SaaS-kohorteanalyse: Find fortjenestelommer med dine data

Din kundebase vokser. Dine indtægter stiger. Måske er din SaaS-virksomhed endda begyndt at give overskud. Fremtiden ser lys ud.

Lovende vækst kan gøre det sværere at få øje på ineffektivitet og forpassede muligheder, der skader dine langsigtede udsigter. Det er her, en SaaS-kohorteanalyse kan understøtte den strategiske planlægning. Efterhånden som du skalerer, bliver kundeloyalitet afgørende for at nå den forventede vækst og lønsomhed.

Et detaljeret overblik over din kundebase kan hjælpe dig med at forstå dine eksisterende kunders behov, så du kan forbedre kundeoplevelsen, reducere din platforms churnrate og realisere nye indtægtsmuligheder, der kan øge overskuddet.

Hvad er en SaaS-kohorteanalyse?

En kohorteanalyse er en datadrevet evalueringsproces, der undersøger adfærd og finansielle resultatmålinger på tværs af mindre segmenter i din samlede kundebase.

Disse kundesegmenter kan defineres og adskilles på mange forskellige måder. Kundepersonaer, abonnementsniveauer, platformadfærd, anskaffelseskanaler og kundernes tilmeldingsdatoer er alle mulige kriterier, som kohorter kan oprettes ud fra.

I en SaaS-kohorteanalyse bør virksomheder søge indsigt i, hvordan forskellige kunder bruger platformen på forskellige måder. Bruger langsigtede kunder mindre tid på at drage fordel af nyere funktioner? Churner bestemte abonnementsniveauer i højere eller lavere grad end andre?

Ved at gennemføre en SaaS-kohorteanalyse kan din virksomhed afdække handlingsrettet indsigt, der muliggør nye effektiviseringer, større indtjening og frem for alt højere kundeloyalitetsrater for din platform.

Anvendelsesområder for data

Efterhånden som SaaS-platforme vokser, vokser også mængden af kundedata, du har til rådighed. Men en stor datamængde gavner ikke din virksomhed, hvis du ikke har en måde at udnytte oplysningerne til at opnå dybere, handlingsrettet indsigt.

En SaaS-kohorteanalyse tilbyder en enkel skabelon til behandling af disse data og brug af dem til at informere din forretningsstrategi. Eftersom en SaaS-kohorteanalyse kan gennemføres på fleksible måder, kan din virksomhed bruge denne evalueringsproces til en række mål og anvendelsesområder, herunder følgende:

●  Identificer produktbeslutninger, der skaber værdi for dine kunder og forbedrer loyalitetsraterne, herunder lanceringer af nye funktioner, prisændringer og UX-opgraderinger.

●  Vurder kundeengagementet over tid og på tværs af segmenter for bedre at forstå potentialet for din kundelivstidsværdi (LTV).

●  Definer kundepersonaer og segmenter for at forbedre målrettede budskaber til disse grupper.

●  Muliggør proaktiv overvågning af mønstre, der kan indikere, at kunder er ved at churne. Tidlig identifikation kan hjælpe din virksomhed med at iværksætte tiltag for at fastholde hver enkelt kundes forretning.

●  Evaluer succesen af nye produktopgraderinger, UX-forbedringer og andre ændringer, der påvirker kundeoplevelsen. ●  Få mere at vide om hvorfor kunder churne, og identificer strategier til at forbedre kundeengagement og kundeloyalitet.

Tidsbaseret kontra segmentbaseret kohorteanalyse

En SaaS-kohorteanalyse kan gennemføres for at skabe indsigt relateret til en lang række finansielle og andre resultatmålinger. Men de faktiske kundekohorter, der analyseres, defineres og grupperes ved hjælp af én af to metoder.

Tidsbaserede kohorter

Tidsbaserede grupperinger, også kendt som anskaffelseskohorter, er en enkel tilgang til segmentering: Kohorter defineres ud fra, hvornår kunderne tilsluttede sig din platform. Uanset om det sker på en månedlig, kvartalsvis, årlig eller anden tidsbaseret skala, gør denne tilgang det nemt at analysere, hvordan kunderelationerne har ændret sig med dit SaaS-produkt over tid.

●  Bedst til: SaaS-virksomheder, der ønsker at evaluere effekten af nye produktudviklinger og/eller den overordnede brugeroplevelse over tid. Denne strategi kan også afdække indsigt i, hvordan kunderelationerne har ændret sig, efterhånden som SaaS-virksomheden har skaleret sin brugerbase.

Segmentbaserede kohorter

Segmentbaserede kohorter definerer kundegrupper ud fra adfærdsdata, demografi eller andre almindeligt delte datapunkter, som ikke er bundet til tidsmæssige overvejelser. Kundeprofiler, SaaS-brugsmønstre, abonnementsniveauer og lignende kriterier kan bruges til at oprette segmenter, der kan analyseres for at få mere at vide om forskellene mellem disse kohorter.

●  Bedst til: At forstå, hvilke typer brugere der skaber mest værdi og omsætning for din virksomhed. Segmentbaserede kohorter kan analyseres for at afdække årsager til, at din platform måske har svært ved at engagere bestemte typer brugere, hvilke typer kundeprofiler der giver den bedste LTV og marketing-ROI, samt mange andre indsigter, der bliver mulige gennem dine egne førsteparts-kohortedata.

Sådan udfører du en kohorteanalyse

Er dit mest engagerede publikum også dit mest værdifulde publikum? Lever dine abonnementer på de højeste niveauer den bedste kundelivstidsværdi? Hvilke kohorter giver mest værdi for dine marketingkroner, og hvilke kundegrupper belaster din virksomhed med høje churn-rater?

En SaaS-kohorteanalyse kan hjælpe dig med at besvare alle disse spørgsmål og mange flere. Selvom det er vigtigt at huske, at korrelation ikke altid er lig med årsagssammenhæng, kan en simpel kohorteanalyse være udgangspunktet for en dybere analyse af A/B-test og andre strategier, der har til formål at bevise din hypotese.

Når du starter en kohorteanalyse, skal du have adgang til et softwareværktøj, der tilbyder indbyggede værktøjer til kohorterapportering. Google Analytics er en af de mest populære ressourcer til dette, men ProfitWell og Mixpanel er blandt en række gennemprøvede værktøjer, der gør kohorterapportering nemt.

Når du har konfigureret et af disse værktøjer, kan du udføre din egen analyse ved hjælp af en af følgende tilgange:

Adfærdsanalyse

For at udføre en adfærdsanalyse skal du definere kundegrupper baseret på sporbare handlinger på din SaaS-platform. Hvis du for eksempel vil vide, om abonnenter på høje niveauer bruger de dyre funktioner, de betaler for, skal du opdele grupperne baseret på, om de har benyttet den pågældende funktion inden for en bestemt tidsperiode.

Fokuser på korte tidsrammer for at reducere de variabler, der kan forstyrre disse analyser. Overvej for eksempel at analysere kundeadfærd over en periode på to uger eller 30 dage i stedet for en periode på seks måneder, hvor sæsonmæssige udsving sammen med andre platformshændelser kan forringe kvaliteten af dine data.

Når du har defineret tidsperioden, skal du sammenligne forskellige kohorter for at se, om en brugergruppe viser en sammenhæng mellem den målrettede adfærd og deres fastholdelsesrate.

Churnanalyse

Churnanalyse er velegnet til at analysere, hvilke typer engagementsmønstre og platformbrug der får kunder til at opsige deres abonnement.

For at beregne churn skal du identificere de brugere, der tilmeldte sig på en bestemt dato eller i en bestemt periode, og sammenligne dette med antallet af kunder, der stadig er aktive på en bestemt dato. Procentdelen repræsenterer din churn-rate.

En churnanalyse kan derefter udføres ved at oprette kohorter baseret på deres tilmeldingsdato, abonnementsniveau, virksomhedstype eller andre kriterier for at isolere de variabler, der kan forårsage eller bidrage til høje churn-rater. Der kan udføres flere kohorteanalyser for yderligere at teste disse resultater og validere konklusionerne.

Omsætningsanalyse

En omsætningsanalyse begynder med at fastsætte en tidsramme for analysen og bestemme churn-raten over denne periode. Derefter opretter du kohorter baseret på den økonomiske gruppering, du vil undersøge—almindelige segmenteringer fokuserer på abonnementsniveauer, kundens størrelse og intervaller for omsætningsgenerering i tilfælde, hvor din prismodel er baseret på antallet af brugere eller platformbrug.

Undersøg, hvordan omsætningsgenereringen har udviklet sig for hver af disse grupper i den tidsramme, der bruges til churn-raten. Afhængigt af din virksomheds udviklingsstadie og de indsigter, du ønsker at skabe, kan du vælge at se dette i form af fastholdelse af bruttoomsætning eller fastholdelse af nettoomsætning (mere om dette nedenfor). Identificer, hvilke kohorter der oplever den hurtigste vækst, og hvilke der har stagnerende eller faldende omsætningsudvikling.

Herfra kan du analysere forskellene mellem disse kohorter—potentielt ved hjælp af yderligere segmentbaserede analyser—for at identificere de adfærdsmæssige, demografiske og andre årsager til, at disse omsætningsforskelle opstår.

Fastholdelse af bruttoomsætning

Fastholdelse af bruttoomsætning (også kendt som fastholdelse af bruttoindtægter) afspejler din SaaS-virksomheds succes med at fastholde eksisterende kunder. Det er et godt datapunkt for yngre SaaS-virksomheder, fordi det hjælper dig med at evaluere stabiliteten i din eksisterende kundebase.

Fastholdelse af bruttoomsætning beregnes ved at trække omsætningschurn fra din månedlige tilbagevendende omsætning (MRR) - uden at medregne ny omsætning - og derefter dividere dette mindre tal med MRR. Hvis din MRR er $25,000, men du oplever $5,000 i tabt omsætning på grund af churn, dividerer du $20,000 med $25,000 og får en fastholdelsesrate for bruttoomsætningen på 80 procent.

Fastholdelse af nettoomsætning

Mens fastholdelse af bruttodollar udelukkende fokuserer på din virksomheds succes med at fastholde eksisterende omsætning, tager fastholdelse af nettoomsætning også højde for omsætningsudvidelse drevet af nye kunder. Denne lidt mere komplekse beregning afspejler din virksomheds omsætningsvækst mere fuldstændigt.

For at følge ovenstående scenarie kan vi sige, at din virksomhed startede måneden med 25.000 USD i MRR, oplevede et kundefrafald på 5.000 USD, men også afsluttede måneden med 32.000 USD i MRR på grund af tilføjelsen af nye brugere. Efter at have fratrukket dit kundefrafald fra MRR ved månedens udgang (inklusive ny omsætning) ville du dividere nettoomsætningen på 27.000 USD med det oprindelige tal på 25.000 USD og komme frem til en fastholdelsesgrad for nettoomsætningen på 108 procent.

Mens fastholdelse af bruttodollar aldrig kan overstige 100 procent, bør en sund fastholdelsesgrad for nettoomsætningen ligge et godt stykke over 100 procent, hvilket afspejler din virksomheds voksende omsætningsgrundlag.

Forståelse af målinger til kohorteanalyse

Uanset hvordan du opdeler og analyserer din kundebase, vil enhver SaaS-kohorteanalyse primært fokusere på én eller flere af følgende tre SaaS-målinger:

●  Kundefaldsrate: Som nævnt ovenfor er en høj kundefaldsrate – selv hvis den kun gælder for én kohorte i din kundebase – et problem, der skal håndteres. En kohorteanalyse kan hjælpe med at identificere høje kundefaldsrater og deres potentielle årsager.

●  Kundens livstidsværdi (LTV): En høj kundefaldsrate vil trække kundens LTV ned. Stærk kundefastholdelse kombineret med strategisk prissætning, mersalg og andre strategier til omsætningsgenerering vil maksimere den omsætning, der skabes fra hver enkelt kunde.

●  Kundeanskaffelsesomkostning: Jo dyrere det er at skaffe kunder, jo højere skal din kundes LTV være. Hvis du har en høj kundefaldsrate og høje kundeanskaffelsesomkostninger (CAC), kan din virksomhed hurtigt begynde at tabe penge, mens den bruger penge på at forsøge at kompensere for tabt omsætning.

Implementering af dine resultater

En SaaS-kohorteanalyse er uvurderlig til at identificere problematiske mønstre og deres mulige forklaringer. Men med så mange variabler, der påvirker kundefald, kundeengagement og den overordnede brugeroplevelse, er det umuligt at være sikker på årsagen til dårlig kundefastholdelse, før du implementerer ændringer, der løser problemet.

Hvis du for eksempel konkluderer, at abonnenter på premium-niveau falder fra, fordi de ikke udnytter din platforms mest avancerede funktionalitet korrekt, bør du overveje at udvikle en introduktionsvejledning eller et træningsmodul i platformen for at øge anvendelsen og kendskabet.

Uanset hvilke problemer du identificerer, skal du udvikle og implementere en brugbar løsning og fremover overvåge kohortemålingerne. Hvis kundefaldsraten og/eller kundernes omsætningsgenerering stiger, kan du være sikker på, at du har identificeret problemet korrekt.

Vær frygtsom, når andre er grådige

Ud over kundeanmeldelser, undersøgelser og andre former for feedback bruger en SaaS-kohorteanalyse pålidelige førstepartsdata til at afdække sigende tendenser og mønstre blandt din kundebase. Jo mere din SaaS-løsning vokser, desto mere værdifuld bliver denne strategi til at gennemgå kohortedata og udlede indsigter, som du måske ikke ville finde andre steder.

Selv i det bedst tænkelige scenarie kan det dog være lidt af et gættespil at håndtere resultaterne fra en SaaS-kohorteanalyse. En af de bedste måder at gribe denne udfordring an på er at rådføre sig med andre medlemmer af dit økonomiteam samt andre erfarne CFO'er, der har stået over for lignende udfordringer med at opbygge og beskytte deres egne SaaS-omsætningsstrømme.

Opdag flere indsigter og ressourcer, der styrker nutidens teknologiledere inden for økonomi – tilmeld dig The CFO Clubs nyhedsbrev i dag.