Produktledet vekst har vist seg å være en av de mest effektive strategiene for å bygge og utvikle digitale produkter. En av hovedgrunnene til suksessen er den sterke avhengigheten av dataanalyse for å ta smarte beslutninger.
Så hvis du for tiden utforsker bedre måter å lykkes med produktledet vekst på, handler denne artikkelen om å hjelpe deg med å dra nytte av de datadrevne egenskapene ved å spore og overvåke de riktige målingene.
Betydningen av PLG for SaaS-selskaper
Det er en grunn til at produktledet vekst har tatt over, særlig innen SaaS-produkter. Med en PLG-strategi kan du skaffe nye kunder og øke inntektene dine på en svært bærekraftig og kostnadseffektiv måte.
PLG er bærekraftig fordi folk ikke bare baserer seg på markedsføringskampanjene dine for å like og kjøpe produktet ditt. I stedet bygger strategien på at brukerne får bruke produktet ditt i virkeligheten (ofte uten å betale, avhengig av prisstrategien for produktet ditt), teste de mest overbevisende funksjonene dine og (forhåpentligvis) løse problemene sine med det.
Så snart de innser at produktet ditt kan løse problemene deres, tipper vekten i din favør, og brukeren begynner å betale for produktet ditt.
PLG er kostnadseffektivt fordi produktet ditt fungerer som en selvbetjent markedsføringskanal. Ved å skape eksepsjonelle brukeropplevelser kan du overbevise brukerne dine om at produktet ditt er akkurat det de leter etter, og gjøre dem om til produktkvalifiserte leads (PQL-er).
Siden produktet ditt gjør det meste av markedsføringen for deg, bruker du ikke på langt nær like mye på salgsteamet og markedsføringsinnsatsen for å skaffe kunder. Dette fører til en betydelig reduksjon i den gjennomsnittlige kostnaden for å skaffe en ny bruker.
Nå som vi har frisket opp hukommelsen med fordelene ved PLG, skal vi se nærmere på de viktigste SaaS-målingene du må måle for å sikre at du beveger deg i riktig retning med strategien din for produktledet vekst.
Målinger for produktledet vekst: Måling av aktivering
Alle brukeres reise i PLG-produktet ditt starter med aktivering. Det er prosessen der folk setter opp produktet ditt, forstår hvordan ting fungerer (takket være introduksjonsprosessen for produktet ditt!), prøver kjernefunksjonaliteten din og opplever verdien av produktet ditt.
Jeg foreslår at du sporer følgende målinger for å optimalisere aktiveringsflyten din.
Merk: For å vise deg hvordan du setter opp sporing av bestemte målinger, bruker jeg eksempler med Mixpanel, men du står fritt til å bruke andre produktanalyseverktøy.
Måling nr. 1: Tid til verdi
La oss begynne med en av de viktigste ledende indikatorene på god aktivering – tid til verdi (TTV). Det er en god grunn til at jeg bruker uttrykket «ledende indikator». Det betyr at dersom du forbedrer denne målingen, vil du forbedre aktiveringen generelt.
TTV representerer tiden det tar før brukerne opplever kjerneverdien i produktet ditt. Jo raskere brukerne kommer frem til kjerneverdien din, desto mindre sannsynlig er det at de kjeder seg og forlater produktet ditt.
For å beregne TTV må du spore to viktige øyeblikk i brukerreisen:
- Når brukerne registrerer seg og begynner å bruke produktet ditt.
- Når de utfører handlingen som representerer nøkkelfunksjonen din.
La oss nå se hvordan du kan opprette en rapport i Mixpanel for å måle TTV-en til et integrasjonsbasert SaaS-produkt som ligner på Zapier. I dette tilfellet er handlingen brukerne utfører for å oppleve kjerneverdien i produktet ditt å opprette og integrere.
Dermed kan vi lage et traktdiagram med to trinn: «registrering» og «opprett integrasjon».
Deretter setter vi visningen av denne trakten til «tid til konvertering», som beregner median tiden det tar for brukerne å gå fra trinn én til trinn to.
24 dager, slik denne rapporten viser, er selvfølgelig for lenge, og du vil nesten helt sikkert miste brukerne dine før de får sett på integrasjonene dine.
Det må derfor være noe som er alvorlig galt, enten med analyseoppsettet ditt (kanskje du ikke utløser de riktige hendelsene) eller med aktiveringsstrategien din.
Måling nr. 2: Adopsjonsrate for funksjoner eller produktet
En annen viktig måling for PLG-drevne produkter er raten som viser hvor mange som tar i bruk produktfunksjonene dine.
Innen PLG bør hver nye funksjon ha et spesifikt formål (f.eks. å forbedre vanedannelse, aktivering osv.). For at funksjonen din skal ha en effekt, må folk først ta den i bruk og begynne å bruke den aktivt.
Derfor må du måle adopsjonsraten for funksjonen og forbedre funksjonen eller brukeropplevelsen hvis den er for lav.
Min tilnærming til å beregne adopsjonsraten for funksjonen er litt kontroversiell og skiller seg fra andres. Jeg beregner prosentandelen av brukere som har brukt funksjonen én gang (det vil si at de har oppdaget den), og prosentandelen av brukere som har brukt den mer enn to ganger (det vil si at de har tatt den i bruk).
I Mixpanel kan du oppnå dette ved å opprette to kohorter.
Den første jeg opprettet her, brukes til å måle oppdagelse. Her har jeg valgt startdatoen for målingen til å være lanseringsdatoen for funksjonen.
For den andre er tidsrammen imidlertid «de siste 30 dagene», ettersom det knapt kan regnes som adopsjon å bruke funksjonen mer enn to ganger i løpet av et par måneder.
Deretter kan du opprette en Insights-rapport med egendefinerte formler som beregner prosentandelene jeg nevnte ovenfor, ved å dele disse kohortene på antallet aktive brukere.
Et sunt diagram for adopsjon og oppdagelse vil holde antallet personer som har oppdaget funksjonen stabilt, mens adopsjonsraten vokser jevnt.
Have an account? Log In
Måling nr. 3: AHA!-øyeblikket
Til slutt har vi den hellige gralen blant alle PLG-målinger for aktivering – AHA!-øyeblikket. Det representerer punktet i brukernes reise der de får størst verdi fra produktet ditt og innser at produktet ditt er verdt å ta i bruk i hverdagen.
Det høres litt ut som TTV, ikke sant? Vel, begge handler om bruken av kjernefunksjonen din. Men tid til verdi fokuserer på å vise tidsforsinkelsen mellom det at brukerne registrerer seg og bruker funksjonen, mens AHA!-øyeblikket viser antallet eller prosentandelen av alle brukere som har brukt den (blant dem som har registrert seg).
For å bygge AHA!-øyeblikksrapporten i Mixpanel starter vi på samme måte som med TTV og oppretter en trakt med «Registrer deg» og «Opprett integrasjon» som trinnene våre.
I motsetning til TTV velger vi imidlertid ikke visualiseringen «tid til konvertering». I stedet velger vi alternativet «trakttrender».
Dette alternativet viser endringen i konverteringsraten fra trinn 1 -> trinn 2 over tid.
Som vi kan se av dette diagrammet, oppretter omtrent 30 % av brukerne som har registrert seg, en integrasjon og når AHA!-øyeblikket sitt.
Dessuten ser det ut til at denne raten verken øker eller synker, ettersom trendlinjen i linjediagrammet ser ut til å være vannrett.
Målinger av engasjement
En sunn aktiveringsrate er bare én del av suksessen. Hvis du vil at produktet ditt skal vokse bærekraftig, må du også sørge for at brukerne er begeistret for produktopplevelsen din, og at brukerengasjementet og produktbruken også er sunn.
Her er det jeg anbefaler at du bruker for å følge med på brukshelsen.
Måling nr. 4: Vaneøyeblikket
Den neste viktige milepælen du ønsker at brukerne skal nå etter å ha opplevd AHA!-øyeblikket sitt, er når de har etablert en vane rundt produktet ditt og vil ha problemer med å utføre oppgavene sine uten det.
I PLG-verdenen kaller vi dette øyeblikket i brukerreisen for vaneøyeblikket.
Akkurat som med AHA!-øyeblikket og TTV er vi opptatt av kjernefunksjonene i produktet ditt. Vi følger spesielt med på hvor ofte folk bruker dem.
Du kan si at en person har utviklet en vane med å bruke produktet ditt hvis bruksfrekvensen for kjernefunksjonene dine er lik (eller i det minste nær) den naturlige frekvensen for når problemet oppstår for brukeren.
Fjernarbeidere vil for eksempel vanligvis delta i minst én konferansesamtale på hverdager. Den naturlige frekvensen for når de trenger et verktøy som Zoom, vil derfor være daglig/hverdager eller 5d7 (5 dager i løpet av en periode på 7 dager).
I virkeligheten ville folk imidlertid hatt dager uten møter eller lagt opp timeplanen sin slik at ikke alle ukedagene deres hadde samtaler. Derfor ville du hatt personer med etablerte vaner for å bruke videokonferanseverktøyet ditt hver gang de trenger å foreta en arbeidsrelatert samtale, med en frekvens på 4d7.
For vaneøyeblikkets milepæl ville du derfor vanligvis valgt en frekvensrate som er litt lavere enn den naturlige frekvensen for når problemet oppstår.
Når det gjelder verktøyene du kan bruke til å måle og visualisere dette, vil jeg anbefale å be analyseteamet ditt om å lage en tilpasset rapport i Tableau eller PowerBI, ettersom hendelsesdrevne analyseverktøy (f.eks. Amplitude eller Mixpanel) har problemer med å lage diagrammer for vaneøyeblikk.
Måltall nr. 5: Retensjonsrate
Retensjon er faktisk hovedgrunnen til at du ønsker å bygge vaner blant brukerne dine. Vaner er svært vanskelige å bryte, så en person som har en vane med å løse problemene sine med produktet ditt, vil gjøre det over svært lang tid (frem til problemet forsvinner eller et fem ganger bedre produkt dukker opp på markedet).
For å forstå om folk blir hos deg på lang sikt, må du måle retensjonen deres.
Retensjon viser prosentandelen personer som har brukt appen din kontinuerlig over en lengre periode. En retensjon på 50 % etter 7 dager betyr for eksempel at halvparten av personene fortsatt bruker appen din etter 7 dager.
Det er tre elementer ved retensjon som du må finne ut av for å forstå de langsiktige brukstrendene for produktet ditt:
- Hovedhandling: Akkurat som med andre måltall vil dette være kjernefunksjonen som representerer hovedverdien i produktet ditt.
- Frekvens: Daglig/ukentlig/månedlig osv. Ved å sette dette opp forteller du analyseverktøyet at det skal beregne kontinuerlig bruk av funksjonen basert på om den brukes minst én gang daglig/ukentlig/månedlig osv.
- Tidsramme: Dette er antallet sammenhengende dager/uker personene har brukt produktet ditt. Vanligvis følger du med på retensjon etter D7, D28 og D90 for å vite hvor mange som fortsetter å bruke produktet etter en uke, måned eller et kvartal.
La oss nå forestille oss at du driver en nettbasert lagringstjeneste som ligner på Dropbox. For å beregne retensjonen velger du «Last opp medier» som hovedhandling, «Daglig» som frekvens og D28 som tidsramme.
Hvis du setter opp alt dette i Mixpanel, er dette det du vil se.
Som vi kan se, er retensjonskurven for produktet vårt ikke flat, og den nærmer seg null ved D28. Det betyr at vi mister alle innen 28 dager og ikke har noen langsiktige brukere.
De neste stegene våre vil derfor være å finne ut hvorfor folk forlater oss, og løse problemene vi identifiserer.
Måltall nr. 6: Frafallsrate
Vi har snakket om personene som blir hos deg (representert ved retensjon). Nå er det på tide å snakke om personene som ikke gjorde det (representert ved nedgangen i retensjonsraten over tid).
Prosessen der brukerne dine forlater produktet ditt, er kjent som frafall. De kan enten erstatte deg med en direkte konkurrent eller begynne å løse problemet sitt med indirekte alternativer.
I begge tilfeller er frafall noe du må måle, overvåke og unngå aktivt.
Den tradisjonelle formelen for å måle frafall er som følger.
Dette ser vel ganske enkelt ut? Hvis du vil måle ukentlig frafall, teller du først det totale antallet sluttbrukere du har mistet i løpet av de siste 7 dagene, og deler det på antallet brukere du hadde for en uke siden.
Denne spesifikke typen frafall er nyttig når du arbeider med økonomien din (f.eks. måler LTV eller ser på tapte inntekter), eller når du vil beregne den samlede vekstraten for brukerbasen din (nye brukere – brukere som har falt fra).
Dette måltallet vil imidlertid ha problemer med å vise hvor effektivt produktet ditt er når det gjelder evnen til å løse brukernes problemer. For å gjøre det kan du beregne en annen type frafall, der du ser på antallet personer du har mistet siden de registrerte seg og begynte å bruke produktet ditt.
Denne er i hovedsak det motsatte av retensjonsraten og lar deg se hvor mange personer du mister i løpet av de første dagene (diagnose: dårlig aktivering og oppsett), og hvor mange du mister i løpet av de første ukene (diagnose: dårlig vanedannelse).
Når det gjelder å beregne brukerne som har falt fra, kan du opprette en kohort i Mixpanel som ser slik ut.
Her har jeg brukt en lang tidsramme på 60 dager, basert på antakelsen om at vi arbeider med et produkt som brukes enten ukentlig eller annenhver uke. Hvis produktet ditt brukes daglig, kan du også bruke en tidsramme på 14 dager.
Metrikker for kundeanskaffelse
Så langt har vi snakket om opplevelsen ved introduksjon til produktet og produktengasjement. Men en god PLG-strategi handler ikke bare om disse to.
Du må også implementere og måle kundeanskaffelse i appen ved hjelp av vekstsløyfer.
For å gjøre dette kan du vurdere å bruke disse metrikkene.
Metrikk nr. 7: Viralitet
En viktig forskjell mellom en produktstyrt vekststrategi og mer tradisjonelle salgs- eller markedsføringsstyrte strategier er den aktive bruken av vekstsløyfer.
En sløyfe er, i motsetning til en trakt (som følger piratmetrikker), selvforsterkende. Det betyr at personene du har skaffet gjennom den første iterasjonen av sløyfen, hjelper deg inn i den andre iterasjonen og med å skaffe flere personer. Personene som skaffes gjennom den andre iterasjonen, hjelper deg inn i den tredje, og så videre.
En av de vanligste typene vekstsløyfer er den virale sløyfen. Den oppstår når personer deler innhold med venner eller kolleger ved hjelp av produktet ditt (for eksempel et dokument i Google Dokumenter), og disse vennene registrerer seg for produktet ditt for å se eller samarbeide om det.
De nyregistrerte brukerne deler sitt eget innhold med vennene sine, slik at sløyfen fortsetter.
For å måle hvor effektiv denne henvisningssløyfen er, må du beregne K-metrikken, som er bedre kjent som den virale koeffisienten.
K forteller deg hvor mange nye brukere de eksisterende brukerne dine kan skaffe ved hjelp av delingsfunksjoner (eller lignende funksjoner).
Hvis for eksempel den gjennomsnittlige Google Dokumenter-brukeren deler dokumentene sine med fem personer, og 60 % av dem registrerer seg for produktet, er K for delingsfunksjonen i Google Dokumenter 5 x 60 % = 3.
Dette tallet viser at hver Google Dokumenter-bruker kan skaffe tre flere brukere ved ganske enkelt å bruke produktet ditt.
Det er vanskelig å måle dette med et hendelsesbasert analyseverktøy, så be datateamet om å lage en tilpasset BI-rapport.
Metrikk nr. 8: Vekstmultiplikator
Viralitet er en viktig metrikk, men den representerer ikke den reelle konverteringsraten for SaaS-vekstmodellen og -sløyfene dine. Grunnen er at viralitet bare måler resultatet av én enkelt iterasjon av sløyfen.
Men vi vet at brukerne som registrerte seg i den første iterasjonen, er de som starter den andre iterasjonen ved å dele innhold med venner og kolleger. Viralitetstallet gjelder for alle disse, så det reelle antallet brukere én eksisterende bruker kan skaffe, er summen av alle de nye brukerne fra alle de påfølgende sløyfene.
For å måle dette introduserer vi en metrikk som kalles vekstmultiplikator.
I formelen ovenfor er V den virale koeffisienten for én enkelt sløyfe. Hvis du har et produkt med en V på 0,8 (virale koeffisienter over 1 er sjeldne i virkeligheten), vil vekstmultiplikatoren din være 5. Det betyr at hver av brukerne dine vil skaffe fem flere brukere, forutsatt at brukerne de skaffer, bruker delingsfunksjonen og holder sløyfen i gang til den ebber ut.
Også dette bør måles ved hjelp av en BI-løsning.
Metrikk nr. 9: Netto promotørscore
Dette er ikke egentlig en metrikk for kundeanskaffelse. Jeg ønsket likevel å ta den med her, siden den representerer kundetilfredshet og er en ledende indikator for en av PLG-strategiens viktigste vekstsløyfer – jungeltelegrafslyngen (WOM). Navnet på denne sløyfen er ganske selvforklarende – folk bruker produktet ditt, liker det, forteller vennene sine om det, og disse vennene begynner å bruke det og forteller sine venner, og så videre.
Du kan egentlig ikke måle den virale koeffisienten for WOM-sløyfen, siden du vet lite eller ingenting om hvor mange som registrerer seg basert på anbefalingene fra én enkelt bruker. Derfor må du basere deg på ledende indikatorer for å forutsi og optimalisere sløyfen. En av de beste indikatorene for å måle WOM i dette tilfellet er netto promotørscore (NPS).
Det er et enkelt spørreskjema som spør hvor sannsynlig det er (på en skala fra 1 til 10) at folk vil anbefale produktet ditt til venner og kolleger. Deretter tar du resultatene fra undersøkelsen og setter dem inn i denne formelen.
Her er promotører de som har valgt 9 eller 10 på skalaen, mens kritikere er de som har valgt 6 eller lavere.
Når det gjelder gjennomføringen av denne undersøkelsen, kan du be kundesuksessteamene om å stille dette spørsmålet til personene de snakker med, be markedsføringsteamet om å legge det til i arbeidsflytene for e-post med tilbakemeldinger fra brukerne, eller bruke en UX-løsning ved å legge det til i kundereisen.
Bonusrunde: Finansielle PLG-måltall
Før vi avslutter med KPI-ene for det produktstyrte vekstteamet, vil jeg gi deg en rask gjennomgang av de viktige finansielle måltallene som en typisk PLG-bedrift ville vurdert.
Netto nye inntekter og ekspansjonsinntekter
Enten du måler dette per måned (MRR) eller per år (ARR), er det lurt å dele de nye inntektene dine inn i to komponenter: ekspansjonsinntekter og nye inntekter.
Nye inntekter kommer fra nye kunder, mens ekspansjonsinntekter kommer fra eksisterende kunder som har bestemt seg for å kjøpe flere plasser eller oppgradere abonnementet sitt (mersalg og kryssalg).
Ved å skille mellom disse to blir det enklere å planlegge og gjennomføre bedre inntektsvekst, ettersom ekspansjon vanligvis er enklere å gjennomføre, men du trenger en jevn tilstrømning av nye kunder som du senere kan ekspandere salget til.
Netto inntektsfrafall
Dette er ganske selvforklarende. Dette måltallet viser hvor store årlige eller månedlige tilbakevendende inntekter du har mistet fordi kunder har forlatt deg i løpet av en bestemt tidsperiode.
Gjennomsnittlig inntekt per bruker (ARPU)
Dette måltallet er i praksis ARR delt på antallet betalende brukere. Produktstyrte selskaper bruker dette måltallet til å dele brukerne inn i bestemte segmenter basert på brukeratferd når det gjelder økonomi (for eksempel forbrukere, profesjonelle forbrukere og kunder på bedriftsnivå), og overvåker kvaliteten på kundeanskaffelsen basert på dette (vekst i ARPU betyr brukere av bedre kvalitet).
More Articles
Kundens livstidsverdi (CLV)
ARPU har også et annet bruksområde. Den fungerer som grunnlag for å beregne kundens livstidsverdi. Du beregner den som ARPU delt på frafallsraten din, og den representerer det totale pengebeløpet du kommer til å tjene på en gjennomsnittlig kunde før kunden faller fra.
Kostnad for kundeanskaffelse (CAC)
Til slutt har du kostnaden for å skaffe én betalende kunde, som er det totale beløpet du bruker på kundeanskaffelse, delt på antallet kunder du har skaffet.
Du bruker CAC og CLV til å vurdere om forretningsmodellen din er levedyktig. Du ønsker at CLV skal være høyere enn CAC (en god referanseverdi er 4x) for å sikre at du ikke driver med tap.
Data er flott, men ikke avfei magefølelsen din!
Det kan virke litt merkelig at jeg avslutter en veiledning om måltall og analyse med å be deg stole på intuisjonen din. Men tro meg, det er et godt råd.
Hvis du følger med på de riktige måltallene, blir arbeidet med produktvekst langt mer effektivt. Du bør imidlertid aldri basere beslutningene dine utelukkende på data. Ikke glem at kvantitative data mangler noen av de kvalitative innsiktene du har i hodet.
Data er altså flott så lenge du bruker den parallelt med «produktintuisjonen» din.
Ikke glem å abonnere på nyhetsbrevet vårt for flere ressurser og veiledninger om produktledelse, i tillegg til de nyeste podkastene, intervjuene og annen innsikt fra bransjeledere og eksperter.
