Образовательный центр
интернет профессий
Навигация по статье
К примеру, у вас такая статистика: То же самое, но с учетом лояльных пользователей: Вернемся к нашему примеру: Теперь включаем тех, кто имеет предпосылки к уходу, и исключаем тех, кого слишком рано учитывать:
Аналитика

Метрики SaaS: где ошибаются 90% компаний?

9147

Кто является клиентом для SaaS-компании? Тот, кто использует продукт постоянно. А подписчик рассылки – он тоже клиент? А тот, кто пока на демо-версии? Или тот, кто зашел на сайт пару раз?

В этой статье вы узнаете как правильно считать пользовательские метрики SaaS и как это влияет на показатель оттока (churn rate).

От того, что вы вкладываете в понятие «пользователь», зависит метрика, с помощью которой вы оцениваете развитие бизнеса. 

Основные сложности связаны с тем, кого включать в пул клиентов. Только платящих или в том числе триал? Еще сложнее, если вы работаете по freemium-модели.

Давайте смотреть на вещи реалистично. Нужно уходить от учета малоценных характеристик – таких как количество установок и входов, количество подписок на триалы и прочей контекстуальной активности. 

Да, при таком подходе многие люди не будут учитываться. Но что для вас важнее – дутые показатели, чтобы вы могли тешить свое ЧСВ, или узнать, как реально обстоят дела?

В статистику churn (оттока) тоже попадают не все пользователи. В ней чаще всего учитывается отток за определенный период только тех клиентов, которые имеют предпосылки для ухода – например, просрочен контракт. И не учитываются юзеры с активным контрактом до конца месяца, но которые фактически уже приняли решение его не продлевать.

Кроме того, не совсем корректно брать в качестве базового показателя общее число клиентов. Логичнее сразу разделить их на две категории – полностью лояльных, которые не уйдут от вас в обозримом периоде, и всех остальных.

К примеру, у вас такая статистика:

  • Клиентов всего: 100
  • Ушедших: 10
  • Действующих: 90
  • Churn Rate: 10%
  • Retention Rate (коэффициент удержания): 90%

То же самое, но с учетом лояльных пользователей:

  • Клиентов всего: 100
  • Не склонные к уходу: 13 (их не учитываем при дальнейшем расчете)
  • «Ненадежные»: 87
  • Ушло на самом деле: 10
  • Осталось ненадежных: 77
  • Churn Rate: 11,5%
  • Retention Rate: 88,5%.

 

Вроде бы, всего 1,5% разницы. Но если смотреть, какова доля «ненадежных» людей, которые могут уйти в любой момент – становится грустно. А если добавить к этому, что и лояльные могут запросто перейти во вторую категорию…

Так где же провести границу?

Не все покупатели становятся постоянными — это горькая правда бизнеса. Распродажи, пробные бесплатные периоды, реферальные программы – есть много способов привлечь людей для первой покупки. Но не факт, что эти клиенты останутся надолго.

Поэтому делать долгосрочные прогнозы на их счет не стоит. Ситуация здесь непростая: в метрику общего churn'а их включать нельзя, но и совсем исключать из метрики тоже неправильно. Ведь вы приложите усилия, чтобы привлечь и удержать этих людей.

В случае с простым продуктом или услугой стоит подождать 1-2 продажных цикла (60-90 дней) после конверсии — только после такого периода можно говорить, что пользователь стал клиентом. Это вдвойне важно, если условия «превращения» в клиента не такие простые. Например, если подразумеваются платежи с кредитки. 

Вернемся к нашему примеру:

  • Клиентов всего: 100
  • Ушло: 10
  • Осталось: 90
  • Churn Rate: 10%
  • Retention Rate: 90%

Теперь включаем тех, кто имеет предпосылки к уходу, и исключаем тех, кого слишком рано учитывать:

  • Исходное количество: 100
  • Фаны: 13
  • Предпосылки к уходу: 87
  • Те, кого слишком рано учитывать: 17
  • Действующие клиенты: 70
  • Ушло: 10
  • Осталось из действующих клиентов: 60
  • Churn Rate: 14,3%
  • Retention Rate: 85,7%.

 

Вот теперь у нас на руках более реальные цифры оттока. Уже не 10%, а почти в полтора раза больше. Разница существенная. 

Похожая ситуация обстоит с другими важными Saas-метриками, например, CAC (стоимость привлечения) или помесячного (MRR) и годового оборота (ARR). Чтобы получить объективную картину, стоит быть максимально объективными при определении исходных данных.

Хотите тоже написать статью для читателей Yagla? Если вам есть что рассказать про маркетинг, аналитику, бизнес, управление, карьеру для новичков, маркетологов и предпринимателей. Тогда заведите себе блог на Yagla прямо сейчас и пишите статьи. Это бесплатно и просто
Опубликовано редакцией Yagla
9147
0