搜索 | 会员  
SaaS产品经理必须知道的产品指标
来源: 产品海豚湾   作者:产品海豚湾  日期:2023/7/13  类别:研发管理  主题:产品经理  编辑:人心太涼別太善良
指标可以反映我们产品运营、推广的效果,以及用户体验、忠诚度等等。对于产品经理,需要关注指标,最重要的是能够从指标中发现产品设计运营中的问题。

指标可以反映我们产品运营、推广的效果,以及用户体验、忠诚度等等。对于产品经理,需要关注指标,最重要的是能够从指标中发现产品设计运营中的问题。


MRR 与 ARR

如果我们的产品是按月订阅的,那么需要关注的是 MRR(Month Recurring Revenue),即月度经常性收入,也就是每月用户(客户)订阅的总收入。类似的,如果是按年收入,则有 ARR(Annual Recurring Revenue),即年度经常性收入。MRR 计算公式如下:

MRR = ∑ (ARPU * Total Customers)

其中ARPU(Average Revenue per User)为每位活跃用户(客户)在一定周期内产生的平均收入,有点类似电商的平均客单价的意思。

Churn Rate(客户流失率)

客户流失率是指在一定时间内客户流失的百分比,是SaaS公司最重要的指标之一。Churn Rate可以通过计算一个月内流失的客户数量除以该月初的客户总数得出。公式如下。

客户流失率 = 期内流失的客户数 / 期初的总客户数

流失率对应的指标是留存率,留存率 = 1 - 流失率。对于 SaaS 产品来说,如果流失率能够控制在10%以内那就非常优秀了。不过,对于工具型或通用型 SaaS来说,流失率相对会高一些。垂直类 SaaS 的流失率相对好很多,因为和客户核心业务深度绑定,流失率相对会低很多。

CAC(平均获客成本)

CAC(Customer Acquisition Cost),是指平均花在每一位新客户上的市场营销和销售费用,也就是获得一个新客户平均需要多少钱。CAC的计算公式如下,计算方式是在设定的时间内。CAC 这个指标非常重要,它会和后面的 LTV 决定了我们 SaaS产品 的投资回报周期。

CAC = 市场营销和销售费用 / 新客户数量

LTV(客户生命周期价值)

LTV,有时候也会叫 CLTV(Customer Life Time Value),即客户在使用SaaS产品期间为我们创造的总收入。LTV可以通过计算ARPU除以客户流失率得出,公式如下。

LTV = ARPU / 客户流失率

LTV 和 CAC 决定了 SaaS产品的回报周期,回报周期 = CAC / LTV,通常来说稳定期的SaaS产品的 LTV / CAC > 3是一个比较好的情况。

在 SaaS 发展初期,由于产品不成熟、没有标杆客户,通常 CAC 会比较高。到了后期,随着产品成熟度提高,CAC会不断下降,LTV 则会不断上升。因此,SaaS 本身是一项长周期的投资。要想快速收回投入,就需要不断提高 LTV 和降低 CAC。然而,有的 SaaS 产品花了大量的营销费用在获取新客户上,而没有核心抓手留住客户。导致 LTV 低、CAC 高,长期处于亏损状态。


通常来说降低 CAC 是产品设计可以着手的地方,比如利用产品驱动增长(PLG)实现产品分享获客;提高用户体验进而得到好的 NPS 值,通过口碑来获客这些都是有效降低 CAC 的方法。

NDR(净留存收益率)

NDR(Net Dollar Retention)是一个衡量SaaS产品增长能力和客户忠诚度的一个关键指标,计算方式如下:

NDR = (期初客户收入总额+本期升级费用-本期降级损失费用-本期流失客户订阅费用) / 期初客户收入总额

这里所有的数值都是和上期的客户相关,和新增客户无关。各个部分的说明如下:

  • 期初客户收入总额:上一个周期内的所有客户的收入总额,比如上一个年度的ARR,或上一个月度的MRR;

  • 本期升级费用:上一个周期的客户在本期升级产品产生的新增收入,可以理解为增购收入;

  • 本期降级损失费用:上一个周期的客户在本期降级产品产生的损失;

  • 本期流失客户订阅费用:本期流失客户在上一期的订阅费用。


举个例子,

  • 上个月总客户数为100个,ARPU为1000元,那么期初客户收入总额就等于10万元;

  • 这个月流失了10个客户,流失客户总的订阅费用为1万元;

  • 剩余的90个客户里,有20个客户升级了服务,每个月的订阅费涨到了1500元(相比上月多了500),那么本期升级费用为20x500=1万元;

  • 剩余的90个客户里,有10个客户降级了服务,每个月订阅费用降到了800元(相比上月少了200元),那么本期降级损失费用为 10x200=2000元。

由此计算得到的NDR为:

NDR = (100000+10000-2000-10000) / 100000 = 98%

通常来说NDR要大于100%才合理,这样意味着现有客户贡献的收入是在持续增长的。当然,提高NDR很大程度上是客户成功团队要做的事情,即减少客户流失和推动客户续订增购。此外,如果客户忠诚度很高,通过涨价其实也能够提高NDR ——前提是涨价不会引起客户流失,这也体现了SaaS产品是否能够真的给客户带来相应的价值。


CRC(客户留存成本)

CRC(Customer Retention Cost)反映了我们为留住现有客户所花费的各项成本,通常会有以下方面的成本:

  • 客户支持:为维护良好客户关系,公司通常需要提供技术支持和客户服务。这些成本通常包括为客户提供帮助和解决问题所需的人力成本和运营成本。

  • 发展新服务或产品:为了留住现有客户,公司可能需要开发新的服务或增强产品功能,以满足客户需求。这些开发成本通常包括产品研发、测试和支持等费用。

  • 营销和销售:公司可能需要使用对现有客户特别定制的营销策略,包括特别折扣,定制培训和客户特别活动等,以留住现有客户。

  • 退款和赔偿:如果在产品使用期间出现问题,公司可能需要向客户提供退款和赔偿等补偿措施,这也是留存现有客户的一种成本。


CRC这个成本是持续的,因此也非常重要,一方面深入客户核心业务的产品更难以被替代。通常流失率更低,CRC也会更低;同时,也需要投入成本去维护客户关系,比如售后服务、市场营销活动。对于产品设计而言,要尽可能简化产品使用难度、提高产品稳定性来降低CRC。


NPS(净客户推荐分)

NPS(Net Promoter Score),也叫客户口碑度。

PMF Score

PMF Score,市场匹配度评分。SaaS产品一个重要的阶段是PMF,只有过了PMF阶段才能说真正能够走向市场。通过PMF Score可以衡量我们的SaaS产品是否满足了市场需求,同时也可以帮助我们优化产品或服务,最终提高销售和客户满意度。PMF Score越高,就意味着产品市场适应度越强,公司更有可能获得商业成功。


PMF Score通常是通过对客户进行调查和分析来计算的,调查通常包括就产品特性、市场价格、用户行为等方方面面进行详细的研究。调查数据的分析可以通过各种统计模型和工具来实现,常用的是五点量表问卷。下面是一份示例的5点量表问卷。

PMF Score的计算方法是每个选项一个分值,然后取加权平均分值作为最后的评分。比如,对于上面举例的五个问题,可以分配以下分值并进行加权平均:

  1. 非常不满意:1分

  2. 不太满意:2分

  3. 中等满意:3分

  4. 比较满意:4分

  5. 非常满意:5分


例如,如果有10个客户被调查,其中4个选择了“非常满意”,4个选择了“比较满意”,2个选择了“中等满意”,那么加权平均 PMF 分数为:

PMF Score = ((4 × 5) + (4 × 4) + (2 × 3)) ÷ 10 = 4.2

因此,这个示例问卷的 PMF 分数为 4.2 分(最高为 5 分),10分制的话就是8.4分。一般来说,PMF分数达到7分(10分制)及以上,就意味着产品与市场之间存在匹配程度,创业公司可以继续扩大市场份额和增加收入。


Time-to-Value(价值时间)

价值时间指的是客户从注册到开始使用产品或服务所需的时间,实际上就是理解客户从注册到开始适应产品、发现了产品价值所需要的时长,这个阶段其实也是客户最容易流失的阶段。我们在《SaaS 软件搞定客户的关键环节分析》提到过客户关键时期的30天和90天,其实就是价值时间的两个关键里程碑,一个是初期适应“吐槽”阶段,一个是习惯养成、价值发现阶段。这两个阶段如果能够顺利度过,那就相当于走过了价值时间这段为关键的时期,后续客户大概率会持续使用我们的SaaS软件。


同样的,对于我们产品设计或运营而言,也需要尽可能地缩短价值时间,比如提供快速的数据迁移工具帮助客户从旧系统迁移到我们的SaaS软件,比如提高产品易用性,以及更贴合实际业务场景等等。

总结

指标很重要,比如我们提到的这些指标都可以很好地评估我们SaaS产品的收益、增长和用户体验数据。但是,需要注意的是指标的目的是用来评估产品问题的,我们需要通过指标查找产品的问题,而不是盲目地追求虚假繁荣的指标。典型的案例就是早期的互联网烧钱那会,很多产品就盲目地追求投资人关注的指标。砸钱买用户、砸钱买订单,到头来产品根本留不住用户,最终落得一地鸡毛。现实工作也是一样,很多人盲目追求 KPI 应付领导,结果公司的业务一天不如一天……


德仔网尊重行业规范,每篇文章都注明有明确的作者和来源;德仔网的原创文章,请转载时务必注明文章作者和来源:德仔网;
头条那些事
大家在关注
广告那些事
我们的推荐
也许感兴趣的
干货