churn rate คือ อะไร? คำนวณ + ลดลูกค้าหายให้ธุรกิจโต

churn rate คือ ตัวเลขที่บอกว่าธุรกิจรั่วตรงไหน มาดูวิธีคำนวณ customer vs revenue churn อ่านสัญญาณเตือน และลดอัตราลูกค้าหายอย่างเป็นระบบ

churn rate คือ อะไร ทำไมโตเท่าไหร่ก็รั่วไม่หยุด

Last updated: 2026-09-07

ทีมยิงแอดปิดดีลใหม่ได้เดือนละ 40 ราย ฟังดูดี จนเปิดดูว่าเดือนเดียวกันมีลูกค้าเก่าหลุดออกไป 35 ราย โตสุทธิเหลือ 5 นั่นแหละคือช่วงเวลาที่คนเริ่มถาม churn rate คือ อะไรกันแน่ ทำไมถึงกินกำไรทั้งที่ยอดขายหน้าบ้านดูสวย บทความนี้จะพาไล่ตั้งแต่นิยาม สูตรคำนวณที่แยก customer churn กับ revenue churn ให้ชัด ตารางอ่านสัญญาณว่าลูกค้ากำลังจะหลุดตรงไหน ไปจนถึงวิธีลด churn ที่ทำได้จริงโดยไม่ต้องเทงบเพิ่ม สำหรับคนทำ B2B ที่ต้นทุนหาลูกค้าใหม่แพงขึ้นทุกไตรมาส ตัวเลขนี้สำคัญกว่ายอดปิดดีลด้วยซ้ำ

Key Takeaways: churn rate คือ สัดส่วนลูกค้า (หรือรายได้) ที่หายไปในช่วงเวลาหนึ่ง คำนวณได้สองมุมคือ customer churn นับหัวคน และ revenue churn นับเป็นเงิน ซึ่งบริษัทที่มีลูกค้ารายใหญ่ปนเล็กควรดู revenue churn เป็นหลัก การลด churn เริ่มจากอ่านสัญญาณล่วงหน้า (การใช้งานลด ตอบช้า ค้างชำระ) ไม่ใช่รอตอนลูกค้าบอกเลิก และทุก 1% ที่ลดได้ทบต้นเข้าไปใน LTV ตรง ๆ คุ้มกว่าไล่หาลูกค้าใหม่มาทดแทน

churn rate คือ อะไร แล้วทำไมนักการตลาดต้องแคร์

churn rate คือ อัตราที่ลูกค้าหรือรายได้ “หลุด” ออกจากธุรกิจในช่วงเวลาที่กำหนด คิดเป็นเปอร์เซ็นต์ ถ้าต้นเดือนคุณมีลูกค้าที่จ่ายเงินอยู่ 200 ราย แล้วสิ้นเดือนมี 10 รายที่เลิกใช้/ไม่ต่อสัญญา churn rate เดือนนั้นคือ 5% ยิ่งตัวเลขต่ำยิ่งดี เพราะมันแปลว่าเงินที่คุณลงไปหาลูกค้ามาอยู่กับคุณได้นานพอจะคืนทุนและทำกำไร

เหตุผลที่คนทำแอดต้องแคร์ไม่ใช่เพราะมันเป็นเมตริก “ฝั่ง product” แต่เพราะ churn กับต้นทุนหาลูกค้า (CAC) เป็นสองด้านของสมการเดียวกัน สมมติคุณจ่ายค่าแอดเฉลี่ย 3,000 บาทต่อการได้ลูกค้าหนึ่งราย ถ้าลูกค้าอยู่กับคุณเฉลี่ย 20 เดือน คุณมีเวลา 20 เดือนถอนทุนก้อนนั้น แต่ถ้า churn สูงจนลูกค้าอยู่เฉลี่ยแค่ 5 เดือน ต้นทุนก้อนเดิมมีเวลาคืนทุนสั้นลงสี่เท่า ทั้งที่คุณจ่ายค่าคลิกเท่าเดิม

จุดที่หลายคนพลาดคือมองว่า churn เป็นปัญหาที่แก้ทีหลังได้ ค่อยโฟกัสตอนโต จริง ๆ แล้วมันทำงานแบบทบต้น ธุรกิจที่ churn 3% ต่อเดือนกับ 6% ต่อเดือน เริ่มต้นด้วยลูกค้าเท่ากัน แต่ผ่านไปสองปีจำนวนลูกค้าที่เหลืออยู่ห่างกันคนละโลก เพราะ churn กัดเข้าไปที่ฐานทุกเดือนก่อนที่ลูกค้าใหม่จะเข้ามาเติม ตัวเลขนี้จึงเป็นตัวชี้ว่าคุณกำลังตักน้ำใส่ถังที่ก้นรั่วอยู่หรือเปล่า

วิธีคำนวณ churn rate: customer churn ไม่เท่ากับ revenue churn

สูตรพื้นฐานตรงไปตรงมา:

Customer churn rate = (ลูกค้าที่หายในช่วงนั้น ÷ ลูกค้าที่มีตอนต้นช่วง) × 100

ตัวอย่างการคำนวณ (สมมติ): ต้นเดือนมีลูกค้า 200 ราย ระหว่างเดือนเสียไป 10 ราย → 10 ÷ 200 = 5% ต่อเดือน

แต่การนับหัวคนอย่างเดียวหลอกตาได้ง่ายมากในธุรกิจ B2B เพราะลูกค้าแต่ละรายจ่ายไม่เท่ากัน ลองนึกภาพเดือนที่คุณเสียลูกค้ารายเล็กไป 9 ราย แต่รักษาลูกค้ารายใหญ่ไว้ครบ customer churn อาจดูสูง แต่รายได้แทบไม่กระเทือน กลับกัน ถ้าเสียลูกค้ารายใหญ่ที่สุดไปเจ้าเดียว customer churn ดูต่ำ แต่ MRR หายไปก้อนโต นี่คือเหตุผลที่ต้องดู revenue churn ควบคู่ไปด้วย

Revenue churn rate = (MRR ที่หายไป ÷ MRR ตอนต้นช่วง) × 100

ตัวอย่างการคำนวณ (สมมติ): MRR ต้นเดือน 500,000 บาท เดือนนั้นมีลูกค้ายกเลิกรวมมูลค่า 40,000 บาท แต่มีลูกค้าเดิมอัปเกรดแพ็กเกจเพิ่มขึ้น 15,000 บาท

• Gross revenue churn = 40,000 ÷ 500,000 = 8%
• Net revenue churn = (40,000 − 15,000) ÷ 500,000 = 5%

ตัวเลข net ที่ต่ำกว่า gross บอกว่าการขายเพิ่ม (expansion) ช่วยอุดรอยรั่วได้บางส่วน และถ้าวันไหน expansion มากกว่าที่เสีย net revenue churn จะติดลบ ซึ่งเป็นสัญญาณสุขภาพดีมากสำหรับ B2B แบบ subscription

ควรวัดเป็นรายเดือนหรือรายปี

ขึ้นอยู่กับรอบบิลของคุณ ถ้าเก็บเงินรายเดือนก็ดู monthly churn ถ้าเป็นสัญญาปีให้ดู annual churn จะสะท้อนพฤติกรรมจริงมากกว่า ข้อควรระวังคืออย่าเอา monthly churn มาคูณ 12 ตรง ๆ เพื่อประมาณ annual เพราะมันไม่ใช่การบวกเชิงเส้น ฐานลูกค้าที่ลดลงทุกเดือนทำให้ตัวเลขจริงต่ำกว่าที่คูณตรง ๆ ถ้าอยากดูภาพระยะยาวให้ใช้ cohort analysis แทน โดยติดตามลูกค้าที่เข้ามาเดือนเดียวกันว่าเหลืออยู่กี่เปอร์เซ็นต์เมื่อเวลาผ่านไป ซึ่งใน GA4 ทำได้ผ่าน Cohort Exploration (ดูวิธีตั้งใน support.google.com)

การวาง tracking ให้ข้อมูล churn เชื่อถือได้ตั้งแต่ต้นทางเป็นเรื่องเดียวกับการวางระบบวัดผลทั้งบ้าน ถ้ายังไม่มีโครงสร้างนี้ แนะนำอ่าน MarTech Analytics & Tracking Guide ประกอบ เพราะ churn ที่คำนวณจากข้อมูลที่นับผิดตั้งแต่แรกก็ให้ decision ที่ผิดตาม

อ่านสัญญาณก่อนลูกค้าหลุด: ตารางวินิจฉัย

ปัญหาของ churn rate คือมันเป็นตัวเลข “หลังเกิดเหตุ” กว่าจะเห็นว่าสูงลูกค้าก็ไปแล้ว คนทำงานจริงจึงไม่รอดู churn เปล่า ๆ แต่ไล่ดู leading indicator ที่บอกล่วงหน้าว่าใครกำลังจะหลุด ตัวเลข threshold ด้านล่างเป็น เกณฑ์ตัดสินใจที่เราตั้งเองเพื่อใช้ trigger การเข้าไปดูแล ไม่ใช่ค่าเฉลี่ยอุตสาหกรรม แต่ละธุรกิจควรปรับเส้นแบ่งตามพฤติกรรมลูกค้าตัวเอง

อาการ (สัญญาณจริง)	สาเหตุน่าจะเป็น	สิ่งที่ทำ
Product usage ลดลง > 40% เทียบ 30 วันก่อน	เริ่มเลิกใช้ ยังไม่บอก	ให้ CS ทักก่อน เสนอ onboarding ซ้ำ/use case ใหม่
Login ครั้งสุดท้าย > 21 วัน (สำหรับ tool รายเดือน)	ลืม/ไม่เห็นคุณค่า	ส่ง re-engagement email + review ผลลัพธ์ที่เคยได้
ค้างชำระ > 7 วันหลัง due date	ปัญหา payment หรือกำลังชั่งใจเลิก	โทรตรง ไม่รอ auto-dunning อย่างเดียว
Support ticket ค้าง > 3 วันไม่ตอบ	ประสบการณ์แย่สะสม	escalate ทันที + ผู้จัดการติดตามเอง
NPS ตอบ ≤ 6 (detractor)	ไม่พอใจแต่ยังไม่ไป	นัดคุยหาสาเหตุภายใน 48 ชม.

ตารางนี้ตั้งใจให้ทำงานได้ทันที เห็นอาการปุ๊บรู้ว่าต้องทำอะไร ไม่ต้องรอ churn report สิ้นเดือน ประเด็นสำคัญคือ threshold พวกนี้ต้องผูกกับ workflow จริง มีคนรับผิดชอบ มี trigger อัตโนมัติจาก CRM ไม่ใช่ตัวเลขที่ตั้งไว้สวย ๆ แล้วไม่มีใครดู

ลด churn rate ยังไงให้ธุรกิจโตสุทธิ

การลด churn ไม่ใช่การไล่ง้อลูกค้าทุกรายที่จะไป แต่คือการจัดลำดับว่าใครควรรักษาและรักษาด้วยกลไกอะไร แบ่งได้เป็นสามจังหวะ

จังหวะแรก — onboarding ลูกค้า B2B ส่วนใหญ่ churn ในช่วง 60-90 วันแรก เพราะไม่เคยได้เห็น “aha moment” ว่าของที่ซื้อมาแก้ปัญหาให้จริง ถ้าลูกค้ายังไม่ได้ตั้งค่าให้เสร็จ ไม่เคยเห็นผลลัพธ์แรก โอกาสที่จะต่อรอบสองต่ำมาก การลงแรงกับ onboarding จึงให้ผลตอบแทนสูงกว่าการไปดึงลูกค้าที่กำลังจะหลุดเดือนที่ 18 เสียอีก

จังหวะที่สอง — สร้างเหตุผลให้อยู่ต่อ ไม่ใช่ผูกมัดด้วยสัญญา แต่ทำให้การเลิกใช้มีต้นทุน (switching cost) ในเชิงบวก เช่น ข้อมูลสะสม รายงานที่ต่อเนื่อง integration ที่ผูกกับระบบอื่นในบ้านลูกค้า ยิ่งลูกค้าฝังของคุณเข้าไปใน workflow เขาลึกเท่าไหร่ การถอดออกยิ่งเจ็บ นี่คือ retention ที่ยั่งยืนกว่าโปรลดราคา

จังหวะที่สาม — expansion อย่างที่เห็นในสูตร net revenue churn การขายเพิ่มให้ลูกค้าเดิมช่วยหักลบรายได้ที่เสีย ลูกค้าที่ใช้งานหนักและเห็นผลคือกลุ่มที่พร้อมอัปเกรดที่สุด การดู usage data เพื่อจับจังหวะเสนอ upsell จึงเป็นทั้งการเพิ่มรายได้และการลด net churn ไปพร้อมกัน

ผิดพลาดที่พบบ่อยเวลาแก้ churn

ข้อแรกที่เจอบ่อยสุดคือไล่ลด churn ด้วยส่วนลด พอจะเลิกก็แจกโปร ผลคือได้ลูกค้าที่อยู่เพราะราคาไม่ใช่เพราะคุณค่า เดือนถัดไปก็จะไปอยู่ดี แถมสอนตลาดว่าขู่เลิกแล้วได้ของถูก ข้อสองคือดู aggregate churn ก้อนเดียวโดยไม่แยก segment ทั้งที่ลูกค้ารายเล็กกับรายใหญ่มีสาเหตุหลุดคนละแบบ วิธีแก้ก็คนละทาง ข้อสามคือวัด churn จากข้อมูลที่ไม่ clean เช่น นับลูกค้าที่ downgrade เป็น churn เต็ม ๆ ทั้งที่ยังจ่ายอยู่ ทำให้ตัวเลขเวอร์เกินจริงและ panic ผิดจุด การมี attribution และ data model ที่ถูกต้องช่วยตรงนี้ อ่านต่อได้ที่ Attribution Model B2B Guide

Real-world Example

ในเชิงกลไก เคสที่เห็นผลชัดมักเริ่มจากการวาง at-risk trigger ตามตารางด้านบน แล้วให้ทีมเข้าไปดูแลก่อนลูกค้าเข้าสู่รอบต่อสัญญา มากกว่าไปดึงตอนแจ้งยกเลิกแล้ว การจับที่ leading indicator ทำให้มีเวลาแก้เกม ต่างจากการรอ churn report ที่บอกได้แค่ว่าเสียไปแล้วเท่าไหร่

การมองภาพรวมทั้งหมดนี้ ถ้าอยากดูเป็น dashboard ที่ทีมเปิดร่วมกันได้ทุกวัน แนะนำวางไว้บน Looker Studio Dashboard B2B เพื่อให้ churn, cohort retention และ MRR อยู่หน้าเดียวกัน

FAQ

churn rate ที่ดีควรเป็นเท่าไหร่?
ไม่มีตัวเลขมาตรฐานที่ใช้ได้ทุกธุรกิจ เพราะ SaaS รายเดือน B2C กับ B2B สัญญาปีมีธรรมชาติต่างกันมาก สิ่งที่ทำได้จริงคือเทียบกับตัวเองเดือนต่อเดือน และตั้งเส้นแบ่งภายในว่าเลยเท่าไหร่ต้องเข้าไปหาสาเหตุ อย่าไปยึดตัวเลข benchmark ลอย ๆ จากเน็ตที่ไม่รู้ที่มา

churn rate ต่างจาก retention rate ยังไง?
เป็นด้านตรงข้ามกันของเหรียญเดียว retention rate คือสัดส่วนลูกค้าที่อยู่ต่อ churn คือสัดส่วนที่หายไป ถ้าดูในช่วงเวลาเดียวกันและฐานเดียวกัน retention + churn ≈ 100% แต่พอมี expansion revenue เข้ามา ตัวเลขฝั่งเงินจะไม่บวกกันพอดี 100 เป๊ะ

customer churn กับ revenue churn ควรดูอันไหน?
ดูทั้งคู่ แต่ถ้าลูกค้าคุณจ่ายไม่เท่ากันมาก ให้น้ำหนัก revenue churn เป็นหลัก เพราะมันสะท้อนผลกระทบต่อธุรกิจจริง customer churn ช่วยบอกว่าปัญหาเชิงประสบการณ์อยู่ตรงไหน

คำนวณ churn ตอนที่ลูกค้าเข้าออกกลางเดือนยังไง?
ให้ fix ฐานเป็นลูกค้าตอนต้นช่วงและนับเฉพาะคนที่หลุดจากฐานนั้น ลูกค้าใหม่ที่เพิ่งเข้ามากลางเดือนไม่ควรนับรวมในตัวหาร เพราะเขายังไม่มีโอกาส churn ในรอบนี้ ไม่งั้นตัวเลขจะเพี้ยน

เก็บข้อมูล churn จากที่ไหน?
จากระบบ billing/CRM เป็นหลัก ส่วนพฤติกรรมการใช้งานที่เป็น leading indicator ดึงจาก product analytics หรือ GA4 การเชื่อมสองแหล่งนี้เข้าด้วยกันคือหัวใจ ถ้ายังไม่มีระบบ tracking ที่วางไว้ดี ตัวเลข churn ก็เชื่อถือไม่ได้ตั้งแต่แรก

สรุป

churn rate คือ ตัวชี้ว่าธุรกิจกำลังรั่วตรงไหนและเร็วแค่ไหน ไม่ใช่แค่เมตริกฝั่ง product แต่เป็นตัวคู่กับ CAC ที่ตัดสินว่าเงินค่าแอดของคุณคืนทุนทันหรือไม่ สามอย่างที่อยากให้ติดไม้ติดมือกลับไป: หนึ่ง แยก customer churn กับ revenue churn ให้ชัด แล้วให้น้ำหนักฝั่งเงินถ้าลูกค้าจ่ายไม่เท่ากัน สอง อ่าน leading indicator ตามตารางเพื่อจับลูกค้า at-risk ก่อนเขาไป ไม่ใช่รอดู report สิ้นเดือน สาม ทุก 1% ที่ลด churn ได้ทบต้นเข้าไปใน LTV โดยตรง คุ้มกว่าไล่หาลูกค้าใหม่มาอุดถังที่ยังรั่วอยู่

อยากต่อภาพให้ครบว่า churn เชื่อมกับ LTV และ cohort ยังไง อ่านต่อได้ที่ชุด Guides รวม pillar ทุกหัวข้อ หรือ subscribe newsletter รับ MarTech insight ราย