Не хочу придираться на пустом месте, но думаю это стоит того чтобы упомянуть.
Интерпретация ARPU как Average Return Per Unit во-первых редко встречается (честно сказать первый раз слышу), во-вторых может сбить с толку. ARPU чаще всего это Average Revenue Per User. Аббревиатура та же, да и суть та же, но во-первых она повсеместно используется, и во-вторых (что самое важное), есть ещё такая шутка как Return Rate, которая показывает какую долю мертвых пользователей удалось реанимировать. Эту метрику редко меряют в SaaS по подписке, но всё же. Поэтому даже если придумывать другие синонимы для расшифровки ARPU - я бы избегал слова Return, так как это совсем о другом.
Спасибо за статью! Есть вопросы: 1) если для каждого клиента, купившего подписку нужны еще пуско-наладочные работы, то они увеличивают CAC или снижают ARPU? 2) как определить средний срок подписки на малом количестве клиентов и длительной подписке (у нас за 1,5 года проекта отвалилось 7% клиентов при примерно равномерном притоке)? Для интересующихся ссылка на проект в профиле.
Спасибо! 1. Ни то и ни другое. По сути данные затраты не увеличивают на затраты на продажу, это в чистом виде себестоимость, которая влияет на gross margin. Получается, что пуско-наладочные работы уменьшают LTV. 2. Можно попробовать разбить клиентов на 2-3 когорты со схожим сроком подписки и анализировать внутри когорты. Ссылку на проект не нашел, к слову.
Кстати, те данные, которые вы уже собрали сильно отличаются от тех, что вы планировали получить?
1. Здесь важно, однократные это затраты, или многократные. Если однократные, это onboarding cost, и они увеличивают CAC. Можно отдельно считать CAC и total customer acquisition cost (TCAC) как сумму привлечения и онбординга. Если косты постоянные то это часть экономики и она идет в маржу.
2. Можно построить зависимость выживаемости клиентов от возраста - на оси Х графика возраст клиента в днях, на оси У - процент доживших до этого дня из тех, кто мог до этого дня дожить (т.е. подписался столько же дней назад сколько с значение по оси Х). При Х=0 У будет 100, и дальше падать. Значение X пересечения функции и горизонтальной линии, которая будет делить фигуру под функцией пополам, и будет ожидаемой продолжительностью жизни клиентов. Если у вас многие из старых клиентов не ушли, функция будет асимптотически приближаться к оси, и вам нужно будет выбрать максимальную продолжительность, по которой "обрезается" правый край фигуры - можно 3 или 5 лет.
Здравствуйте! У нас сервис по доставке здорового питания по подписке на месяц. Можно ли его считать за saas модель? если нет, то какой процент оттока будет оптимальный? Спасибо
Не хочу придираться на пустом месте, но думаю это стоит того чтобы упомянуть.
Интерпретация ARPU как Average Return Per Unit во-первых редко встречается (честно сказать первый раз слышу), во-вторых может сбить с толку. ARPU чаще всего это Average Revenue Per User. Аббревиатура та же, да и суть та же, но во-первых она повсеместно используется, и во-вторых (что самое важное), есть ещё такая шутка как Return Rate, которая показывает какую долю мертвых пользователей удалось реанимировать. Эту метрику редко меряют в SaaS по подписке, но всё же. Поэтому даже если придумывать другие синонимы для расшифровки ARPU - я бы избегал слова Return, так как это совсем о другом.
Верно, чаще употребляется Revenue.
Спасибо за статью! Есть вопросы:
1) если для каждого клиента, купившего подписку нужны еще пуско-наладочные работы, то они увеличивают CAC или снижают ARPU?
2) как определить средний срок подписки на малом количестве клиентов и длительной подписке (у нас за 1,5 года проекта отвалилось 7% клиентов при примерно равномерном притоке)?
Для интересующихся ссылка на проект в профиле.
Спасибо!
1. Ни то и ни другое. По сути данные затраты не увеличивают на затраты на продажу, это в чистом виде себестоимость, которая влияет на gross margin. Получается, что пуско-наладочные работы уменьшают LTV.
2. Можно попробовать разбить клиентов на 2-3 когорты со схожим сроком подписки и анализировать внутри когорты. Ссылку на проект не нашел, к слову.
Кстати, те данные, которые вы уже собрали сильно отличаются от тех, что вы планировали получить?
1. Здесь важно, однократные это затраты, или многократные. Если однократные, это onboarding cost, и они увеличивают CAC. Можно отдельно считать CAC и total customer acquisition cost (TCAC) как сумму привлечения и онбординга. Если косты постоянные то это часть экономики и она идет в маржу.
2. Можно построить зависимость выживаемости клиентов от возраста - на оси Х графика возраст клиента в днях, на оси У - процент доживших до этого дня из тех, кто мог до этого дня дожить (т.е. подписался столько же дней назад сколько с значение по оси Х). При Х=0 У будет 100, и дальше падать. Значение X пересечения функции и горизонтальной линии, которая будет делить фигуру под функцией пополам, и будет ожидаемой продолжительностью жизни клиентов. Если у вас многие из старых клиентов не ушли, функция будет асимптотически приближаться к оси, и вам нужно будет выбрать максимальную продолжительность, по которой "обрезается" правый край фигуры - можно 3 или 5 лет.
Здравствуйте!
У нас сервис по доставке здорового питания по подписке на месяц. Можно ли его считать за saas модель? если нет, то какой процент оттока будет оптимальный? Спасибо
Конечно можно, почти для любой подписочной модели подойдут эти метрики. Как у вас идут дела?
Про "нормальные" показатели оттока для вашего бизнеса можно прочитать здесь: https://gravitec.net/blog/chto-takoe-churn-rate-podrobny-j-razbor/
И про причины churn rate тоже.