编译丨拓扑社 一笑

企业级SaaS和消费级订阅业务如何计算收入？风投公司Social Capital的LP Jonathan Hsu在本文中给出了他的分析方法，Jonathan 曾经是Facebook的数据科学家，本文编译自Social Capital官方博客，以下是全文：

以一家B2B SaaS公司为例，通过按月订阅收费的方式获取营收。对这类公司来说，首先你需要关注月活跃用户，如果月活跃用户减少，月经常性收入通常也会随之减少。除了关注月活跃用户（MAU）的增长之外，也需要重点关注月经常性收入（MRR）的增长。现在让我们先来看看月经常性收入的增长，下图显示了月经常性收入以平均每月16%的速度增长的情况：

和分析月活跃用户类似，我们把月经常性收入的各个组成部分拆开看看，但其中会有一些细微的差别。在分析月活跃用户的时候，一个用户要么留存，要么流失，相对比较简单。而在分析收入的时候，用户可能留存，可能流失，留存的用户每个月花的钱可能比上月多，也可能比上月少。因此，在计算收入增长的时候，我们把增加和减少两部拆开：

MRR(t) = 新客户收入(t) + 留存客户续费(t) + 唤醒沉睡客户收入(t) + 留存客户增加收入(t)

MRR(t-1月) = 留存客户续费(t) + 流失客户收入(t) + 留存客户减少收入(t)

注意，如果一个客户上个月花了10美元，这个月花了12美元，其中10美元为留存用户续费收入，2美元为留存客户增加收入，同样，如果减少则为留存客户减少收入。只有客户一分钱都没花的时候，才列为客户流失。而当客户再次花费的时候，则视为唤醒沉睡客户。这个等式可以重新整理如下：

MRR(t) - MRR(t - 1月) = 新客户收入 (t) + 唤醒沉睡客户收入 (t) +留存客户增加收入 (t) – 流失客户收入 (t) – 留存客户减少收入 (t)

如下图所示：

现在我们基于速动比率（Quick Ratio）来计算收入，速动比率在1~1.5之间，流失率约为40%。

回到对消费级app月活跃用户的分析，速动比率在1.5是不错的数据，但对于常规收入而言却不是。

如果你认为消费级订阅企业(比如Spotify和Netflix)的用户流失率本来就不高，所以速动比率较高，那么我再举一些例子，相比之下，纯ToC零售生意(比如NordStrom网上商城)月流失率会比较高，因为用户连续几个月购物的动力不足。如果你认为订阅业务依赖于高留存率和高增长（比如Slack），你可以看到很高的留存客户增加收入。

对于企业级应用SaaS公司，我们更希望投资那些速动比率大于4的公司。

如果你的速动比率小于2，很可能是因为用户流失太高了，你需要解决这一问题。以下的图表是SaaS公司的实例分析。

我们选择投资了右边的两家公司，放弃了左边两家。左上角的A公司讲了一个很好的故事，他们的收入增长很多，产品与市场契合度非常好，然而减少的收入太多，导致每月新增的收入被减少的收入抵消，影响了月经常性收入的净增长。

计算其它因素

我们已经分析了月经常性收入，实际上计算任何相关量对于公司来说都是很重要的。举个例子，比如你做了一个社交网络app，你可能认为月活跃用户还不够严格，你希望用户每天都能使用你的app。在这种情况下，仅仅分析月活跃用户有多少是不够的，你还希望了解用户的活跃度有多高，Facebook通过L28来实现，比如，一个用户的L28=10，表示在过去的28天中活跃天数为10。如果你把所有用户的月L28加起来，就可以把每个月的用户活跃程度做对比分析。如果用户的L28高于上月，则视为增加，反之则减少，这样就可以计算日活跃用户的增长情况。

除了分析活跃用户或收入之外，还可以考虑分析的是分享链接，比如分享到Twitter上的。如果你要分析的是分享到Twitter上的链接，可以用上述方法来对比不同时段用户分享某一条链接数量的增减变化，来分析活动中链接分享的增长。

总结来看，增长分析的框架可适用于任何用户为企业积累价值（收入、日活、内容等等）的场景。但这个框架有一个很明显的缺点，流失数据不够细化，不能区分流失用户中有哪些是新用户还是老用户，也就是说这种方法无法非常清晰地呈现用户生命周期。

— END —