SaaS 平均合同期限 (ACL) 计算器

📈 结果

SaaS 平均合同长度 (ACL)

0.00 个月

合同期限总和： 0 个月

合同总数： 0

平均合同期限 (ACL) 的计算方法是将所有合同期限的总和除以合同总数。此指标有助于了解客户承诺的典型持续时间。

如何计算 SaaS 平均合同期限 (ACL)

按照以下步骤计算您的SaaS平均合同期限（ACL）：

确定每份合同的期限。 这是您的客户同意使用您服务的期限。它可以是几个月或几年；请确保所有合同的期限一致。例如，一个客户可能签订了 12 个月的合同，而另一个客户可能签订了 24 个月的合同。
将所有合同的期限相加。 将您在步骤 1 中确定的合同期限相加。例如，如果您有三份合同，期限分别为 12 个月、24 个月和 12 个月，则总和为 48 个月。这为您提供了所有合同的总期限。
计算合同总数。 这只是您在计算中包含的单个合同的数量。如果您在上一步中添加了三个合同期限，则您的合同总数为三个。这包括您在分析期间的所有有效合同。
将合同期限的总和除以合同总数。 这需要将步骤 2 的结果除以步骤 3 的结果。这将得出您的合同平均期限。使用我们之前的示例，将 48 个月除以 3 个合同，得出平均合同期限为 16 个月。

SaaS Average Contract Length (ACL) = Sum of all Contract Lengths / Total Number of Contracts

SaaS 的平均合同期限是多少？

诸如 平均合同期限 (ACL) 在 SaaS 中指的是客户使用软件的平均时长。

此指标通过将所有客户合同的期限相加得出。较长的平均合同期限表明客户忠诚度高，并且为企业带来稳定的收入来源。

示例 1: A company with 150 contracts totaling 360 months has an Average Contract Length of 2.4 months (360 months / 150 contracts). This calculation gives a quick overview of the duration of contracts. Shorter ACLs might indicate a need for longer term agreements.
示例 2: 在最近的一笔交易中，一家SaaS公司签约了5个新客户：2个年度客户，1个两年期客户和2个季度客户。将这些转换为月份（24、24、12、6、6）并计算平均值，得出平均合同期限为14.4个月。此指标有助于公司确定稳定性和客户保留趋势。
示例 3: If a SaaS company has 50 contracts with some on different timelines (20 annual, 10 quarterly, 20 monthly), their total contract lengths sum up to 270 months. The Average Contract Length is then calculated as 5.4 months (270 / 50). This figure helps predict future revenue and understand client commitment levels.

期间	合同总价值 (TCV)	合同数量	平均合同期限 (ACL)	ACL 变化	ACL 变化 (%)
2023年第一季度	$500,000	50	10个月	–	–
2023年第二季度	$600,000	55	10.9个月	+0.9个月	+9.0%
2023年第三季度	$750,000	65	11.5个月	+0.6个月	+5.5%

此表显示了一家SaaS公司在三个季度内的平均合同期限（ACL）样本。数据包括合同总价值、合同数量、计算得出的ACL、ACL的环比变化以及百分比变化。趋势显示ACL呈正增长，表明该公司在长期合同方面取得了成功。

ACL = (12 months * 100) / 100 = 12 months

简单平均合同期限： 此方法计算组内所有合同期限的平均值。它提供了合同中位期限的一般概念。
加权平均合同期限： 此方法使用合同价值作为权重来确定平均值。它对于评估较大合同对整体平均值的影响尤其有用。
按队列划分的平均合同期限： 此计算方法对同一时期获取的客户的合同期限进行平均。它有利于分析合同期限随时间推移或在不同客户群体中的趋势。
按等级划分的平均合同期限: This method averages the lengths of contracts across different subscription tiers, helping in understanding the retention across various pricing levels.