用于SAAS公司的MRR模型--对一个公司LTV的预测

一、客户分类

1、分类表

所有注册客户	新客户（本月新注册客户）	新增	1、本月开通会员
		无变化	2、本月未开通会员
	老客户（本月之前注册的客户）	流失	1、本月会员到期未继续购买。
		新增	2、本月不是会员，新开会员
		扩展	3、会员升级，例：从高级会员到超级会员
		缩减	4、会员降级，例：从超级会员到高级会员
		无变化	5、会员到期，继续购买相同会员；会员未到期；本月不是会员，未购买会员。这里将会员分摊到每个月中，比如4.25号开通三个月的会员，则将会员费用分摊到，4月，5月，6月三个月中

2、结构图

二、指标定义

1、LTV：用户生命周期价值，基础估算方式：LTV=每个用户的平均月度毛利 / 月度收入流失率

2、CAC：获取用户所花费的成本

3、MRR：每月收入，包括新客收入和老客收入

4、NEW MRR ：新客户在本月带来的收入

      churn MRR：流失的收入，可以通过计算本月流失客户在上月的带来的收入来获取

      Expansion MRR：发生业务扩展的客户所带来的收入

      Net New MRR：本月净新收入

5、ARPA：每个账户的平均收入

三、LTV预测方式

 对于一家SaaS公司，获得盈利需要一定的时间（用户生命周期），如果客户对企业服务满意，她就会长期使用服务，从而企业可以获得更高的利润。反之，如果客户不满意，她们 就会迅速流失，企业会因为获得她们进行的投资而亏损。因此SaaS公司必须完成两项任务。第一，争取客户；第二，留住客户（最大化用户生命周期价值也就是LTV）。

      如何争取客户，一般的企业想要获取客户就需要组建运营团队去做投放，也就是打广告，而打广告就需要成本，这就形成了获取客户的成本CAC。在通过投放获取客户之后，企业可以从客户的生命周期中获取价值，这就形成了LTV。一般的LTV和CAC的比值，可以衡量一个投放渠道的好坏，或者指导是否加大投放力度。CAC很容易获取，因为在投放的时候我们已经知道，但是LTV如何获取，由于是否加大投放力度是一个前瞻性的工作，而真正的LTV需要在一个投放结束之后才能知道，因此LTV需要采用合理的方式去预测。

1、一种传统的LTV计算方式（单位按月）

   

其中ARPA为每个月新增客户带来的平均收入，churn rate of user为每个月的客户流失率，Gross margin%为毛利率。

案例：假设企业每月流失3%的客户，且五月份新增用户的ARPA为100，毛利为80%。

 用户平均生命周期=1 / 用户流失率=1 / 3%=33.3  

 五月份用户LTV=100*80%*33.3=2664

注：在该计算方法中，仅仅考虑了企业的用户流失率。但是在一个企业所有的客户中，有大客户与小客户，流失3%的大客户和流失3%的小客户带来的结果是完全不同的，因此我们需要用一种收入流失去代替用户流失。

2、收入流失，即通过计算每个月的收入流失来计算用户生命周期价值

 

churn rate of revenue为每个月的收入流失率，即本月流失客户上个月所带来的收入以及客户业务降级带来的损失所占的比例（分母为上月的总收入）。

案例：假设企业在五月份的收入流失为2%，且五月份新增用户的ARPA为100，毛利为80%。

五月份新增用户LTV=100*80% / 2%=4000

注：在该计算方法中，考虑了不同客户的影响，但是这里没有考虑到时间价值的影响，很明显的就是企业今天获得100元和一年后获得100元的价值是不同的，因此需要考虑金钱在时间上的折扣。

3、假设按月折扣为10%，即今天的100元在一个月后对企业的价值为90元。

 

 

discount为价值折扣。

则按2中的例子去计算。

k=(1-2%)(1-10%）=0.882

五月份新增用户的LTV=100*80% / (1-0.882)=678

注：这里设置的折扣率有点夸张，一般按月折扣小于1%。