Калькулятор эффекта активации на выручку

Рост активации действует на выручку не сразу, а через накопление: каждый месяц в платящую базу приходит чуть больше клиентов, а отток каждый месяц забирает долю от уже накопленной базы. Калькулятор моделирует это помесячно — по месячным когортам.

Модель считается дважды — с текущей и с целевой активацией — и калькулятор показывает разницу. У рекурсии есть решение в явном виде, по нему удобно проверять результат:

Из формул видно два важных свойства. Во-первых, текущая база P₀ в разницу не входит: она одинаково уменьшается в обоих сценариях, поэтому поле «платящих сейчас» влияет только на график, но не на эффект. Во-вторых, эффект упирается в потолок ΔN / c: при оттоке 4 % в месяц дополнительная база в пределе в 25 раз больше дополнительного месячного притока. Чем ниже отток, тем дольше копится эффект и тем ценнее рост активации.

Пример

2000 регистраций, активация растёт с 25 до 32 %, 15 % активированных платят: ΔN = 2000 × 0,07 × 0,15 = 21 клиент в месяц. При оттоке 4 % за 12 месяцев дополнительная база составит 21 × (1 − 0,96¹²) / 0,04 ≈ 203 клиента, при ARPA 3000 ₽ это около 610 тысяч рублей дополнительного MRR на конце года. Выручка за год меньше, чем 12 × итоговый MRR, потому что база растёт постепенно.

Любая модель такого рода — упрощение. Эта сделана намеренно простой, чтобы результат можно было пересчитать на бумаге. Вот что она не учитывает:

• Постоянные параметры. Регистрации, активация, доля платящих, ARPA и отток не меняются весь горизонт. В реальности у растущего продукта растут и регистрации — тогда эффект будет больше.
• Мгновенный эффект. Считается, что новая активация действует с первого месяца и клиенты начинают платить в месяц активации. Если между регистрацией и оплатой проходит пробный период, сдвиньте ожидания на его длину.
• Отток только у платящих. Модель не отслеживает активированных, но пока не заплативших пользователей: доля платящих применяется к когорте один раз.
• Нет расширения и сокращения выручки. Апсейлы, переходы на другой тариф, скидки и возвраты не моделируются. Если у вас заметная чистая удерживаемая выручка (NRR) выше 100 %, реальный эффект будет больше.
• Одинаковое качество клиентов. Дополнительно активированные пользователи считаются такими же, как нынешние: платят с той же вероятностью и уходят с тем же оттоком. Если рост активации достигнут за счёт менее мотивированных пользователей, их доля платящих может быть ниже.

Поэтому используйте калькулятор для порядка величин и приоритизации: стоит ли вкладываться в онбординг, если рост активации на 5 п.п. даёт столько-то MRR через год. Для точного прогноза нужны ваши когортные данные — посмотрите на калькулятор retention и калькулятор LTV и оттока.

Активация — доля новых пользователей, которые дошли до момента ценности продукта: выполнили ключевое действие, после которого вероятность остаться и заплатить резко растёт. Для таск-трекера это может быть первая созданная задача с назначенным исполнителем, для BI-системы — подключённый источник данных и первый дашборд, для CRM — импорт контактов и первая сделка.

Хорошее определение активации проверяется данными: активированные пользователи должны заметно чаще становиться платящими и дольше оставаться, чем неактивированные. Если разницы нет, модель «больше активации — больше выручки» для вашего продукта не работает, и сначала стоит пересмотреть само ключевое действие. Подробнее — в статье «Активация пользователей: как мы настроили онбординг Clew на самом Clew», а о том, кто в команде должен отвечать за онбординг, — в материале «Онбординг без разработчика».

Типичные ошибки

• Умножать прирост на 12 месяцев без оттока. «+20 клиентов в месяц × 12 × ARPA» завышает эффект: часть этих клиентов уйдёт до конца года.
• Считать долю платящих от регистраций, а подставлять её как долю от активированных. Тогда эффект активации учитывается дважды или теряется.
• Путать MRR на конце горизонта и выручку за горизонт. Первое — скорость, второе — накопленные деньги; калькулятор показывает оба числа.
• Верить прогнозу без эксперимента. Рост активации после изменения онбординга стоит подтвердить A/B-тестом — калькулятор A/B-тестов подскажет, сколько пользователей для этого нужно.

1. Skok D. SaaS Metrics 2.0 — A Guide to Measuring and Improving What Matters. forEntrepreneurs.com — MRR, отток, экономика SaaS-клиента.
2. Croll A., Yoskovitz B. Lean Analytics: Use Data to Build a Better Startup Faster. O'Reilly Media, 2013 — активация, удержание и выручка как этапы жизненного цикла пользователя.
3. Fader P. S., Hardie B. G. S. How to Project Customer Retention. Journal of Interactive Marketing, 21(1), 2007 — модели удержания клиентской базы и ограничения модели с постоянным оттоком.