Antes de preguntar si un 4% mensual es bueno, conviene una pregunta más aburrida y más útil: un 4% de qué, medido cómo, sobre qué población y en qué periodo.
La respuesta corta. Casi ningún benchmark de churn publicado es directamente comparable con tu cifra, porque la palabra "churn" designa métricas distintas según quién la use. Este artículo no incluye una tabla de tasas por sector. Publicar una exigiría inventar una precisión que los datos disponibles públicamente no sostienen, y una cifra inventada con aspecto de referencia es peor que no tener referencia.
Por qué dos cifras de churn casi nunca son comparables
Hay al menos seis decisiones metodológicas detrás de cualquier tasa de churn, y basta que una difiera para que la comparación deje de significar nada.
| Decisión | Opciones habituales | Efecto sobre la cifra |
|---|---|---|
| Qué se cuenta | Clientes perdidos o ingresos perdidos | Muy grande |
| Periodo | Mensual o anual | Muy grande |
| Población base | Todos los clientes o solo los renovables ese mes | Grande |
| Tratamiento de las bajadas de plan | Incluidas o excluidas | Grande |
| Expansión | Neta o bruta | Puede invertir el signo |
| Momento del recuento | Fecha de aviso o fecha de fin de contrato | Moderado |
Logos frente a ingresos. El churn de logos cuenta cuántos clientes se van. El churn de ingresos cuenta cuánto dinero se va. Un producto que pierde muchas cuentas pequeñas y conserva las grandes puede tener un churn de logos alto y un churn de ingresos bajo. Son dos diagnósticos distintos del mismo mes.
Mensual frente a anual. No se convierten multiplicando por doce. Un 4% mensual compuesto deja alrededor del 61% de la base al cabo de un año, no un 48%. Cualquier comparación que mezcle ambas escalas sin convertirlas correctamente está equivocada por un margen amplio.
Neto frente a bruto. La retención neta de ingresos incluye las ampliaciones de clientes existentes y puede superar el 100%. La retención bruta no. Ver un 110% y compararlo con un 92% de otra fuente puede ser comparar dos métricas distintas.
Por qué las tablas por sector suelen ser poco fiables
Las tablas de churn por vertical circulan mucho y casi siempre comparten tres problemas.
La muestra no se publica. Una tabla que compara "SaaS de RR. HH." con "SaaS de marketing" rara vez dice cuántas empresas hay en cada categoría. Con muestras pequeñas, una sola empresa atípica mueve la media del sector entero.
La categoría no es homogénea. "SaaS de marketing" incluye herramientas de 15 € al mes con autoservicio y plataformas contratadas por año con implantación. Su comportamiento de retención no tiene nada que ver, y promediarlos produce un número que no describe a ninguno de los dos.
El origen se pierde al citarse. Una cifra aparece en un informe, se cita en un artículo, se recita en otro sin la nota metodológica, y termina presentada como dato del sector. Cuando se sigue la cadena hacia atrás, con frecuencia se llega a una encuesta con pocas respuestas autorreportadas.
Esto no significa que no exista investigación seria sobre retención. Significa que la investigación seria viene con su metodología al lado, y que si una tabla no la trae, el número no es utilizable para tomar una decisión.
Qué comprobar antes de usar una cifra ajena
Cinco preguntas bastan para descartar la mayoría de referencias poco sólidas:
- ¿Define si es churn de logos o de ingresos?
- ¿Dice si el periodo es mensual o anual?
- ¿Publica el tamaño y la composición de la muestra?
- ¿Distingue autoservicio de venta asistida, y B2B de B2C?
- ¿Se puede llegar a la fuente original, no a quien la cita?
Si falla la primera o la segunda, la cifra no se puede interpretar. Si fallan la tercera y la quinta, no se puede verificar.
La comparación que sí funciona
Hay una referencia siempre disponible, comparable por construcción y más informativa que cualquier tabla externa: tu propia serie histórica.
Tu churn del trimestre pasado se midió con tu definición, sobre tu población, con tu modelo de precios. Comparado con el de este trimestre, la diferencia significa algo. Comparado con un 3,2% atribuido a "SaaS B2B", no.
Para que esa comparación interna sirva, hace falta poco pero hace falta escrito:
- Una definición fija, guardada donde el equipo la vea, que no cambie cuando el resultado incomode.
- Segmentación por plan, tamaño de cuenta y canal de entrada. La media global casi siempre esconde que un segmento concreto se está desangrando.
- Cortes por cohorte de alta, porque la media mezcla clientes de hace dos años con los de este mes.
De la cifra a la causa
Una tasa de churn dice cuánto, nunca por qué. Ese salto es donde la mayoría de los cuadros de mando se detienen.
Las causas están en lo que los clientes dijeron antes de irse, y suelen estar escritas en algún sitio: un ticket de soporte, una petición que nunca se respondió, un comentario de frustración repetido. FlagUp analiza el lenguaje de cada envío de feedback y destaca las cuentas donde se acumulan señales negativas, que es la parte que un panel de uso no muestra. La página de detección de churn explica cómo se calcula esa señal.
El orden útil es ese: medir para saber si algo está pasando, leer para saber qué. Invertirlo produce paneles muy detallados sobre un problema que nadie ha entendido.
Preguntas frecuentes
¿Cuál es una tasa de churn aceptable?
No hay una respuesta con base sólida y aplicable a cualquier empresa. Depende del precio, del ciclo de compra, del segmento y del modelo de contratación. La pregunta con respuesta es si tu churn mejora o empeora frente a tu propio histórico, con la misma definición.
¿Puedo convertir churn mensual a anual multiplicando por doce?
No. La pérdida se compone sobre una base que se reduce cada mes, así que multiplicar sobrestima. La conversión correcta es sobre la tasa de retención elevada a doce.
¿Por qué este artículo no publica una tabla por sector?
Porque las tablas disponibles no cumplen las cinco comprobaciones de arriba, y publicar una daría una apariencia de rigor que el dato de partida no tiene. Preferimos explicar cómo leer un benchmark antes que añadir otro poco fiable.
¿Qué métrica conviene seguir si solo se puede seguir una?
La retención por cohorte de alta, en lugar de la tasa agregada del mes. Muestra si el producto retiene mejor a quien entra ahora que a quien entró hace un año, que es la pregunta que de verdad orienta las decisiones.
Artículos relacionados
- Análisis de cohortes para detectar y reducir el churn SaaS
- Cómo usar señales de churn para mejorar la retención SaaS
- Cómo crear un bucle de feedback para reducir el churn SaaS
Si quieres pasar de la tasa a la causa, empieza por leer lo que tus usuarios ya te han contado. Mira la detección de churn y consulta los planes.