Senior Product Manager of Alice в «Яндексе» и спикер курса «Профессия: продакт-менеджер» Дмитрий Сапрыкин научит считать Unit-экономику и расскажет, почему без нее не обойтись.
Навигация
Зачем нам Unit-экономика?
Юнит-экономика — это инструмент экономического анализа, позволяющий рассчитать прибыльность бизнеса с помощью агрегирования “юнитов”. Простыми словами, с помощью юнит-экономики можно выяснить, сколько мы зарабатываем на одной единице или теряем с нее.
Анализ юнитов полезен большому кругу стейкхолдеров: инвесторам, топ-менеджерам, владельцам компаний. С помощью юнит-экономики мы можем:
- Определить количество клиентов для выхода на точку безубыточности
- Рассчитать стоимость привлечения одного клиента
- Оценить цену товара или услуги для проверки окупаемости издержек
- Сделать вывод об эффективности каждого канала привлечения клиентов или об успешности маркетинговой стратегии
- Понять, насколько у компании большой потенциал развития и выгодно ли будет масштабироваться
Как определиться в выборе "юнита"?
На самом деле, “юнитом” в бизнесе может быть что угодно: пользователи, клиенты, продажа товара или услуги, сделка. Принято считать, что юнит следует выбирать, исходя из целей компании: что именно мы хотим масштабировать?
Еще одна важная особенность выбора юнита — сфера деятельности компании. Для digital-проектов будет удобно оценить прибыльность каждого пользователя или подписчика, для владельца кафе — стоимость блюда и так далее.
В зависимости от исследуемой единицы будут меняться и метрики, формулы расчетов прибыльности бизнес-юнита. Например, если мы говорим о юните-подписчике, то здесь стоит иметь в виду его LTV (Lifetime Value), то есть прогноз его общей прибыльности, период в течение которого пользователь будет приносить доход; а также CAC —стоимость привлечения клиента. В случае с товарами и услугами мы обращаем внимание на маржинальную прибыль: выручка за вычетом всех издержек по производству товара или предоставлению услуги.
Основные метрики
CAC — customer acquisition cost — как уже упоминалось ранее, в юнит-экономике показатель достаточно важный. Благодаря пониманию затрат на одного покупателя, то есть стоимость его привлечения, можно просчитать прибыль от юнита, целесообразность масштабирования, эффективность маркетинговой стратегии.Рассчитать данный показатель не сложно: требуется разделить затраты маркетинга на количество привлеченных клиентов (в англоязычной среде клиентов могут называть customers или buyers):
CAC = затраты на привлечение/количество привлеченных клиентов
Бывает, что нам от пользователя нужна не покупка, а некое целевое действие: заполнение заявки, оставление контактов или подписка. В таком случае, затраты на привлечение будут рассчитываться по той же формуле, а показатель CAC = CPA (cost per acquisition или стоимость привлечения клиента).
Разница лишь в названии, на выходе мы получаем все ту же суть: определить затраты на привлечение одного человека (просто в данном случае еще не покупателя, а лишь потенциального клиента). Отдельно от других метрик стоимость привлечения клиента рассматривать зачастую нет смысла. Например, если мы говорим о концепции подписки на продукт, то обязательно стоит помнить о Lifetime Value пользователя.
LTV — показатель хорош для расчетов прогнозируемой прибыли, т.е. сколько всего денег клиент нам принесет на протяжении жизни.Зачастую больший доход можно получить от клиента, регулярно совершающего мелкие покупки, чем от покупателя, заплатившего крупную сумму однажды и ушедшего из рядов пользователей.
Так, если затраты на привлечения одного клиента меньше, чем все деньги, которые он потратит, пользуясь нашим сервисом или покупая наши товары (LTV > CAC), то можно считать, что мы работаем в плюс.
Если клиент принесет нам меньше прибыли, чем мы потратим на его завлечение (LTV < CAC), то такую ситуацию вряд ли можно назвать успехом. Вариантов расчета LTV существует несколько, однако самый простой способ, который можно адаптировать практически под любой бизнес следующий:
LTV = ARPU * Lifetime
Немного поясним:
- Средняя прибыль с клиента за период — это ARPU (Average Revenue per User), с этой метрикой разберемся чуть дальше.
- Lifetime — это среднее время, в течение которого человек является клиентом компании.
Рассмотрим пример
Есть возможность купить подписку на фитнес марафон на 1, 3 и 6 месяцев. Мы имеем следующее распределение после некоего периода существования сервиса:
Итак, всего пользователей: 582 + 302 + 86 = 970
Рассчитаем средний Lifetime клиента:
582/970 * 1 месяц +
302/970 * 3 месяца +
86/970 * 6 месяцев ≈
2 месяца — средняя "продолжительность жизни" клиента.
ARPU — average revenue per user, ранее упомянутая метрика, которая используется в расчете LTV и переводится как средний доход на одного пользователя.
Здесь сделаем небольшое отступление. Наиболее простым путем расчета показателя ARPU является деление общего дохода на общее количество пользователей, однако для глубокого понимания рассмотрим и более запутанный вариант.
По сути, средним доходом с пользователя является произведение конверсии на средний доход с клиента (ARPC). Например, мы знаем, что только 10% из всех заходящих на сайт пользователей приобретают товар, это и есть наша конверсия в покупку, и, взяв процент от среднего дохода с клиента, мы получим ARPU.
Давайте рассчитаем ARPC — average revenue per customer.
ARPC = (Средний чек - COGS) * Среднее кол-во покупок клиента - 1COGS
ARPU = ARPC * ConversionRate
Следующий показатель — себестоимость проданного товара или, если кратко, COGS (cost of goods sold). К себестоимости товаров относят все “прямые” затраты на его производство, доставку и приведение в “рабочее” состояние. Стоит отметить, что формула себестоимости товара в зависимости от сферы деятельности компании может меняться.
Важно иметь в виду и дополнительные затраты на первую продажу, 1COGS. Это могут быть различные акции для пользователя или премии для сотрудников, например, скидка на первый заказ в сервисе доставки еды или вознаграждение менеджера за первого клиента.
Чуть подробнее остановимся на метрике CR — conversion rate, то есть процент посетителей, совершивших целевое действие. Рассмотрим на примере онлайн-школы.
Очень важно верно определить нашу цель: мы хотим, чтобы посетитель сайта оставил заявку на бесплатный вебинар, подписался на дайджест новостей или купил курс по аналитике. Исходя из определения целевого действия, можно делать выводы о каждом этапе воронки продаж. Например, посмотреть, где “отваливается” большинство потенциальных клиентов, поразмыслить, какие методы помогут предотвратить их уход, выдвинуть ряд гипотез для тестирования и снова проанализировать конверсию.
Как повысить прибыль, исходя из анализа метрик?
Итак, собрав основные метрики компании, можно переходить к анализу и формулированию выводов. Не секрет, что для большинства компаний основной целью является прибыль. Так как же увеличить доходы, основываясь на цифрах?
1. Одно из самых очевидных решений —снижение издержек. Действительно, чем меньше мы тратим на производство товара (или привлечение клиента), тем больше заработаем на одного юнита в итоге. Здесь главное не забывать о качестве и балансировать COGS с выручкой.
2. Увеличить LTV пользователя, ведь чем дольше он будет пользоваться нашими услугами или покупать товары, тем больше денег принесет.
3. Проанализировать маркетинговую стратегию, посмотреть на конверсию, стоимость привлечения, отказаться от наименее эффективных рекламных каналов или найти новые источники привлечения пользователей.
4. Увеличить средний чек или количество сделок на одного пользователя.
Выводы
Считать Unit-экономику — занятие не из легких, часто всплывает большое количество нюансов, стремящихся помешать получению релевантных для анализа цифр: что выбрать "юнитом" в продукте? где необходимо применить сложную формулу, а где можно обойтись упрощенной? как правильно делать выводы по метрикам?
Тем не менее, если вы претендуете на позицию продакта или стремитесь развиваться в айти-сфере, без навыков подсчета unit-экономики не обойтись.
Тема юнит-экономики, ее взаимосвязь с другими этапами развития продукта подробно рассматривается на курсе "Профессия: продакт-менеджер" (посвятили аналитическим hard скиллам для продакта целый блок)!
А для желающих еще глубже погрузиться в метрики, когортный анализ, финансовые отчеты и монетизацию для поиска кратных точек роста, мы подготовили мини-курс "Unit-экономика и P&L", подробнее с наполнением можно ознакомиться по ссылке.
Успехов :)
купил по 3, продал за 5 - вот и вся unit-экономика
Суть юнит-экономики в том, что внезапно оказывается, что продавая по 5, мы теряем 1 на зарплаты, 2 на маркетинг и вообще продаем в минус
Это обычная отчетность о прибылях и убытках, не имеет отношения к юнит экономики, т.к. меняется в зависимости от объемов
Согласна с вами про обычную отчетность. Однако, заметила все некую разницу. Обычная отчетность, как правило, не рассчитывает цикл клиента. Т.е. вы можете посчитать расходы и доходы, прочие расходы/доходы, экономическую прибыль, но именно тонкость в привлечении или отталкивания клиента при рекламе/сайте и т.д. в обычной отчетности не учитываются. По сути юнит - это 1 шт чего-то/какого-то показателя. В маркетинге это всегда было, только ранее не под названием юнит-экономика, а стандартные и простые термины: 1. стоимость одного привлеченного клиента 2. цена за 1 клик/действие/шаг и т.д.
Как по мне, это экономика маркетинга, названная иначе
Вот на эти два процента и живёшь )))
эх Леонид.. купил за 90 копеек, продал за 1 рубль - на эти 20 копеек и живем, как говорят классики!
Ну можно и так ))
А как посчитать затраты на привлечение одного покупателя в ресторане или кафе? Применима ли тут юнит экономика? Ведь каждого покупателя не спросишь из какого канала он пришел, а некоторые просто мимо шли…
Тут сложно. Можно посчитать по количеству листовок с акциями (как у Бургер Кинга было) - листовки можно забрать и посчитать количество по ним. Если есть имэйл-маркетинг с промо-кодом, то через этот канал. Либо можно устроить анкетирование/опрос и оттуда вытащить данные и просчитать. В любом случае, должно быть что-то, что может вам помочь в этом
Ну можно опрашивать какое-то количество людей на предмет того, откуда они узнали о ресторане. И уже исходя из этих данных аппроксимировать CAC в зависимости от источника.