Vad är Gross Retention Calculator?
▾
Gross Revenue Retention (GRR), även känd som Gross Dollar Retention, mäter procentandelen av återkommande intäkter som ett företag behåller från sina befintliga kunder under en period, räknar endast förluster från churn och kontraktion – uttryckligen exklusive eventuella expansionsintäkter. Eftersom det ignorerar merförsäljningar och platstillägg kan GRR aldrig överstiga 100 % och ger den mest konservativa och ärliga uppfattningen om huruvida ett företag behåller de kunder och intäkter det redan har. GRR beskrivs ibland som "golvet" för retention: det visar intäkter i värsta fall från den befintliga basen, förutsatt att ingen kund någonsin expanderar. Detta gör det till ett kritiskt mått för affärshållbarhetsanalys. Ett företag med 95 % årlig GRR förlorar 5 % av sina befintliga återkommande intäkter varje år från churn och nedgraderingar, oberoende av expansion. Ett företag med 70 % årlig GRR förlorar nästan en tredjedel av sin intäktsbas varje år – vilket kräver enorma nya kundförvärv bara för att stanna kvar. Formeln för GRR tar Beginning MRR, subtraherar Churn MRR och Contraction MRR och dividerar sedan med Beginning MRR. Resultatet visar hur stor del av startintäkterna som återstår utan någon tillväxt från befintliga kunder. GRR ska alltid rapporteras tillsammans med Net Revenue Retention (NRR) eftersom gapet mellan de två mätvärdena avslöjar bidraget från expansionsintäkter. Om NRR är 108 % och GRR är 88 %, adderar expansionsprogrammet 20 procentenheter – vilket kvantifierar avkastningen på merförsäljning och korsförsäljning. Företag med starka produkter men svaga expansionsprogram kan visa hög GRR men blygsam NRR. Företag med starka expansionsprogram men svag kärnretention kan visa hög NRR samtidigt som de maskerar underliggande churnproblem. Båda måtten skapar tillsammans en helhetsbild. För investerare är GRR allt viktigare eftersom det avslöjar hur beroende ett företag är av expansion för att stödja sina retentionsmått. Ett företag med 85 % GRR och 105 % NRR måste generera 20 % expansion utöver sin befintliga bas bara för att ersätta intäkter som går förlorade till churn – ett löpband som blir svårare att upprätthålla när kundbasen mognar och färre expansionsmöjligheter finns kvar på varje konto.
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
Formel
▾
GRR = (begynnande MRR - churned MRR - kontraktion MRR) / Börjande MRR x 100 %
Där varje variabel representerar en specifik mätbar kvantitet inom finans- och investeringsdomänen. Byt ut kända värden och lös det okända. För flerstegsberäkningar, utvärdera först inre uttryck och kombinera sedan resultaten med standardordningen för operationer.Variabelbeskrivning
▾
| Symbol | Namn | Enhet | Beskrivning |
|---|---|---|---|
| Början av MRR | Återkommande intäkter från | — | Återkommande intäkter från befintliga kunder vid början av mätperioden |
| Körde MRR | Intäkter från kunder | — | Det elektriska motståndet mätt i ohm, representerar motståndet till strömflödet i kretsen och bestämmer spänningsfallet och effektförlusten i komponenten |
| Sammandragning MRR | Intäktsminskning från | — | Antalet tidsperioder (år, månader eller andra intervall) under vilka beräkningen tillämpas, vilket bestämmer varaktigheten av sammansättning, amortering eller mätning |
| Börjande ARR | Årliga återkommande intäkter | — | Årlig återkommande intäkt vid början av mätperioden (= MRR x 12) |
Hur man Gross Retention Calculator
▾
- 1Samla in de nödvändiga ingångsvärdena: Återkommande intäkter från, Intäkter från kunder, Intäktsminskningar från, Årliga återkommande intäkter.
- 2Tillämpa kärnformeln: GRR = (Beginning MRR - Churned MRR - Contraction MRR) / Beginning MRR x 100%.
- 3Beräkna mellanliggande värden som årlig GRR om tillämpligt.
- 4Kontrollera att alla enheter är konsekventa innan du kombinerar termer.
- 5Beräkna slutresultatet och granska det för rimlighet.
- 6Kontrollera om några speciella fall eller gränsvillkor gäller för dina ingångar.
- 7Tolka resultatet i sitt sammanhang och jämför med referensvärden om sådana finns.
Lösta exempel
▾
Praktiska tillämpningar
▾
Portföljförvaltare på kapitalförvaltningsföretag använder Gross Retention Calc för att projicera förväntad avkastning över olika tillgångsallokeringar, stresstesta portföljer mot historiska marknadsscenarier och kommunicera prestationsförväntningar till institutionella kunder och pensionsfondförvaltare.
Individuella investerare och pensionsplanerare tillämpar Gross Retention Calc för att avgöra om deras nuvarande sparränta och investeringsavkastning kommer att ge tillräcklig förmögenhet för att finansiera 25 till 30 års pensionsutgifter, med hänsyn till inflation och nödvändiga minimiutdelningar.
Riskkapital- och private equity-företag använder Gross Retention Calc för att beräkna intern avkastning på fondinvesteringar, modellera exit-scenarier för portföljbolag och benchmarkprestanda mot industristandarder som Cambridge Associates-index.
Finansiella rådgivare använder Gross Retention Calc under kundrecensioner för att illustrera den sammantagna fördelen med att börja tidigt, effekten av avgiftsdrag på långsiktig förmögenhetsackumulering och avvägningen mellan risk och förväntad avkastning i diversifierade portföljer.
Specialfall
▾
Negativa eller noll returperioder
I praktiken kräver detta kantfall noggrant övervägande eftersom standardantaganden kanske inte håller. När utövare stöter på detta scenario i beräkningar av bruttoretentionskalkylatorer, bör utövare verifiera randvillkor, kontrollera om det finns risker med nolldelning och överväga om modellens antaganden förblir giltiga under dessa extrema förhållanden.
Extremt långa tidshorisonter
I praktiken kräver detta kantfall noggrant övervägande eftersom standardantaganden kanske inte håller. När utövare stöter på detta scenario i beräkningar av bruttoretentionskalkylatorer, bör utövare verifiera randvillkor, kontrollera om det finns risker med nolldelning och överväga om modellens antaganden förblir giltiga under dessa extrema förhållanden.
Engångsbelopp kontra periodiska bidrag
I praktiken kräver detta kantfall noggrant övervägande eftersom standardantaganden kanske inte håller. När utövare stöter på detta scenario i beräkningar av bruttoretentionskalkylatorer, bör utövare verifiera randvillkor, kontrollera om det finns risker med nolldelning och överväga om modellens antaganden förblir giltiga under dessa extrema förhållanden.
Gross Retention Calc referensdata
▾
| Segment | Bra GRR | Utmärkt GRR | Primär churn-förare |
|---|---|---|---|
| Enterprise SaaS | 90 %+ | 95 %+ | Produktluckor, konkurrensförskjutning |
| Mid-Market SaaS | 85 %+ | 92 %+ | Budgetnedskärningar, anpassad produkt-marknad |
| SMB SaaS | 75 %+ | 85 %+ | Företagsstängning, budget, konkurrenskraftig |
| Konsumentabonnemang | 70 %+ | 82%+ | Frivillig avbokning, priskänslighet |
| Användningsbaserad | 82%+ | 90 %+ | Användning minskar, projekt slutfört |
Vanliga frågor
▾
I samband med Gross Retention Calc beror detta på användarens specifika indata, antaganden och mål. Den underliggande formeln ger ett deterministiskt förhållande mellan input och output, men tillämpningar i verkligheten kräver att resultatet tolkas inom det bredare sammanhanget av finans- och investeringspraxis. Proffs korsrefererar vanligtvis kalkylatorutdata med branschriktmärken, historiska data och regulatoriska krav. För att få de mest tillförlitliga resultaten, se till att indata kommer från verifierade data, förstå vilka antaganden formeln gör och överväg att köra flera scenarier för att variera intervallet av troliga utfall.
I samband med Gross Retention Calc beror detta på användarens specifika indata, antaganden och mål. Den underliggande formeln ger ett deterministiskt förhållande mellan input och output, men tillämpningar i verkligheten kräver att resultatet tolkas inom det bredare sammanhanget av finans- och investeringspraxis. Proffs korsrefererar vanligtvis kalkylatorutdata med branschriktmärken, historiska data och regulatoriska krav. För att få de mest tillförlitliga resultaten, se till att indata kommer från verifierade data, förstå vilka antaganden formeln gör och överväg att köra flera scenarier för att variera intervallet av troliga utfall.
I samband med Gross Retention Calc beror detta på användarens specifika indata, antaganden och mål. Den underliggande formeln ger ett deterministiskt förhållande mellan input och output, men tillämpningar i verkligheten kräver att resultatet tolkas inom det bredare sammanhanget av finans- och investeringspraxis. Proffs korsrefererar vanligtvis kalkylatorutdata med branschriktmärken, historiska data och regulatoriska krav. För att få de mest tillförlitliga resultaten, se till att indata kommer från verifierade data, förstå vilka antaganden formeln gör och överväg att köra flera scenarier för att variera intervallet av troliga utfall.
I samband med Gross Retention Calc beror detta på användarens specifika indata, antaganden och mål. Den underliggande formeln ger ett deterministiskt förhållande mellan input och output, men tillämpningar i verkligheten kräver att resultatet tolkas inom det bredare sammanhanget av finans- och investeringspraxis. Proffs korsrefererar vanligtvis kalkylatorutdata med branschriktmärken, historiska data och regulatoriska krav. För att få de mest tillförlitliga resultaten, se till att indata kommer från verifierade data, förstå vilka antaganden formeln gör och överväg att köra flera scenarier för att variera intervallet av troliga utfall.
I samband med Gross Retention Calc beror detta på användarens specifika indata, antaganden och mål. Den underliggande formeln ger ett deterministiskt förhållande mellan input och output, men tillämpningar i verkligheten kräver att resultatet tolkas inom det bredare sammanhanget av finans- och investeringspraxis. Proffs korsrefererar vanligtvis kalkylatorutdata med branschriktmärken, historiska data och regulatoriska krav. För att få de mest tillförlitliga resultaten, se till att indata kommer från verifierade data, förstå vilka antaganden formeln gör och överväg att köra flera scenarier för att variera intervallet av troliga utfall.
I samband med Gross Retention Calc beror detta på användarens specifika indata, antaganden och mål. Den underliggande formeln ger ett deterministiskt förhållande mellan input och output, men tillämpningar i verkligheten kräver att resultatet tolkas inom det bredare sammanhanget av finans- och investeringspraxis. Proffs korsrefererar vanligtvis kalkylatorutdata med branschriktmärken, historiska data och regulatoriska krav. För att få de mest tillförlitliga resultaten, se till att indata kommer från verifierade data, förstå vilka antaganden formeln gör och överväg att köra flera scenarier för att variera intervallet av troliga utfall.
I samband med Gross Retention Calc beror detta på användarens specifika indata, antaganden och mål. Den underliggande formeln ger ett deterministiskt förhållande mellan input och output, men tillämpningar i verkligheten kräver att resultatet tolkas inom det bredare sammanhanget av finans- och investeringspraxis. Proffs korsrefererar vanligtvis kalkylatorutdata med branschriktmärken, historiska data och regulatoriska krav. För att få de mest tillförlitliga resultaten, se till att indata kommer från verifierade data, förstå vilka antaganden formeln gör och överväg att köra flera scenarier för att variera intervallet av troliga utfall.
Vanliga misstag att undvika
▾
- !Inklusive nya kundintäkter i GRR — endast befintliga kohortkunder ska ingå i beräkningen
- !Behandla GRR och NRR som utbytbara – rapportera alltid båda och förklara skillnaden
- !Använder logotyp churn rate som en proxy för GRR när intäktskoncentrationen varierar mellan kunderna
- !Segmenterar inte GRR efter kundnivå – blandad GRR döljer hög churn i SMB maskerad av stabilt företag
- !Mätning av GRR endast årligen när månatlig spårning möjliggör tidigare churnsignaldetektering
Proffstips
Kör kvartalsvis en analys av orsaken till "churn-orsak" - tagga varje kund som lämnats med en primär orsak (produktluckor, budget, konkurrent, företagsstängning, etc.). Dessa data är mer handlingsbara än GRR enbart och avslöjar om churn är åtgärdbar (produkt/tjänsteproblem) eller strukturell (SMB-företags dödlighet).
Visste du?
Den genomsnittliga årliga GRR för offentliga SaaS-företag är cirka 88 %, enligt Bessemer Venture Partners State of the Cloud-rapport – vilket innebär att även de bästa offentliga SaaS-företagen förlorar 12 % av sin befintliga intäktsbas varje år innan någon expansion.
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
Referenser
- ›Bessemer Venture Partners State of the Cloud Report
- ›OpenView SaaS Retention Benchmarks
- ›ChartMogul Subscription Metrics Report
- ›Zuora Subscription Economy Index
Ratings & comments
Få mattetips varje vecka
Gå med 12 000+ prenumeranter som får räknartips varje vecka.