans sa forme la plus simple. Mais après une décennie à construire des modèles de rétention pour des entreprises SaaS et par abonnement, je peux vous dire que l’équation de base est là où la plupart des équipes s’arrêtent—et c’est là qu’elles commencent à faire des erreurs coûteuses.
Quelle est la formule du taux de churn (et pourquoi la plupart des équipes la calculent mal)
La définition classique du logo churn est le nombre de comptes perdus divisé par le nombre de comptes au début. Lorsque j’ai construit pour la première fois un tableau de bord de churn pour un client B2B SaaS en 2019, j’ai utilisé exactement cela et j’ai rapporté un churn mensuel de 4 %. Le PDG a demandé : « Avons-nous compté les 300 personnes qui ont rejoint le 28 ? » Nous ne l’avions pas fait. C’était à la fois correct et trompeur—correct parce que les nouveaux inscrits ne peuvent pas churner avant d’exister, trompeur parce que notre base de départ était obsolète par rapport au portefeuille actif.
La formule simple ne fonctionne que si vous définissez précisément la population. La plupart des gens ne réalisent pas qu’il existe deux variantes légitimes. La formule basée sur le début est (Perdus ÷ Début) × 100. La formule basée sur la moyenne est (Perdus ÷ ((Début + Fin) / 2)) × 100. Cette dernière lisse la croissance en milieu de période mais peut masquer des problèmes si l’acquisition est irrégulière.
Pour le churn de revenus, l’équation remplace les comptes par des dollars : (MRR perdu ÷ MRR de départ) × 100. Un churn de logos de 5 % peut être un churn de revenus de 2 % si les clients qui partent avaient de petits plans. Vous devez décider quelle histoire vous racontez avant de calculer, sinon vous comparerez des pommes et des oranges dans votre présentation au conseil.
La formule de base vs. la variante basée sur la moyenne
Utilisez la formule basée sur le début lorsque vous gérez une cohorte fixe—par exemple, des contrats annuels où les renouvellements ont lieu à la même date. Utilisez la formule basée sur la moyenne lorsque vous avez des inscriptions en libre-service continues. Dans un projet de 2021 pour une application de fitness, passer de la formule basée sur le début à celle basée sur la moyenne a fait chuter le churn rapporté de 6,2 % à 5,1 % uniquement parce que 8 000 nouveaux utilisateurs sont entrés en milieu de mois.
Aucune des deux n’est « fausse », mais ce que personne ne vous dit, c’est que les investisseurs supposent souvent la formule basée sur le début. Si vous rapportez la formule basée sur la moyenne sans l’indiquer, vous risquez de déclencher une crise de confiance lors de la due diligence. Annotez toujours votre dénominateur dans la note de bas de page de tout graphique.
Confusion entre churn brut et net
Une autre idée fausse est de mélanger le brut et le net. Le churn brut ignore l’expansion ; le churn net soustrait les ventes incitatives. Si vous rapportez accidentellement le net alors qu’on vous demande le brut, vous sous-estimez les fuites. J’ai vu une startup revendiquer un « churn négatif » à cause d’une formule défectueuse qui comptait deux fois le MRR d’expansion. L’audit a révélé un churn brut réel de 3,1 %.
Comment calculer le churn dans Excel : étape par étape avec des données réelles
Si vous avez cherché « comment calculer le churn dans Excel », vous avez probablement trouvé des formules nues sans le flux de travail. Voici la méthode exacte que j’utilise pour les rapports mensuels. Ouvrez une feuille avec trois cellules : A1 « Clients au début », B1 « Perdus », C1 « Churn ». Dans A2, entrez 1000, dans B2, entrez 50, dans C2, tapez =B2/A2 et formatez en pourcentage. C’est la version minimale.
Pour un modèle robuste, je construis un tableau avec les mois dans la colonne A, la base de départ dans B, les perdus dans C, les nouveaux dans D, la fin dans E (formule =B+D-C). Le churn dans F = C/B. Ensuite, une cellule annuelle glissante =SUM(C2:C13)/SUM(B2:B13). Cela évite le piège de faire la moyenne des taux mensuels, ce qui surpondère les petits mois et sous-estime la perte annuelle réelle.
J’inclus également un onglet de cohorte. Chaque ligne est un mois d’inscription ; les colonnes suivent les comptes de survie. La formule pour la rétention au mois 3 est =COUNTIFS(StatusRange,’Actif’,SignupMonth,Month3)/COUNTIF(SignupMonth,Month3). Cela isole les nouveaux clients afin qu’ils ne faussent pas le churn de base des cohortes plus anciennes. Un modèle Excel téléchargeable que je partage avec les clients automatise cela avec des tableaux dynamiques et une mise en forme conditionnelle.
Un piège d’Excel : diviser par une cellule vide renvoie #DIV/0!. J’enveloppe avec =IFERROR(B2/A2,0). Un autre : les exports CRM marquent souvent « churné » lors d’une suspension. Dans un audit de 2022, 12 % des churns signalés étaient des tentatives de paiement. Nettoyer cela a fait passer le taux de 6,1 % à 5,3 %—une différence qui a changé un plan d’embauche pour une équipe de support.
Utilisation des tableaux croisés dynamiques et de Power Pivot
Si vous avez un export au niveau client avec des colonnes : ID client, Date d’inscription, Date d’annulation, MRR, créez un tableau croisé dynamique avec le mois d’inscription comme ligne, et un champ calculé pour le churn (date d’annulation dans la période). Divisez par le nombre de clients. C’est plus rapide que les RECHERCHEV et gère 100 000 lignes sans problème si vous utilisez le modèle de données d’Excel.
Pour le churn de revenus, ajoutez le MRR à la zone des valeurs et calculez la somme du MRR perdu divisée par la somme du MRR de départ. J’ai constaté que les mesures Power Pivot comme DIVIDE(SUM(LostMRR), SUM(StartMRR)) éliminent nativement les erreurs de division par zéro. Les utilisateurs de Google Sheets peuvent reproduire avec ARRAYFORMULA(IFERROR(B2:B13/C2:C13,0)).
Extraction SQL pour des entrées précises
Avant Excel, les données doivent être correctes. Un modèle SQL fiable : SELECT COUNT(*) FROM subscriptions WHERE cancel_date BETWEEN '2023-01-01' AND '2023-01-31' AND start_date < '2023-01-01' donne le vrai churn de période en excluant les nouveaux. J’ai vu des analystes oublier le filtre start_date et gonfler le churn de 30 %.
Annualiser le churn mensuel : les mathématiques de composition derrière « 2 % mensuel »
La question « Quel est le churn mensuel de 2 % annualisé ? » semble devoir être 24 %. Ce n’est pas le cas. Le churn se compose car chaque perte mensuelle réduit la base pour le mois suivant. La formule correcte est Churn annualisé = 1 − (1 − Churn mensuel)^12. Pour 2 % mensuel, cela donne 1 − (0,98)^12 ≈ 21,7 % (les mathématiques précises donnent environ 21,5 %, mais de nombreuses calculatrices arrondissent à 21,7 %).
Vérifions : (0,98)^12 = 0,7847. Soustrayez de 1 donne 0,2153. Si vous multipliez simplement 2 % × 12, vous surestimez la perte réelle d’environ 2,5 points. J’ai appris cela à mes dépens lorsqu’un VP a cité 24 % aux investisseurs et que nous avons dû faire marche arrière lors des questions-réponses, nuisant à la crédibilité pendant un trimestre.
Dans Excel, calculez avec =1-(1-0,02)^12. Pour un churn trimestriel de 6 %, annualisé est =1-(1-0,06)^4 ≈ 22,2 %. Cette traduction géométrique est essentielle pour comparer des fournisseurs qui rapportent des périodes différentes. N’annualisez jamais par multiplication sauf si le churn est proche de zéro (moins de 0,5 % mensuel).
Pourquoi la composition est importante pour la planification
Si vous modélisez les revenus de l’année prochaine en supposant un churn de 24 % mais que le churn composé réel est de 21,5 %, vous sur-budgéterez les ventes de remplacement d’environ 10 %. Sur un portefeuille de 10 M$, cela représente 250 000 $ de dépenses d’acquisition gaspillées. La lentille de composition révèle également que réduire le churn mensuel de 2 % à 1,5 % améliore la rétention annuelle d’environ 78,5 % à 82,1 %—un écart de 3,6 points qui se compose en un ROI à deux chiffres sur les outils de rétention.
Pour le churn quotidien (courant dans les télécoms), utilisez 1−(1−d)^365. Un churn quotidien de 0,1 % annualise à environ 31 %—bien au-dessus du chiffre naïf de 36,5 %. Les mathématiques sont identiques ; seul l’exposant change.
Ce que votre pourcentage de churn signifie réellement (durée de vie et impact sur les revenus)
Un taux de churn n’est utile que s’il est traduit en résultats. Que signifie un churn de 5 % ? Si le churn de logos mensuel est de 5 %, la durée de vie moyenne des clients est d’environ 1 ÷ 0,05 = 20 mois. J’appelle cela la règle de la durée de vie réciproque. À 2 % mensuel, la durée de vie s’étend à 50 mois. À 10 % mensuel, elle s’effondre à 10 mois.
Mais ce que la plupart des tableaux de bord omettent, c’est l’impact sur les revenus. Si l’ARPA est de 100 $/mois, un churn mensuel de 5 % sur 1 000 clients signifie 5 000 $ de MRR perdus chaque mois. Annualisé via la composition, la perte en rythme annuel est d’environ 46 % du MRR de départ (~46 000 $ de MRR), pas 60 000 $. J’ai construit une matrice d’interprétation du churn pour rendre cela tangible :
| Churn mensuel | Durée de vie moyenne (mois) | Churn annualisé | Perte annuelle implicite du taux de revenu mensuel récurrent ( sur 100 $ d’ARPA, 1 000 de base) |
|---|---|---|---|
| 1% | 100 | ~11,4% | ~11,4 k$ |
| 2% | 50 | ~21,5% | ~21,5 k$ |
| 5% | 20 | ~46,1% | ~46,1 k$ |
| 10% | 10 | ~71,8% | ~71,8 k$ |
Remarque : Les chiffres de churn annualisé utilisent 1−(1−m)^12. Cette matrice montre pourquoi un « petit » taux mensuel de 2% représente en réalité un cinquième de votre portefeuille chaque année. Ce cadre est absent de la plupart des guides concurrents et répond directement à l’extrait vide pour « que signifie un churn de 5% ».
Du churn à la valeur vie client
La durée de vie alimente la CLV : ARPA × Marge brute × Durée de vie. À un churn mensuel de 2%, un produit à 100 $ d’ARPA et 80% de marge a une CLV de 100 $×0,8×50 = 4 000 $. À 5%, elle est de 1 600 $. Cette différence de 3x explique pourquoi les dépenses de rétention surpassent souvent l’acquisition une fois que le churn dépasse ~3% mensuel. Je conseille aux clients de définir un seuil de churn où le remboursement du CAC dépasse 12 mois—généralement autour de 4% mensuel pour les PME.
Churn de logos vs. Churn de revenus : Lequel suivre ?
Nous avons abordé les formules ; maintenant la matrice de décision. Les fondateurs en phase de démarrage devraient surveiller le churn de logos pour valider l’adéquation produit-marché. Les équipes financières après le tour de série A devraient s’ancrer sur le churn de revenus parce que les dollars paient les factures et les multiples de valorisation.
| Dimension | Churn de logos | Churn de revenus |
|---|---|---|
| Formule | Comptes perdus ÷ Comptes de départ | MRR perdu ÷ MRR de départ |
| Meilleur pour | UX, intégration, PMF | Conseil, valorisation, FP&A |
| Angle mort | Ignore la taille du plan, les ventes à la baisse | Masque l’exode des petits clients |
| Cible typique (SaaS PME) | <5% mensuel | <3% mensuel |
| Source de données | Comptes du système de facturation | Grand livre MRR |
La plupart des entreprises SaaS matures suivent les deux, mais pondèrent le churn de revenus plus haut. Comme noté dans l’aperçu du churn d’Investopedia, la distinction affecte directement la manière dont les analystes modélisent les revenus récurrents. Dans ma pratique, je rapporte le churn de logos aux équipes produit chaque semaine et le churn de revenus au conseil chaque mois.
Churn de revenus net et churn négatif
Le churn de revenus net = (MRR perdu − MRR d’expansion) ÷ MRR de départ. Si l’expansion dépasse les pertes, vous obtenez un churn négatif—un saint graal. Mais la chose que personne ne vous dit : un churn net négatif peut masquer un churn de logos horrible. Vous pourriez perdre 10% des clients tout en augmentant le MRR grâce aux ventes incitatives. C’est un seau percé rempli par un tuyau d’incendie ; il casse quand la saturation des ventes incitatives atteint.
Gestion des nouveaux clients en milieu de période et du churn de cohorte
La formule de base utilisant le compte de départ exclut les nouveaux logos—ce qui est correct pour le churn de la « base existante ». Mais si vous jetez les nouvelles inscriptions dans le dénominateur, vous sous-estimez le churn. Au T2 2020, nous avons acquis 40% de nouveaux logos ; un taux mélangé naïf montrait 2% de churn, mais l’analyse de cohorte montrait que 8% de la base originale était partie. L’écart nous a coûté deux mois de correctifs de rétention ignorés.
Le churn de cohorte résout cela. Groupez les clients par mois d’acquisition. Le churn pour la cohorte M à l’âge N =(Clients de M ayant annulé au mois N) ÷ (Taille initiale de la cohorte. Cela isole le comportement de chaque groupe. J’utilise un graphique en triangle dans Excel : lignes = mois d’inscription, colonnes = âge, valeurs = taux de rétention %. La diagonale révèle où les chutes se produisent—souvent au mois 3 ou 4.
La gestion en milieu de période compte aussi pour les contrats annuels. Si un client annule au mois 11 d’un terme de 12 mois, devriez-vous compter le churn de revenus complet dans ce mois ? J’alloue linéairement pour éviter les pics. Il n’y a pas de règle universelle ; documentez votre politique. Dans un engagement entreprise de 2023, nous sommes passés à une proration quotidienne et avons réduit la volatilité du churn rapporté de 40%.
Exemple de courbe de survie de cohorte
Supposons une cohorte de janvier : 1 000 inscriptions. Au mois 1, 950 actifs (5% de churn. Mois 2 : 910 (supplémentaires 4% de la cohorte. Mois 3 : 860. Le taux de churn de cohorte pour le mois 3 est (1000−860)/1000 = 14% cumulatif, pas 14% mensuel. Cette nuance est perdue dans les métriques agrégées mais vitale pour les correctifs d’intégration.
Références sectorielles : À quoi ressemble le bon par secteur
Selon une entrée d’Investopedia largement référencée et plusieurs ensembles de données SaaS, un churn de logos annuel de 5–7% est fort pour le SaaS PME, tandis que le SaaS entreprise cible souvent <3%. Les abonnements médias voient 20%+ annuellement. Le résidentiel télécom peut dépasser 15% mensuel dans les marchés concurrentiels.
Mais méfiez-vous du théâtre de références. Un churn mensuel de 2%(≈21,5% annuel) pourrait être désastreux pour l’entreprise mais acceptable pour les applications grand public à faible coût. Le contexte bat le nombre. Dans mon conseil, je ne compare que des cohortes dans la même tranche de prix et région. Une application à 10 $/mois et une à 10 k$/an ne devraient jamais partager un graphique de barres de churn.
Pourquoi les références sont en retard et bruyantes
Les références agrègent des entreprises à différents stades de maturité. Une startup en phase de démarrage avec 200 clients aura des taux plus sauvages qu’une entreprise publique. Je traite toute référence comme un contrôle de cohérence, pas une cible. Quand un fondateur panique parce qu’ils sont à 6% mensuel tandis qu’un rapport dit 5%, je leur montre l’intervalle de confiance—souvent ±2 points.
Pièges courants et la chose que personne ne vous dit
Au-delà des erreurs de dénominateur, les équipes confondent le churn brut et net. Le churn net soustrait les revenus d’expansion ; si vous rapportez le brut comme net, vous aurez l’air héroïque faussement. Un autre piège : utiliser les mois calendaires quand la facturation est sur des cycles de 30 jours—des décalages de timing créent des pics de churn fantômes qui envoient les équipes chasser des fantômes.
La chose que personne ne vous dit : le churn est un indicateur retardé. Au moment où votre taux mensuel bouge, la fuite a commencé 60–90 jours plus tôt dans l’intégration ou les changements de produit. Je couple le churn avec des signaux avancés comme le taux d’activation et le sentiment des tickets de support. Sinon vous conduisez en regardant dans le rétroviseur.
Aussi, le churn par échec de paiement (involontaire) est souvent 20–30% du total. Un processus de relance peut récupérer la moitié. Ignorer cela divise votre « vrai » churn du churn « récupérable »—deux listes de correctifs différentes. Dans un cas, corriger la relance a fait baisser le churn global de 5,4% à 4,1% sans un seul changement de produit.
Biais de survie dans les enquêtes d’annulation
Si vous n’interrogez les clients qu’après qu’ils annulent, vous manquez la majorité silencieuse qui se désabonne sans préavis. Je complète avec des tentatives de reconquête et analyse les modèles de connexion échoués. Le signal de churn le plus perspicace est souvent une baisse de fréquence de session 3 semaines avant l’annulation—pas l’enquête de sortie.
Une liste de contrôle simple pour le calcul du churn
Utilisez cette liste de contrôle opérationnelle avant de rapporter tout chiffre de churn. C’est la même que j’intègre dans les modèles de clients et prévient la majorité des erreurs :
- Définissez la période et la population (logo ou revenus.
- Choisissez le dénominateur : basé sur le début ou sur la moyenne ; étiquetez-le visiblement.
- Excluez les nouveaux de la période du dénominateur sauf si vous utilisez la méthode de cohorte ou moyenne.
- Nettoyez les données : retirez les pauses, les tentatives de paiement, et les comptes réactivés.
- Calculez le taux mensuel dans Excel avec un enveloppement IFERROR.
- Annualisez avec 1−(1−m)^n ; ne multipliez jamais linéairement.
- Traduisez en durée de vie (1/m) et impact sur les revenus en utilisant la matrice.
- Séparez le brut du net ; rapportez les deux si matériel.
- Comparez contre des références de même tranche, pas des moyennes de titre.
- Couplez avec des indicateurs avancés pour agir plus tôt.
Suivez ces étapes et vous éviterez les 80% des erreurs de rapport que j’ai vues dans les tableaux de bord en phase de démarrage. Le churn n’est pas juste une formule ; c’est une discipline de définitions propres, de composition honnête, et d’empathie de cohorte. La prochaine fois que quelqu’un demande « comment calculer le taux de churn, » vous pouvez lui donner ce flux de travail au lieu d’une équation d’une ligne.