9 productgestuurde groeimetrics + hoe je ze gebruikt
Productgestuurde groei heeft bewezen een van de effectiefste strategieën te zijn voor het ontwikkelen en laten groeien van digitale producten. Een van de belangrijkste redenen voor het succes ervan is de sterke afhankelijkheid van data-analyse om slimme beslissingen te nemen.
Dus als je momenteel betere manieren onderzoekt om succesvol te zijn met productgestuurde groei, helpt dit artikel je om optimaal gebruik te maken van de datagedreven eigenschappen ervan door de juiste statistieken bij te houden en te monitoren.
Het belang van PLG voor SaaS-bedrijven
Er is een reden waarom productgestuurde groei de overhand heeft gekregen, vooral binnen de SaaS-productruimte. Met een PLG-strategie kun je nieuwe klanten werven en je omzet op een zeer duurzame en betaalbare manier laten groeien.
Want more from The CPO Club?
Sign up for a free membership to complete reading this article:
Have an account? Log In
PLG is duurzaam omdat mensen niet alleen afhankelijk zijn van je marketingcampagnes om je product leuk te vinden en te kopen. In plaats daarvan vertrouwt de strategie erop dat gebruikers je product in de praktijk gebruiken (vaak zonder ervoor te betalen, afhankelijk van je prijsstrategie voor je product), je meest overtuigende functies uitproberen en er (hopelijk) hun problemen mee oplossen.
Zodra ze beseffen dat je product hun problemen kan oplossen, slaat de balans in jouw voordeel door en begint de gebruiker voor je product te betalen.
PLG is betaalbaar omdat je product fungeert als een marketingkanaal dat gebruikers zelf kunnen benutten. Door uitzonderlijke gebruikerservaringen te creëren, kun je je gebruikers ervan overtuigen dat je product precies is wat ze zoeken, waardoor ze productgekwalificeerde leads (PQL's) worden.
Omdat je product het grootste deel van de marketing voor zijn rekening neemt, geef je aanzienlijk minder uit aan je verkoopteam en marketinginspanningen om klanten te werven. Dit leidt tot een aanzienlijke daling van de gemiddelde kosten voor het werven van een nieuwe gebruiker.
Nu we ons geheugen hebben opgefrist met de voordelen van PLG, bekijken we de belangrijkste SaaS-statistieken die je moet meten om er zeker van te zijn dat je met je productgestuurde groeistrategie de juiste richting op gaat.
Statistieken voor productgestuurde groei: activatie meten
De reis van elke gebruiker binnen je PLG-product begint met activatie. Dit is het proces waarin mensen je product instellen, begrijpen hoe alles werkt (dankzij je productinwerkproces!), je kernfunctionaliteit uitproberen en de waarde van je product ervaren.
Ik raad je aan de volgende statistieken bij te houden om je activatiestroom te optimaliseren.
Opmerking: Om je te laten zien hoe je het bijhouden van specifieke statistieken instelt, gebruik ik voorbeelden met Mixpanel, maar je bent vrij om andere analysetools voor producten te gebruiken.
Statistiek 1: tijd tot waarde
Laten we beginnen met een van de belangrijkste voorlopende indicatoren van een goede activatie: tijd tot waarde (TTV). Er is een goede reden waarom ik de term 'voorlopende indicator' gebruik. Het betekent dat het verbeteren van deze statistiek de activatie in het algemeen zal verbeteren.
TTV vertegenwoordigt de tijd die je gebruikers nodig hebben om de kernwaarde van je product te ervaren. Hoe sneller gebruikers je kernwaarde bereiken, hoe kleiner de kans dat ze zich gaan vervelen en je product achter zich laten.
Om je TTV te berekenen, moet je twee belangrijke momenten in de gebruikersreis bijhouden:
- Wanneer gebruikers zich aanmelden en je product gaan gebruiken.
- Wanneer ze de actie uitvoeren die je belangrijkste functie vertegenwoordigt.
Laten we nu bekijken hoe je in Mixpanel een rapport kunt maken waarmee je de TTV kunt meten van een integratie-SaaS-product dat vergelijkbaar is met Zapier. In dit geval is de actie die gebruikers uitvoeren om de kernwaarde van je product te ervaren maken en integreren.
We kunnen dus een trechtergrafiek maken met twee stappen: 'aanmelden' en 'integratie maken'.
Vervolgens stellen we de weergave van deze trechter in op 'tijd tot conversie', waarmee de mediane tijd wordt berekend die gebruikers nodig hebben om van stap één naar stap twee te gaan.
Uiteraard zijn 24 dagen, zoals in dit rapport wordt weergegeven, te lang en zul je je gebruikers vrijwel zeker verliezen voordat ze je integraties kunnen bekijken.
Er moet dus iets grondig mis zijn met je analyse-instelling (misschien activeer je niet de juiste gebeurtenissen) of met je activatiestrategie.
Statistiek 2: adoptiegraad van functies of producten
Een andere cruciale statistiek voor PLG-gestuurde producten is de mate waarin mensen je productfuncties gaan gebruiken.
Binnen PLG moet elke nieuwe functie een specifiek doel dienen (bijvoorbeeld het verbeteren van gewoontevorming, activatie enzovoort). Om impact te maken, moeten mensen je functie eerst adopteren en actief gaan gebruiken.
Daarom moet je het adoptiepercentage van de functie meten en je functie of UX verbeteren als dit te laag is.
Mijn aanpak voor het berekenen van het adoptiepercentage is enigszins controversieel en verschilt van die van anderen. Ik bereken het percentage gebruikers dat de functie één keer heeft gebruikt (wat betekent dat ze de functie hebben ontdekt) en het percentage gebruikers dat de functie meer dan twee keer heeft gebruikt (wat betekent dat ze de functie hebben geadopteerd).
In Mixpanel kun je dit bereiken door twee cohorten te maken.
De eerste die ik hier heb gemaakt, is bedoeld om ontdekking te meten. Hier heb ik de startdatum van de meting ingesteld op de releasedatum van die functie.
Voor de tweede is het tijdsbestek echter “de afgelopen 30 dagen”, omdat het gebruik van de functie meer dan twee keer binnen een paar maanden nauwelijks als adoptie zou worden beschouwd.
Vervolgens kun je een inzichtrapport maken met aangepaste formules die de hierboven genoemde percentages berekenen door deze cohorten te delen door het aantal actieve gebruikers.
Een gezonde grafiek voor adoptie en ontdekking houdt het aantal mensen dat de functie heeft ontdekt stabiel, terwijl het adoptiepercentage gestaag groeit.
Metriek #3: AHA!-moment
Tot slot hebben we de heilige graal van alle PLG-activeringsstatistieken: het AHA!-moment. Dit vertegenwoordigt het punt in de reis van je gebruikers waarop ze de meeste waarde uit je product halen en beseffen dat je product het waard is om in hun dagelijks leven te integreren.
Het klinkt een beetje vergelijkbaar met TTV, toch? Nou, bij beide gaat het om het gebruik van je kernfunctie. Maar tijd-tot-waarde richt zich op het laten zien van de vertraging tussen het registreren van je gebruikers en het gebruik van die functie, terwijl het AHA!-moment je het aantal of percentage van alle gebruikers laat zien dat de functie heeft gebruikt (van degenen die zich hebben geregistreerd).
Om het AHA!-momentrapport in Mixpanel te maken, begin je op dezelfde manier als bij TTV en maak je een trechter met “Registreren” en “Integratie maken” als onze stappen.
In tegenstelling tot TTV kiezen we echter niet voor de visualisatie “tijd tot conversie”. In plaats daarvan kiezen we de optie “trechtertrends”.
Deze optie toont hoe het conversiepercentage van Stap 1 -> Stap 2 in de loop van de tijd verandert.
Zoals we in deze grafiek kunnen zien, maakt ongeveer 30% van de geregistreerde gebruikers een integratie en bereikt het AHA!-moment.
Bovendien lijkt het erop dat dit percentage noch stijgt noch daalt, omdat de trendlijn in deze lijngrafiek horizontaal lijkt te zijn.
Betrokkenheidsstatistieken
Een gezond activeringspercentage is slechts een deel van het succes. Als je wilt dat je product duurzaam groeit, moet je er ook voor zorgen dat gebruikers enthousiast zijn over hun productervaring en dat zowel de gebruikersbetrokkenheid als het productgebruik gezond zijn.
Dit raad ik je aan te gebruiken om de gezondheid van je gebruik bij te houden.
Metriek #4: Gewoontemoment
De volgende cruciale mijlpaal die je wilt dat je gebruikers bereiken nadat ze hun AHA!-moment hebben ervaren, is het moment waarop ze succesvol een gewoonte rond je product hebben ontwikkeld en moeite zullen hebben om hun taken zonder het product uit te voeren.
In de PLG-wereld noemen we dit moment in de gebruikersreis het gewoontemoment.
Net als bij het AHA!-moment en de TTV zijn de kernfuncties van je product voor ons belangrijk. We letten specifiek op de frequentie waarmee mensen de functie gebruiken.
Je zou kunnen stellen dat iemand een gewoonte heeft ontwikkeld om je product te gebruiken als de gebruiksfrequentie van je kernfuncties gelijk is aan (of op zijn minst dicht bij) de natuurlijke frequentie waarmee het probleem zich bij de gebruiker voordoet.
Thuiswerkers zullen bijvoorbeeld doorgaans op werkdagen minstens één conferentiegesprek voeren. De natuurlijke frequentie waarmee zij een tool zoals Zoom nodig hebben, zou dus dagelijks/op werkdagen zijn, oftewel 5d7 (5 dagen binnen een periode van 7 dagen).
In het echte leven zouden mensen echter dagen zonder vergaderingen hebben of hun agenda zo indelen dat niet al hun werkdagen gesprekken bevatten. Je zou dus mensen hebben met vaste gewoonten om je videoconferentietool elke keer te gebruiken wanneer ze een werkgerelateerd gesprek moeten voeren, met een frequentie van 4d7.
Voor je mijlpaal voor het gewoontemoment zou je over het algemeen een frequentie kiezen die iets lager ligt dan de natuurlijke frequentie waarmee het probleem zich voordoet.
Wat betreft de tools die je kunt gebruiken om dit te meten en visualiseren, zou ik aanraden je data-analyseteam te vragen een aangepast rapport in Tableau of PowerBI te bouwen, aangezien gebeurtenisgestuurde analysetools (bijvoorbeeld Amplitude of Mixpanel) moeite hebben met het maken van grafieken voor gewoonte-momenten.
Metriek #5: Retentiepercentage
Retentie is eigenlijk de belangrijkste reden waarom je gewoonten bij je gebruikers wilt opbouwen. Gewoonten zijn erg moeilijk te doorbreken, dus iemand die de gewoonte heeft om problemen met jouw product op te lossen, zal dat heel lang blijven doen (totdat het probleem verdwijnt of er een 5x beter product op de markt verschijnt).
Om te begrijpen of mensen op de lange termijn bij je blijven, moet je hun retentie meten.
Retentie toont het percentage mensen dat je app gedurende een langere periode onafgebroken heeft gebruikt. Een klantretentie van 50% na 7 dagen betekent bijvoorbeeld dat de helft van de mensen na 7 dagen je app blijft gebruiken.
Er zijn drie elementen van retentie die je moet bepalen om de langetermijngebruikstrends van je product te begrijpen:
- Belangrijkste actie: Net als bij andere metrieken is dit de kernfunctie die de belangrijkste waarde van je product vertegenwoordigt.
- Frequentie: Dagelijks/Wekelijks/Maandelijks, enzovoort. Door dit in te stellen, geef je de analysetool opdracht om het continue gebruik van de functie te berekenen op basis van de vraag of deze minstens één keer per dag/week/maand enzovoort wordt gebruikt.
- Tijdsbestek: Dit is het aantal opeenvolgende dagen/weken waarin mensen je product hebben gebruikt. Traditioneel houd je D7-, D28- en D90-retentie bij om te weten hoeveel mensen je product na een week, maand of kwartaal blijven gebruiken.
Laten we nu aannemen dat je een onlineopslagdienst beheert die vergelijkbaar is met Dropbox. Om je retentie te berekenen, kies je ‘Media uploaden’ als je belangrijkste actie, ‘Dagelijks’ als je frequentie en D28 als je tijdsbestek.
Als je dit allemaal instelt in Mixpanel, zie je het volgende.
Zoals we kunnen zien, is de retentiecurve voor ons product niet vlak en nadert deze nul bij D28. Dit betekent dat we binnen 28 dagen iedereen verliezen en geen langetermijngebruikers hebben.
Onze volgende stappen zouden dus zijn om uit te zoeken waarom mensen ons verlaten en de problemen die we identificeren op te lossen.
Metriek #6: Uitvalpercentage
We hebben het gehad over de mensen die bij je blijven (weergegeven door retentie). Nu is het tijd om te praten over de mensen die dat niet deden (weergegeven door de daling van het retentiepercentage in de loop van de tijd).
Het proces waarbij je gebruikers je product verlaten, staat bekend als uitval. Ze kunnen je vervangen door een directe concurrent of hun probleem gaan oplossen met indirecte alternatieve opties.
In beide gevallen is uitval iets wat je actief moet meten, monitoren en voorkomen.
De traditionele formule voor het meten van uitval is als volgt.
Dit ziet er allemaal eenvoudig uit, toch? Als je wekelijkse uitval wilt meten, tel je eerst het totale aantal eindgebruikers dat je in de afgelopen 7 dagen bent kwijtgeraakt en deel je dit door het aantal gebruikers dat je een week geleden had.
Dit specifieke type uitval is nuttig wanneer je met je financiële gegevens werkt (bijvoorbeeld bij het meten van LTV of het bekijken van verloren omzet) of wanneer je het totale groeipercentage van je gebruikersbestand wilt berekenen (nieuwe gebruikers - afgehaakte gebruikers).
Deze metriek laat echter moeilijk zien hoe effectief je product is in het oplossen van de pijnpunten van mensen. Daarvoor kun je een ander subtype van uitval berekenen, waarbij je kijkt naar het aantal mensen dat je bent kwijtgeraakt sinds het moment waarop ze zich hebben aangemeld en je product zijn gaan gebruiken.
Dit is in wezen het tegenovergestelde van het retentiepercentage en laat je zien hoeveel mensen je in de eerste paar dagen verliest (diagnose: slechte activatie en configuratie) en hoeveel mensen je in de eerste paar weken verliest (diagnose: slechte gewoontevorming).
Wat betreft het berekenen van je afgehaakte gebruikers in Mixpanel, kun je een cohort maken dat er als volgt uitziet.
Hier heb ik een lange periode van 60 dagen gebruikt, in de veronderstelling dat we werken met een product dat wekelijks of tweewekelijks wordt gebruikt. Als je product dagelijks wordt gebruikt, kun je ook een periode van 14 dagen gebruiken.
Acquisitiestatistieken
Tot nu toe hebben we het gehad over de onboardingervaring van het product en productbetrokkenheid. Maar een goede PLG-strategie draait niet alleen om die twee aspecten.
Je moet ook acquisitie binnen de app implementeren en meten met behulp van groeilussen.
Om dit te doen, kun je overwegen deze statistieken te gebruiken.
Metriek #7: Viraliteit
Een belangrijk onderscheid tussen een productgestuurde groeistrategie en meer traditionele verkoop- of marketinggestuurde strategieën is het actieve gebruik van groeilussen.
In tegenstelling tot een trechter (waarbij piratenstatistieken worden bijgehouden) is een lus zelfversterkend. Dit betekent dat de mensen die je met de eerste iteratie van je lus hebt geworven, je helpen om de tweede iteratie te starten en meer mensen te werven. De mensen die via de tweede iteratie zijn geworven, helpen je om de derde iteratie te bereiken, enzovoort.
Een van de meest voorkomende typen groeilussen is de virale lus. Deze ontstaat wanneer mensen content delen met hun vrienden of collega's via je product (bijvoorbeeld een document in het geval van Google Docs) en deze vrienden zich aanmelden voor je product om de content te bekijken of eraan samen te werken.
De nieuw aangemelde gebruikers delen vervolgens hun eigen content met hun vrienden, waardoor de lus blijft doorgaan.
Om de effectiviteit van deze verwijzingslus te meten, moet je de K-metriek berekenen, die beter bekendstaat als de virale coëfficiënt.
K geeft aan hoeveel nieuwe gebruikers je bestaande gebruikers kunnen werven met behulp van je deel- (of vergelijkbare) functies.
Als de gemiddelde gebruiker van Google Docs zijn of haar documenten bijvoorbeeld met vijf mensen deelt en 60% van hen zich aanmeldt voor het product, dan is de K voor de deelfunctie van Google Docs 5 x 60% = 3.
Dit getal geeft aan dat elke gebruiker van Google Docs eenvoudigweg door je product te gebruiken drie extra gebruikers kan aanbrengen.
Het is moeilijk om dit te meten met een gebeurtenisgebaseerde analysetool, dus vraag je datateam om een aangepast BI-rapport te maken.
Metriek #8: Groeifactor
Viraliteit is een kritieke metriek, maar vertegenwoordigt niet het werkelijke conversiepercentage van je SaaS-groeimodel en -lussen. De reden hiervoor is dat viraliteit alleen de opbrengst van één lusiteratie meet.
Maar we weten dat de gebruikers die zich tijdens de eerste iteratie hebben aangemeld, de tweede iteratie starten door content te delen met hun vrienden en collega's. Het viraliteitsgetal is op al deze gebruikers van toepassing, dus het werkelijke aantal gebruikers dat één bestaande gebruiker kan aanbrengen, is de som van alle nieuwe gebruikers uit alle opeenvolgende lussen.
Om dit te meten introduceren we een metriek die Groeifactor wordt genoemd.
In de bovenstaande formule is V de virale coëfficiënt voor één lus. Als je dus een product hebt met een V van 0.8 (virale coëfficiënten boven 1 zijn in de praktijk zeldzaam), is je groeifactor 5. Dit betekent dat elk van je gebruikers vijf extra gebruikers zal aanbrengen, ervan uitgaande dat de gebruikers die zij aanbrengen deelfunctie gebruiken en de lus gaande houden totdat deze uitdooft.
Ook dit moet je meten met behulp van een BI-oplossing.
Metriek #9: Nettopromotorscore
Dit is niet echt een acquisitiemetriek. Toch wilde ik deze hier opnemen, omdat hij de klanttevredenheid vertegenwoordigt en een voorlopende indicator is voor een van de belangrijkste groeilussen van PLG: de mond-tot-mondreclamelus (WOM). De naam van deze lus spreekt grotendeels voor zich: mensen gebruiken je product, zijn er enthousiast over, vertellen hun vrienden erover, waarna deze vrienden het gaan gebruiken en het aan hun vrienden vertellen, enzovoort.
Je kunt de virale coëfficiënt van de WOM-lus niet echt meten, omdat je weinig tot geen zicht hebt op hoeveel mensen zich aanmelden op basis van de aanbevelingen van één gebruiker. Daarom moet je vertrouwen op voorlopende indicatoren om je lus te voorspellen en te optimaliseren. Een van de beste indicatoren om je WOM in dit geval te meten, is de nettopromotorscore (NPS).
Het is een eenvoudige vragenlijst waarin wordt gevraagd hoe waarschijnlijk het is (op een schaal van 1 tot 10) dat mensen je product aanbevelen aan hun vrienden en collega's. Vervolgens neem je de resultaten van dit onderzoek en vul je ze in deze formule in.
Ambassadeurs zijn hier degenen die 9 of 10 op de schaal hebben geselecteerd, en criticasters zijn degenen met een score van 6 of lager.
Wat betreft de uitvoering van dit onderzoek kun je klantenteams vragen die vraag te stellen aan de mensen met wie ze spreken, je marketingteam vragen de vraag toe te voegen aan hun e-mailworkflows voor gebruikersfeedback, of een UX-oplossing toepassen door de vraag toe te voegen aan de klantreis.
Bonusronde: financiële PLG-maatstaven
Voordat we afsluiten met de KPI's van het productgestuurde groeiteam, wil ik je een kort overzicht geven van de belangrijke financiële maatstaven die een typisch PLG-bedrijf zou bekijken.
Netto nieuwe omzet en uitbreidingsomzet
Of je dit nu per maand (MRR) of per jaar (ARR) meet, het is een goed idee om je nieuwe omzet op te splitsen in twee componenten: uitbreidingsomzet en nieuwe omzet.
Nieuwe omzet komt van nieuw verworven klanten, terwijl uitbreidingsomzet afkomstig is van bestaande klanten die besloten meer licenties te kopen of hun abonnement te upgraden (upgrades en kruisverkopen).
Door deze twee van elkaar te onderscheiden, kun je de planning en uitvoering van je omzetgroei verbeteren, omdat uitbreiding doorgaans gemakkelijker is, maar je een constante instroom van nieuwe klanten nodig hebt waarop je later kunt uitbreiden.
Netto omzetverloop
Dit spreekt eigenlijk voor zich. Deze maatstaf laat zien hoeveel jaarlijkse of maandelijkse terugkerende omzet je bent kwijtgeraakt doordat klanten in een bepaalde periode bij je zijn vertrokken.
Gemiddelde omzet per gebruiker (ARPU)
Deze maatstaf is in wezen je ARR gedeeld door het aantal betalende gebruikers. Productgestuurde bedrijven gebruiken deze maatstaf om gebruikers op basis van hun financiële gedrag in specifieke segmenten in te delen (bijvoorbeeld consumenten, prosumenten en klanten van ondernemingsformaat) en om op basis daarvan de kwaliteit van de acquisitie te monitoren (groei van de ARPU betekent gebruikers van betere kwaliteit).
Levenslange klantwaarde (CLV)
ARPU heeft nog een andere toepassing. Deze dient als basis voor het berekenen van de levenslange klantwaarde. Je berekent die als ARPU gedeeld door je verlooppercentage, en deze vertegenwoordigt het totale bedrag dat je naar verwachting aan een gemiddelde klant zult verdienen voordat die klant vertrekt.
Kosten voor klantenwerving (CAC)
Tot slot zijn er de kosten voor het verwerven van één betalende klant. Dit is het totale bedrag dat je aan acquisitie besteedt, gedeeld door het aantal klanten dat je hebt verworven.
Je gebruikt CAC en CLV om de levensvatbaarheid van je bedrijfsmodel te beoordelen. Je wilt dat de CLV hoger is dan de CAC (een goede referentiewaarde is 4x) om ervoor te zorgen dat je geen verlies maakt.
Gegevens zijn geweldig, maar negeer je onderbuikgevoel niet!
Het zou misschien een beetje vreemd lijken om een gids over maatstaven en analyses af te sluiten door je te vragen op je intuïtie te vertrouwen. Maar geloof me, het is goed advies.
Door de juiste maatstaven te volgen, worden je inspanningen voor productgroei veel effectiever. Je moet je beslissingen echter nooit alleen op gegevens baseren. Vergeet niet dat kwantitatieve gegevens enkele van de kwalitatieve inzichten missen die je in je hoofd hebt.
Gegevens zijn dus geweldig, zolang je die parallel gebruikt met je "onderbuikgevoel voor het product".
Vergeet niet je op onze nieuwsbrief te abonneren voor meer bronnen en handleidingen over productmanagement, plus de nieuwste podcasts, interviews en andere inzichten van leiders en experts uit de sector.
