Tuotelähtöinen kasvu on osoittautunut yhdeksi tehokkaimmista strategioista digitaalisten tuotteiden rakentamiseen ja kasvattamiseen. Yksi sen menestyksen keskeisistä syistä on vahva tukeutuminen data-analytiikkaan älykkäiden päätösten tekemiseksi.
Jos siis etsit parhaillasi parempia tapoja menestyä tuotelähtöisessä kasvussa, tämän artikkelin tarkoitus on auttaa sinua hyödyntämään sen datalähtöisiä ominaisuuksia seuraamalla ja valvomalla oikeita mittareita.
PLG:n merkitys SaaS-yrityksille
Tuotelähtöinen kasvu on noussut vallitsevaksi strategiaksi syystä, etenkin SaaS-tuotteiden parissa. PLG-strategian avulla voit hankkia uusia asiakkaita ja kasvattaa liikevaihtoasi erittäin kestävällä ja edullisella tavalla.
PLG on kestävää, koska ihmiset eivät luota tuotteesi pitämisessä ja ostamisessa ainoastaan markkinointikampanjoihisi. Sen sijaan strategiassa käyttäjien annetaan käyttää tuotettasi tosielämässä (usein maksutta tuotteen hinnoittelustrategiastasi riippuen), kokeilla kiinnostavimpia ominaisuuksiasi ja (toivottavasti) ratkaista ongelmansa niiden avulla.
Heti kun he ymmärtävät, että tuotteesi voi ratkaista heidän ongelmansa, vaakakupit kallistuvat eduksesi ja käyttäjä alkaa maksaa tuotteestasi.
PLG on edullista , koska tuotteesi toimii itsepalveluna hyödynnettävänä markkinointikanavana. Luomalla poikkeuksellisia käyttäjäkokemuksia voit vakuuttaa käyttäjät siitä, että tuotteesi on juuri se, mitä he etsivät, ja muuttaa heidät tuotteesta kiinnostuneiksi liideiksi (PQL).
Koska tuotteesi hoitaa suurimman osan markkinoinnista puolestasi, et käytä läheskään yhtä paljon rahaa myyntitiimiisi ja markkinointitoimiisi asiakkaiden hankkimiseksi. Tämä johtaa uuden käyttäjän hankinnan keskimääräisten kustannusten merkittävään laskuun.
Nyt kun olemme palauttaneet mieleen PLG:n hyödyt, tarkastellaan keskeisiä SaaS-mittareita, joita sinun on mitattava varmistaaksesi, että tuotelähtöinen kasvustrategiasi etenee oikeaan suuntaan.
Tuotelähtöisen kasvun mittarit: aktivoinnin mittaaminen
Jokaisen käyttäjän matka PLG-tuotteessasi alkaa aktivoinnista. Se on prosessi, jossa ihmiset ottavat tuotteesi käyttöön, ymmärtävät, miten asiat toimivat (kiitos tuotteen käyttöönottoprosessisi!), kokeilevat ydintoiminnallisuuttasi ja kokevat tuotteesi tuottaman arvon.
Suosittelen seuraamaan seuraavia mittareita aktivointiprosessisi optimoimiseksi.
Huomautus: Näyttääkseni, miten tiettyjen mittareiden seuranta määritetään, käytän esimerkkeinä Mixpanelia, mutta voit vapaasti käyttää myös muita tuoteanalytiikkatyökaluja.
Mittari 1: Arvon saavuttamiseen kuluva aika
Aloitetaan yhdestä hyvän aktivoinnin tärkeimmistä ennakoivista mittareista – arvon saavuttamiseen kuluvasta ajasta (TTV). Käytän ilmaisua ”ennakoiva mittari” hyvästä syystä. Se tarkoittaa, että tämän mittarin parantaminen parantaa aktivointia kokonaisuudessaan.
TTV kuvaa aikaa, joka käyttäjiltä kuluu tuotteesi ydinarvon kokemiseen. Mitä nopeammin käyttäjät saavuttavat ydinarvosi, sitä epätodennäköisemmin he kyllästyvät ja hylkäävät tuotteesi.
TTV:n laskemiseksi sinun on seurattava kahta keskeistä hetkeä käyttäjän matkalla:
- Kun käyttäjät rekisteröityvät ja alkavat käyttää tuotettasi.
- Kun he suorittavat toiminnon, joka edustaa keskeistä ominaisuuttasi.
Katsotaan nyt, miten voit luoda Mixpanelissa raportin, jonka avulla voit mitata Zapierin kaltaisen integraatioihin perustuvan SaaS-tuotteen TTV:n. Tässä tapauksessa käyttäjien ydinarvon kokemiseen suorittamat toiminnot ovat luominen ja integrointi.
Voimme siis luoda suppilokaavion, jossa on kaksi vaihetta: ”rekisteröityminen” ja ”integraation luominen”.
Seuraavaksi määritämme tämän suppilon näkymäksi ”aika konversioon”, joka laskee mediaaniajan, joka käyttäjiltä kuluu ensimmäisestä vaiheesta toiseen vaiheeseen siirtymiseen.
Tässä raportissa näkyvät 24 päivää on tietenkin liian pitkä aika, ja menetät lähes varmasti käyttäjäsi ennen kuin he ehtivät tutustua integraatioihisi.
Jokin on siis pahasti pielessä joko analytiikan määrityksissäsi (ehkä et käynnistä oikeita tapahtumia) tai aktivointistrategiassasi.
Mittari 2: Ominaisuuden tai tuotteen käyttöönottoprosentti
Toinen PLG-vetoisten tuotteiden keskeinen mittari on nopeus, jolla ihmiset ottavat tuotteesi ominaisuuksia käyttöön.
PLG:ssä jokaisen uuden ominaisuuden tulisi palvella tiettyä tarkoitusta (esimerkiksi tapojen muodostamisen tai aktivoinnin parantamista). Jotta ominaisuutesi voisi vaikuttaa, ihmisten on ensin otettava se käyttöön ja alettava käyttää sitä aktiivisesti.
Siksi sinun on mitattava ominaisuuden käyttöönottoprosentti ja korjattava ominaisuutta tai käyttökokemusta, jos se on liian alhainen.
Oma lähestymistapani ominaisuuden käyttöönottoprosentin laskemiseen on hieman kiistanalainen ja eroaa muiden lähestymistavoista. Lasken niiden käyttäjien prosenttiosuuden, jotka ovat käyttäneet ominaisuutta kerran (eli löytäneet sen), sekä niiden käyttäjien prosenttiosuuden, jotka ovat käyttäneet sitä useammin kuin kaksi kertaa (eli ottaneet sen käyttöön).
Mixpanelissa voit tehdä tämän luomalla kaksi kohorttia.
Ensimmäinen tässä luomani kohortti mittaa löytämistä. Olen valinnut mittauksen aloituspäiväksi kyseisen ominaisuuden julkaisupäivän.
Toisen kohortin aikaväli on kuitenkin “viimeiset 30 päivää”, sillä ominaisuuden käyttäminen useammin kuin kaksi kertaa parin kuukauden aikana tuskin tarkoittaisi, että ominaisuus on otettu käyttöön.
Tämän jälkeen voit luoda analyysiraportin mukautetuilla kaavoilla, jotka laskevat edellä mainitsemani prosenttiosuudet jakamalla nämä kohortit aktiivisten käyttäjien määrällä.
Terve käyttöönottamisen ja löytämisen kaavio pitää löydettyjen ihmisten määrän vakaana samalla, kun käyttöönottoprosentti kasvaa tasaisesti.
Have an account? Log In
Mittari 3: AHA! Hetki
Lopuksi käsittelemme kaikkien PLG:n aktivointimittareiden Graalin maljaa – AHA! Hetkeä. Se tarkoittaa käyttäjän matkan vaihetta, jossa hän saa tuotteestasi eniten arvoa ja ymmärtää, että tuotteesi kannattaa ottaa osaksi päivittäistä toimintaansa.
Se kuulostaa hieman samanlaiselta kuin TTV, eikö? Molemmat liittyvät ydintoimintosi käyttöön. Arvon saavuttamiseen kuluva aika keskittyy kuitenkin käyttäjän rekisteröitymisen ja kyseisen ominaisuuden käyttämisen välisen viiveen osoittamiseen, kun taas AHA! Hetki näyttää niiden kaikkien käyttäjien määrän tai prosenttiosuuden, jotka ovat käyttäneet sitä (rekisteröityneiden joukosta).
Nyt AHA! Hetki -raportin rakentaminen Mixpanelissa aloitetaan samalla tavalla kuin TTV:n kohdalla: luomme suppilon, jonka vaiheina ovat “Rekisteröidy” ja “Luo integraatio”.
Toisin kuin TTV:n kohdalla, emme kuitenkaan valitse “konversioon kuluva aika” -visualisointia. Sen sijaan valitsemme “suppilon trendit” -vaihtoehdon.
Tämä vaihtoehto näyttää vaiheen 1 -> vaiheen 2 konversioasteen muutoksen ajan kuluessa.
Kuten tästä kaaviosta näemme, noin 30 % rekisteröityneistä käyttäjistä luo integraation ja saavuttaa AHA! Hetkensä.
Lisäksi näyttää siltä, ettei tämä osuus kasva eikä pienene, sillä viivakaavion trendiviiva näyttää olevan vaakasuora.
Sitoutumisen mittarit
Terve aktivointiaste on vain yksi osa menestystä. Jos haluat tuotteesi kasvavan kestävästi, sinun on myös varmistettava, että käyttäjät rakastavat tuotteesi käyttökokemusta ja että käyttäjien sitoutuminen sekä tuotteen käyttö ovat niin ikään terveellä tasolla.
Tässä ovat mittarit, joita suosittelen käyttämään käytön terveyden seuraamiseen.
Mittari 4: Tottumushetki
Seuraava tärkeä virstanpylväs, jonka haluat käyttäjiesi saavuttavan AHA! Hetken kokemisen jälkeen, on se, kun he ovat onnistuneesti muodostaneet tuotteesi ympärille tottumuksen ja heidän on vaikea suorittaa tehtäviään ilman sitä.
PLG-maailmassa kutsumme tätä käyttäjän matkan vaihetta tottumushetkeksi.
AHA! Hetken ja TTV:n tavoin olemme kiinnostuneita tuotteesi ydintoiminnoista. Kiinnitämme erityisesti huomiota siihen, kuinka usein ihmiset käyttävät niitä.
Voit sanoa henkilön muodostaneen tuotteen käyttöön liittyvän tottumuksen, jos ydintoimintojesi käyttötiheys vastaa käyttäjän kohtaaman ongelman luonnollista esiintymistiheyttä tai on ainakin lähellä sitä.
Esimerkiksi etätyöntekijät osallistuvat yleensä vähintään yhteen neuvottelupuheluun arkipäivisin. Siksi heidän Zoomin kaltaisen työkalun tarpeensa luonnollinen esiintymistiheys olisi päivittäin/arkipäivisin eli 5d7 (5 päivää 7 päivän jaksosta).
Tosielämässä ihmisillä olisi kuitenkin päiviä ilman kokouksia, tai he järjestäisivät aikataulunsa niin, etteivät kaikkiin arkipäiviin kuulu puheluita. Näin ollen ihmisillä, joilla on vakiintunut tapa käyttää videoneuvottelutyökalua aina työasioihin liittyvää puhelua soittaessaan, käyttötiheys olisi 4d7.
Tottumushetken virstanpylvästä varten valitsisit yleensä käyttötiheyden, joka on hieman ongelman luonnollista esiintymistiheyttä matalampi.
Niiden työkalujen osalta, joilla voit mitata ja visualisoida tätä, suosittelisin pyytämään data-analytiikkatiimiäsi rakentamaan sinulle mukautetun raportin Tableaulla tai PowerBI:llä, sillä tapahtumapohjaisilla analytiikkatyökaluilla (esim. Amplitude tai Mixpanel) on vaikeuksia luoda tottumushetkien kuvaajia.
Mittari nro 5: Asiakaspysyvyysaste
Asiakaspysyvyys on itse asiassa tärkein syy siihen, miksi haluat rakentaa käyttäjillesi tottumuksia. Tottumuksista on todella vaikea päästä eroon, joten henkilö, jolla on tapana ratkaista ongelmansa tuotteesi avulla, tekee niin hyvin pitkään (kunnes ongelma poistuu tai markkinoille tulee viisi kertaa parempi tuote).
Ymmärtääksesi, pysyvätkö ihmiset kanssasi pitkällä aikavälillä, sinun on mitattava heidän asiakaspysyvyyttään.
Asiakaspysyvyys osoittaa niiden ihmisten prosenttiosuuden, jotka ovat käyttäneet sovellustasi jatkuvasti pitkän ajanjakson ajan. Esimerkiksi 50 prosentin 7 päivän asiakaspysyvyys tarkoittaa, että puolet ihmisistä käyttää sovellustasi vielä 7 päivän jälkeen.
Tuotteen pitkäaikaisen käyttötavan ymmärtämiseksi sinun on selvitettävä kolme asiakaspysyvyyden osatekijää:
- Keskeinen toiminto: Kuten muidenkin mittareiden kohdalla, tämä on keskeinen ominaisuus, joka edustaa tuotteesi pääasiallista arvoa.
- Käyttötiheys: Päivittäin/viikoittain/kuukausittain jne. Kun määrität tämän, kerrot analytiikkatyökalulle, että se laskee ominaisuuden jatkuvan käytön sen perusteella, käytetäänkö sitä vähintään kerran päivässä/viikossa/kuukaudessa jne.
- Ajanjakso: Tämä on peräkkäisten päivien/viikkojen määrä, jonka ajan ihmiset ovat käyttäneet tuotettasi. Perinteisesti seuraisit D7-, D28- ja D90-asiakaspysyvyyttä tietääksesi, kuinka moni jatkaa tuotteesi käyttöä viikon, kuukauden tai vuosineljänneksen jälkeen.
Kuvitellaan nyt, että hallinnoit Dropboxin kaltaista verkkotallennuspalvelua. Asiakaspysyvyyden laskemista varten valitset keskeiseksi toiminnoksi ”Lataa mediaa”, käyttötiheydeksi ”Päivittäin” ja ajanjaksoksi D28:n.
Jos määrität tämän kaiken Mixpanelissa, näet seuraavan näkymän.
Kuten näemme, tuotteemme asiakaspysyvyyskäyrä ei ole tasainen, ja se lähestyy nollaa kohdassa D28. Tämä tarkoittaa, että menetämme kaikki käyttäjät 28 päivän kuluessa eikä meillä ole pitkäaikaisia käyttäjiä.
Seuraavaksi meidän olisi selvitettävä, miksi ihmiset hylkäävät tuotteemme, ja korjattava havaitsemamme ongelmat.
Mittari nro 6: Poistuma-aste
Puhuimme ihmisistä, jotka pysyvät asiakkainasi (mikä näkyy asiakaspysyvyydessä). Nyt on aika puhua ihmisistä, jotka eivät pysyneet (mikä näkyy asiakaspysyvyysasteen laskuna ajan mittaan).
Prosessia, jossa käyttäjäsi hylkäävät tuotteesi, kutsutaan poistumaksi. He saattavat joko vaihtaa tuotteesi suoraan kilpailijan tuotteeseen tai alkaa ratkaista ongelmaansa epäsuorien vaihtoehtojen avulla.
Kummassakin tapauksessa poistumaa on mitattava ja seurattava aktiivisesti, ja sitä on pyrittävä välttämään.
Perinteinen poistuman mittaamisen kaava on seuraava.
Tämä vaikuttaa varsin suoraviivaiselta, eikö vain? Jos haluat mitata viikoittaista poistumaa, lasket ensin viimeisten 7 päivän aikana menettämiesi loppukäyttäjien kokonaismäärän ja jaat sen viikko sitten olleiden käyttäjien määrällä.
Tämä poistuman erityistyyppi on hyödyllinen, kun työskentelet talouslukujesi parissa (esim. mittaat LTV:tä tai tarkastelet menetettyjä tuloja) tai kun haluat laskea käyttäjäkuntasi kokonaiskasvun (uudet käyttäjät – poistuneet käyttäjät).
Tämä mittari ei kuitenkaan pysty osoittamaan tehokkaasti, kuinka hyvin tuotteesi ratkaisee ihmisten kipupisteitä. Tätä varten voit laskea poistuman eri alatyypin, jossa tarkastelet niiden ihmisten määrää, jotka ovat poistuneet siitä lähtien, kun he rekisteröityivät ja alkoivat käyttää tuotettasi.
Tämä on käytännössä asiakaspysyvyysasteen vastakohta, ja sen avulla näet, kuinka monta ihmistä menetät ensimmäisten päivien aikana (diagnoosi: heikko aktivointi ja käyttöönotto) ja kuinka monta menetät ensimmäisten viikkojen aikana (diagnoosi: heikko tottumuksen muodostuminen).
Poistuneiden käyttäjien laskemiseksi Mixpanelissa voit luoda seuraavanlaisen kohortin.
Tässä olen käyttänyt pitkää, 60 päivän ajanjaksoa olettaen, että työskentelemme tuotteen parissa, jota käytetään joko viikoittain tai joka toinen viikko. Jos tuotetta käytetään päivittäin, voit käyttää myös 14 päivän ajanjaksoa.
Hankinnan mittarit
Olemme tähän mennessä käsitelleet tuotteen käyttöönoton kokemusta ja tuotteen sitouttavuutta. Erinomainen PLG-strategia ei kuitenkaan koske ainoastaan näitä kahta asiaa.
Sinun on myös toteutettava sovelluksen sisäistä hankintaa ja mitattava sitä kasvusilmukoiden avulla.
Tätä varten voit harkita näiden mittareiden käyttöä.
Mittari 7: viraalisuus
Yksi tuotevetoisen kasvustrategian keskeinen ero perinteisempiin myynti- tai markkinointivetoisiin strategioihin verrattuna on sen aktiivinen kasvusilmukoiden käyttö.
Silmukka on toisin kuin suppilo (jossa seurataan merirosvomittareita) itseään vahvistava. Tämä tarkoittaa, että ihmiset, jotka olet hankkinut silmukkasi ensimmäisen kierroksen avulla, auttavat sinua siirtymään toiselle kierrokselle ja hankkimaan lisää ihmisiä. Toisella kierroksella hankitut ihmiset auttavat sinua pääsemään kolmannelle kierrokselle ja niin edelleen.
Yksi yleisimmistä kasvusilmukoiden tyypeistä on viraalisilmukka. Se syntyy, kun ihmiset jakavat sisältöä ystäviensä tai kollegoidensa kanssa tuotteesi avulla (esimerkiksi Google Docs -dokumentin tapauksessa) ja nämä ystävät rekisteröityvät tuotteeseesi nähdäkseen sisällön tai tehdäkseen sen parissa yhteistyötä.
Juuri rekisteröityneet käyttäjät jakavat omaa sisältöään ystävilleen, jolloin silmukka jatkaa toimintaansa.
Tämän suosittelusilmukan tehokkuuden mittaamiseksi sinun on laskettava K-mittari, joka tunnetaan paremmin viraalikertoimena.
K kertoo, kuinka monta uutta käyttäjää nykyiset käyttäjäsi voivat hankkia jakamisominaisuuksiesi (tai vastaavien ominaisuuksien) avulla.
Jos esimerkiksi keskimääräinen Google Docs -käyttäjä jakaa dokumenttinsa viidelle ihmiselle ja 60 % heistä rekisteröityy tuotteeseen, Google Docsin jakamisominaisuuden K on 5 x 60 % = 3.
Tämä luku osoittaa, että jokainen Google Docs -käyttäjä voi tuoda tuotteeseen kolme uutta käyttäjää vain käyttämällä tuotettasi.
Tätä on vaikea mitata tapahtumapohjaisella analytiikkatyökalulla, joten pyydä data-tiimiäsi toimittamaan sinulle mukautettu BI-raportti.
Mittari 8: kasvukerroin
Viraalisuus on tärkeä mittari, mutta se ei edusta SaaS-kasvumallisi ja -silmukoidesi todellista konversioastetta. Syynä on se, että viraalisuus mittaa vain yhden silmukan kierroksen tulosta.
Tiedämme kuitenkin, että ensimmäisen kierroksen aikana rekisteröityneet käyttäjät aloittavat toisen kierroksen jakamalla sisältöä ystävilleen ja kollegoilleen. Viraaliluku koskee heitä kaikkia, joten todellinen käyttäjämäärä, jonka yksi nykyinen käyttäjä voi tuoda, on kaikkien peräkkäisten silmukoiden kaikkien uusien käyttäjien summa.
Tämän mittaamiseksi otamme käyttöön kasvukertoimeksi kutsutun mittarin.
Edellä olevassa kaavassa V on yhden silmukan viraalikerroin. Jos tuotteesi V on esimerkiksi 0,8 (yli 1:n suuruiset viraalikertoimet ovat tosielämässä harvinaisia), kasvukertoimesi on 5. Tämä tarkoittaa, että jokainen käyttäjäsi tuo viisi uutta käyttäjää olettaen, että hänen tuomansa käyttäjät käyttävät jakamisominaisuutta ja pitävät silmukan käynnissä, kunnes se hiipuu.
Tämäkin on mitattava BI-ratkaisun avulla.
Mittari 9: suositteluindeksi
Tämä ei varsinaisesti ole hankinnan mittari. Halusin kuitenkin sisällyttää sen tähän, koska se kuvastaa asiakastyytyväisyyttä ja toimii ennakoivana indikaattorina yhdelle PLG:n keskeisistä kasvusilmukoista eli puskaradiomarkkinoinnin (WOM) silmukalle. Tämän silmukan nimi on melko itsestään selvä: ihmiset käyttävät tuotettasi, pitävät siitä, kertovat siitä ystävilleen, minkä jälkeen nämä ystävät alkavat käyttää sitä ja kertovat siitä omille ystävilleen, ja niin edelleen.
Et voi oikeastaan mitata WOM-silmukan viraalikerrointa, koska sinulla on vain vähän tai ei lainkaan tietoa siitä, kuinka moni ihminen rekisteröityy yksittäisen käyttäjän suositusten perusteella. Siksi sinun on luotettava ennakoiviin indikaattoreihin silmukkasi ennustamisessa ja optimoinnissa. Yksi parhaista WOM-markkinointisi mittareista tässä tapauksessa on suositteluindeksi (NPS).
Se on yksinkertainen kysely, jossa kysytään, kuinka todennäköisesti ihmiset (asteikolla 1–10) suosittelisivat tuotettasi ystävilleen ja kollegoilleen. Tämän jälkeen otat kyselyn tulokset ja sijoitat ne tähän kaavaan.
Tässä suosittelijoita ovat ne, jotka ovat valinneet asteikolta arvon 9 tai 10, ja arvostelijoita ne, joiden arvosana on 6 tai vähemmän.
Kun nyt tarkastellaan tämän kyselyn toteuttamista, voit pyytää asiakasmenestystiimejä esittämään tämän kysymyksen ihmisille, joiden kanssa he keskustelevat, pyytää markkinointitiimiä lisäämään sen käyttäjäpalautetta kerääviin sähköpostityönkulkuihin tai toteuttaa UX-ratkaisun lisäämällä sen osaksi asiakaspolkuasi.
Bonuskierros: taloudelliset PLG-mittarit
Ennen kuin päätämme tuotelähtöisestä kasvusta vastaavan tiimin suorituskykymittareihin, haluan esitellä lyhyesti tärkeät taloudelliset mittarit, joita tyypillinen PLG-yritys tarkastelee.
Nettouusi liikevaihto ja laajennusliikevaihto
Määrititpä sen kuukauden (MRR) tai vuoden (ARR) perusteella, on hyvä jakaa uusi liikevaihto kahteen osaan: laajennusliikevaihtoon ja uuteen liikevaihtoon.
Uusi liikevaihto tulee uusista asiakkaista, kun taas laajennusliikevaihto tulee nykyisiltä asiakkailta, jotka päättivät ostaa lisää käyttöoikeuksia tai päivittää tilauksensa (lisämyynti ja ristiinmyynti).
Näiden kahden erottaminen auttaa suunnittelemaan ja toteuttamaan liikevaihdon kasvua paremmin, sillä laajennusliikevaihtoa on yleensä helpompi kasvattaa, mutta tarvitset jatkuvasti uusia asiakkaita, joiden asiakkuutta voit myöhemmin laajentaa.
Liikevaihdon nettopoistuma
Tämä mittari on melko itsestään selvä. Se osoittaa sen vuotuisen tai kuukausittaisen toistuvan liikevaihdon määrän, jonka olet menettänyt asiakkaiden lähtemisen vuoksi tietyn ajanjakson aikana.
Keskimääräinen liikevaihto käyttäjää kohden (ARPU)
Tämä mittari on käytännössä ARR jaettuna maksavien käyttäjien määrällä. Tuotelähtöisesti toimivat yritykset käyttävät tätä mittaria jakaakseen käyttäjät käyttäytymisen perusteella taloudellisesti määriteltyihin segmentteihin (esimerkiksi kuluttajat, prosumerit ja suuryritysasiakkaat) sekä seuratakseen sen perusteella hankinnan laatua (ARPU:n kasvu tarkoittaa laadukkaampia käyttäjiä).
More Articles
Asiakkaan elinkaariarvo (CLV)
ARPU:lle on toinenkin käyttötarkoitus. Se toimii perustana asiakkaan elinkaariarvon laskemiselle. Lasket sen jakamalla ARPU:n poistuma-asteellasi, ja se edustaa kokonaisrahamäärää, jonka tulet ansaitsemaan keskimääräiseltä asiakkaalta ennen tämän poistumista.
Asiakkaan hankintakustannus (CAC)
Lopuksi sinulla on yhden maksavan asiakkaan hankkimisen kustannus, joka saadaan jakamalla hankintaan käyttämäsi kokonaismäärä hankkimiesi asiakkaiden määrällä.
Käytät CAC:tä ja CLV:tä liiketoimintamallisi elinkelpoisuuden arviointiin. Haluat CLV:n olevan suurempi kuin CAC:n (hyvä vertailuarvo on 4x) varmistaaksesi, ettet toimi tappiolla.
Data on hienoa, mutta älä sivuuta vaistoasi!
Olisi hieman kummallista päättää mittareita ja analytiikkaa käsittelevä opas pyytämällä sinua luottamaan intuitioosi. Mutta usko minua, se on hyvä neuvo.
Oikeiden mittareiden seuranta tekee tuotteesi kasvattamiseen tähtäävistä toimistasi paljon tehokkaampia. Päätöksiä ei kuitenkaan pitäisi koskaan perustaa pelkästään dataan. Älä unohda, että määrällisestä datasta puuttuu osa mielessäsi olevista laadullisista näkemyksistä.
Data on siis hienoa, kunhan käytät sitä rinnakkain ”tuotevaistosi” kanssa.
Muista tilata uutiskirjeemme saadaksesi lisää tuotehallinnan resursseja ja oppaita sekä uusimmat podcastit, haastattelut ja muut alan johtajien ja asiantuntijoiden näkemykset.
