使用方法
- 「期初客户数」填统计周期开始那一刻的在手客户数，示例 1200。它决定了流失率的分母，填错一位数整张报表就跟着偏。
- 「期间流失客户数」填这段时间里真正离开的客户数，示例 36。判断标准要事先定死：是取消订阅、停止续费，还是连续若干天不再活跃；同一张月度报表里不能混用几套口径。
- 「期间新增客户数」填这段时间里进来的新客户，示例 200。它只影响净基数口径与期末客户数，不影响期初口径的流失率。
- 「统计周期」填这段统计覆盖的月数，按月填 1、按季度填 3、按年填 12。这个数字决定年化流失率怎么折算，填错会让年化结果整体失真。
- 「ARPU 每客户月均收入」是选填项，示例 45 美元。填了才显示 LTV，留 0 就跳过这一项。
- 点击「计算流失率」，页面同时给出三种分母口径的流失率、留存率、年化流失率、平均客户生命周期与期末客户构成。
本页在客户留存圈里也常被直接称作 Churn比率计算器，但 Churn 在客户分析语境下的标准中文译法是「流失」，churn rate 就是流失率，所以这里统一按「流失率」表述。
这个 Churn 流失率计算器能解决什么问题
客户流失率是订阅制、会员制与 SaaS 业务里杠杆最长的一根指标：它同时决定了一盘客户能撑多久、每个客户值多少钱、以及获客预算最多能开到什么价位。麻烦的地方在于，同一份数据换一个分母就能得到不一样的流失率，而一个百分点的差别乘上年化会变成十几个百分点的差距，直接改写 LTV 与增长模型的结论。本页把期初口径、净基数口径与平均基数口径三个结果并排给出，同时换算出年化流失率、年化留存率、平均客户生命周期与期末客户构成，再附一张把月流失率从 0.5% 排到 20% 的对照表。它适用于月度经营复盘、订阅续费分析、留存策略评估、LTV 与获客成本上限的快速估算，以及在对外汇报前先把口径写清楚。
计算原理与变量说明
流失率的定义看似只有「流失 ÷ 基数」一句话，真正的分歧全在分母取谁。
- 期初口径（简单流失率）：
流失 ÷ 期初客户数，示例 36 ÷ 1200 = 3.00%。分母是窗口起点的存量，最贴近「原来那批客户跑掉了多少」。缺点是期内新增没有被计入分母，增长越快，这个指标越显得偏高。 - 净基数口径：
流失 ÷ (期初 + 新增)，示例 36 ÷ (1200 + 200) = 2.57%。它假定期内新增的客户也暴露了同等长度的风险，适合新老客户混在一起看的大盘。 - 平均基数口径：
流失 ÷ ((期初 + 期末) ÷ 2)，示例期末 1364、均值 1282，得到 2.81%。它用一个「平均在册人数」摊平了期间的进出，是财务与精算里最常用的口径。
这三个数字来自同一组事实（期初 1200、流失 36、新增 200、1 个月），却分别得到 3.00%、2.57%、2.81%。所以对外汇报流失率时，第一件事是写清楚用的是哪个分母，否则同比与环比都会失真。
月度到年化必须用复利式，而不是简单相乘。客户每个月都按当月存活比例继续留存，12 个月后的存活率是 (1 − 月流失率)¹²，所以年化流失率 = 1 − (1 − 3%)¹² = 30.62%，而不是 3% × 12 = 36%。这两个数字差了五个多百分点，放进预算模型会被放大成完全不同的结论。反过来，从年流失率反算等效月流失率要用 1 − (1 − 年流失率)^(1/12)，年 20% 只等效于月 1.84%，这也是为什么「年化 20%」听起来温和、拆成月度却并不轻松。
平均客户生命周期来自几何分布的期望值：1 ÷ 月流失率。示例 1 ÷ 3% = 33.33 个月，也就是 2.78 年。直观理解是「每月稳定走掉 3% 的人，走完一整批客户平均要 33 个月」。LTV 用的是同一个结构：LTV = ARPU ÷ 月流失率，示例 45 ÷ 3% = 1500 美元。生命周期与 LTV 其实是同一个数穿了不同单位的外衣，前者以月计，后者以钱计，所以把留存率提高一点，这两项会同步变好。
完整示例（数值仅作演示）
示例条件：期初客户数 1200、期间流失 36、期间新增 200、统计周期 1 个月、ARPU 45 美元。
- 期初口径流失率 3.00%，净基数口径 2.57%，平均基数口径 2.81%。
- 留存率 97.00%；年化流失率 30.62%，年化留存率 69.38%。
- 平均客户生命周期 33.33 个月，折合 2.78 年。
- 期末客户 1364（1200 − 36 + 200），净增 164，净增长率 13.67%。
- LTV（ARPU 45 美元）$1,500.00。
把这组数放回真实场景看：净增 164 人、净增长率 13.67%，账面在涨；但年化流失率 30.62% 说明按当前速度，一年之后原来那 1200 人里大约只剩 69.38% 还在。增长的错觉来自新增盖过了流失——一旦新增从 200 掉到 36 以下，大盘立刻转为净流失。这也是为什么留存与拉新必须分开看：只看净增会掩盖存量失血，只看流失率又会忽略大盘仍在扩张。
示例中的客户数、统计周期与 ARPU 均为演示数值，不代表任何具体业务的真实经营数据。
月流失率与年化留存对照表
下表把月流失率从 0.5% 一路排到 20%，年化流失率按 1 − (1 − c)¹² 的复利式折算，LTV 一列随上方「ARPU」输入实时变化。对照表共 14 行，默认展示前 12 行，点「加载更多」可展开全部，也可以用「导出 CSV」存成带 BOM 的文件在表格软件里打开。
把表竖着读一遍能看出两个规律：一是月流失率翻倍时，年化流失率不会翻倍，而是更慢地上升（0.5% 对应 5.84%，1% 对应 11.36%，到 20% 才 93.13%），因为复利把高阶效应压了下来；二是平均生命周期与 LTV 都是月流失率的倒数，3% 对应 33.33 个月与 1500 美元，抬到 7% 就掉到 14.29 个月与 642.86 美元，而降到 0.5% 会升到 200 个月与 9000 美元。
结果边界、舍入与适用说明
- 输入范围：期初、流失、新增客户数为 0 ～ 100000000 的整数；统计周期 1 ～ 120 个月，支持小数；ARPU 0 ～ 100000，支持小数。
- 所有百分比与金额按 2 位小数显示，平均客户生命周期按 2 位小数、单位为月，折合年数同样保留 2 位。
- 流失数为 0 时，平均客户生命周期在数学上是 1 ÷ 0，属于无穷大，页面会给出提示而不会返回 Infinity 这种没法阅读的值。
- 流失数大于期初 + 新增 时期末客户为负、流失率超过 100%，页面会提示流失数不可能超过在手客户数。
- 期初客户数为 0 时流失率没有分母，页面会提示填写期初客户数。
- 年化一律按「每月流失比例恒定」的假设做复利折算，真实业务的流失往往集中在试用到期与续费节点，实际年化通常会比这种平滑推算略高或略低。
- 三种分母口径都能用，但同一张报表要长期固定一种，否则同比与环比失去可比性；跨部门对账前先把口径写进指标定义。
- ARPU 留 0 时 LTV 不显示；页面给出的 LTV = ARPU ÷ 月流失率，属于「毛 LTV」上限估计，未扣除毛利率、服务成本、退款与折现。
常见问题
流失率到底该用哪个分母？
三种都能用，关键是一张报表长期固定一种。期初口径最直观，适合看老客户跑了多少；净基数口径把新增算进分母，适合增长很快的大盘；平均基数口径取期初与期末的均值，是财务与精算的惯例。本页示例的三个结果是 3.00%、2.57% 与 2.81%，差距超过一个百分点，同比时如果换了口径就会误判。
为什么年化流失率不是月流失率乘 12？
因为留存是逐月复利的。一个月留存 97%，连续 12 个月的留存率是 0.97 的 12 次方，约等于 69.38%，所以年化流失率是 1 − 69.38% = 30.62%，而不是 3% × 12 = 36%，两者差了五个多百分点。周期越长、月流失率越高，简单相乘的偏差越大。
平均客户生命周期 33.33 个月是怎么来的？
它来自几何分布的期望值，即 1 ÷ 月流失率。示例月流失率 3%，1 ÷ 0.03 = 33.33 个月，折合 2.78 年。换一种说法：一批客户每月稳定走掉 3%，走完这一整批平均要 33 个月，而 LTV 正是用同一个分母把 ARPU 换成钱。
新增客户很多时，流失率会被稀释吗？
会。净基数口径把新增算进分母，新增越多这个口径的流失率越低；示例新增 200 就把期初口径的 3.00% 稀释到了 2.57%。要判断存量客户到底跑得凶不凶，看期初口径更直接；要评估整盘规模，净基数口径更贴近现实。
流失数为 0 时为什么给提示而不是 0%？
因为平均客户生命周期是 1 ÷ 月流失率，分母为零在数学上是无穷大，页面不会返回 Infinity 这种没法阅读的值，而是直接提示你确认流失数是否漏填。真实业务里连续一个月一个客户都没走，通常说明流失的判定标准还没有对齐，而不是真的零流失。
这个 LTV 算出来是不是偏乐观？
本页的 LTV = ARPU ÷ 月流失率只做了一次除法，属于毛 LTV 的上限估计。它没有扣除毛利率、服务成本、退款与折扣，也没有对未来现金流做折现。示例 ARPU 45 美元、月流失 3% 得到 1500 美元，实际能拿到的通常要再打个折，做投放决策时建议与真实的毛利率一起看。
这个工具免费吗？
免费，无需注册即可使用。
输入的数据安全吗？
安全。计算在当前浏览器本地完成，不会上传输入内容。