Produktledet vækst har vist sig at være en af de mest effektive strategier til at opbygge og udvikle digitale produkter. En af de primære årsager til dens succes er den store afhængighed af dataanalyse for at træffe intelligente beslutninger.
Så hvis du i øjeblikket undersøger bedre måder at få succes med produktledet vækst på, handler denne artikel om at hjælpe dig med at udnytte dens datadrevne egenskaber ved at spore og overvåge de rigtige målepunkter.
Betydningen af PLG for SaaS-virksomheder
Der er en grund til, at produktledet vækst har taget over, især inden for SaaS-produkter. Med en PLG-strategi kan du skaffe nye kunder og øge din omsætning på en meget bæredygtig og omkostningseffektiv måde.
PLG er bæredygtigt, fordi folk ikke kun er afhængige af dine marketingkampagner for at kunne lide og købe dit produkt. I stedet bygger strategien på at lade brugerne anvende dit produkt i virkeligheden (ofte uden at betale, afhængigt af din prissætningsstrategi for produktet), afprøve dine mest overbevisende funktioner og (forhåbentlig) løse deres problemer med det.
Så snart de indser, at dit produkt kan løse deres problemer, tipper vægtskålen til din fordel, og brugeren begynder at betale for dit produkt.
PLG er omkostningseffektivt , fordi dit produkt fungerer som en selvbetjent marketingkanal. Ved at skabe enestående brugeroplevelser kan du overbevise dine brugere om, at dit produkt er præcis det, de leder efter, og gøre dem til produktkvalificerede leads (PQL'er).
Da dit produkt udfører det meste af markedsføringen for dig, bruger du ikke nær så meget på dit salgsteam og din marketingindsats for at skaffe kunder. Det fører til et betydeligt fald i de gennemsnitlige omkostninger ved at skaffe en ny bruger.
Nu hvor vi har genopfrisket fordelene ved PLG, lad os se nærmere på de vigtigste SaaS-målepunkter, som du skal måle for at sikre, at du bevæger dig i den rigtige retning med din produktledede vækststrategi.
Målepunkter for produktledet vækst: Måling af aktivering
Alle brugeres rejse i dit PLG-produkt begynder med aktivering. Det er processen, hvor folk opsætter dit produkt, forstår, hvordan tingene fungerer (takket være din introduktionsproces for produktet!), afprøver din kernefunktionalitet og oplever værdien af dit produkt.
Jeg foreslår, at du sporer følgende målepunkter for at optimere dit aktiveringsflow.
Bemærk: For at vise dig, hvordan du opsætter sporing af specifikke målepunkter, vil jeg bruge eksempler med Mixpanel, men du kan frit bruge andre analyseværktøjer til produkter.
Målepunkt nr. 1: Tid til værdi
Lad os begynde med en af de mest afgørende førende indikatorer for god aktivering – tid til værdi (TTV). Der er en god grund til, at jeg bruger udtrykket ”førende indikator”. Det betyder, at en forbedring af dette målepunkt vil forbedre aktiveringen generelt.
TTV angiver den tid, det tager, før dine brugere oplever dit produkts kerneværdi. Jo hurtigere brugerne når frem til din kerneværdi, desto mindre sandsynligt er det, at de kommer til at kede sig og opgiver dit produkt.
For at beregne din TTV skal du spore to vigtige tidspunkter i brugerrejsen:
- Når brugerne tilmelder sig og begynder at bruge dit produkt.
- Når de udfører den handling, der repræsenterer din vigtigste funktion.
Lad os nu se på, hvordan du kan oprette en rapport i Mixpanel, der kan hjælpe dig med at måle TTV for et integrationsbaseret SaaS-produkt, der minder om Zapier. I dette tilfælde er den handling, brugerne udfører for at opleve dit produkts kerneværdi, at oprette og integrere.
Vi kan derfor lave et tragtdiagram med to trin: ”tilmelding” og ”opret integration”.
Derefter opsætter vi denne tragtvisning som ”tid til konvertering”, der beregner den mediane tid, det tager for brugerne at gå fra trin et til trin to.
24 dage, som vist i denne rapport, er naturligvis for lang tid, og du vil med stor sandsynlighed miste dine brugere, før de kan se dine integrationer.
Der må derfor være noget helt galt enten med din analyseopsætning (måske udløser du ikke de rigtige hændelser) eller med din aktiveringsstrategi.
Målepunkt nr. 2: Adoptionsrate for funktioner eller produktet
Et andet afgørende målepunkt for PLG-drevne produkter er den hastighed, hvormed folk tager dine produktfunktioner til sig.
I PLG bør hver ny funktion tjene et specifikt formål (f.eks. forbedring af vanedannelse, aktivering osv.). For at din funktion skal gøre en forskel, skal folk først tage den til sig og begynde at bruge den aktivt.
Derfor skal du måle adoptionsraten for funktionen og forbedre din funktion eller UX, hvis den er for lav.
Min tilgang til at beregne adoptionsraten for en funktion er lidt kontroversiel og adskiller sig fra andres. Jeg beregner procentdelen af brugere, der har brugt funktionen én gang (hvilket betyder, at de har opdaget den), og procentdelen af brugere, der har brugt den mere end to gange (hvilket betyder, at de har taget den til sig).
I Mixpanel kan du opnå dette ved at oprette to kohorter.
Den første, jeg oprettede her, bruges til at måle opdagelse. Her har jeg valgt målingens startdato til at være udgivelsesdatoen for funktionen.
For den anden er tidsrammen dog “sidste 30 dage”, da det næppe kan betragtes som adoption at bruge funktionen mere end to gange inden for et par måneder.
Derefter kan du oprette en Insights-rapport med brugerdefinerede formler, der beregner de ovennævnte procentdele ved at dividere disse kohorter med antallet af aktive brugere.
Et sundt diagram for adoption og opdagelse vil holde antallet af personer, der har opdaget funktionen, stabilt, mens adoptionsraten vokser støt.
Have an account? Log In
Måling nr. 3: AHA!-øjeblik
Endelig har vi den hellige gral blandt alle PLG-aktiveringsmålinger – AHA!-øjeblikket. Det repræsenterer det punkt i dine brugeres rejse, hvor de får mest værdi ud af dit produkt og indser, at dit produkt er værd at tage i brug i hverdagen.
Det lyder lidt som TTV, ikke? De handler begge om brugen af din kernefunktion. Men tid til værdi fokuserer på at vise forsinkelsen mellem, at dine brugere tilmelder sig, og at de bruger funktionen, mens AHA!-øjeblikket viser antallet eller procentdelen af alle brugere, der har brugt den (blandt dem, der har tilmeldt sig).
For at opbygge AHA!-øjebliksrapporten i Mixpanel starter vi på samme måde som med TTV og opretter en tragt med “Tilmeld” og “Opret integration” som vores trin.
I modsætning til TTV vælger vi dog ikke visualiseringen “tid til konvertering”. I stedet vælger vi indstillingen “tragttrends”.
Denne indstilling viser ændringen i konverteringsraten fra trin 1 -> trin 2 over tid.
Som vi kan se på dette diagram, opretter cirka 30 % af de brugere, der har tilmeldt sig, en integration og når deres AHA!-øjeblik.
Desuden ser det ud til, at denne rate hverken vokser eller falder, da tendenslinjen for dette linjediagram ser ud til at være vandret.
Engagementsmålinger
En sund aktiveringsrate er kun en del af succesen. Hvis du vil have dit produkt til at vokse bæredygtigt, skal du også sørge for, at brugerne er begejstrede for deres oplevelse med dit produkt, og at både brugerengagementet og produktbrugen er sund.
Her er, hvad jeg foreslår, at du bruger til at holde styr på sundheden i din brug.
Måling nr. 4: Vaneøjeblik
Den næste afgørende milepæl, som du ønsker, at dine brugere når efter at have oplevet deres AHA!-øjeblik, er, når de med succes har opbygget en vane omkring dit produkt og får svært ved at udføre deres opgaver uden det.
I PLG-verdenen kalder vi dette øjeblik i brugerrejsen for vaneøjeblikket.
Ligesom med AHA!-øjeblikket og TTV fokuserer vi på kernefunktionerne i dit produkt. Mere specifikt holder vi øje med, hvor ofte folk bruger det.
Du kan sige, at en person har udviklet en vane med at bruge dit produkt, hvis brugsfrekvensen for dine kernefunktioner svarer til (eller i det mindste ligger tæt på) den naturlige frekvens, hvormed problemet opstår for brugeren.
Fjernarbejdere vil for eksempel normalt deltage i mindst ét konferenceopkald på hverdage. Derfor vil den naturlige frekvens, hvormed de har brug for et Zoom-lignende værktøj, være dagligt/hverdage eller 5d7 (5 dage ud af en periode på 7 dage).
I det virkelige liv ville folk dog have dage uden møder eller planlægge deres kalender på en måde, så ikke alle deres hverdage havde opkald. Derfor ville du have personer med etablerede vaner med at bruge dit videokonferenceværktøj, hver gang de skulle foretage et arbejdsrelateret opkald, med en frekvens på 4d7.
Til din milepæl for vaneøjeblikket ville du derfor generelt vælge en frekvens, der er en smule lavere end den naturlige frekvens, hvormed problemet opstår.
Hvad angår de værktøjer, du kan bruge til at måle og visualisere det, vil jeg anbefale at bede dit dataanalyseteam om at opbygge en tilpasset rapport i Tableau eller PowerBI, da hændelsesdrevne analyseværktøjer (f.eks. Amplitude eller Mixpanel) har svært ved at lave diagrammer over vaneøjeblikke.
Måling nr. 5: Fastholdelsesrate
Fastholdelse er faktisk den primære grund til, at du ønsker at opbygge vaner hos dine brugere. Vaner er meget svære at bryde, så en person, der har for vane at løse sine problemer med dit produkt, vil gøre det i meget lang tid (indtil problemet forsvinder, eller et 5x bedre produkt kommer på markedet).
For at forstå, om folk bliver hos dig på lang sigt, skal du måle deres fastholdelse.
Fastholdelse viser procentdelen af personer, der har brugt din app kontinuerligt over en længere periode. En kundefastholdelse på 50 % efter 7 dage betyder for eksempel, at halvdelen af personerne holder op med at bruge din app efter 7 dage.
Der er tre elementer af fastholdelse, som du skal fastlægge for at forstå de langsigtede brugstendenser for dit produkt:
- Vigtig handling: Ligesom med andre målinger vil dette være den kernefunktion, der repræsenterer den primære værdi af dit produkt.
- Frekvens: Dagligt/ugentligt/månedligt osv. Ved at indstille dette fortæller du analyseværktøjet, at det skal beregne den kontinuerlige brug af funktionen baseret på, om den bruges mindst én gang om dagen/ugen/måneden osv.
- Tidsramme: Dette er antallet af sammenhængende dage/uger, hvor personerne har brugt dit produkt. Traditionelt vil du holde øje med fastholdelsen på D7, D28 og D90 for at vide, hvor mange personer der fortsat bruger dit produkt efter en uge, en måned eller et kvartal.
Lad os nu forestille os, at du administrerer en online-lagringstjeneste, der minder om Dropbox. For at beregne din fastholdelse vælger du “Upload medier” som din vigtige handling, “Dagligt” som din frekvens og D28 som din tidsramme.
Hvis du indstiller alt dette i Mixpanel, er det dette, du vil se.
Som vi kan se, er fastholdelseskurven for vores produkt ikke flad, og den nærmer sig nul ved D28. Det betyder, at vi mister alle inden for 28 dage og ikke har nogen langsigtede brugere.
Vores næste skridt ville derfor være at finde ud af, hvorfor folk forlader os, og løse de problemer, vi identificerer.
Måling nr. 6: Kundeafgangsrate
Vi har talt om de personer, der bliver hos dig (repræsenteret ved fastholdelse). Nu er det tid til at tale om de personer, der ikke gjorde (repræsenteret ved faldet i fastholdelsesraten over tid).
Processen, hvor dine brugere forlader dit produkt, kaldes kundeafgang. De erstatter dig måske med en direkte konkurrent eller begynder at løse deres problem med indirekte alternative muligheder.
I begge tilfælde er kundeafgang noget, du aktivt skal måle, overvåge og undgå.
Den traditionelle formel til måling af kundeafgang er følgende.
Det ser alt sammen ligetil ud, ikke? Hvis du vil måle ugentlig kundeafgang, tæller du først det samlede antal slutbrugere, du har mistet i løbet af de seneste 7 dage, og dividerer det med antallet af brugere, du havde for en uge siden.
Denne specifikke type kundeafgang er nyttig, når du arbejder med din økonomi (f.eks. måler LTV eller ser på tabt omsætning), eller når du vil beregne den samlede vækstrate for din brugerbase (nye brugere - brugere, der er faldet fra).
Denne måling har dog svært ved at vise dig, hvor effektivt dit produkt er med hensyn til dets evne til at løse folks problemer. Til det formål kan du beregne en anden underkategori af kundeafgang, hvor du ser på antallet af personer, der er gået tabt, siden de tilmeldte sig og begyndte at bruge dit produkt.
Denne er grundlæggende det modsatte af fastholdelsesraten og lader dig se, hvor mange personer du mister i løbet af de første par dage (diagnose: dårlig aktivering og opsætning), og hvor mange du mister i løbet af de første par uger (diagnose: dårlig vanedannelse).
Hvad angår beregningen af brugere, der er faldet fra, i Mixpanel kan du oprette en kohorte, der ser sådan ud.
Her har jeg brugt en lang tidsramme på 60 dage under antagelse af, at vi arbejder med et produkt, der enten bruges ugentligt eller hver anden uge. Hvis dit produkt bruges dagligt, kan du også bruge en tidsramme på 14 dage.
Anskaffelsesmålinger
Indtil videre har vi talt om oplevelsen ved onboarding af produktet og produktengagement. Men en god PLG-strategi handler ikke kun om disse to ting.
Du skal også implementere og måle anskaffelse i appen ved hjælp af vækstsløjfer.
For at gøre dette kan du overveje at bruge disse målinger.
Måling nr. 7: Viralitet
En vigtig forskel mellem en produktstyret vækststrategi og mere traditionelle salgs- eller marketingstyrede strategier er dens aktive brug af vækstsløjfer.
En sløjfe er i modsætning til en tragt (der følger piratmålinger) selvforstærkende. Det betyder, at de personer, du har anskaffet gennem den første gentagelse af din sløjfe, hjælper dig med at gå ind i den anden gentagelse og anskaffe flere personer. De personer, der anskaffes gennem den anden gentagelse, hjælper dig med at komme ind i den tredje og så videre.
En af de mest almindelige typer vækstsløjfer er den virale sløjfe, som opstår, når personer deler indhold med deres venner eller kolleger ved hjælp af dit produkt (f.eks. et dokument i tilfældet med Google Docs), og disse venner tilmelder sig dit produkt for at se eller samarbejde om det.
De nytilmeldte brugere deler deres eget indhold med deres venner, så sløjfen fortsætter.
For at måle effektiviteten af denne henvisningssløjfe skal du beregne K-målingen, som er bedre kendt som den virale koefficient.
K fortæller dig, hvor mange nye brugere dine eksisterende brugere kan anskaffe ved hjælp af dine delingsfunktioner (eller lignende funktioner).
Hvis den gennemsnitlige Google Docs-bruger f.eks. deler sine dokumenter med fem personer, og 60 % af dem tilmelder sig produktet, er K for Google Docs' delingsfunktion 5 x 60 % = 3.
Dette tal viser, at hver Google Docs-bruger kan få tre ekstra brugere ind blot ved at bruge dit produkt.
Det er svært at måle dette med et hændelsesbaseret analyseværktøj, så bed dit datateam om at give dig en tilpasset BI-rapport.
Måling nr. 8: Vækstmultiplikator
Viralitet er en kritisk måling, men den repræsenterer ikke den reelle konverteringsrate for din SaaS-vækstmodel og dine sløjfer. Årsagen er, at viralitet kun måler resultatet af én enkelt gentagelse af sløjfen.
Men vi ved, at de brugere, der tilmeldte sig i den første gentagelse, er dem, der starter den anden gentagelse ved at dele indhold med deres venner og kolleger. Viralitetstallet gælder for dem alle, så det reelle antal brugere, en enkelt eksisterende bruger kan skaffe, er summen af alle de nye brugere fra alle de efterfølgende sløjfer.
For at måle dette introducerer vi en måling kaldet vækstmultiplikator.
I formlen ovenfor er V den virale koefficient for én sløjfe. Hvis du derfor har et produkt med en V på 0,8 (det er sjældent i virkeligheden at have virale koefficienter over 1), vil din vækstmultiplikator være 5. Det betyder, at hver af dine brugere vil skaffe fem ekstra brugere, under antagelse af at de brugere, de skaffer, vil bruge delingsfunktionen og holde sløjfen kørende, indtil den ebber ud.
Igen er dette noget, der skal måles ved hjælp af en BI-løsning.
Måling nr. 9: Net Promoter-score
Dette er ikke i sig selv en anskaffelsesmåling. Jeg ville dog gerne medtage den her, da den repræsenterer kundetilfredshed og er en ledende indikator for en af PLG's centrale vækstsløjfer – mund-til-mund-sløjfen (WOM). Navnet på denne sløjfe er ret selvforklarende – personer bruger dit produkt, elsker det, fortæller deres venner om det, hvorefter disse venner begynder at bruge det og fortæller deres venner om det, og så videre.
Du kan ikke rigtig måle den virale koefficient for WOM-sløjfen, da du kun har ringe eller ingen viden om, hvor mange personer der tilmelder sig på baggrund af anbefalingerne fra en enkelt bruger. Derfor er du nødt til at stole på ledende indikatorer for at forudsige og optimere din sløjfe. En af de bedste måder at måle din WOM på i dette tilfælde er Net Promoter-score (NPS).
Det er et enkelt spørgeskema, der spørger, hvor sandsynligt det er (på en skala fra 1 til 10), at personer vil anbefale dit produkt til deres venner og kolleger. Derefter tager du resultaterne fra denne undersøgelse og indsætter dem i denne formel.
Her er ambassadørerne dem, der har valgt 9 eller 10 på skalaen, mens kritikerne er dem, der har valgt 6 eller derunder.
Når det gælder gennemførelsen af denne undersøgelse, kan du bede kundesuccesteams om at stille spørgsmålet til de personer, de taler med, bede dit marketingteam om at tilføje det til deres arbejdsgange for e-mails med brugerfeedback eller implementere en UX-løsning ved at tilføje det til kunderejsen.
Bonusrunde: Finansielle PLG-målinger
Før vi afslutter med KPI'erne for teamet, der arbejder med produktledet vækst, vil jeg gerne give dig en kort gennemgang af de vigtige finansielle målinger, som en typisk PLG-virksomhed ville tage i betragtning.
Nettoomsætning fra nye kunder og ekspansionsomsætning
Uanset om du måler den pr. måned (MRR) eller pr. år (ARR), er det en god idé at opdele din nye omsætning i to komponenter: ekspansion og ny omsætning.
Ny omsætning kommer fra nyerhvervede kunder, mens ekspansionsomsætning kommer fra eksisterende kunder, der har besluttet at købe flere pladser eller opgradere deres abonnement (mersalg og krydssalg).
Ved at skelne mellem de to bliver det lettere at planlægge og gennemføre en bedre omsætningsvækst, da ekspansion normalt er lettere at opnå, men du har brug for en konstant tilgang af nye kunder, som du senere kan udvide salget til.
Nettoomsætningsafgang
Dette giver næsten sig selv. Denne måling viser den årlige eller månedlige tilbagevendende omsætning, du har mistet, fordi kunder har forladt dig i en bestemt periode.
Gennemsnitlig omsætning pr. bruger (ARPU)
Denne måling er grundlæggende din ARR divideret med antallet af betalende brugere. Produktledede virksomheder bruger denne måling til at inddele brugere i specifikke segmenter baseret på brugeradfærd i økonomisk henseende (f.eks. forbrugere, prosumere og kunder på virksomhedsniveau) og overvåge kvaliteten af kundeanskaffelsen ud fra den (vækst i ARPU betyder brugere af bedre kvalitet).
More Articles
Kundens samlede livstidsværdi (CLV)
ARPU har endnu en anvendelse. Den fungerer som grundlag for beregningen af kundens samlede livstidsværdi. Du beregner den som ARPU divideret med din afgangsrate, og den repræsenterer det samlede beløb, du kommer til at tjene på en gennemsnitlig kunde, før kunden stopper.
Kundeanskaffelsesomkostning (CAC)
Endelig har du omkostningen ved at skaffe én betalende kunde, som er det samlede beløb, du bruger på kundeanskaffelse, divideret med antallet af kunder, du har skaffet.
Du bruger CAC og CLV til at vurdere, om din forretningsmodel er levedygtig. CLV skal være højere end CAC (en god tommelfingerregel er 4x) for at sikre, at du ikke driver virksomheden med underskud.
Data er fantastisk, men tilsidesæt ikke din mavefornemmelse!
Det ville måske virke lidt mærkeligt, hvis jeg afsluttede en guide om målinger og analyse med at bede dig stole på din intuition. Men tro mig, det er et godt råd.
Ved at følge de rigtige målinger bliver din indsats for at skabe produktvækst langt mere effektiv. Du bør dog aldrig basere dine beslutninger udelukkende på data. Glem ikke, at kvantitative data mangler nogle af de kvalitative indsigter, du har i hovedet.
Data er altså fantastisk, så længe du bruger det parallelt med din “mavefornemmelse for produktet.”
Glem ikke at tilmelde dig vores nyhedsbrev for flere ressourcer og vejledninger om produktledelse samt de seneste podcasts, interviews og andre indsigter fra brancheledere og eksperter.
