Ce que 3 mois de données sur le churn involontaire m'ont appris

3 mois de données sur le churn involontaire.

Le plus gros apprentissage n'était pas le taux.

C'était le nombre d'équipes qui diagnostiquent mal la fuite.

Sur un portefeuille SaaS B2B d'un peu plus de 5M€ d'ARR, on a regardé 3 mois de renewals ratés.

Constat :

le churn "paiement" n'était pas un bloc homogène.

41% venait de cartes expirées ou remplacées.

33% de fonds insuffisants.

17% de refus banque.

Le reste : 3DS, fraude, erreurs de routing et cas marginaux.

Ce que la plupart des équipes ratent :

• Elles suivent l'échec de paiement, pas la perte finale.

Un paiement raté aujourd'hui n'est pas encore du churn. Le vrai sujet, c'est ce qui n'est toujours pas récupéré à J+7 ou J+14.

• Elles traitent tous les refus pareil.

Même email. Même retry. Même urgence.

Alors qu'une carte expirée, un plafond dépassé et un hard decline n'ont pas du tout la même probabilité de récupération.

• Elles laissent le sujet entre finance, produit et support.

Donc personne ne pilote vraiment le taux de récupération.

Le levier n'est pas mystérieux :

segmenter les codes de refus, adapter les retries, activer l'Account Updater et suivre le recouvrement en cohorte.

Quand vous faites ça sérieusement, vous ne "réduisez" pas juste le churn.

Vous récupérez du revenu que vous perdiez par mauvaise lecture du problème.

Vous suivez encore un taux global, ou vous avez déjà séparé les causes ?