订阅循环|《订阅经济——数字时代的商业模式变革》 毛苇 著
订阅循环简单清晰地解释了订阅模式的结构,它包括相反的两个方向,第一个方向始于订阅用户,订阅用户用付费订阅及承诺驱动企业为他提供订阅服务;第二个方向始于企业,企业用服务及承诺驱动订阅用户的付费使用行为。
如果订阅用户对企业的订阅服务感到满意,就会定期续费或增购,形成稳定可持续的经常性收入。经常性收入驱动企业达成长期持续服务的承诺,并向订阅用户提供持续的、更多更好的订阅服务。企业持续的、更多、更好的订阅服务又驱动订阅用户产生更大的经常性收入。如此循环往复,螺旋式上升,形成了订阅服务、承诺和经常性收入的订阅循环。三者既相互促进,又相互制约。
在《订阅经济》书中,我写了这样一段话来描述订阅循环:
让订阅服务和经常性收入在时间线上循环流动,用订阅服务驱动经常性收入,用经常性收入反哺订阅服务。订阅服务生生不息,经常性收入生生不息。这就是订阅模式的运行逻辑。关键词五:单一客户经济性
单一客户经济性的概念对于订阅制企业很重要,它决定了我们能不能从一个客户身上获利。
对于买断模式来说,几乎不存在这个问题,因为我们可以很快地精确计算出每个客户能不能赚钱,以及能赚多少钱,所有客户的盈亏立马可见。但是订阅模式并不是这样的,订阅模式的获客成本是前置的,是沉没成本,但收入是后置的,而且并非一次性的。我们很难马上就知道一个客户能带来多少收入。
另外,对于数字订阅模式来说,我们的大部分获客成本是面向所有客户的,这样我们就要进行成本分摊,去计算每个客户的平均成本。所以,订阅模式的客户要想把每个客户能不能赚钱和能赚多少钱算出来并不容易,更何况这个事情是动态的,每一天、每个月都在变化。
那么,我们应该怎么计算单一客户经济性呢?或者说我们有没有一些指标来跟踪衡量呢?对于单一客户经济性,我们重点要衡量两个指标,一是获客成本,二是客户生命周期价值。
首先是获客成本,它是指企业获取一个客户的成本,包括所有的市场和销售费用。从理论上讲,获客成本的计算公式为:
获客成本(CAC)=(总市场费用+总销售费用)/ 获取客户数量
这个公式表面看起来无懈可击,但在实际运用中,我们要注意几个问题。比如,一个客户的转化周期是多长?是1天还是1周?是1个月还是3个月?很显然,转化周期越短获客成本越低。再比如,是只计算广告、SEM、活动费用等直接获客成本,还是将市场和销售人员的工资等间接获客成本也算进去?还有,是只计算新客户的获客成本,还是把老客户、回头客的成本也算进去?这些都会影响到获客成本。
第二是客户生命周期价值(LTV),它是指企业在客户生命周期内所获得的全部经济收益的总和。对于订阅制企业来说,客户生命周期价值是指客户在整个生命周期中贡献的订阅费和相关收入的总和。
LTV的计算有不同的方法,它受到的影响因素比较多,比如客户的ARPU值、毛利率、流失率、保留成本、贴现率等等。客户生命周期的计算方法比较复杂,在《订阅经济》书中有详细的计算公式。
当我们可以准确计算获客成本和客户生命周期价值之后,我们就可以建立单一客户的现金流模型了。我们举个SaaS企业的例子,假设某SaaS企业每个客户每月支付600元的订阅费,毛利率为80%,它的获客成本是6000元,每月流失率2.5%。下图就是该SaaS企业的单一客户现金流模型。
单一客户现金流模型|forentrepreneurs
下图是累积现金流模型,表现的是同一家客户累积起来的现金流状况,我们看到他在前13个月都是负现金流,到了第14个月开始盈利,实现了正现金流。
单一客户累积现金流模型|forentrepreneurs
由此可见,单一客户经济性的衡量是一个综合性的事情,它包含了对获客成本和客户生命周期价值的综合考量。
在硅谷,有两个衡量初创SaaS企业的关键指标:一是LTV和CAC的比率是否大于3,二是CAC的回收周期是否小于12个月。当然,企业在不同的阶段,这个比值是动态变化的,具体尺度需要企业经营者灵活把握,不能僵化。
关键词六:经常性收入
经常性收入是订阅循环的三大要素之一,也是订阅模式和买断模式的关键区别。经常性收入虽然不是财务指标,但却是衡量订阅制业务增长非常好的指标。和销售收入、营业利润等财务指标相比,经常性收入能更好地衡量订阅增长的效率和质量。经常性收入一般分为月度经常性收入MRR和年度经常性收入ARR。
拿月度经常性收入MRR来举例,相对于上一个月来说,本月的经常性收入计算需要考虑这样三个因素:一是新增客户带来的新增MRR,二是老客户扩展订阅带来的扩展MRR,三是流失客户或老客户降级带来的流失MRR。综合考虑这三个因素之后,我们才能计算出本月度的新MRR的净值。它的计算公式如下:
净新MRR = 新增客户MRR + 老客户扩展MRR − 流失 MRR
我建议每个订阅制企业都要将经常性收入纳入到每个月的核心跟踪和考核指标中去,这就是订阅制企业的血液。
关键词七:流失
为什么是流失而不是留存?很简单,流失是必然的、永恒的,而留存是偶然的、短暂的,我们要更多关注必然的、永恒的事情。
作为订阅制企业创始人或者管理层,我们要有一个非常清醒的认知:所有的客户终有一天会离我们而去,我们要做的,是尽最大努力消除当下关键的流失因素。即使我们万分努力,我们也不可能留住所有的客户,但我们可以尽力降低流失率。
流失有两种,一是客户流失,二是收入流失,在订阅制企业中主要是指经常性收入的流失。
举个例子,假设A企业上个月有100家付费订阅客户,其中50家大客户每月付费5000元,50家小客户每月付费1000元,则A企业的MRR为:5000×50+1000×50=300000元。A企业本月流失了2家大客户和10家小客户,则其客户流失率=(2+10)/100×100%=12%,收入流失率=(5000×2+1000×5)/300000×100%=5%。可见,客户流失率和收入流失率完全不同,大客户流失带来的收入影响要远远大于小客户流失的影响。
毋庸置疑,无论是客户流失率还是收入流失率都是越小越好。那么,什么是流失的最佳状态呢?或者我们在流失方面应该追求的终极目标是什么?
是零流失吗?不是。
我们在流失方面的终极目标,是达到负流失状态,而且这个流失率的负值越小越好。什么是负流失?当老客户扩展订阅带来的扩展收入,超过流失客户取消订阅和老客户降级带来的流失收入时,就会发生负流失。负流失的发生取决于老客户的扩展订阅,包括使用用户量或服务量的增加,订阅服务等级的提升,等等。负流失对订阅业务具有正面积极的影响,是所有订阅制企业应该努力追求达到的目标。
我们和客户交互的每一个环节都会产生流失。关于如何降低流失率,是个很复杂的问题,我后续会写文章单独阐述。
关键词八:数据智能
数据智能的本质是用机器取代人直接做决策,这和传统的BI完全不同。BI的本质是决策支持,而数据智能则是用机器直接做运营决策。
对于订阅制企业来说,决策远远不只是高管的事情,也不只是针对重大问题的决策。数字化订阅企业和客户是长期的服务关系,这就决定了企业每天甚至每时每刻都需要做决策。那这样的决策怎么做?靠传统的BI是不可能的,只能靠数据和算法。
我在《订阅经济》书里面介绍了十个数字化订阅的案例,这些企业无一例外都会通过在线平台收集大量的用户数据,用算法去持续运行数据,并进行算法的持续优化迭代。通过大量的用户数据和算法相结合,订阅制企业就可以对经营环节快速改进和优化,从而成为由数据和算法驱动运营的企业。所以说,我们讲数字化订阅是建立在数据智能的基础之上的,没有数据智能,就没有数字化订阅。
举个例子,奈飞是全球流媒体视频服务巨头,它是数字内容订阅模式的典范,截至2018年底,奈飞的付费订阅会员达到了1.5亿。我亲自体验过奈飞的服务,它在数据智能方面做到了极致,不仅做到了千人千面,甚至做到了一人千面。在早上十点钟和晚上十点钟,奈飞推荐我看的影片都是不一样的。如果我在一部影片上花了更多的时间,它就会推荐给我更多类似的影片,这让我感觉到奈飞比我还懂我自己。
奈飞成功的关键在于它解决了一个核心问题,就是如何在合适的时间、合适的场景将合适的影片推荐给合适的人。
奈飞是怎么做到的呢?关键在于它的影片推荐系统——Cinematch。Cinematch主要对8个来源的用户数据进行收集和分析,同时不断地优化个性化推荐算法,让每个人都能及时看到最喜欢的影片。这8个数据来源包括:用户观影的评分数据,播放时长、播放地点、设备类型等播放数据,我的片单、播放列表等喜好数据,鼠标点击、页面停留时长、鼠标轨迹等交互数据,导演、演员、类型等视频属性数据,好友播放记录等社交数据,用户搜索的关键字、选择结果等搜索数据,以及影片票房、影评等外部数据。基于对这些数据源的全天候跟踪和分析,奈飞能够对每一个用户进行精准画像,根据用户画像向每一个用户推荐他最喜爱的影视剧。
数据和算法不仅帮助奈飞精准匹配用户的观影需求,而且还帮助奈飞生产原创内容。基于用户大数据分析,奈飞能够准确掌握观众喜欢的影视题材、导演、演员等关键要素,然后根据用户大数据来策划和拍摄影视剧,《纸牌屋》就是这样拍出来的。
从奈飞的故事我们可以看出,对于订阅制企业来说,数据智能至关重要,它不仅决定了用户需求匹配的效率和质量,而且会反向定义订阅服务的内容。
总结一下,本文主要分析了订阅经济的八个关键词:使用权,客户主权,复利思维,订阅循环,单一客户经济性,经常性收入,流失,数据智能。理解了这八个关键词,将大幅提升我们对于订阅经济和订阅模式的认知水平,也将有助于我们去深刻理解订阅模式的本质和运行规律。(全文完)
作者简介:毛苇,订阅模式咨询顾问,畅销书《订阅经济》作者,订阅循环理论创始人。毛苇在SaaS、PaaS等企业级服务领域拥有近二十年的营销和运营实战经验,目前致力于帮助 IT互联网、金融、教育培训、传媒等行业客户的订阅业务创建或转型。欢迎大家在文末留言提问或建议,我将尽力解答大家的问题。