Что

такое

юнит

экономика?

snitko.pro

Performance-маркетинг – это подход, в основе которого решения принимаются на основе данных. Благодаря рerformance-подходу, мы можем маркетинг не просто посчитать, а выразить в денежном эквиваленте. Действуя в привязке к бизнес-целям, рerformance-маркетинг предлагает измерять эффективность маркетинга в полученной прибыли.

Дата загрузки:2019-08-12

Performance-маркетинг Performance-маркетинг

Подписывайтесь на канал — давайте дружить и развиваться вместе!






Performance-маркетинг. Что такое юнит-экономика?


  • Михаил Снитко
  • 12 Августа 2019

Performance-маркетинг Каждый вложенный в рекламу рубль должен приносить прибыль, но что делать, если типичный подход к маркетингу, желаемых результатов не дает? На помощь приходит рerformance подход. Что такое рerformance-маркетинг? Это подход, в основе которого решения принимаются на основе данных. В чем заключается проблема? К сожалению, большинство предпринимателей, свои решения данными из бизнеса не подкрепляют, вследствие чего, решения принимаются от балды. Чем рerformance-маркетинг хорош?

Тем, что его можно просчитать и не просто посчитать, а выразить в денежном эквиваленте.

Действуя в привязке к бизнес-целям, рerformance-маркетинг предлагает измерять эффективность маркетинга в полученной прибыли. Откуда у нас берутся клиенты? Клиенты в интернет-маркетинге появляются из посетителей сайта при помощи конверсии. В чем заключается ограничение? Дело в том, что все пользователи, которые попадают к нам на сайт, делятся на два больших класса. На тех, кто у нас покупку еще не совершали – эти пользователи покупают у нес не продукт и не решение своей проблемы, они пытаются купить у нас веру в то, что наш продукт решит их проблему. По сути, люди покупают веру в наш продукт.

Те люди, которые у нас уже покупали, они покупают именно решение своей проблемы, которую они при помощи нашего продукта собираются решать. Крайне важно эти когорты пользователей разделять, т.к. у них сценарии принятия решения абсолютно разные. По сути, если мы будем знать, сколько мы тратим на каждого пользователя, который в нашу воронку попадает и рассчитаем сколько он приносит денег в кассу, то мы сможем вычислить объем денег приносимый бизнесом с потока пользователей.

Но, чтобы принимать решения осознанно, важно учитывать, что стоимость привлечения клиента, очень зависима от других величин. У нас существует две ключевые метрики — это затраты на привлечение клиента и полученные с него доходы. Однако, данная пара не совсем удобна, т.к. стоимость привлечения клиента зависит от множества характеристик. Например, насколько наш продукт хорош, насколько мы хорошо своих клиентов удерживаем, какие у нас существуют затраты на их удержание и т.д.

Самая простая характеристика – это конверсия, т.е. мы сначала должны привлечь из рекламного канала необходимое число пользователей, затем при помощи своего продукта, сконвертировать этих пользователей в клиентов, но с точки зрения принятия решений – это не совсем удобно. Потому что, когда перед нами стоит задача, уменьшить затраты на привлечение клиента, то мы будем думать, а что для нас важнее, увеличить конверсию, уменьшить затраты на маркетинг или увеличить, например, частоту возврата пользователей. Фактически, одна величина зависит от разных метрик.

Вот ровно для этого мы и делаем переход из системы координат клиент, в систему координат пользователь.

Где мы сравниваем затраты на привлечение пользователя и доход, полученный с привлеченного пользователя. Поэтому, мы два этих процесса и разделяем. Процесс на привлечение пользователей и процесс конвертирования пользователей. Для чего этот переход необходим? Для того, чтобы разделить между собой решения по маркетингу и по продукту, чтобы каждое решение принимать отдельно. Далее, исходя из анализа метрик, мы ищем пути, как улучшить конверсию сайта и, как увеличить отдачу от текущих рекламных кампаний, при помощи конверсионной оптимизации.

Что такое конверсионная оптимизация? Это комплекс мер, применяемых к рекламным кампаниям, с целью получить с каждого рекламного канала максимальное число лидов за минимальные деньги. При типичном подходе к аналитике, оптимизация рекламных кампаний заканчивается на основе выводов по первой конверсии. Вторая конверсия, а именно, отношение числа заявок к числу продаж, часто не анализируется вообще. По сути, конверсия является самой невезучей метрикой. Почему?

Не существует метрики, над которой системы аналитики и здравый смысл не издевались бы больше, чем над конверсией.

В чем заключается особенность конверсии? Конверсия, дает двойной эффект. Какой? Она увеличивает число клиентов и одновременно снижает их стоимость. Благодаря высокой конверсии, мы можем выкупать более дорогой трафик, отжимая тем самым аукцион. Но исторически так сложилось, что проще определить стоимость лида, чем посчитать конверсию по каналам. В чем заключается проблема? Дело в том, что если у нас задействованы несколько рекламных каналов, то глядя на стоимость лида, понять, какой рекламный канал эффективней невозможно.

Дело в том, что на стоимость клиента влияют, стоимость привлечения пользователей, конверсия в заявку, так и конверсия из лида в клиента. Это все разные метрики и каждая из них имеет свой класс проблем. Поэтому, когда мы говорим, что увеличиваем конверсию, на самом деле, мы снижаем число не купивших. Но часто цифры в аналитику подтягиваются с погрешностями. Поэтому крайне важно, чтобы погрешности не влияли на выводы и как следствие на принимаемые решения.

Т.к. решения принятые на основании неверных цифр – стоят слишком дорого.

В теории посчитать конверсию просто, но на практике системы аналитики часто показывают цифры, которые от реальности оторваны. Как Google Analytics определяет конверсию? Он считает число сессий с достижением цели деленное на общее число сессий. В чем заключается проблема? Дело в том, что число сессии на пользователя – это параметр рандомный. Причем погрешность скачет не только по источникам, но и по времени.

Следующая проблема – GA фиксирует сессии, в которых случается хотя бы одно событие. Дело в том, что в среднем один пользователь совершает целевое действие от 1,1 до 2 раз. Получается, что среднее число конверсий на пользователя — это параметр тоже случайный. В результате заявка попадает в CRM-систему, но в GA не записывается. К чему это приводит? К тому, что число лидов в GA, с числом лидов в CRM не сходится. Дело в том, что число событий не равняется числу сессий, а число сессий не равняется числу пользователей. В чем заключается проблема?

Дело в том, что на сайте заказывают и покупают не сессии, а люди.

Какие проблемы это вызывает дополнительно? Из-за того, что GA записывает не все события, то невозможно определить по каким рекламным каналам их необходимо распределять. Вследствие чего, ROI каналов рассчитать становится невозможно. Директора по маркетингу, чтобы определить, какие кампании приводят платящих клиентов, заморачиваются с моделями атрибуции. Что такое модель атрибуции? Это набор правил, определяющих принцип распределения ценности тем источникам, которые генерят клиентов.

Например, ГА опирается на модель атрибуции last click. Когда revenue атрибуцируется последнему рекламному каналу с которого пришла заявка. Как last click работает? Например, пользователь зашел на сайт через СЕО, в тот же день мы его вернули с контекста, потом он перешел из рассылки и купил. Что в данном примере произойдет? Канал email, занизит доходы от контекста и СЕО. По этой причине, у промежуточных каналов ROI часто не сходится, вследствие чего, они кажутся убыточными, а значит, их необходимо либо оптимизировать, либо отключать.

Как работает модель атрибуции First click? В этой модели revenue засчитывается каналу с которого был первый переход. Например, пользователь пришел с органики и не купил, а через неделю мы его дожали ретаргетом РСЯ и он сконвертился. Но доход по 1st click будет присвоен каналу СЕО. Доход у контекста опять будет украден.

Этот рекламный канал сконвертировал клиента, но его ROI снова будет занижен.

Следующая модель атрибуции – это Position based. Модель, при которой 40% дохода присваивается первому каналу, 40% последнему и 20% распределяется между промежуточными. В чем заключается ограничение этой модели? Эта модель занижает ROI каналов, которые привлекают пользователей и завышает вклад ретаргета, email рассылок, веб-пушей и других инструментов, которые участвуют в прогреве пользователей.

Следующая модель – Funnel Based. Как она работает? Она присваивает каждому источнику вес и распределяет доход, согласно весовой модели. Как в этой модели конверсии атрибуцируется? Согласно вероятности прохождения пользователя по этапам воронки, т.е. конверсия засчитывается источнику на основе вероятности. По сути этот метод, похож на черный ящик. Кроме того, как бы эта модель не наколдовывала вес каждому каналу, она все равно списывает доход с платных РК, что стабильно занижает их ROI.

На самом деле, нам нужна не модель атрибуции, нам важно понимать, что с рекламными кампаниями делать. Модель атрибуции нужна лишь для того, чтобы понимать, какие рекламные кампании генерируют доход, а какие генерируют убытки. Опираясь на модели атрибуции, на самом деле, мы ищем ответ на простой вопрос, что делать с платными каналами, чтобы выделить кампании, которые необходимо отключить, оптимизировать, масштабировать, либо не терзать и оставить в покое.

Также существуют и альтернативные модели атрибуции, например, Post click. Как эта экзотика работает? Если в многоканальной последовательности участвует более одного платного канала, то post click присваивает доход каждой кампании, которая была в цепочке, но не была last click. Бесплатным же каналам в отчете по post click, атрибуцируются только те лиды, по которым канал был последним в цепочке, т.е. когда число конверсий по post click = числу конверсий по last click. Что нам модель post click дает? Она выявляет кампании, которые точно необходимо, либо дорабатывать, либо отключать. Таким образом, мы получаем максимально возможный доход от рекламного канала в конверсиях которых он участвовал.

Следующая фильдеперсовая модель – Indirect free – косвенные бесплатные доходы. Как эта модель работает? Она атрибуцирует доход, если в пути пользователя до заявки встречается платная кампания, то в этом случае, ревеню присваивается последнему платному каналу. Вообще, задача маркетолога не ковыряться в моделях атрибуции, а привлекать максимальное число лидов за минимальные деньги.

По сути, задача заключается в том, чтобы принимать одно из 4 решений: отключить кампанию, оптимизировать, масштабировать, либо оставить ее в покое.

Но большая часть маркетологов в своей деятельности используют усредненные данные. При типичном подходе, из рекламных кабинетов делается выгрузка расходов, из Google Analytics число заявок, а из CRM число клиентов и сделок. Посчитав ROI поканально, он делает вывод, что, например, direct и adwords убыточны, а фб приносит доход. Но реальная картина, часто совсем иная. Дело в том, что разные каналы имеют разные показатели конверсии и разную маржинальность. К чему такое усреднение приводит? К занижению показателей успешных кампаний и завышению показателей откровенно слабых. Вследствие чего, из-за такого усреднения, успешные рекламные каналы выглядят хуже.

Маркетолог видит меньше прибыли и не понимает, как инвестировать в успешные каналы. Убыточные каналы, напротив, могут выглядеть выигрышно, т.к. их низкую маржинальность, завышают более успешные.

Тут на помощь приходит, так набившая всем оскомину – сквозная аналитика. Что такое сквозная аналитика? Это метод анализа эффективности рекламных кампаний на основе данных по продажам, путем отслеживания каждого клиента сквозь всю воронку. Что нужно для того, чтобы аналитика стала сквозной? Необходимо идентифицировать пользователя на каждом этапе воронки. Как пользователь определяется? По уникальному идентификатору clientID.

В каких случаях clientID может не записаться? Во-первых, блокировщики рекламы, также, когда сторонние приложения не передают значение cid, когда код сайта в браузере глючит, когда на сайте, как на новогоднюю елку навешаны JS-скрипты, которые друг с другом вступают в конфликт и Google Analytics трафик отрабатывать не дают. Когда пользователь отправляет заявку он становится лидом. CRM идентифицируют лид через userID, а оплату через transactionID. Но CRM-система не хранит ClientID, а Analytics — userID.

Поэтому, чтобы аналитика стала сквозной, необходимо связать clientID, userID и transactionID..

С одной стороны, предприниматели хотят принимать решения опираясь на данные, но с другой стороны, они не знают, какие данные им необходимо собирать, а главное, как эти данные применять на практике. С одной стороны, такой инструмент, как сквозная аналитика помогает нам работать с рекламными каналами, но с другой стороны в бизнесе у нас далеко не все задачи связаны с рекламой.

Поэтому правильный performance-маркетинг, в обязательном порядке, опирается на юнит-экономику.

Что такое юнит-экономика? Это подход, когда все решения, которые мы принимаем, основываются на данных. Благодаря этому, мы можем оценить, насколько эффективно бизнес функционирует. Чтобы не получилось так, что мы масштабировали бизнес, а получили масштабирование убытков.

Что юнит-экономика показывает? Она показывает, как наш бизнес зарабатывает с потока пользователей. При этом обязательно важно учитывать то, что деньги бывают, как со знаком плюс, так и со знаком минус. Когда мы запускаем стартап, мы находимся в нуле. Потом, мы начинаем инвестировать привлеченные средства или свои собственные деньги, либо вкладываем свои силы, время и нервы, либо все вместе. И наступает такой момент, когда мы начинаем зарабатывать столько же, сколько тратим и проходим так называемую точку безубыточности, но нас интересует именно путь до точки безубыточности, который называется долина смерти. Именно показатель маржинальной прибыли с потока пользователей нам показывает, сможем ли мы эту точку перелома преодолеть.

Если этот показатель положительный, т.е. когда мы получаем с клиентов денег больше, чем тратим на их привлечение, то наши инвестиции начинают отбиваться.

По сути, к применению юнит-экономики, существуют три подхода. Первый подход – это когда мы стартап, когда нет еще ничего кроме безумной идеи и мы хотим понять, стоит ли эту бизнес-модель реализовывать. Наша первичная задача – это определить, каких метрик нам необходимо достичь. Где мы отвечаем себе на вопросы, при каком потоке пользователей, при какой конверсии, при каком ретеншене и при каком среднем чеке мы сможем зарабатывать.

Второй подход – это понимание предельных значений метрик. Что это означает? Когда мы пытаемся понять, а какой в принципе, у нас существует по каждой метрике предел? Третий подход – это когда мы намерены масштабироваться. В этом случае, мы начинаем искать в своем маркетинге узкие места. Когда у нас есть текущее состояние наших метрик и мы хотим вырасти, например, в 10 раз. Что для этого необходимо?

Юнит-экономика помимо поиска оптимальных значений метрик, позволяет определить – путь изменения этих метрик.

Вследствие чего, различные характеристики нашего бизнеса должны принять необходимые значения. Собственно говоря, юнит-экономика и позволяет связать наши бизнесовые KPI с метриками, где математическая модель поможет найти те места, которые для нашего бизнеса является критическими. Поэтому применяя теорию ограничений Голдратта с учетом ограничения рыночных условий, мы можем оценить экономическую эффективность нашей деятельности и найти для нашей бизнес-модели оптимальную конфигурацию метрик.

Следующим шагом в этом процессе является поиск узкого места. Что такое узкое место? Это точка приложения силы, которая позволяет получить кратный рост. Почему важно фокусироваться именно на узких местах? Дело в том, что если мы начнем расширять трубу не в узком месте, то производительность системы не изменится.

Согласно теории ограничений Голдратта – эффективность бизнеса равняется производительности самого узкого места.

Если представить бизнес, как набор труб разного диаметра и под производительностью бизнеса брать сечения трубы, то выхлоп всей системы будет равен пропускной способности самого узкого места. Теория ограничений Голдратта штука достаточно простая с точки зрения процесса оптимизации узких мест. Когда мы находим узкое место и производим необходимые процедуры, чтобы это узкое место расширить. После чего, переходим к следующему узкому месту. В результате у нас получается такой процесс непрерывного совершенствования.

Что мы получаем? При помощи юнит-экономики, мы получаем цепочку узких мест, а также понимание того, на какую величину и в какой последовательности нам необходимо наши метрики менять, чтобы наши показатели улучшились. Что мы делаем? Мы берем нашу текущую юнит-экономику, находим оптимальную юнит-экономику и определив ограничения по каждой метрике, под нашу оптимальную юнит-экономику, формируем пошаговый алгоритм ее изменений.

Что этот алгоритм, нам дает? Он позволяет определить, над какими задачами, над какой метрикой и над какой дельтой по метрикам, нам необходимо работать.

Для чего это необходимо? Это нам позволяет получить оптимальный путь по достижению целей за минимальное число итераций. По сути, юнит-экономика применяется в двух вариантах – в снятии метрик и в прогнозировании метрик. В снятии метрик все достаточно просто, но, когда мы пытаемся спрогнозировать экономику, в этом случае возникает ряд усложнений.

С чем это связано? Это связанных с тем, что какие-то параметры нам необходимо предсказывать на основании значений других параметров. Но вокруг чего юнит-экономика стоится? Вся юнит-экономика строится вокруг пользователя. Что мы под пользователем понимаем? Пользователь – это наша базовая сущность, пользователь представляет собой человека, который при помощи рекламы познакомился с нашим оффером.

Следующая сущность, которой мы в юнит-экономике оперируем – это user acquisition, число привлеченных пользователей. Что эта величина нам показывает? Она показывает, сколько пользователей при помощи маркетинга с нашим сайтом проконтактировали. Также, в юнит-экономике у нас есть такой показатель, как CPA, стоимость привлечения пользователя. Следующая метрика – LTV доход с клиента за все время его жизни. Следующая метрика – acquisition cost, маркетинговый бюджет. Следующая метрика Revenue – оборот.

Следующий показатель – это customer acquisition cost. CAC учитывает все затраты, которые мы несем на привлечения клиента. Если мы вычтем из LTV – CAC, то получим грязную прибыль, из которой мы будем наш бизнес содержать. Но почему-то на рынке закрепился такой стереотип, что соотношение LTV и CAC должно выполняться, как 3:1. В чем заключается фокус? Дело в том, что главным критерием является то, можем ли мы вообще свои продажи масштабировать? Если можем, то, по сути, само соотношение не критично. Важно, чтобы разница была положительной.

Ключевое – это зарабатывать и понимать, как мы зарабатываем, а также понимать, можем ли мы свой объем продаж увеличивать.

Следующий параметр – это конверсия. В юнит-экономике, нас интересует не просто какая-то конверсия, а именно конверсия, которая определяет процесс перехода пользователя в клиента, который у нас еще не покупал. Следующая метрика Average Price – средний чек. Средний чек сущность достаточно специфическая. Как средний чек рассчитывается? Это вычисляемая величина, а именно количество товаров в корзине, умноженные на среднюю стоимость товара.

Дело в том, что, когда у нас не монопродукт, мы можем применять такие штуки, как апсейл и кроссейл. Вследствие чего, у нас появляются два параметра, при помощи которых, мы можем своим средним чеком управлять. Либо за счет увеличения числа товаров в корзине, либо стоимостью каждого товара отдельно.

Следующая метрика COGS – затраты на продажу. COGS специфический показатель, который совпадает с таким понятием, как себестоимость. Под затратами на обеспечение продажи в юнит-экономике подразумеваются издержки, без которых сам факт продажи невозможен. Дело в том, чтобы продать какой-то товар, нам необходимо сначала понести издержки на закупку этого товара, доставку и прием денег. Расходы связанные с этими процедурами, как раз и определяют, что такое затраты на обеспечение продаж.

Следующая метрика – First sale COGS. Дополнительные расходы, которые мы несем на самую первую продажу. Примером таких расходов могут быть, например, издержки на выплату комиссии продавцам. Следующая метрика – это число сделок на клиента. На этот показатель влияют несколько параметров, а именно, конверсия, процент возврата пользователей, конверсия во вторую покупку и время жизни клиента. В чем проблема этого параметра? Дело в том, что маркетологи к APC, часто относятся легкомысленно и эту величину округляют. Почему этот показатель так важен?

Дело в том, что многие бизнесы на первой сделке не зарабатывают. Поэтому крайне важно понимать, с какой сделки мы начнем выходить в плюс.

Следующий показатель Average Revenue per Customer. ARPC – это средний доход на одного клиента. Он показывает, сколько мы зарабатываем с продаж, совершенных клиентом за выбранный период, без учета затрат на маркетинг. Как этот показатель рассчитывается? Клиент, приходя к нам в бизнес, платит нам средний чек AvP и мы из этой суммы, вычитаем затраты COGS, которые несем на обеспечение продажи.

Фактически эта разница показывает нашу доходность, которую мы имеем с одной сделки. Но клиент за время свой жизни, может совершать некоторое количество сделок, поэтому мы эту разницу умножаем на APC и получаем сумму денег, которую нам приносит клиент за все время своей жизни. Однако, у бизнеса, часто существуют дополнительные издержки на первую продажу. Соответственно от всего этого слагаемого, мы вычитаем эти дополнительные траты на обеспечение первой продажи 1sCOGS.

В результате чего, мы можем начать производить минимальные решенческие выводы, а именно, если мы будем сравнивать доход, который нам приносит клиент с затратами на получение этого клиента, то зная, что ARPC у нас больше, чем CAC, мы поймем, что наш бизнес устойчив. Эта разница крайне важна для масштабирования. Потому что при масштабировании бизнеса, по каким-то метрикам мы можем начать проседать.

Поэтому всегда полезно иметь в резерве дополнительный запас прочности.

Следующая метрика Average Revenue per User, средний доход на одного пользователя, без учета затрат на маркетинг. ARPU является важной величиной для оценки эффективности бизнеса. Сравнивая ее с CPA, мы можем произвести оценку возврата инвестиций.

И ключевой показатель юнит-экономики, ради чего все это затевалось – это Contribution Margin, маржинальная прибыль с потока пользователей. Это величина, которая показывает, насколько эффективно наш интернет-маркетинг фунциклирует. Что Contribution Margin показывает? Contribution Margin сравнивает затраты на получение одного пользователя с доходом, полученным с этого пользователя.

Вследствие чего, мы можем оценить, насколько наша экономика хороша.

Фактически весь подход принятия решений на основе данных сводится к тому, что мы сравниваем Contribution Margin от решения к решению. Как это выглядит? Например, мы хотим в нашем бизнесе к определенной дате заработать миллион. После чего, мы раскладываем наш миллион на метрики, а именно, какой мы должны обеспечить поток пользователей, сколько нам необходимо заплатить за каждого пользователя, сколько мы можем брать денег с каждого клиента, какая у нас возвращаемость клиентов и на основе этих величин, мы вычисляем значение Contribution Margin. Что мы делаем? Мы берем пул задач и ранжируем их относительно изменений значения Contribution Margin.

Метод очень простой, т.е. те значения, которые нам будут давать прирост Contribution Margin являются правильными, те, которые прирост не дают – неправильные. Исходя из целей, мы собираем конфигурацию наших метрик – это число пользователей, конверсия из пользователей в клиентов, средний чек и издержки, которые мы несем на каждой продаже. Исходя из этого мы можем эффективность нашего процесса продаж оцифровать.

После чего, мы оцениваем, что мы в этих метриках должны изменить, чтобы выйти на необходимые финансовые показатели. Поэтому нам так важно понимать, какие метрики нам необходимо менять, а главное насколько их необходимо менять. В этом заключается ключевая суть юнит-экономики, а именно, юнит-экономика позволяет нам оценивать и ранжировать задачи. По сути, выстраивать систему принятия решений.

Благодаря юнит-экономике, мы можем определить, какая стратегия выхода на желаемые показатели для нашего бизнеса является оптимальной.

Оцените статью по 5-бальной шкале


Оцени!

Задайте вопрос


Нажимая кнопку, вы соглашаетесь с политикой обработки персональных данных