Asiakaskuntasi kasvaa. Tulosi lisääntyvät. SaaS-liiketoimintasi on ehkä jopa alkanut tuottaa voittoa. Tulevaisuus näyttää valoisalta.
Lupaava kasvu voi vaikeuttaa tehottomuuksien ja käyttämättä jääneiden mahdollisuuksien havaitsemista, mikä heikentää pitkän aikavälin näkymiäsi. Tässä SaaS-kohorttianalyysi voi auttaa strategisessa suunnittelussa. Kun kasvat, asiakkaiden säilyttäminen on ratkaisevan tärkeää ennustetun kasvun ja kannattavuuden saavuttamiseksi.
Asiakaskuntasi yksityiskohtainen tarkastelu voi auttaa sinua ymmärtämään nykyisten asiakkaidesi tarpeita, parantamaan asiakaskokemusta, pienentämään alustasi poistuma-astetta ja hyödyntämään uusia tulomahdollisuuksia voittojen kasvattamiseksi.
Hanki ohjelmisto tekemään se puolestasi?
Käyn läpi kaikki tavat suorittaa kohorttianalyysejä manuaalisesti, mutta jos käytettävissäsi on ohjelmistobudjetti, tilastollisen analyysin työkalu olisi todennäköisesti parempi vaihtoehto.
Clicks on the links below may earn a commission, which supports our independent testing and review of software and services. Learn more about how we stay transparent.
Mikä on SaaS-kohorttianalyysi?
Kohorttianalyysi on dataan perustuva arviointiprosessi, jossa tarkastellaan kokonaisasiakaskuntasi pienempien segmenttien käyttäytymistä ja taloudellisen suorituskyvyn mittareita.
Nämä asiakassegmentit voidaan määritellä ja erotella monin eri tavoin. Asiakaspersoonat, tilaustasot, alustan käyttö, hankintakanavat ja asiakkaiden rekisteröitymispäivät ovat kaikki mahdollisia perusteita, joiden mukaan kohortteja voidaan muodostaa.
SaaS-kohorttianalyysissä yritysten tulisi pyrkiä saamaan tietoa siitä, miten eri asiakkaat käyttävät alustaa eri tavoin. Käyttävätkö pitkäaikaiset asiakkaat vähemmän aikaa uudempien ominaisuuksien hyödyntämiseen? Poistuvatko tietyt tilaustasot useammin vai harvemmin kuin muut?
SaaS-kohorttianalyysin avulla yrityksesi voi löytää käytännön toimenpiteitä mahdollistavia havaintoja, jotka tehostavat toimintaa, lisäävät tuloja ja ennen kaikkea parantavat alustasi asiakkaiden säilyttämisastetta.
Datan käyttötapaukset
SaaS-alustojen kasvaessa myös käytettävissäsi olevat asiakastietomäärät kasvavat. Suuresta datamäärästä ei kuitenkaan ole yrityksellesi hyötyä, jos sinulla ei ole keinoa hyödyntää kyseisiä tietoja syvällisempien ja käytännön toimenpiteitä mahdollistavien havaintojen saamiseksi.
SaaS-kohorttianalyysi tarjoaa yksinkertaisen mallin näiden tietojen käsittelyyn ja niiden hyödyntämiseen liiketoimintastrategian ohjaamisessa. Koska SaaS-kohorttianalyysi voidaan toteuttaa joustavasti eri tavoin, yrityksesi voi käyttää tätä arviointiprosessia useiden tavoitteiden ja käyttötapausten saavuttamiseen, mukaan lukien seuraavat:
● Tunnista tuotepäätökset, jotka tuottavat asiakkaillesi arvoa ja parantavat säilyttämisastetta, kuten uusien ominaisuuksien julkaisut, hinnoittelumuutokset ja käyttöliittymä- ja käyttökokemuspäivitykset.
● Arvioi asiakkaiden sitoutumista ajan mittaan ja eri segmenttien välillä ymmärtääksesi paremmin asiakkaan elinkaariarvon (LTV) potentiaalia.
● Määrittele asiakaspersoonat ja segmentit, jotta voit kohdentaa viestintää paremmin näille ryhmille.
● Mahdollista ennakoiva seuranta sellaisten mallien havaitsemiseksi, jotka voivat viitata asiakkaiden olevan aikeissa lopettaa palvelun käytön. Varhainen tunnistaminen voi auttaa yritystäsi toteuttamaan toimenpiteitä jokaisen asiakkaan säilyttämiseksi.
● Arvioi uusien tuotepäivitysten, käyttöliittymä- ja käyttökokemusparannusten sekä muiden asiakaskokemukseen vaikuttavien muutosten onnistumista. ● Lue lisää siitä, miksi asiakkaat lopettavat palvelun käytön, ja tunnista strategioita asiakassitoutumisen ja asiakkaiden säilyttämisen parantamiseksi.
Aikaperusteinen vs. segmenttiperusteinen kohorttianalyysi
SaaS-kohorttianalyysi voidaan toteuttaa moniin taloudellisiin ja muihin suorituskykymittareihin liittyvien havaintojen tuottamiseksi. Analysoitavat asiakaskohortit kuitenkin määritellään ja ryhmitellään jommallakummalla kahdesta menetelmästä.
Onko sinulla tili? Kirjaudu sisään
Aikaperusteiset kohortit
Aikaperusteiset ryhmittelyt, jotka tunnetaan myös hankintakohortteina, ovat yksinkertainen lähestymistapa segmentointiin: kohortit määritellään sen mukaan, milloin kyseiset asiakkaat liittyivät alustallesi. Olipa tarkastelujakso kuukausi, vuosineljännes, vuosi tai jokin muu aikaperusteinen ajanjakso, tämän lähestymistavan avulla on helppo analysoida, miten asiakassuhteet ovat muuttuneet SaaS-tuotteesi kanssa ajan mittaan.
● Sopii parhaiten: SaaS-yrityksille, jotka haluavat arvioida uusien tuotekehitysten ja/tai yleisen käyttäjäkokemuksen vaikutusta ajan mittaan. Tämä strategia voi myös paljastaa, miten asiakassuhteet ovat muuttuneet SaaS-yrityksen kasvattaessa käyttäjäkuntaansa.
Segmenttiperusteiset kohortit
Segmenttipohjaiset kohortit määrittelevät asiakasryhmiä käyttäytymistietojen, demografisten tietojen tai muiden yleisesti jaettujen tietopisteiden perusteella ilman aikaan liittyviä rajoitteita. Asiakaspersoonia, SaaS-palvelun käyttötapoja, tilaustasoja ja muita vastaavia kriteerejä voidaan käyttää segmenttien luomiseen. Näitä segmenttejä analysoimalla voidaan oppia lisää näiden kohorttien välisistä eroista.
● Sopii parhaiten: Sen ymmärtämiseen, millaiset käyttäjätyypit tuottavat yrityksellesi eniten arvoa ja liikevaihtoa. Segmenttipohjaisia kohortteja voidaan analysoida, jotta voidaan selvittää, miksi alustallasi saattaa olla vaikeuksia sitouttaa tietyntyyppisiä käyttäjiä, millaiset asiakaspersoonat tarjoavat parhaan LTV:n ja markkinoinnin ROI:n sekä monia muita näkemyksiä, jotka ovat mahdollisia oman ensimmäisen osapuolen kohorttidatasi avulla.
Näin teet kohorttianalyysin
Onko sitoutunein yleisösi myös arvokkain yleisösi? Tuottavatko eniten maksavat tilaustasosi parhaan asiakkaan LTV:n? Mitkä kohortit tarjoavat parhaan vastineen markkinointiin käyttämillesi rahoille, ja mitkä asiakasryhmät rasittavat yritystäsi korkeilla asiakaspoistuman määrillä?
SaaS-kohorttianalyysi voi auttaa sinua vastaamaan kaikkiin näihin kysymyksiin ja muuhunkin. Vaikka on tärkeää muistaa, ettei korrelaatio aina tarkoita kausaliteettia, yksinkertainen kohorttianalyysi voi toimia lähtökohtana syvemmälle A/B-testauksen ja muiden strategioiden tarkastelulle, joiden tavoitteena on todistaa hypoteesisi.
Kun aloitat kohorttianalyysin, tarvitset ohjelmistotyökalun, joka tarjoaa sisäänrakennetut kohorttiraportointityökalut. Google Analytics on yksi suosituimmista resursseista tähän tarkoitukseen, mutta ProfitWell ja Mixpanel kuuluvat useisiin hyväksi havaittuihin työkaluihin, jotka tekevät kohorttiraportoinnista helppoa.
Kun olet määrittänyt jonkin näistä työkaluista käyttöösi, voit tehdä oman analyysisi jollakin seuraavista tavoista:
Käyttäytymisanalyysi
Voit tehdä käyttäytymisanalyysin määrittelemällä asiakasryhmiä SaaS-alustallasi seurattavissa olevien toimintojen perusteella. Jos esimerkiksi haluat tietää, käyttävätkö korkeamman tason tilaajat maksamiaan kalliita ominaisuuksia, jaa käyttäjät ryhmiin sen perusteella, ovatko he käyttäneet kyseistä ominaisuutta tietyn ajanjakson aikana.
Keskity lyhyisiin ajanjaksoihin vähentääksesi muuttujia, jotka saattavat häiritä näitä analyyseja. Harkitse esimerkiksi asiakaskäyttäytymisen analysointia kahden viikon tai 30 päivän ajalta kuuden kuukauden sijaan, sillä kausivaihtelut ja muut alustalla tapahtuvat muutokset voivat heikentää tietojesi laatua.
Kun olet määritellyt ajanjakson, vertaile eri kohortteja nähdäksesi, osoittaako jokin käyttäjäryhmä korrelaatiota kohteena olevan käyttäytymisen ja asiakaspysyvyyden välillä.
Asiakaspoistuma-analyysi
Asiakaspoistuma-analyysi sopii erinomaisesti sen analysointiin, millaiset sitoutumismallit ja alustan käyttötavat aiheuttavat asiakkaiden poistumista.
Laskeaksesi asiakaspoistuman tunnista tiettynä päivänä tai tietyn ajanjakson aikana rekisteröityneet käyttäjät ja vertaa heidän määräänsä tiettynä päivänä edelleen aktiivisten asiakkaiden määrään. Prosenttiosuus edustaa asiakaspoistuma-astettasi.
Asiakaspoistuma-analyysi voidaan tehdä luomalla kohortteja rekisteröitymispäivän, tilaustason, liiketoimintatyypin tai muiden kriteerien perusteella, jotta voidaan eristää muuttujat, jotka saattavat aiheuttaa tai edistää korkeaa asiakaspoistumaa. Tulosten testaamiseksi ja johtopäätösten vahvistamiseksi voidaan tehdä useita kohorttianalyyseja.
Liikevaihtoanalyysi
Liikevaihtoanalyysi alkaa analyysille määritettävän ajanjakson asettamisesta ja kyseisen ajanjakson asiakaspoistuma-asteen määrittämisestä. Sen jälkeen muodostat kohortit tarkasteltavan taloudellisen ryhmittelyn perusteella – yleisissä jaotteluissa keskitytään tilaustasoihin, asiakkaan kokoon ja liikevaihdon vaihteluväleihin silloin, kun hinnoittelumallisi perustuu käyttäjien määrään tai alustan käyttöön.
Tarkastele asiakaspoistuma-asteen kattaman ajanjakson aikana, miten kunkin ryhmän liikevaihto on kasvanut. Yrityksesi vaiheesta ja tuottamistasi näkemyksistä riippuen voit tarkastella tätä bruttodollarien säilyvyyden tai nettoliikevaihdon säilyvyyden näkökulmasta (lisää näistä alla). Tunnista, mitkä kohortit kasvavat nopeimmin ja missä kohorteissa liikevaihdon kasvu pysyy ennallaan tai laskee.
Tämän jälkeen voit analysoida näiden kohorttien välisiä eroja – mahdollisesti käyttämällä muita segmenttipohjaisia analyyseja – tunnistaaksesi käyttäytymiseen, demografiaan ja muihin tekijöihin liittyvät syyt näiden liikevaihtoerojen taustalla.
Bruttodollarien säilyvyys
Bruttodollarien säilyvyys (josta käytetään myös nimitystä bruttoliikevaihdon säilyvyys) kuvaa SaaS-yrityksesi onnistumista nykyisten asiakkaiden säilyttämisessä. Se on hyvä tietopiste nuoremmille SaaS-yrityksille, koska sen avulla voit arvioida nykyisen asiakaskantasi vakautta.
Bruttodollarien säilyvyys lasketaan vähentämällä kuukausittain toistuvasta liikevaihdosta (MRR) liikevaihdon asiakaspoistuma – ottamatta huomioon uutta liikevaihtoa – ja jakamalla näin saatu pienempi luku MRR:llä. Jos MRR:si on $25,000 mutta menetät asiakaspoistuman vuoksi $5,000 liikevaihtoa, jaat $20,000 luvulla $25,000 ja saat bruttodollarien säilyvyysasteeksi 80 prosenttia.
Nettoliikevaihdon säilyvyys
Kun bruttodollarien säilyvyys keskittyy ainoastaan yrityksesi onnistumiseen olemassa olevan liikevaihdon säilyttämisessä, nettoliikevaihdon säilyvyys ottaa huomioon myös uusien asiakkaiden tuottaman liikevaihdon kasvun. Tämä hieman monimutkaisempi laskelma kuvaa yrityksesi liikevaihdon kasvua kattavammin.
Jatketaan edellä esitetyn tilanteen mukaisesti: oletetaan, että yrityksesi aloitti kuukauden 25 000 dollarin kuukausittaisella toistuvalla liikevaihdolla (MRR), menetti asiakaspoistuman vuoksi 5 000 dollaria, mutta kuukauden lopussa MRR oli uusien käyttäjien ansiosta 32 000 dollaria. Kun vähennät asiakaspoistuman kuukauden lopun MRR:stä (uusi liikevaihto mukaan lukien), jakaisit 27 000 dollarin nettoliikevaihdon alkuperäisellä 25 000 dollarin luvulla ja saisit nettoliikevaihdon säilyvyysluvuksi 108 prosenttia.
Kun bruttodollarien säilyvyys ei voi koskaan ylittää 100:tä prosenttia, terveen nettoliikevaihdon säilyvyysluvun pitäisi olla selvästi yli 100 prosenttia, mikä kuvastaa yrityksesi kasvavaa liikevaihtopohjaa.
More Articles
Kohorttianalyysin mittareiden ymmärtäminen
Riippumatta siitä, miten ryhmittelet ja analysoit asiakaskuntaasi, kaikissa SaaS-kohorttianalyyseissä keskitytään ensisijaisesti yhteen tai useampaan seuraavista kolmesta SaaS-mittarista:
● Asiakaspoistuma: Kuten edellä mainittiin, suuri asiakaspoistuma – vaikka vain yhdessä asiakaskuntasi kohortissa – on ongelma, johon on puututtava. Kohorttianalyysi voi auttaa havaitsemaan korkean asiakaspoistuman ja sen mahdolliset syyt.
● Asiakkaan elinkaariarvo (LTV): Suuri asiakaspoistuma pienentää asiakkaan elinkaariarvoa. Vahva asiakkaiden säilyttäminen yhdistettynä strategiseen hinnoitteluun, lisämyyntiin ja muihin liikevaihdon kasvattamisstrategioihin maksimoi kustakin yksittäisestä asiakkaasta saatavan liikevaihdon.
● Asiakkaan hankintakustannus: Mitä kalliimpaa asiakkaiden hankkiminen on, sitä suurempi asiakkaan elinkaariarvon on oltava. Jos asiakaspoistuma ja asiakkaan hankintakustannukset (CAC) ovat korkeat, yrityksesi voi nopeasti päätyä menettämään rahaa, kun se käyttää varoja korvatakseen menetettyä liikevaihtoa.
Tulosten soveltaminen käytäntöön
SaaS-kohorttianalyysi on korvaamaton apuväline huolestuttavien mallien ja niiden mahdollisten selitysten tunnistamisessa. Koska asiakaspoistumaan, asiakkaiden sitoutumiseen ja käyttökokemukseen kokonaisuudessaan vaikuttaa kuitenkin niin moni muuttuja, heikon asiakaspysyvyyden syystä ei voi olla varma ennen kuin toteutat ongelmaan puuttuvia muutoksia.
Jos esimerkiksi päätät, että premium-tason tilaajat poistuvat, koska he eivät hyödynnä alustasi tehokkaimpia toimintoja asianmukaisesti, sinun kannattaa harkita perehdytysoppaan tai alustansisäisen koulutusmoduulin rakentamista käytön lisäämiseksi ja toimintojen tutuksi tekemiseksi.
Riippumatta siitä, mitä ongelmia tunnistat, kehitä ja toteuta toimiva ratkaisu ja seuraa kohorttimittareita jatkossa. Jos asiakaspoistuma ja/tai asiakaskohtainen liikevaihto kasvavat, voit luottaa siihen, että tunnistit ongelman oikein.
Ole pelokas, kun muut ovat ahneita
Asiakasarvostelujen, kyselyiden ja muiden palautemuotojen ohella SaaS-kohorttianalyysi hyödyntää luotettavaa omista lähteistä saatua dataa paljastaakseen asiakaskunnastasi merkityksellisiä suuntauksia ja malleja. Mitä enemmän SaaS-ratkaisusi kasvaa, sitä arvokkaammaksi tämä strategia muuttuu kohorttidatan läpikäymisessä ja sellaisten oivallusten löytämisessä, joita et ehkä löytäisi mistään muualta.
Parhaassakin tapauksessa SaaS-kohorttianalyysin tuloksiin puuttuminen voi kuitenkin olla jonkin verran arvailua. Yksi parhaista tavoista lähestyä tätä haastetta on keskustella muiden taloustiimisi jäsenten sekä muiden kokeneiden talousjohtajien kanssa, jotka ovat kohdanneet samanlaisia haasteita rakentaessaan ja suojatessaan omia SaaS-liikevaihtovirtojaan.
Löydä lisää oivalluksia ja resursseja, jotka vahvistavat tämän päivän teknologia-alan talousjohtajia – tilaa The CFO Clubin uutiskirje jo tänään.




