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。