SaaS企业通往亿元美金的第一步:数据驱动下的客户成功

0 评论 11965 浏览 44 收藏 11 分钟

2015年被称为中国企业服务元年,企业服务如雨后春笋一般蓬勃发展。在大量资本的追捧下,SaaS企业迎来了全行业的高潮。但是据不完全统计,中国的企业服务市值目前尚不到40亿美金,而在美国,仅仅Saleforce、SAP和Oracle三家巨头的市值已经超过3500亿美元。

站在企业服务爆发的风口下,国内的SaaS企业要想成为亿万级的企业服务巨头该何去何从?跟传统企业销售模式相比,SaaS企业云模式用那些本质的不同,并且作为最关键一环,SaaS企业如何实现客户成功 ?

一、SaaS企业云模式与传统模式的区别

GrowingIO用户行为数据分析-from single deal to saas

关于SaaS云模式,图左边是Single Deal模式,传统销售IT产品的公司,会在前期收高额的费用,之后每年会获取数据库升级和维护费用,用户最初的投入非常高。右边是SaaS企业现金流,一开始y轴是负的,代表在前期会投入市场成本、教育客户成本,引导培训,让客户习惯SaaS服务,等客户通过培育成为平台付费客户后,可以看到负盈利变成正。

SaaS平台一般采用云模式,在这个模式下可以快速扩张,服务更多客户。如果客户的数量可以规模化增长,以及能控制CAC(获客成本),引导客户长期使用平台,那采取这种模式后盈利曲线会非常陡,能够快速迭代产品、修复系统问题、增长客户数量。

LTV (life time value) 生命周期总价值,指的是客户在平台使用时间的长短。一般LTV越长,客户在平台贡献的收益越高。一个成功的SaaS模式,LTV要大于CAC三倍。因此客户在平台停留时间越长越好。

GrowingIO用户行为数据分析-新的saas企业漏斗

SaaS企业的漏斗模式与传统的不尽相同。漏斗上方都是让产品的受众转化为客户,从而让客户签单,让客户习惯SaaS产品的功能。但不同的是,客户初期使用SaaS软件时付出的费用很少。

因此SaaS软件盈利方式有两种,一是希望客户在平台上停留时间更长,二是促进客户购买、增购、复购,交叉销售更多产品给客户,引导客户消费。因此企业需要精细化衡量整个漏斗。

二、SaaS产品如何提高留存

2.1 了解SaaS产品的留存状况

首先需要了解SaaS产品的留存。留存指的是客户在第一天使用产品之后,第二三天有没继续使用,可以看到图中两个产品的留存不同。

GrowingIO用户行为数据分析-两种不同产品的留存度对比

A产品留存率在12%-15%左右,B产品在30%-40%之间,在后期还有向上的趋势,说明B的留存好于A。留存越高,用户活跃度越高,LTV被延长的就越久。

其次要分析每个产品功能对留存的影响。我们对SaaS服务的功能进行了统计。下图列出了SaaS功能的占比和趋势,可以看到蓝色区域占比比较高。通过计算留存的方式,可以找到留存率最高的功能点,就可以引导客户使用这些功能点,从而提高用户留存。

GrowingIO用户行为数据分析-对saas的产品功能进行用户使用度统计

2.2 引导客户使用高留存的功能

下图中,功能A的留存在六天后是20%左右,是留存最好的功能,次好功能的留存是12%到13%左右。一旦找到SaaS中留存最好的功能,就应该尽力在客户熟悉平台时,引导客户使用这个功能,从而提高客户留存。

GrowingIO用户行为数据分析-两种不同功能的留存图

知道留存度高的功能后,也就找到了product-market-fit,有了PMF就可以规模化增长。

举个例子,在LinkedIn上,新用户在第一个星期加入时连接了5个用户,那他的留存度、使用度和活跃度会远远大于小于5个社交关系的人群。这个发现帮助LinkedIn从2003到2009年客户基数飞速增长。

三、SaaS产品如何防止客户流失

3.1 防止客户流失

如何在产品中培养客户,让其复购和交叉销售。我们花了很多时间让客户买单,在使用过程中,我们给客户提供培训和上门支持,我们投入了非常高的CAC获客成本,这个时候我们不希望看到还没把之前的投入的成本拿回来的时候用户就已经流失了。

GrowingIO用户行为数据分析-客户健康度分析

在上图中我们对客户的健康度做了分析。这个数据背后有很多东西,比如客户使用频次,时长,功能的计算,有了这个模型能对客户进行排序,蓝色是使用的比较好的客户,红色是不太好的。在这个图里我们能进行配置,可以把最好最差的5个调成100个。对于使用不好的用户,要么进行培训,要么进行走访,理解客户需求,引导他们使用平台上留存度高的功能。

3.2 建立客户温度和健康度模型

有了客户健康度模型之后还不够。健康度和温度之间的关系能帮我们更好销售。

见下图,X轴是健康度,y轴是温度,用户健康度越低,使用频率越低,用户温度越低,购买意愿越低。

GrowingIO用户行为数据分析-客户温度和健康度

我们可以做一个气泡图,每个气泡代表一个公司,把所有客户分布在四个象限之中:

  1. 右上角的客户,购买意愿高,频次高,是非常优质的客户,我们希望这些客户尝试新的产品,会推出新功能让这些客户先使用。
  2. 左下角是购买意愿低频次低的客户,我们就鼓励客户使用产品,引导客户用留存度高的功能,对客户进行培训。
  3. 左上角是购买意愿高,使用频次不高的用户,我们让客户马上埋单,把用户变成客户,先鼓励用户购买之后再慢慢像右上角推动。
  4. 右下角的区域,购买的意愿不高,使用频次高,这时候要了解原因,比如一些客户在平台上消耗了大量资源,但是付的钱不能覆盖成本。我们要找一些方法进行沟通,或者了解是不是多个人使用一个账号。在这上面我们会发现,按账号来卖的产品,有的用户经常多人使用一个账号。我们可以跟客户交流,给客户开更多账号等。

四、从收集用户行为开始,实现SaaS客户成功

我们的主要目标是让客户在平台使用的时间更长。那实现客户成功的好处是什么呢?

实现客户成功最大的挑战是收集用户行为。有了数据还要进行数据分析,分析结果指导企业针对用户行为积极主动的运作。能指导用户行为的结果才是好的分析结果。有了用户行为数据才知道用户是怎么使用产品的,最开始购买是靠这个产品能满足需求,持续购买是靠用户体验,我们需要知道用户是怎么使用产品的,从而提高用户体验。

比如一款团队协作SaaS产品,里面有很多功能模块,所有功能都要对用户行为数据进行收集。大家知道传统统计方法中,收集产品功能用户数据可以通过埋点来实现。但是实际操作比较复杂,产品经理想知道产品使用情况要通知数据分析师,数据分析师要找到数据报表,找不到的话需要工程师埋点,等代码上线之后才能得到这些数据。

考虑到整个流程很繁琐复杂,回国创业之前,我们想了一个简单的方法帮助产品经理收集和分析数据,通过无埋点的方式收集用户数据。不管是网页端客户端还是手机APP,都能全量采集用户行为数据,做出分析报表,帮助产品经理快速发现用户行为背后的内容,对产品进行新一轮的迭代,比较之前的结果,来分析我们的结果是正确的还是错误的。

收集用户行为数据,判断用户行为信号,以及某个模块使用情况,所有信号都能让我们把用户分在不同象限内,采取不同行动。

 

作者:GrowingIO 联合创始人吴继业,微信公众号GrowingIO。

本文由 @吴继业 原创发布于人人都是产品经理。未经许可,禁止转载。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!