如何从数据上预测产品能否盈利

2018-04-14    阅读次数:48    软件开发,APP开发

我前面写过一篇产品分析框架的文章,里面把商业目标放在三大目标的最后一个,其实我是很心虚的。战略目标只有公司上层才能控制,虽然重要,但离很多人都比较远,而产品目标高于商业目标,可能也只是作为一个产品人的理想罢了。理想丰满但现实骨感,要想产品能做下去公司能活起来,产品人还是需要把大量的精力放在产品的盈利能力上。

那么,究竟怎样的产品能够盈利?产品做到怎样的程度就算是有盈利能力了?如何从数据上预测产品能否盈利呢?

很多有经验的产品或者运营,都能轻易回答这个问题,因为他们在工作中一定已经实践了很多遍。很少会有人去在乎这其中的原理,以及一些公式的推导过程,因为没用!但是,对于初学者甚至入行三年以内的产品经理来说,了解原理才能更好地学习和记忆,也便于从根本上了解我们到底在做什么,只有了解了原理很根本,才能活学活用,才不会被表面的数据所匡死。

所以我写了这篇文章,根据我个人学习和理解的过程,详细地讲解一下在计算产品盈利能力中所涉及到的数据、指标和公式的原理和计算方法。

一、三大指标及可盈利标志

不能盈利的产品就没有未来,那么,如何预测一个产品能否盈利就成为一个非常关键的问题。当产品已经运营一段时间,有了一些数据之后,就可以开始通过数据预测产品的盈利能力。

首先祭出最重要的三大指标:LTV、CAC、PBP

  • LTV 即 Life Time Value,意思是“用户的终身价值”

  • CAC 即 Customer Acquisition Cost,意思是“用户获取成本”

  • PBP 即Payback Period,意思是“回收期”

之所以叫它们三大指标,是因为几乎所有公司做产品都需要将它们作为最重要的指标。

基于前两大指标,盈利能力为正或者说有盈利能力的产品,数据上首先需要满足的就是:LTV > CAC

怎么理解呢?

首先,LTV=LTxV。LT,即Life Time,用户生命周期,一般我们算出来的是平均用户生命周期,单位是天或者月。V,即Value,这里解释为用户价值,一般我们算出来的也是平均用户价值,单位是元/天 或者 元/月。

LTV > CAC,就是说,用户生命周期价值大于获取用户的成本,这时候我们认为这个产品是可盈利的。举个例子,如果我们获取到1万个用户需要花10万元,那么,如果这1万个用户从安装到卸载能够给公司带来大于10万元的收益,则这个产品就是可盈利的。

当然,我们不能每次都去计算花费和收益的总量,最好的方法就是,能够得到一个平均数据,并据此作为对未来可能花费和收益的预估,以此来预测产品在未来是否能够盈利。一般,我们会计算:平均每个活跃用户,每天或每月能为公司带来多少收益,即V;平均每个用户能活跃多少天或者月,即LT。然后将这两个数据相乘,再去跟CAC相比。(为什么是活跃用户?因为只有活跃用户才能被我们统计到数据,所以我们只能以活跃用户作为基准来计算一切其他数据。)

至于第三大指标,当我们预测到产品是可盈利的之后,所付出的成本需要多久才能收回,产品才能开始真正地盈利,这个时间就是回收期PBP,为了保证公司资金链不出问题,一般认为PBP能够在一年以内是最好的。

那么,如何通过已有的数据,去计算这些指标呢?

二、CAC与CPI

先从简单的说起,CAC,用户获取成本,不同产品对其有不同的计算方法。而对于一般的软件产品来说,CAC=CPI,即Cost Per Install,每安装用户的成本。简单点说,就是通过推广获得一个安装所花的钱,当然这里说的是平均值,比如公司在一次推广中花了10万元,获取到了1万个新用户安装,则这次推广的CPI为10元。CPI不是恒定的,它可能会受到推广方式、推广时机、渠道、市场空间大小等等因素的影响,但是我们总能通过各种方式推算到一个较为准确的值。

三、V

由于LTV中,LT和V的计算都比较复杂,所以我们分开说,先从简单的V开始说起。

V,用户价值,一般我们用ARPU来计算,即Average Revenue Per User,指的是在一段时间内,公司所获得的收入总和平均到这段时间内活跃用户数上的值。比如,DAU ARPU就等于 日收入总和/DAU;MAU ARPU就等于 月收入总和/MAU。这就是一般的软件产品计算用户价值的方法,也是我们根据已有数据推算未来可能用户价值的方法,不过,这是一种间接计算方法。除了用ARPU的定义来间接计算之外,还可以根据软件本身的盈利模式来直接计算。

比如,对于纯广告收入的产品来说:

V=CPM(一般广告的成本计算方法,当然也是产品展示广告的收入计算方法)x广告每DAU展示次数(等于广告位每DAU展示次数x广告填充率)/ 1000

假如你的产品中某个广告位所展示的广告的CPM为20元,这个广告位每DAU展示广告次数为5次,则这个广告位所带来的价值V1就是0.1元,将你产品中所有的广告位的价值加起来得到ΣV,就是产品本身的用户价值V。

当然,产品盈利模式不同,直接计算的方法就会不同,有的盈利模式下,直接计算可能会非常复杂甚至无法计算。但间接计算的方法,对于所有产品来说基本都是一样的,如果我们有准确的产品收入数据,就可以统统用间接计算的方法来计算用户价值。

四、LT的计算

LT,用户生命周期,这个就复杂一些。首先,LT一定是基于产品生命周期的,整个产品的生命周期可能是1年、2年甚至5年、10年,比如LT365指的就是在一年的产品周期内的平均用户生命周期,LT60就是在60天的产品周期内的平均用户生命周期,一般产品生命周期越长,算出的用户生命周期就越长,显然LT365是大于等于LT60的。有点儿绕,我举个极端的例子解释一下,比如我做了一款产品,用户非常喜欢,所有用户下载过后每天都用且永不卸载,那么我这款产品的LT60就是60天,LT365就是365天;又比如我做了一款产品,用户非常讨厌,所有用户下载过后就立刻卸载了,那么我这款产品的LT60就是0,LT365也是0;再比如我做了一款产品,一半用户非常讨厌一半用户非常喜欢,讨厌的那一半下载过后立刻就卸载了,喜欢的那一半下载过后每天都用且永不卸载,那么我这款产品的LT60就是30天,LT365就是182.5天。

这就是LT的含义,就是在指定的产品生命周期内,平均每个用户能够活跃多少天,虽然复杂,但基本上争议不大。复杂的是它的计算方法,我在这里,先根据自己的经验,给出两个常见的计算方法。

第一个计算方法比较简单,就是:

LT=1/流失率

这里的流失率,就是在一段时间内,流失掉的用户占获取到的用户的比率。假如一个产品在一个月内的流失率为80%,则LT=1/0.8=1.25(月)

这个方法很简单,可是理解上却有很大障碍,很多资深的产品人尽管无数次用过这个公式,却从来不理解为什么是这样。这里我用简单的数据分析给大家解释一下。

比如一款产品,一个月的新用户总数是10000,月流失率是90%,那么就相当于:这批新用户,第一个月的月活为10000,第二个月的月活为1000,第三个月的月活为100,第四个月的月活为1,第五个月就没了;那么这群人的月活总数就是10000+1000+100+1=11111,则这群人的平均的 LT= 11111/10000=1.1111,它其实就相当于 1+0.1+0.1²+0.1³… = 1/(1-0.1)= 1/0.9,当然,这个公式只有在无限长时间的LT时,才能够划等号,但是对于一般产品的流失率来说,半年以上的LT基本上就增长不大了,当然越长期就越准确。

总结起来,这就是用流失率作为固定参数将LT推算出来的一个公式,简单而且准确,但这个公式比较理想化。首先,它要求流失率是恒定的,一般的软件产品的月流失可以维持在一个较为稳定的水平,却并不完全恒定,其次,这个公式一般也只用来通过月流失率推算长期的LT,并且需要至少长达半年甚至一年以上的数据。但是,现在很多公司的节奏相当快,常常一个月甚至半个月就需要验证产品的盈利能力,这时候推算LT就不能用这个公式了。因为一个月是无法拿到准确月流失率的,而且这时候需要计算的可能是LT30或LT60(30天的LT或60天的LT),通过短期的LT来验证产品的盈利能力。

这就有了另外一种方法,可以说,这种方法才是LT的本质算法,因为它才能体现LT的实际意义。这种方法就是,积分。

以纵坐标为留存率,横坐标为安装天数,可以得到类似下面这样的留存曲线:

留存曲线.png

留存曲线通常都是这样的,开始比较陡,越到后面越平缓,很像对数或者幂函数曲线,所以我们可以用对数或者幂函数曲线对其进行拟合。

用对数曲线拟合是这样的:

对数拟合.png

用乘幂曲线拟合是这样的:

乘幂拟合.png

我们可以看到,对数曲线的拟合度达到了97%,而乘幂曲线的拟合度甚至达到了99%,虽然跟真实值还是有差异,但这样的拟合其实已经很近似了。所以,对得到的拟合曲线函数进行积分,就可以得到近似的30日活60日的LT了。需要注意,纵坐标是留存,所以应该是百分比,在计算的时候可以取小数,如0.15、0.3、0.45等等这样,横坐标是安装天数,单位是天,积分得到的LT值的单位也是天。

至于原理,我简单说一下,便于理解和记忆。其实这是一种微积分的思维,我们可以把留存看作是所有用户的平均停留天数,比如,当次日留存为60%时,我们就可以将其当作,在第一天内,60%的人停留了一天,40%流失了,算下来就是所有人平均每人停留了0.6天,这么想虽然感觉不准确,但其实将天数微分,每次都只算很微小一段时间内的留存,其实就非常准确了,以此类推,每一段微分的天数和留存的乘积,加起来就是相应的LT了。

五、总结

最后再回扣一下三大指标

还是举例子,感觉只有举例子才能说清楚

假如我们做一个产品,用曲线拟合和积分的方法计算出了它的LT60;用间接推算或直接计算的方法计算出了它的V;并且通过一段时间的推广数据,算出了它的CPI。

那么,前期如果能做到:LT60*V≥CPI

产品就可以开始大量推广,因为产品已经处于可盈利状态了

并且,60天内就可以收回成本,即它的PBP是60天,那么理论上,在60天~1年、3年,甚至5年的产品生命周期里,产品所拥有的用户产生的价值,就是公司的纯收入。

来源:PMCAFF社区

文章推荐:如何在设计中加入信任的元素

  028-8453-1500