從自然到商業(yè),事物都具有規(guī)律性,都具備生命周期。即便強(qiáng)如騰訊、阿里、臉書(Meta)等這些商業(yè)巨擘,也需在發(fā)展中不斷探索出延長用戶生命周期的方法,或在面臨拐點前進(jìn)行自我顛覆換取增長,以維持自身商業(yè)地位。
01
客戶生命周期
SaaS公司的生命線
客戶生命周期。
用戶生命周期描述了用戶從開始接觸產(chǎn)品到離開產(chǎn)品的整個過程,周期的長短直接影響了企業(yè)的營收能力。一般談用戶生命周期會分為5個時期,分別是:引入期、成長期、成熟期、休眠期和流失期。
用戶生命周期 | Guofu draw
當(dāng)然,全球SaaS產(chǎn)業(yè)發(fā)展已經(jīng)超過20年,SaaS公司的用戶生命周期逃不過這個循環(huán)。由于ToB業(yè)務(wù)涉及組織內(nèi)自下而上審批流程以及復(fù)雜決策過程,相對應(yīng)用戶生命周期的節(jié)點會有所差別。
對于ToB SaaS企業(yè)來說,客戶生命周期會被劃分為6個階段解讀。站在客戶的視角,能夠找到影響客戶留存因子和客戶關(guān)注的核心功能。
SaaS客戶旅程 | Guofu draw
SaaS客戶生命周期6個階段。
1)在認(rèn)知階段,客戶意識到自身的問題和開始總結(jié)需求&痛點,在這個階段客戶會在網(wǎng)絡(luò)、同行和朋友推介下,開始找尋可以如何解決問題方法。你們家的SaaS產(chǎn)品大概率會在這種場景下被客戶發(fā)現(xiàn)。
2)在考量階段,客戶定位好問題后搜索需求&痛點相關(guān)內(nèi)容,此時你們家的SaaS產(chǎn)品會被列入客戶的候選清單。
3)在選型階段,客戶內(nèi)部會組織對候選清單進(jìn)行討論,基于成本效益、前瞻性、安全性、是否有第三方背書,后期流程及服務(wù)質(zhì)量等進(jìn)行考量。你可以提供素材強(qiáng)調(diào)產(chǎn)品的真實和有形價值,如果客戶在你的SaaS產(chǎn)品在花費時間越多,達(dá)成訂閱的可能性就越大。
4)在訂閱階段,此時客戶已經(jīng)基本確定使用你們家的SaaS產(chǎn)品,客戶會基于具體的需求與你們進(jìn)行商務(wù)和對接,訂閱標(biāo)品或者定制化方案。
5)在維系階段,客戶訂閱付費后成功被轉(zhuǎn)化,此時需要提供及時的服務(wù)響應(yīng)引導(dǎo)客戶正確、有效率的使用產(chǎn)品。客戶訂閱產(chǎn)品只是開始,產(chǎn)品在企業(yè)中發(fā)揮價值才是目標(biāo)。通過增加客戶使用產(chǎn)品深度,增加客戶與品牌的粘性,可以有效提升續(xù)訂率和拓展增值服務(wù)。忠實的客戶就是最好的銷售代表,在口碑傳播(轉(zhuǎn)介)中為品牌提供社會證明。
6)在流失階段,對于SaaS公司來說,客戶長時間不使用產(chǎn)品或者到期不進(jìn)行續(xù)費,都可以視作客戶流失。高比率的客戶流失對于SaaS公司來說是致命的,需要及時建立起有效的預(yù)警機(jī)制,在未流失客戶產(chǎn)生可能流失的關(guān)聯(lián)行為時,主動響應(yīng),避免客戶流失。
02
LTV是破局點
以生命線指標(biāo)指引方向
SaaS客戶終身價值≈企業(yè)的貨幣價值。
客戶在SaaS產(chǎn)品生命周期內(nèi)所貢獻(xiàn)的價值會用客戶終身價值(Life Time Value, 簡稱LTV)作為衡量指標(biāo),體現(xiàn)在用戶生命周期曲線下的面積,可以理解成用戶能為企業(yè)帶來的貨幣化價值。
客戶終身價值(LTV)的有效描述。
如果我說天天預(yù)約Pro平臺(一家提供預(yù)約解決方案的軟件服務(wù)商)一個付費客戶的終身價值是5000元,而總獲取成本(Total Customer Acquisition Cost, 簡稱tCAC)是200元。該平臺的目前的營運狀況是好是壞,你能否從這段話中獲取有效信息?
事實上,這樣的表達(dá)只是在陳述事實,我們既不知道客戶獲取的渠道有哪些?每天投入的廣告總成本是多少?新獲取的客戶數(shù)量是多少?是在什么時間窗口中計算得來的客戶終身價值,不具備商業(yè)意義。
有效的LTV描述應(yīng)該是這樣的。
天天預(yù)約Pro平臺在百度營銷上,在每天投入1000元進(jìn)行搜索引擎競價排名的基礎(chǔ)上,獲取付費客戶的2年LTV是5000元,而tCAC是200元。在每天投入規(guī)模增加到2000元時出現(xiàn)下滑拐點,加大投入成本但效益開始下降。
為什么需要加上規(guī)模(每日營銷開銷的總數(shù))?因為隨著搜索引擎競價排名詞組單價上升或詞庫的擴(kuò)展,增加營銷投入可以讓廣告觸達(dá)更多的人,但同時也會有更多邊緣性受眾被覆蓋。當(dāng)廣告與受眾弱相關(guān)時,勢必點擊率會下降,而LTV要么下降要么不變。這就是在廣告投入規(guī)模的拐點,投入增加到一定程度時邊際效益遞減。
所以,要完整有效描述LTV應(yīng)該起碼包含:“營銷渠道”、“LTV時間窗口”、“廣告投放規(guī)?!?、“邊際效益情況”。
03
識破 LTV 面具
從破局邁向掌局者
LTV應(yīng)該如何計算?
SaaS公司可根據(jù)不同渠道的行為數(shù)據(jù)進(jìn)行LTV計算,公司可選擇7天或者14天作為分析時長,SaaS公司通常會以30天作為分析時長。通過客戶貢獻(xiàn)的商業(yè)價值來預(yù)估未來的轉(zhuǎn)化情況,以此對現(xiàn)有渠道質(zhì)量進(jìn)行評價,視表現(xiàn)進(jìn)行相應(yīng)的調(diào)整或者更換。
LTV的計算方式對于不同行業(yè)會有差別。SaaS公司通常的計算公式為:
1)RGP=ARPA*毛利率
2)LTV=RGP/Churn Rate
Notation:
* RGP(經(jīng)常性毛利,Recurring Gross Profit)
* ARPA(每個賬戶平均收入,Average Revenue Per Account)
* Churn Rate(客戶流失率)
以天天預(yù)約Pro平臺為例,假設(shè)該平臺每個付費賬戶的平均收入為5,000元,毛利率為40%,客戶流失率為10%,則可以計算LTV=5,000*40%/10%=20,000元。
SaaS行業(yè)由于訂閱的方式存在按“月度/季度/年度”等多種,對于長期訂閱期預(yù)付的費用應(yīng)該聚焦在現(xiàn)金回收期上,未來現(xiàn)金流應(yīng)該扣除現(xiàn)金的時間價值。對應(yīng)的LTV統(tǒng)計會使用毛利率,排除激活新客所需的一次性引導(dǎo)成本(客戶終身價值-服務(wù)成本)。
LTV的分組分析。
分組分析(cohort level analysis)的三個維度 | Guofu draw
LTV計算需要從三個維度進(jìn)行分組,分別是“周期”、“渠道”和“產(chǎn)品”。周期能判斷客戶成本回收周期、渠道能識別高效益(ROI)的銷售渠道、產(chǎn)品能區(qū)別不同產(chǎn)品的客戶終身價值。此外,還可以根據(jù)公司具體的業(yè)務(wù)場景按年齡、性別、城市或國家等進(jìn)行劃分。
LTV在實際業(yè)務(wù)中需要考慮的因素還有很多,可以通過關(guān)注和提升子級指標(biāo),最后通過LTV的宏觀描述表達(dá)。由于LTV的計算具有長期性,在客戶真正進(jìn)入流失階段之前無法準(zhǔn)確計算客戶對于商業(yè)平臺的貨幣價值。
LTV的前瞻預(yù)測。
通??蛻舻纳芷跁掷m(xù)一段很長的時間,SaaS產(chǎn)品訂閱的機(jī)制基本能確定客戶的最小生命周期。等到客戶完整經(jīng)歷整個生命周期再來計算LTV,對于SaaS企業(yè)來說損失已經(jīng)產(chǎn)生,只能被動接受結(jié)果,不具備商業(yè)價值。如果能通過現(xiàn)有的短周期去預(yù)測長周期的趨勢,便能提前進(jìn)行策略優(yōu)化。
SaaS公司可以通過已有渠道的歷史30天LTV、60天LTV作為樣本,判斷客戶成本回收周期。如果產(chǎn)品的回收周期過長,企業(yè)應(yīng)該及時對業(yè)務(wù)模式或產(chǎn)品功能進(jìn)行調(diào)整,及時優(yōu)化經(jīng)營策略。
LTV計算方法是假定客戶的人群比例是穩(wěn)定不變,以某個時間周期內(nèi)付費客戶作為獨立樣本(忽略樣本間相關(guān)性),以此線性回歸得出的預(yù)測LTV是平均值,并不能體現(xiàn)個體客戶的差別。在面對公司運營策略發(fā)生調(diào)整,計算結(jié)果會產(chǎn)生較大的誤差,描述性模型只能擬合已有現(xiàn)有數(shù)據(jù)表現(xiàn),是一種利用簡化的邏輯在解釋復(fù)雜現(xiàn)象。
對于初創(chuàng)項目而言,在摸索驗證商業(yè)模式會面臨LTV計算的調(diào)整,這并不意味著不去計算LTV。恰恰相反,計算LTV仍然具有積極意義,通過預(yù)估LTV可發(fā)現(xiàn)戰(zhàn)略上可能存在的問題,如投資回收周期(PBP)、如何延長客戶生命周期等等。
如果想要提高預(yù)測數(shù)據(jù)的準(zhǔn)確性,可以通過引入統(tǒng)計學(xué)模型或機(jī)器學(xué)習(xí)等方式。由于SaaS公司的目標(biāo)客戶群體往往具有相似性,很大程度上吻合統(tǒng)計規(guī)律,采用貝塔幾何(BG)/負(fù)二項模型(NBG)可以提高準(zhǔn)確性。該模型可利用客戶歷史交易數(shù)據(jù)(RFM)來預(yù)測未來每個客戶的交易次數(shù)和流失率,用于描述非契約客戶關(guān)系情境下重復(fù)購買行為。
另外,在快速擴(kuò)張的情況下,可以側(cè)重關(guān)注“40法則:營業(yè)收入成長率 + 利潤率 ≥ 40%”,保障公司在良性的發(fā)展趨勢中。
不同模式LTV的差異。
互聯(lián)網(wǎng)在不同盈利模式下,用戶LTV的計算方式也會有所不同。
對于大多數(shù)關(guān)注用戶的留存情況產(chǎn)品(廣告類、社交類、游戲類…)來說,可以通過 LTV=LT*ARPA(DAU) 進(jìn)行計算,LT指的是用戶的活躍天數(shù),ARPA(DAU)指的是用戶活躍一天所能帶來的日均收入。
另外,電商類還可以通過 LTV=人均客單價*單個用戶平均購買次數(shù),進(jìn)行LTV計算。
04
ROI – 投資回報率
客戶價值應(yīng)以商業(yè)價值為綱
LTV與CAC的博弈。
在實際的渠道投放環(huán)節(jié),需要確保獲客成本(CAC)小于LTV才能保證投資回報率(ROI)最大化,實現(xiàn)盈利。CAC通常包括企業(yè)運營和營銷的全部投入,如客戶交付成本(如數(shù)據(jù)中心的使用)、客戶支持成本(如呼叫中心)以及支付給第三方的費用(如軟件授權(quán)費),以及人力成本等。計算ROI可以預(yù)估成本回收周期、判定渠道質(zhì)量以及支持產(chǎn)品運營決策。
計算公式為:ROI=LTV/CAC,投資回報率(ROI)為[客戶預(yù)期能為公司產(chǎn)生平均收入總值]除以[獲取客戶所需付出的成本],這個比值主要反應(yīng)客戶獲取效率,數(shù)值越高說明SaaS公司從新客戶獲取的利潤越高,這幾乎是最重要的營銷指標(biāo)。
示例:天天預(yù)約Pro平臺LTV=20,000元。假設(shè)一個月營銷成本為32,000元,獲取40位付費新客戶,那么這個月的客戶獲取成本CAC為:32,000/40=800元。(數(shù)據(jù)為虛構(gòu))
基于上述例子,投資回報率ROI=20,000/800=25倍。
ROI基準(zhǔn) | Guofu draw
一般認(rèn)為,ROI<1,意味著無利潤可言;ROI=1,表示損益平衡;ROI>1.5,基本能跑通商業(yè)模式;ROI<3,可理解為獲客成本高,營銷轉(zhuǎn)化不足;而ROI>3,才能算具備較高的投資價值。
在《2020年“軟件即服務(wù)”的業(yè)務(wù)轉(zhuǎn)型報告》指出,SaaS公司要確保穩(wěn)定增長,LTV需要至少是CAC的3倍,而美國這一數(shù)值則是5~6倍。目前市場上普遍認(rèn)為3≤ROI≤5是比較理想的狀況,美股中SaaS上市公司這一數(shù)值中位數(shù)為6.7。
LTV/CAC的挑戰(zhàn)在于留存率(流失率)并不是恒定的,會隨著時間的變化而變化,獲客成本也是如此。
Tips: LTV/CAC的比值亦需要在有效的描述下,否則比值哪怕大于1,也無法評估營銷活動的可行性或有效性。
優(yōu)化業(yè)務(wù)流程是最優(yōu)解。
貝恩(Bain)咨詢公司認(rèn)為“維護(hù)現(xiàn)有客戶所得利益的成本”只需“開拓新客獲取相同利益的成本”的20%。做好客戶服務(wù),提高客戶滿意度、忠誠度,是降本增效的好方法。
SaaS公司的商業(yè)盈利模式依賴于訂閱收入、增值升級收入以及其本身網(wǎng)絡(luò)效應(yīng)(以數(shù)據(jù)層串聯(lián)供應(yīng)鏈上下游)所產(chǎn)生的貨幣價值。而核心是只有客戶把SaaS產(chǎn)品用起來、用好了,把產(chǎn)品體驗做到極致,提升客戶留存。
想要通過優(yōu)化業(yè)務(wù)流程提高ROI,可以試試下面的方法。
1)做好客戶分層,滿足不同層次客戶訴求;
2)做好主動服務(wù),客戶成功可以增購續(xù)訂;
3)提供老客優(yōu)惠,通過忠誠度激勵計劃;
4)提升品牌形象,以品牌溢價提升產(chǎn)品單價;
5)延長生命周期,讓客戶享受產(chǎn)品或服務(wù)的便利性。
作者 | 龍國富 CxHub客戶體驗社區(qū)主理人、體驗管理專家。
本文經(jīng)授權(quán)發(fā)布,不代表增長黑客立場,如若轉(zhuǎn)載,請注明出處:http://gptmaths.com/quan/90775.html