devtodev关于通过订阅进行应用程序货币化的分析

如何分析基于订阅的应用程序？对此问题，服务于devtodev的高级分析师瓦西里·萨比洛夫在他的文章中进行了回应。

根据大多数应用程序在商店中采用的条件免费模式，这些应用程序的分析文章主要集中于此。然而，还有其他同样需要高质量分析的货币化模式，因此我，瓦西里·萨比洛夫，作为devtodev的高级分析师，决定准备一篇关于如何分析基于订阅的应用程序的材料。

我们主要将讨论SaaS，因为在这个领域中，订阅模式占主导地位。

那么，我们开始最简单的部分。对于此类应用程序，应该使用哪些指标进行分析？主要是以下那些：

• 规模指标（DAU, MAU, 在线用户），
• 流量指标（CAC, LTV, ROI），
• 留存率指标（retention, lifetime），
• 货币化指标（ARPU, paying share, Revenue）。

我们将更详细地停留在其中一些指标上。

流量指标

在谈论基于订阅的项目的有效性和可行性标准时，通常不再使用传统的不等式LTV > CAC，这意味着单纯的流量收回，而改为讨论不等式：

LTV > 3*CAC

注：LTV（生命周期价值）是指从一个用户身上获得的所有时间的平均收入；CAC（客户获取成本）是指获取一个用户的平均成本（无论您采用何种流量采购模型，如CPA、CPC等，您始终可以计算每个用户的平均获取成本）。

那么，为什么是这个倍数3呢？

这是一个经过多年行业验证的专家值。虽然它可能是“医院的平均水平”，但经验表明，它可以作为参考。
我提议以下解释：一个CAC是直接支付给用户的，另一个是用于留住他（服务器、技术支持、通知和邮件），第三个就是利润了。虽然是个约定，但可以记住。

另一个关于项目有效性的条件同样是主观的（但完全可行的）：流量的收回应在12个月内进行。

为什么是12呢？这也是一个专家值，您可以将其用作基准，尤其是因为一年是一个很好的规划周期。如果您的流量在13-14个月内才收回，说明您并不是效率低下的企业，而是说您还有提升的空间。流量的收回越快越好。

留存率指标

对于条件免费的项目，通常使用1、7、28或30天的留存率。如果项目是基于订阅的，那么计算周期通常是一个月。因此，使用1、2、3个月等的留存率很有意义。

然而，如果订阅之前有为期几天的试用期，那么就有必要在试用期内的每一天测量留存率。

另一个建议是，如果您的项目拥有无限制的免费使用权，那么分别计算付费和未付费用户的留存率是有意义的。实际上，在这些项目中，留存率就是付费用户的留存率，而未付费用户的留存率可以作为一个信号，表明是时候将这些用户转化为付费用户了。

此外，对于SaaS，通常会计算流失率（churn）——用户的流失。这一指标的意义恰恰与留存率相反，表示在一定期间内离开项目的用户（或资金）数量。

同时，如果按资金计算流失率，而不是按用户数量计算，可以（并且应该！）努力使其为负值。这是一个相当有趣的指标，可能是其独一无二之处：如果它小于零，那就太棒了。

负流失率意味着现有用户开始支付更多，而这种增长弥补了离开项目用户的资金流失。因此，为了实现负的资金流失率，必须努力留住那些即将流失的用户，并增加活跃用户的收入（例如，向他们提供其他订阅计划）。

这样，我们顺理成章地过渡到货币化指标。

货币化指标

谈到ARPU（收入/观众）时，我想指出，每天计算ARPU（或ARPDAU）是没有意义的。这一指标不会给您带来任何实质性的结果。应仅按月份计算（取当月收入然后除以月度活跃用户，MAU）。

此外，对于基于订阅的项目，使用一种特殊的指标类别——MRR（月经常性收入）是很常见的。如果是年度订阅，则使用ARR（年度经常性收入）。

MRR被分为：

• 流失的MRR——因用户在一个月内取消订阅而损失的资金；
• 新增的MRR——在一个月内有多少用户完成订阅而获得的资金；
• 扩展的MRR——在一个月内从用户调整到更贵的计划所获得的资金。

因此，每个月需要计算的指标为：

MRR = 新增的MRR + 扩展的MRR - 流失的MRR

请注意，MRR并不是项目的总收入。它是项目在一个月内发生的质量变化的量化表现。为了最大化MRR，必须减少流失的MRR（致力于留存），增加新增的MRR（对新用户持开放态度并成功转化）和扩展的MRR（为已付费用户提供其他计划）。

另一个重要的指标是LTV。关于如何计算LTV的文章和书籍众多（我个人写过几篇，例如有这样一篇）。这里我想分享一个简化的LTV计算公式，专为基于订阅的项目：

LTV = 订阅费用 / 流失率

公式看起来太简单了，对吧？

让我们举个例子。

假设在第一个月，我们有100个用户订阅，每月订阅费用为50卢布。项目流失率极高，达到90%。

我们在第一个月从用户那里获得：50*100 = 5000卢布。

下一个月90%的用户离开，仅剩10个用户。我们从这10个用户那里获得50*10 = 500卢布。

经过一个月，还剩下1个用户，从他那里获得50卢布。然后他也消失了。

总共，我们从100个用户那里获得了5550卢布。即平均每个用户获得了55.5卢布。

现在我们按照我们的公式计算LTV：LTV = 50 / 0.9 = 55，（5）卢布。有效！

实际上，这个公式只能在用户的流失率不随月份变化的情况下使用，即从1个月到2个月的用户转化概率与从任何N个月到N+1个月的转化概率相同。但这种情况并不总是如此。

而且，这个模型并未考虑大量项目中存在的扩展MRR。

如果您想了解如何通过更复杂但更准确的方法计算LTV，欢迎观看我们的网络研讨会，在这里我们与Ultimate Guitar的分析师叶甫根尼·基尔曼诺夫讨论了分析基于订阅的项目的所有细节，包括精确计算LTV。

激活

在基于订阅的项目中，将激活分为两个阶段是有意义的：

• 初步激活。用户访问网站（或下载应用），了解它，为自己回答“这是什么？”、“它将如何改变我的生活？”、“这会花我多少钱？”等问题，并决定是否再次返回此项目（例如，激活试用版）；
• 订阅激活。用户完成试用后决定是否订阅第一个月。

实际上，必须优化这两个激活阶段。在这些项目中，第一会话和首次使用项目的时间是一个关键时刻，必须进行优化。您向用户传达的项目优势越清晰，您转化为初步订阅和后续所有订阅的机会就越大。
或许，这并不是仅限于订阅服务的特点。这再次提醒我们，优化FTUE（首次使用体验）是非常重要的。

细分

在分析所有基于订阅的项目用户时，您会得到“平均水平”的指标值，并可能做出错误的决策。

为了使决策更为合理，您应分别分析每个细分市场，并单独计算该细分用户的所有指标。

我建议 выделить以下细分市场：

• 付费和未付费用户（如果您的项目可以免费做一些事情的话）；
• 1、2、3个月的订阅等。考虑到续订（或不续订）自己订阅的用户，您可以更好地理解续订决策的本质，以及测量月间续订的可能性。
• 按计划分组的细分市场。每个计划都是一个独立的细分。

此外，我建议在研究此类项目时应用 cohort 分析。它既可以追踪用户的动态变化，也可以发现项目中的质量变化。

通常情况下，用户会根据注册的日期（在我们的情况下是月份）分入 cohort，并在时间上测量某项指标。

比如说，拿项目生命周期中的六个月，单独考虑各个月中注册的用户 cohort，并研究用户在项目中每个月的留存百分比：

从上到下分析这个表格，可以看到产品中的质量变化。尤其要注意第一列：二月发生了什么，使得用户的留存率显著降低，然而，随后项目开始纠正方向，从五月到六月留存率恢复至项目的90%。

从左到右分析表格时，我们跟踪特定月份注册用户的行为。如果看第一行，可以看到从初始数量到每个月的留存百分比。而且，第一行中，从70%到50%之间的转变非常剧烈，这值得调查这些用户在当个月所遇到的问题。

这些就是我们认为关于基于订阅的项目分析的主要特征。更多相关材料请查阅上面的网络研讨会，非常推荐观看。

愿您的资金流失率为负，流量在三个月，不，是两个月内收回！