SAAS指标革命（二）关键：客户成功指标

［摘要］：

在上篇SaaS指标革命（一）指标驱动中，我们探讨了SaaS指标的重要性，以及SaaS利润的构成公式。本篇文章，我们将与您一起携手深入指标丛林的腹地，将至关重要的“客户成功指标”纳入囊中。

该系列包括四篇文章：

（一）开篇：指标驱动型SaaS业务模式

（二）关键：客户成功指标

（三）如何获客

（四）SaaS指标成熟模型

［作者简介］：

Joel York，敏捷营销管理软件初创公司Markodojo的CEO与创始人，具有20余年B2B高管经验，拥有关于SaaS管理的Blog——Chaotic Flow。“Chaotic”既指的是企业混乱与迅速变化的本质，也指的是Joel York本人对于企业时而混乱并迅速变化的思考。

［主文］：

在过去几年中，SaaS从业者们已经对SaaS财务指标有了深入的理解，并且明确了实现这些财务指标所需的运营原则。然而，发现客户流失率降低50％将导致经常性收入增加2倍是一回事，实现这一目标又是另一回事。通常减少50%流失率都是一件单调乏味、毫无保障的反复试错的过程。

这种情况即将改变。随着SaaS行业的成熟，我们见证了SaaS指标从简单、历史性的财务度量向复杂、运营性质的指标变革，而所谓“复杂、运营性的指标”，指的就是新的SaaS客户成功指标，以及预测分析。

“客户成功”数据的海洋

客户成功指标如若把握得当，前景非常可观。不幸的是，它所面临的挑战也一样可观。指标驱动型SaaS业务将收集并分析客户数据，而这些数据是非常庞杂的。

在SaaS客户生命周期的最初阶段，当网络访问转化为试用账户时，Cookie将被丢弃，正式进入使用期。初始邮件由注册表单捕获，并被添加到第三方数据库中。销售及市场切入跟进，各种活动行为将被记录在CRM系统以及营销自动化系统当中。最终，电商引擎捕捉到购买行为（终于买了！），并推送至财务系统用于未来的费用计算。

然后，真正的行动才开始。客户们一次又一次登录产品。每一个重要的点击都被记录下来，每一个客户成功行为都被载入史册。

产品使用、客户调查、客户统计资料、购买数据、互动数据共同汇聚成为客户成功指标与预测分析的“数据池”，然后，再变成我们能看懂的KPI、根因分析、早期预警系统、自动化的客户沟通等等。

SaaS客户成功指标的挑战，本质上是一个数据问题，需要强大的数据收集引擎与复杂的统计模型。收集数据只是一个开始。指标驱动型SaaS业务还必须利用好数据，将数据转化成信息，再将信息转化成行动。

通过指标驱动SaaS客户的成功

还记得我们在上篇文章中提到过的SaaS利润公式吗？

SaaS利润=当前客户x（平均经常性收入 – 平均经常性成本） – 新客户x平均购置成本

作为SaaS的管理人员，我们的财务目标非常简单：做出商业决策，将财务杠杆推向正确的方向，以增加收入并降低成本。

公式中的减号将SaaS利润最大化的挑战分为两个部分——“当前客户”与“新客户”。SaaS商业组织与运营计划同样也经常分为“服务当前客户”与“获取新客户”两部分。本篇文章主要关注点在“当前客户”，而在下一篇文章中，我们将讨论有关“新客户”的那一部分。如前所述，推动这些财政杠杆说起来容易做起来难。

以下内容我们将介绍公式中的前三个杠杆：当前客户（客户流失），平均服务成本（客户成功效率）和每位客户的平均经常性收入（增值销售），以及SaaS客户成功指标在创建、执行操作计划中的主要作用。

利用根因分析 减少SaaS流失

对于一个合理规模的SaaS业务来说，客户流失率通常是SaaS增长与利润方面最大的资金流失。如果我们要开始探索SaaS客户成功指标，从流失率开始，是个不错的开端。

流失率本质上是一个统计学概念，所以对其进行建模从根本上说是一个统计问题。SaaS流失率代表着一个客户在特定周期内退出的概率。这个概率取决于很多因素：客户在您的产品中看到的价值，客户对产品的依赖度，竞争对手产品的潜在价值，以及客户组织内部的优先级和政治因素。指标驱动型SaaS需要收集和分析所有这些预测变量的信息。

我们可以运用统计学方法来识别客户流失的根源（NPS为“净推荐值”，其公式为：=［推荐者数/总样本数］×100%-［贬损者数/总样本数］×100%）

一旦我们收集到相关信息，我们就可以运用统计学方法来确定流失的根源了。 从简单的流失列队交叉表，到更高级的逻辑回归与生存分析，有许多描述性统计方法都可以适用。撇开这些统计学方法不谈，我们期待能够发现一些诸如此类的见解：医疗行业的客户比金融服务业客户更容易流失；如果一个客户在过去的30天没有登录，则极有可能流失；经常使用报告模块（而非其它模块）的客户是我们产品最好的倡导者，等等。

借助正确的数据与恰当的分析，我们可以不断识别客户流失的根本原因，比起我们当初宣称要将客户流失率从15％降至10%，却说不出如何实现，是个巨大的突破。

预测分析以及如何创建客户成功指标的KPI

一旦我们更好地了解客户流失的原因，我们就可以创建模型，来预测当前客户流失的风险。基于这些良好的预测，客户成功部门就可以采取行动，预防流失。也因此，我们模型中的预测变量以及模型本身就可以用于创建客户成功指标中的KPIs，用来追踪客户日常行为。举个简单的例子，我们发现两周没有使用产品的客户流失风险较高，并且，随着时间的增加，流失的风险也不断上升。这个指标和产生它的回归都可以用来创建KPI。

SaaS客户成功指标和产品使用

基于产品使用数据制定的客户成功指标是指标驱动型SaaS成功的秘诀。从某种意义上说来，流失就是使用的反面。客户使用产品越多，就越不容易流失。使用产品的程度越深，转换成本就越高。

追踪不当使用，我们就有了可以用来预测流失的指标；追踪深度与频繁的使用，我们就有了找到产品死忠粉的线索。

既然是基于产品使用来制定的客户成功指标，那么最明智的做法当然还包括推动产品使用本身。我们识别出正在与产品作斗争的用户之日，就是我们找到改善用户体验的机会之时。我们可以优化相关的产品细节，为客户提供精准的帮助与课程，当然也可以减少客户流失。

产品使用数据是指标驱动型SaaS的成功秘诀。从某种意义上说，客户流失就是使用的反面。

通过指标 为SaaS客户成功提效

相同的KPI，不但可以用来减少流失率，也可以用来提高客户成功部门的工作效率，降低服务成本。关键就在于不仅仅用指标来监控与建模，而是将其嵌入到客户成功经理的日常工作流程当中。比如，我们已经知道停用产品两周的客户需要立即关注，那么我们就可以利用这个指标，为客户成功经理创建仪表盘和预警。主要目标就是将客户成功经理的注意力转向最容易产生财务变化的那部分客户身上。然后，不要把时间浪费在不会对客户的成功产生任何影响的活动上。

比起SaaS财务指标，客户成功指标的魅力就在于它们可以精细到单个客户级别。此外，还可以根据时间、客户类型、产品模块、客户成功经理等各种维度进行过滤，呈现一副客户成功运营的立体全景。我们可以为单个客户打分，还可以将正确的客户成功经理安排给最适合的客户。

客户成功经理通常习惯按照小型、中型、大型账户的方式来规划自己的工作。然而，这可能之时因为您的大客户流失风险最小、增值销售的空间也最小。SaaS客户成功指标可以在这方面为经理们提供更多的思考维度以及更强大的指导。

用SaaS客户成功指标 驱动增值销售

SaaS客户成功指标还可以促进增值销售，以提高每位客户的平均经常性收入。这是我们SaaS利润公式中的另一个财务杠杆。就像我们在流失率分析中所做的那样，通过分析过去发生增值购买的客户的人口统计学信息、产品使用数据等，我们可以开发出关于增值销售的预测模型与计分方式。而且，我们还是可以将这些模型与KPI嵌入客户成功经理的日常工作流程中，让他们随时可以向最可能产生购买的客户发力。最后，我们还可以将预测模型嵌入到产品内部，当发现潜在客户时，自动触发沟通，促进购买。

在下一篇文章中，我们将一起走入兴奋的获客世界。敬请期待！