Kundebasen din vokser. Inntektene dine øker. SaaS-virksomheten din har kanskje til og med begynt å gå med overskudd. Fremtiden ser lys ut.
Lovende vekst kan gjøre det vanskeligere å oppdage ineffektivitet og tapte muligheter som svekker de langsiktige utsiktene dine. Det er her en SaaS-kohortanalyse kan bidra til strategisk planlegging. Etter hvert som du skalerer, blir kundebevaring avgjørende for å nå forventet vekst og lønnsomhet.
Et detaljert bilde av kundebasen din kan hjelpe deg med å forstå behovene til eksisterende kunder, slik at du kan forbedre kundeopplevelsen, redusere plattformens frafallsrate og realisere nye inntektsmuligheter for å øke fortjenesten.
Få programvare til å gjøre det for deg?
Jeg går gjennom alle måtene å gjennomføre kohortanalyser manuelt på, men for dem som har budsjett til programvare, vil et verktøy for statistisk analyse sannsynligvis være et bedre valg.
Hva er en SaaS-kohortanalyse?
En kohortanalyse er en datadrevet evalueringsprosess som undersøker atferd og økonomiske resultatmål på tvers av mindre segmenter i den samlede kundebasen din.
Disse kundesegmentene kan defineres og deles inn på mange forskjellige måter. Kundeprofiler, abonnementsnivåer, plattformatferd, anskaffelseskanaler og datoer for kundeopprettelse er alle mulige kriterier som kohorter kan opprettes etter.
I en SaaS-kohortanalyse bør virksomheter søke etter innsikt i hvordan ulike kunder bruker plattformen på forskjellige måter. Bruker kunder som har vært lenge hos dere mindre tid på å dra nytte av nyere funksjoner? Har enkelte abonnementsnivåer høyere eller lavere frafallsrate enn andre?
Ved å gjennomføre en SaaS-kohortanalyse kan virksomheten din avdekke handlingsrettet innsikt som muliggjør nye effektiviseringer, større inntekter og, fremfor alt, høyere kundebevaringsrater for plattformen din.
Bruksområder for data
Etter hvert som SaaS-plattformer vokser, vokser også mengden kundedata du har til rådighet. Men store datamengder er ikke til nytte for virksomheten din hvis du ikke har en måte å utnytte denne informasjonen på for å få dypere, handlingsrettet innsikt.
En SaaS-kohortanalyse gir en enkel mal for behandling av disse dataene og bruk av dem til å informere virksomhetsstrategien din. Ettersom en SaaS-kohortanalyse kan gjennomføres på fleksible måter, kan virksomheten din bruke denne evalueringsprosessen til å oppnå en rekke mål og dekke flere bruksområder, blant annet følgende:
● Identifiser produktbeslutninger som skaper verdi for kundene dine og forbedrer kundebevaringsratene, inkludert lansering av nye funksjoner, prisendringer og UX-oppgraderinger.
● Vurder kundeengasjement over tid og på tvers av segmenter for å få bedre forståelse av potensialet for kundens livstidsverdi (LTV).
● Definer kundeprofiler og segmenter for å forbedre målrettet kommunikasjon til disse gruppene.
● Legg til rette for proaktiv overvåking av mønstre som kan tyde på at kunder snart kommer til å falle fra. Tidlig identifisering kan hjelpe virksomheten din med å iverksette tiltak for å beholde hver enkelt kunde.
● Evaluer hvor vellykkede nye produktoppgraderinger, UX-forbedringer og andre endringer som påvirker kundeopplevelsen er. ● Lær mer om hvorfor kunder faller fra, og identifiser strategier for å forbedre kundeengasjement og kundebevaring.
Tidsbasert versus segmentbasert kohortanalyse
En SaaS-kohortanalyse kan gjennomføres for å skape innsikt knyttet til et bredt spekter av økonomiske og andre resultatmål. De faktiske kundekohortene som analyseres, defineres og grupperes imidlertid sammen ved hjelp av én av to metoder.
Have an account? Log In
Tidsbaserte kohorter
Tidsbaserte grupperinger, også kjent som anskaffelseskohorter, er en enkel tilnærming til segmentering: Kohortene defineres ut fra når kundene ble med på plattformen din. Enten det er på månedlig, kvartalsvis, årlig eller en annen tidsbasert skala, gjør denne tilnærmingen det enkelt å analysere hvordan kunderelasjonene har endret seg med SaaS-produktet ditt over tid.
● Best egnet for: SaaS-virksomheter som ønsker å evaluere effekten av ny produktutvikling og/eller den samlede brukeropplevelsen over tid. Denne strategien kan også avdekke innsikt i hvordan kunderelasjonene har endret seg etter hvert som SaaS-selskapet har skalert brukerbasen sin.
Segmentbaserte kohorter
Segmentbaserte kohorter definerer kundegrupper etter atferdsdata, demografi eller andre vanlig delte datapunkter som ikke er knyttet til tidsmessige hensyn. Kundepersonaer, bruksmønstre for SaaS, abonnementsnivåer og lignende kriterier kan brukes til å opprette segmenter som kan analyseres for å lære mer om forskjellene mellom disse kohortene.
● Passer best for: Å forstå hvilke typer brukere som skaper mest verdi og inntekter for virksomheten din. Segmentbaserte kohorter kan analyseres for å avdekke hvorfor plattformen din kan ha problemer med å engasjere bestemte brukertyper, hvilke kundepersonaer som gir best LTV og markedsførings-ROI, samt mange andre innsikter som blir mulige gjennom dine egne førstepartsdata om kohorter.
Slik gjennomfører du en kohortanalyse
Er den mest engasjerte målgruppen din også målgruppen med høyest verdi? Gir abonnementsnivåene som betaler mest, best kunde-LTV? Hvilke kohorter gir best uttelling for markedsføringspengene dine, og hvilke kundegrupper belaster virksomheten din med høy kundeavgang?
En SaaS-kohortanalyse kan hjelpe deg med å besvare alle disse spørsmålene og mer. Selv om det er viktig å huske at korrelasjon ikke alltid betyr årsakssammenheng, kan en enkel kohortanalyse være utgangspunktet for en dypere undersøkelse med A/B-testing og andre strategier som har som mål å bekrefte hypotesen din.
Når du starter en kohortanalyse, trenger du tilgang til et programvareverktøy som tilbyr innebygde verktøy for kohortrapportering. Google Analytics er en av de mest populære ressursene for dette, men ProfitWell og Mixpanel er blant flere velprøvde verktøy som gjør kohortrapportering enkelt.
Når du har satt opp et av disse verktøyene, kan du gjennomføre din egen analyse ved hjelp av en av følgende fremgangsmåter:
Atferdsanalyse
For å gjennomføre en atferdsanalyse definerer du kundegrupper basert på sporbare handlinger i SaaS-plattformen din. Hvis du for eksempel vil vite om abonnenter på høye nivåer bruker de kostbare funksjonene de betaler for, deler du inn grupper basert på om de har brukt den aktuelle funksjonen i løpet av en bestemt tidsperiode.
Fokuser på korte tidsrammer for å redusere variablene som kan forstyrre denne analysen. Vurder for eksempel å analysere kundeatferd over en periode på to uker eller 30 dager i stedet for en periode på seks måneder, der sesongmessige svingninger og andre plattformhendelser kan svekke kvaliteten på dataene dine.
Når du har definert tidsperioden, sammenligner du ulike kohorter for å se om en brukergruppe viser en korrelasjon mellom den målrettede atferden og oppbevaringsraten deres.
Analyse av kundeavgang
Analyse av kundeavgang er nyttig for å undersøke hvilke typer engasjementsmønstre og plattformbruk som får kunder til å avslutte kundeforholdet.
For å beregne kundeavgang identifiserer du brukerne som registrerte seg på en bestemt dato eller i løpet av en bestemt tidsperiode, og sammenligner dette med antallet kunder som fortsatt er aktive på en bestemt dato. Prosentandelen representerer kundeavgangsraten din.
En analyse av kundeavgang kan gjennomføres ved å opprette kohorter basert på registreringsdato, abonnementsnivå, virksomhetstype eller andre kriterier for å isolere variablene som kan forårsake eller bidra til høy kundeavgang. Flere kohortanalyser kan gjennomføres for å teste disse resultatene ytterligere og validere konklusjonene.
Inntektsanalyse
En inntektsanalyse begynner med å fastsette en tidsramme for analysen og bestemme kundeavgangsraten i løpet av denne perioden. Deretter setter du opp kohorter basert på den økonomiske grupperingen du ønsker å undersøke – vanlige inndelinger fokuserer på abonnementsnivåer, kundens størrelse og intervaller for inntektsgenerering i tilfeller der prismodellen din er basert på antallet brukere eller plattformbruk.
Innenfor tidsrammen for kundeavgangsraten undersøker du hvordan inntektsgenereringen har økt for hver av disse gruppene. Avhengig av hvilket stadium virksomheten din er på og hvilken innsikt du ønsker å få frem, kan du velge å se på dette i form av brutto dollarretensjon eller netto inntektsretensjon (mer om dette nedenfor). Identifiser hvilke kohorter som opplever raskest vekst, og hvilke som har stillestående eller fallende inntektsvekst.
Herfra kan du analysere forskjellene mellom disse kohortene – potensielt ved hjelp av ytterligere segmentbaserte analyser – for å identifisere de atferdsmessige, demografiske og andre årsakene til at disse inntektsforskjellene oppstår.
Brutto dollarretensjon
Brutto dollarretensjon (også kjent som brutto inntektsretensjon) gjenspeiler hvor godt SaaS-virksomheten din lykkes med å beholde eksisterende kunder. Dette er et godt datapunkt for yngre SaaS-virksomheter fordi det hjelper deg med å vurdere stabiliteten i den eksisterende kundebasen.
Brutto dollarretensjon beregnes ved å trekke inntektsavgang fra månedlige tilbakevendende inntekter (MRR) – uten å ta hensyn til nye inntekter – og deretter dele det mindre tallet på MRR. Hvis MRR-en din er $25,000, men du opplever $5,000 i tapte inntekter på grunn av kundeavgang, deler du $20,000 på $25,000 og får en brutto dollarretensjonsrate på 80 prosent.
Netto inntektsretensjon
Mens bruttoinntektsbevaring bare fokuserer på hvor godt selskapet lykkes med å beholde eksisterende inntekter, tar nettoinntektsbevaring også hensyn til inntektsutvidelse drevet av nye kunder. Denne litt mer komplekse beregningen gir et mer fullstendig bilde av selskapets inntektsvekst.
For å følge scenariet ovenfor, la oss si at virksomheten startet måneden med 25 000 dollar i MRR, mistet 5 000 dollar på grunn av kundeavgang, men likevel avsluttet måneden med 32 000 dollar i MRR takket være tilførselen av nye brukere. Etter at du trakk kundeavgangen fra MRR ved månedsslutt (inkludert nye inntekter), ville du dele nettoinntekten på 27 000 dollar på det opprinnelige beløpet på 25 000 dollar og komme frem til en nettoinntektsbevaring på 108 prosent.
Mens bruttoinntektsbevaring aldri kan overstige 100 prosent, bør en sunn nettoinntektsbevaring ligge godt over 100 prosent, noe som gjenspeiler selskapets voksende inntektsgrunnlag.
More Articles
Forstå måleverdier for kohortanalyse
Uansett hvordan du segmenterer og analyserer kundebasen, vil enhver SaaS-kohortanalyse først og fremst være opptatt av én eller flere av de følgende tre SaaS-måleverdiene:
● Kundeavgangsrate: Som nevnt ovenfor er en høy kundeavgangsrate – selv blant bare én kohort i kundebasen – et problem som må håndteres. En kohortanalyse kan bidra til å avdekke høye kundeavgangsrater og mulige årsaker til dem.
● Kundens livstidsverdi (LTV): En høy kundeavgangsrate vil trekke ned kundens LTV. Sterk kundefastholdelse, kombinert med strategisk prissetting, mersalg og andre strategier for inntektsgenerering, vil maksimere inntekten fra hver enkelt kunde.
● Kundeanskaffelseskostnad: Jo dyrere det er å skaffe kunder, desto høyere må kundens LTV være. Hvis du har en høy kundeavgangsrate og høye kundeanskaffelseskostnader (CAC), kan selskapet raskt begynne å tape penger fordi det bruker penger på å forsøke å kompensere for tapte inntekter.
Ta i bruk funnene dine
En SaaS-kohortanalyse er uvurderlig for å identifisere bekymringsfulle mønstre og mulige forklaringer på dem. Men siden så mange variabler påvirker kundeavgang, kundeengasjement og den generelle brukeropplevelsen, er det umulig å være sikker på årsaken til dårlig kundefastholdelse før du gjennomfører endringer som løser problemet.
Hvis du for eksempel konkluderer med at abonnenter på premium-nivå faller fra fordi de ikke utnytter plattformens mest avanserte funksjonalitet riktig, bør du vurdere å utvikle en opplæring for innføring eller en opplæringsmodul i plattformen for å øke bruken og kjennskapen.
Uansett hvilke problemer du identifiserer, bør du utvikle og iverksette en gjennomførbar løsning og følge med på kohortmåleverdiene fremover. Hvis kundeavgangsraten og/eller kundenes inntektsgenerering øker, kan du være trygg på at du identifiserte problemet riktig.
Vær redd når andre er grådige
Sammen med kundeanmeldelser, spørreundersøkelser og andre former for tilbakemeldinger bruker en SaaS-kohortanalyse pålitelige førstepartsdata til å avdekke tydelige trender og mønstre blant kundene dine. Jo mer SaaS-løsningen din vokser, desto mer verdifull vil denne strategien være når du skal sortere gjennom kohortdata og hente ut innsikt du kanskje ikke finner andre steder.
Selv i det beste scenarioet kan det likevel være litt som å gjette seg frem når funnene fra en SaaS-kohortanalyse skal håndteres. En av de beste måtene å møte denne utfordringen på er å rådføre seg med andre medlemmer av økonomiteamet, samt andre erfarne CFO-er som har stått overfor lignende utfordringer med å bygge opp og beskytte sine egne SaaS-inntektsstrømmer.
Oppdag mer innsikt og ressurser som styrker dagens teknologiledere innen økonomi – abonner på nyhetsbrevet fra The CFO Club i dag.