Apa itu Gross Retention Calculator?
▾
Retensi Pendapatan Kotor (GRR), juga dikenal sebagai Retensi Dolar Kotor, mengukur persentase pendapatan berulang yang diperoleh perusahaan dari pelanggan yang ada selama suatu periode, hanya menghitung kerugian akibat churn dan kontraksi — secara eksplisit tidak termasuk pendapatan ekspansi. Karena mengabaikan peningkatan penjualan dan penambahan kursi, GRR tidak akan pernah melebihi 100% dan memberikan pandangan paling konservatif dan jujur mengenai apakah suatu perusahaan dapat mempertahankan pelanggan dan pendapatan yang sudah dimilikinya. GRR terkadang digambarkan sebagai 'dasar' retensi: ini menunjukkan hasil pendapatan terburuk dari basis yang ada, dengan asumsi tidak ada pelanggan yang melakukan ekspansi. Hal ini menjadikannya metrik penting untuk analisis ketahanan bisnis. Sebuah bisnis dengan GRR tahunan sebesar 95% akan kehilangan 5% pendapatan berulangnya setiap tahun akibat churn dan downgrade, terlepas dari ekspansi. Sebuah bisnis dengan GRR tahunan sebesar 70% kehilangan hampir sepertiga basis pendapatannya setiap tahun — sehingga memerlukan akuisisi pelanggan baru dalam jumlah besar agar tetap stabil. Rumus GRR mengambil MRR Awal, dikurangi MRR Churn dan MRR Kontraksi, lalu dibagi dengan MRR Awal. Hasilnya menunjukkan berapa banyak pendapatan awal yang tersisa tanpa adanya pertumbuhan dari pelanggan yang sudah ada. GRR harus selalu dilaporkan bersamaan dengan Retensi Pendapatan Bersih (NRR) karena kesenjangan antara kedua metrik tersebut menunjukkan kontribusi pendapatan ekspansi. Jika NRR adalah 108% dan GRR adalah 88%, program ekspansi menambahkan 20 poin persentase — yang mengukur ROI dari investasi upsell dan cross-sell. Perusahaan dengan produk yang kuat namun program ekspansi yang lemah mungkin menunjukkan GRR yang tinggi namun NRR yang rendah. Perusahaan dengan program ekspansi yang kuat namun retensi inti yang lemah mungkin menunjukkan NRR yang tinggi sekaligus menutupi masalah churn yang mendasarinya. Kedua metrik tersebut bersama-sama menciptakan gambaran yang lengkap. Bagi investor, GRR semakin penting karena menunjukkan betapa bergantungnya suatu bisnis pada ekspansi untuk menopang metrik retensinya. Sebuah bisnis dengan 85% GRR dan 105% NRR harus menghasilkan 20% ekspansi di atas basis yang ada hanya untuk menggantikan pendapatan yang hilang karena churn – sebuah hal yang sulit untuk dipertahankan seiring dengan semakin matangnya basis pelanggan dan semakin sedikit peluang ekspansi yang tersisa di setiap akun.
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
Rumus
▾
GRR = (MRR Awal - MRR Berputar - MRR Kontraksi) / MRR Awal x 100%
Dimana setiap variabel mewakili kuantitas terukur tertentu dalam domain keuangan dan investasi. Gantikan nilai yang diketahui dan selesaikan nilai yang tidak diketahui. Untuk penghitungan multi-langkah, evaluasi ekspresi dalam terlebih dahulu, lalu gabungkan hasilnya menggunakan urutan operasi standar.Keterangan variabel
▾
| Simbol | Nama | Satuan | Deskripsi |
|---|---|---|---|
| Beginning MRR | Pendapatan berulang dari | — | Pendapatan berulang dari pelanggan lama pada awal periode pengukuran |
| Churned MRR | Pendapatan dari pelanggan | — | Hambatan listrik diukur dalam ohm, mewakili perlawanan terhadap aliran arus dalam rangkaian dan menentukan penurunan tegangan dan disipasi daya dalam komponen |
| Contraction MRR | Pengurangan pendapatan dari | — | Jumlah periode waktu (tahun, bulan, atau interval lainnya) di mana penghitungan berlaku, yang menentukan durasi pemajemukan, amortisasi, atau pengukuran |
| Beginning ARR | Pendapatan berulang tahunan | — | Pendapatan berulang tahunan pada awal periode pengukuran (= MRR x 12) |
Cara Gross Retention Calculator
▾
- 1Kumpulkan nilai masukan yang diperlukan: Pendapatan berulang dari, Pendapatan dari pelanggan, Pengurangan pendapatan dari, Pendapatan berulang tahunan.
- 2Terapkan rumus inti: GRR = (MRR Awal - MRR Churn - MRR Kontraksi) / MRR Awal x 100%.
- 3Hitung nilai antara seperti GRR Tahunan jika berlaku.
- 4Verifikasi bahwa semua unit konsisten sebelum menggabungkan istilah.
- 5Hitung hasil akhirnya dan tinjau kewajarannya.
- 6Periksa apakah ada kasus khusus atau kondisi batas yang berlaku pada masukan Anda.
- 7Interpretasikan hasilnya dalam konteks dan bandingkan dengan nilai referensi jika tersedia.
Contoh Terpecahkan
▾
Aplikasi nyata
▾
Manajer portofolio di perusahaan manajemen aset menggunakan Perhitungan Retensi Kotor untuk memproyeksikan pengembalian yang diharapkan di berbagai alokasi aset, menguji portofolio berdasarkan skenario pasar historis, dan mengomunikasikan ekspektasi kinerja kepada klien institusional dan pengawas dana pensiun.
Investor individu dan perencana pensiun menerapkan Perhitungan Retensi Kotor untuk menentukan apakah tingkat tabungan dan hasil investasi mereka saat ini akan menghasilkan kekayaan yang cukup untuk mendanai pengeluaran pensiun selama 25 hingga 30 tahun, dengan memperhitungkan inflasi dan distribusi minimum yang disyaratkan.
Perusahaan modal ventura dan ekuitas swasta menggunakan Gross Retention Calc untuk menghitung tingkat pengembalian internal atas investasi dana, memodelkan skenario keluar untuk perusahaan portofolio, dan membandingkan kinerja dengan standar industri seperti indeks Cambridge Associates.
Penasihat keuangan menggunakan Perhitungan Retensi Kotor selama tinjauan klien untuk menggambarkan manfaat tambahan dari memulai lebih awal, dampak hambatan biaya pada akumulasi kekayaan jangka panjang, dan trade-off antara risiko dan pengembalian yang diharapkan dalam portofolio yang terdiversifikasi.
Kasus khusus
▾
Periode pengembalian negatif atau nol
Dalam praktiknya, kasus ekstrem ini memerlukan pertimbangan yang cermat karena asumsi standar mungkin tidak berlaku. Saat menghadapi skenario ini dalam penghitungan kalkulator retensi kotor, praktisi harus memverifikasi kondisi batas, memeriksa risiko pembagian dengan nol, dan mempertimbangkan apakah asumsi model tetap valid dalam kondisi ekstrem ini.
Cakrawala waktu yang sangat panjang
Dalam praktiknya, kasus ekstrem ini memerlukan pertimbangan yang cermat karena asumsi standar mungkin tidak berlaku. Saat menghadapi skenario ini dalam penghitungan kalkulator retensi kotor, praktisi harus memverifikasi kondisi batas, memeriksa risiko pembagian dengan nol, dan mempertimbangkan apakah asumsi model tetap valid dalam kondisi ekstrem ini.
Jumlah sekaligus versus kontribusi berkala
Dalam praktiknya, kasus ekstrem ini memerlukan pertimbangan yang cermat karena asumsi standar mungkin tidak berlaku. Saat menghadapi skenario ini dalam penghitungan kalkulator retensi kotor, praktisi harus memverifikasi kondisi batas, memeriksa risiko pembagian dengan nol, dan mempertimbangkan apakah asumsi model tetap valid dalam kondisi ekstrem ini.
Data referensi Calc Retensi Kotor
▾
| Segmen | GRR yang bagus | GRR yang luar biasa | Pengemudi Churn Utama |
|---|---|---|---|
| SaaS Perusahaan | 90%+ | 95%+ | Kesenjangan produk, perpindahan kompetitif |
| SaaS Pasar Menengah | 85%+ | 92%+ | Pemotongan anggaran, kesesuaian produk-pasar |
| SaaS UKM | 75%+ | 85%+ | Penutupan bisnis, anggaran, kompetitif |
| Langganan Konsumen | 70%+ | 82%+ | Pembatalan sukarela, sensitivitas harga |
| Berbasis Penggunaan | 82%+ | 90%+ | Penurunan penggunaan, penyelesaian proyek |
Pertanyaan yang sering diajukan
▾
Dalam konteks Perhitungan Retensi Kotor, hal ini bergantung pada masukan, asumsi, dan tujuan spesifik pengguna. Rumus yang mendasarinya memberikan hubungan deterministik antara input dan output, namun penerapannya di dunia nyata memerlukan penafsiran hasilnya dalam konteks praktik keuangan dan investasi yang lebih luas. Para profesional biasanya melakukan referensi silang keluaran kalkulator dengan tolok ukur industri, data historis, dan persyaratan peraturan. Untuk mendapatkan hasil yang paling andal, pastikan masukan bersumber dari data terverifikasi, pahami asumsi yang dibuat oleh rumus tersebut, dan pertimbangkan untuk menjalankan beberapa skenario untuk mengelompokkan kisaran hasil yang mungkin terjadi.
Dalam konteks Perhitungan Retensi Kotor, hal ini bergantung pada masukan, asumsi, dan tujuan spesifik pengguna. Rumus yang mendasarinya memberikan hubungan deterministik antara input dan output, namun penerapannya di dunia nyata memerlukan penafsiran hasilnya dalam konteks praktik keuangan dan investasi yang lebih luas. Para profesional biasanya melakukan referensi silang keluaran kalkulator dengan tolok ukur industri, data historis, dan persyaratan peraturan. Untuk mendapatkan hasil yang paling andal, pastikan masukan bersumber dari data terverifikasi, pahami asumsi yang dibuat oleh rumus tersebut, dan pertimbangkan untuk menjalankan beberapa skenario untuk mengelompokkan kisaran hasil yang mungkin terjadi.
Dalam konteks Perhitungan Retensi Kotor, hal ini bergantung pada masukan, asumsi, dan tujuan spesifik pengguna. Rumus yang mendasarinya memberikan hubungan deterministik antara input dan output, namun penerapannya di dunia nyata memerlukan penafsiran hasilnya dalam konteks praktik keuangan dan investasi yang lebih luas. Para profesional biasanya melakukan referensi silang keluaran kalkulator dengan tolok ukur industri, data historis, dan persyaratan peraturan. Untuk mendapatkan hasil yang paling andal, pastikan masukan bersumber dari data terverifikasi, pahami asumsi yang dibuat oleh rumus tersebut, dan pertimbangkan untuk menjalankan beberapa skenario untuk mengelompokkan kisaran hasil yang mungkin terjadi.
Dalam konteks Perhitungan Retensi Kotor, hal ini bergantung pada masukan, asumsi, dan tujuan spesifik pengguna. Rumus yang mendasarinya memberikan hubungan deterministik antara input dan output, namun penerapannya di dunia nyata memerlukan penafsiran hasilnya dalam konteks praktik keuangan dan investasi yang lebih luas. Para profesional biasanya melakukan referensi silang keluaran kalkulator dengan tolok ukur industri, data historis, dan persyaratan peraturan. Untuk mendapatkan hasil yang paling andal, pastikan masukan bersumber dari data terverifikasi, pahami asumsi yang dibuat oleh rumus tersebut, dan pertimbangkan untuk menjalankan beberapa skenario untuk mengelompokkan kisaran hasil yang mungkin terjadi.
Dalam konteks Perhitungan Retensi Kotor, hal ini bergantung pada masukan, asumsi, dan tujuan spesifik pengguna. Rumus yang mendasarinya memberikan hubungan deterministik antara input dan output, namun penerapannya di dunia nyata memerlukan penafsiran hasilnya dalam konteks praktik keuangan dan investasi yang lebih luas. Para profesional biasanya melakukan referensi silang keluaran kalkulator dengan tolok ukur industri, data historis, dan persyaratan peraturan. Untuk mendapatkan hasil yang paling andal, pastikan masukan bersumber dari data terverifikasi, pahami asumsi yang dibuat oleh rumus tersebut, dan pertimbangkan untuk menjalankan beberapa skenario untuk mengelompokkan kisaran hasil yang mungkin terjadi.
Dalam konteks Perhitungan Retensi Kotor, hal ini bergantung pada masukan, asumsi, dan tujuan spesifik pengguna. Rumus yang mendasarinya memberikan hubungan deterministik antara input dan output, namun penerapannya di dunia nyata memerlukan penafsiran hasilnya dalam konteks praktik keuangan dan investasi yang lebih luas. Para profesional biasanya melakukan referensi silang keluaran kalkulator dengan tolok ukur industri, data historis, dan persyaratan peraturan. Untuk mendapatkan hasil yang paling andal, pastikan masukan bersumber dari data terverifikasi, pahami asumsi yang dibuat oleh rumus tersebut, dan pertimbangkan untuk menjalankan beberapa skenario untuk mengelompokkan kisaran hasil yang mungkin terjadi.
Dalam konteks Perhitungan Retensi Kotor, hal ini bergantung pada masukan, asumsi, dan tujuan spesifik pengguna. Rumus yang mendasarinya memberikan hubungan deterministik antara input dan output, namun penerapannya di dunia nyata memerlukan penafsiran hasilnya dalam konteks praktik keuangan dan investasi yang lebih luas. Para profesional biasanya melakukan referensi silang keluaran kalkulator dengan tolok ukur industri, data historis, dan persyaratan peraturan. Untuk mendapatkan hasil yang paling andal, pastikan masukan bersumber dari data terverifikasi, pahami asumsi yang dibuat oleh rumus tersebut, dan pertimbangkan untuk menjalankan beberapa skenario untuk mengelompokkan kisaran hasil yang mungkin terjadi.
Kesalahan Umum yang Harus Dihindari
▾
- !Memasukkan pendapatan pelanggan baru ke dalam GRR — hanya pelanggan kelompok lama yang harus diperhitungkan
- !Memperlakukan GRR dan NRR sebagai hal yang dapat dipertukarkan — selalu laporkan keduanya dan jelaskan perbedaannya
- !Menggunakan tingkat churn logo sebagai proksi GRR ketika konsentrasi pendapatan bervariasi antar pelanggan
- !Tidak mengelompokkan GRR berdasarkan tingkatan pelanggan — GRR campuran menyembunyikan tingginya churn di UKM yang ditutupi oleh perusahaan yang stabil
- !Mengukur GRR hanya setiap tahun ketika pelacakan bulanan memungkinkan deteksi sinyal churn lebih awal
Tip Pro
Jalankan analisis 'alasan churn' setiap tiga bulan — tandai setiap pelanggan yang churn dengan alasan utama (kesenjangan produk, anggaran, pesaing, penutupan perusahaan, dll.). Data ini lebih dapat ditindaklanjuti dibandingkan GRR saja dan menunjukkan apakah churn dapat diperbaiki (masalah produk/layanan) atau bersifat struktural (kematian perusahaan UKM).
Tahukah Anda?
Rata-rata GRR tahunan untuk perusahaan SaaS publik adalah sekitar 88%, menurut laporan State of the Cloud dari Bessemer Venture Partners — yang berarti bahkan perusahaan SaaS publik terbaik pun kehilangan 12% dari basis pendapatan mereka saat ini setiap tahun sebelum melakukan ekspansi.
Regional Guides
▾
North America▾
Europe▾
Asia-Pacific▾
Referensi
- ›Laporan Status Cloud Mitra Bessemer Venture
- ›Tolok Ukur Retensi SaaS OpenView
- ›Laporan Metrik Langganan ChartMogul
- ›Indeks Ekonomi Berlangganan Zuora
Ratings & comments
Dapatkan Tips Matematika Mingguan
Bergabunglah dengan pelanggan 12.000+ yang mendapatkan tip kalkulator setiap minggu.