用单位经济学解构SaaS业务指标-演道网
单位经济学是用来分析 SaaS 业务长期盈利能力的一种非常强大的方法。
计算 SaaS 业务的 LTV 和 CAC
这篇文章会提供如何计算 SaaS 业务几个重要指标的公式,帮助我也帮助你更好地理解业务。
CAC – 获客成本(Cost to Acquire a Customer)
CAC 的定义如下:
在业务早期,雇佣员工的成本是比较昂贵的,人力成本还不能被获客数量摊薄,所以 CAC 会比较高。这时候需要对销售和营销费用做一些简单的调整,比如部分岗位雇佣兼职员工或减少早期的营销费用,这样就能让 CAC 对未来规模有个很好的展望。
客户生命周期(Customer Lifetime)
如果你从100个客户群组开始,每月有一个固定的流失率,那么你会得到指数式衰减,如下图所示(图里的流失率是3%):
在数学上,可以简化为下面的公司来计算平均客户生命周期:
如果客户流失率是每月几个百分点,或每年几个百分点,那么相应计算得到的客户生命周期的单位就是月或年,我们来举例说明:
如果月流失率是3%,那么客户生命周期就是1/0.03,也就是33个月。
如果每年的流失率是20%,那么客户生命周期就是1/0.2,即5年。
客户生命周期价值(Lifetime Value of Customer)
在所有客户有大致相同的 ARPA(帐户的平均每月经常性收入-Average monthly recurring Revenue per Account) 的情况下,以及在客户的整个生命周期中没有预期的扩大收入,可以用下面的公式计算:
也可以写成:
这里要强调的是,如果 ARPA 是按月的,流失率也应该是按月的。
但是,如果你的客户群中 ARPA 差异很大的情况下,公司没有考虑高价值客户跟低价值客户之间的差异,所以准确点的公式是:
为了得到更准确的 LTV ,还要把毛利率算进去,这时候的计算公司就变为:
Ron Gill ,NetSuite :我惊讶于我看到的一些 SaaS 产品架构,它们明显没有计入毛利润,把 GM 计算在内是一个非常好的方式,能让你看到 LTV/CAC 之间的巨大杠杆。
对 NetSuite 来说,我们不仅计算 LTV/COCA ,还计算每个部分的平方值(以了解是什么在驱动增长)并对它们进行敏感度分析(以了解未来可能有哪些驱动因素)。 GM 是很重要的一部分。
更复杂的情况
在特定情况下,你希望由于收入的增加, ARPA 能在客户的生命周期内发生变化,那么简化的公司就不适用了, ZenDesk 就遇到这种情况,在客户生命周期内有非常可观的收入增长。
下面这个图表显示,如果你有一个100名客户的群组,最开始每月支付100$给你,但每月会多支付5$,客户的月流失率是3%,会发生什么情况呢?
如你所见,最初收入扩张是大于客户流失带来的损失的,但随着时间的推移,流失率的影响越来越明显,最终降低了该群体的价值。
我的合作伙伴 Stan Reiss 计算出了在这种复杂情况下的 LTV ,这是他想出来的计算方法:
变量:
a = 每月的初始 ARPA x GM %
m = 每个账户 ARPA 的月增长 x GM %(注意,这里的月增长是以金额为单位的数字,不是百分比)
c = 客户流失率 % (按月)
(这个公式假设在客户的整个生命周期内,每个月的收入以大致固定的速率增长,这可能不是很多 SaaS 业务的真实情况,但目标是得到一个粗略的想法,而不是绝对的完美答案。)
而且还有其他的复杂因素,如:
客户流失不遵循指数衰减曲线
客户收入不遵循简单的线性扩张
LTV:CAC 比率
成功的 SaaS 业务的这个比率值应该高于3。(假设你用的是不包括毛利率的简单的 LTV 公式,并且你的毛利率是80%或更高。)
Ron ,NetSuite : 最重要的是跟踪这个指标,以确保你在推动改进,并且要看它是如何影响投入的。
收回 CAC 的月份
为了完全准确,应该包含毛利率,公式如下:
在我们的指南里,收回CAC的月份应该小于12,假设我们用的是最简单的公式,毛利率是80%或高。
吆喝科技:国内唯一同时支持前端(Web/H5、iOS、Android)及后端(Node.js、PHP、Java 等) A/B 测试服务的专业 SaaS 平台。支持线上灰度发布、多维度数据统计分析、科学的流量分配系统、一键发布新版本无需应用市场审核、定向测试。
用数据帮助用户优化产品,提升转化、留存和你想要的一切。 AppAdhoc 用数据验证最佳方案,提高产品设计、研发、运营和营销效率,降低产品决策风险。
转载自演道,想查看更及时的互联网产品技术热点文章请点击http://go2live.cn