К основному контенту

Отток денег (Revenue Churn Rate)

Итак, в предыдущем посте я коротко обрисовал способы расчета customer churn rate. Сегодня бегло пройдемся по второму вопросу - отток денег при оттоке клиентов (revenue churn rate).

Как я уже писал ранее, клиент клиенту - рознь. В контексте оттока это значит, что когда у вас в один и тот же период уходит два клиента из одной когорты, то эти клиенты совсем не обязательно должны быть идентичны.

Есть разница, кто ушел?

Например, клиента А пробыл с вами 6 месяцев и за эти 6 месяцев потратил на вашем сервисе 100 USD. В тоже время...
Клиент Б (из той же когорты) также пробыл с вами те же 6 месяцев, но за эти 6 месяцев потратил на вашем сервисе 175 USD.

Существенная разница! В этом и есть суть расчета revenue churn rate. Есть клиенты, потеря которых, ударит по стартапу финансово намного больнее.

Как мерять?

Значит надо этот момент как-то мерять. Сразу скажу, что придумывать ничего не нужно. Все уже придумано до нас.

Как и в предыдущем посте мы построим матрицу когорт. Но в этот раз все вычисления мы будем делать сразу по двум направлениям: (1) на базе количества клиентов и (2) на базе валовой прибыли.


Матрица выше состоит из 2-х метрик. 

Первая (верхняя) часть матрицы показывает % churn (p0) - % оттока клиентов по отношению к нулевому периоду. 
Вторая (нижняя) часть матрицы показывает % churn R (p0) - % оттока валовой прибыли по отношению к нулевому периоду.

Как читать эту матрицу?

В 2011 году мы привлекли клиентов. 
  • На конец периода 1 (это 2012 г.) из клиентов периода 0 перестало покупать 51% клиентов.
в тоже время...
  • На конец периода 1 валовая прибыль от клиентов периода 0 по сравнению с периодом 0 сократилась на 36%.

Что это означает для стартапа?

В примере выше это положительный сигнал. В целом же, принцип такой:
Если % оттока валовой прибыли меньше, чем % оттока клиентов, то это означает, что со стартапом остались более доходные клиенты, а менее доходные ушли. Отлично!
Справедливо и обратное. 
Если % оттока валовой прибыли больше, чем % оттока клиентов, то это означает, что со стартапом остались менее доходные клиенты, а более доходные ушли. Плохо!
Собственно на этом можно было бы поставить точку.

Остался лишь один момент, касательно дифференциации клиентов. 

Есть мнение, что надо стараться "любить" всех клиентов одинаково, уделять каждому одинаковую степень внимания и сервиса - бороться за каждого из них. И хотя каждый стартап решает для себя сам, так ли это, со своей стороны хочу обратить ваше внимание на следующих 2 момента:

Во-первых: не забывайте, что в целом в e-commerce проектах % one-time buyers (клиентов на одну покупку) составляет от 40 до 60%. Вы можете потратить огромные деньги на попытку удержать этих клиентов, но они все равно уйдут. Они просто клиенты не вашего сервиса. Поэтому, не стоит спешить давать таким клиентам дорогой сервис - он им просто может быть не нужен.

Во-вторых: понимая, что разные клиенты приносят вам сильно отличающийся LTV, разумно распределять сервисные расходы неравномерно. Это не означает, что клиентам с более низким LTV не надо давать никакого уровня сервиса вообще. Это означает, что клиентам с более низким LTV вы должны давать сервис ровно в таком объеме, чтобы он хотя бы окупался или приносил малую, но прибыль.

На этом все. Жду ваших вопросов.

P.S. В следующем посте мы рассмотрим вот такой вопрос из темы CPA - это вообще круто или нет?

Популярные сообщения из этого блога

A/B-тестирование: смотреть на конверсию vs смотреть на продажи

Сегодня я хочу обсудить один важный момент в процессе анализа результатов A/B-тестов. И хотя это давно избитая тема, в ней есть много нюансов, которые могут изменить ваше решение о том, какой вариант выиграл.

Начнем с того, что до запуска теста, как правило, нужно определиться с целевой метрикой которую мы будем сравнивать между вариантами. Обычно такой метрикой выбирают конверсию.

Зачем это делать?

На то существуют две причины:
Прозаическая - понять, что вы способны посчитать эту метрику и сформировать свои ожидания.Практическая - определить минимальный объем выборки, на котором эти результаты будут статистически значимыми. Будучи, в первую очередь, маркетологом, и лишь затем data scientist, я стараюсь, по возможности, использовать внешние инструменты. Сегодня я покажу вам 3 внешних инструмента, на которые я полагаюсь при оценке A/B-тестов.
Итак, предположим, вы сейчас работаете над увеличением конверсии по добавлению товара в корзину. 
У вас есть гипотеза, что изменив Call-To-Action …

Дисконты, которые могут убить ваш бизнес

После поста "Несколько мыслей о дисконтах", мой друг data scientist Sergey Bryl, упомянул о своем опыте анализа клиентов, которые получали дисконты.

Смотрел churn rate на одном проекте в разрезе пришел клиент по демпинговой цене или близкой к обычной.По ритейл-клиентам около 2.5х разница на следующую покупку и на третью уже более 3х.По "оптовикам" это 6х... до третьей вообще почти никто не доходил.
Не долго думая, я решил посмотреть, а как будут обстоять дела с анализом, который я делал в прошлом посте, если я прежде промаркирую клиентов следующим образом:
клиенты, которые вообще не пользовались скидками (0)клиенты, у которых скидка была, как минимум, в первую покупку (1)клиенты, у которых скидка была, как минимум, со второй покупки (2+) Посмотрим вначале на доходность на клиента по 3-м группам:

На графике просматривается, что медиана у клиентов из группы (1) немного выше, чем у клиентов из группы (0). Т.е. скидка дающаяся на первую покупку все же подталкивает клиент…

Активация клиентов - мощный источник роста бизнеса

Для роста все бизнесы занимаются привлечением новых клиентов. Вы покупаете рекламу и получаете из нее новых клиентов. Это простая и понятная схема.

Однако, многие онлайн-сервисы часто предлагают клиенту зарегистрироваться.
Здесь, как правило, возможны два варианта:
покупка, где в фоном режиме клиента регистрируют в сервисерегистрация, только после которой можно совершить покупку Так вот шаг регистрации (с виду кажущийся незначительным) является важным дифференцирующим фактором, дающим возможность делать интересные исследования.
Мысль первая
Клиентов, которые зарегистрировались и готовы купить сразу (обычно в тот же день) очень не много.


Мы видим, что % клиентов, которые пришли, зарегистрировались и купили в тот же день (is_same_day_TRUE) - действительно мало. В примере выше, в зависимости от месяц привлечения, это, в среднем, около 5%.
Мысль вторая
Занимаясь улучшением привлечения через оптимизацию Landing Pages и Sign Up Forms мы можем улучшить эти показатели, однако, учитывая объемы кл…