Тонкости юнит-экономики

Стоит перед продактом задача: максимально эффективно, быстро и дешево вырастить бизнес. Возникает вопрос: какую именно метрику надо растить в первую очередь?

С одной стороны, если у продукта не сходится юнит-экономика, то работать в сторону привлечения трафика нет смысла - будешь только убытки масштабировать и надо сначала смотреть на конверсии и активацию. С другой - если продукт не предполагает окупаемость с первой продажи и есть прогнозы по retention и LTV и по ним экономика сходится, то можно в целом идти в любую сторону.

Базово, строится модель юнит экономики, показывающая входящий трафик, С1, ARPPU, COGS, CAC и fixed costs. В самой упрощенной модели этого должно хватить. Но дальше начинается самое интересное.

Если у вас монопродукт, с единственным источником выручки, а бизнес-модель предполагает быструю окупаемость привлечения клиента, то проблем не возникнет. В более сложных продуктах, как брокерский, так не получится. Структуры выручки более сложная и динамичная. Брокеры зарабатывают не только на комиссиях непосредственно, но еще и на размещении клиентских денег, на размещении собственных денег, на агентских комиссиях за продажу партнерских продуктов. Robinhood, например, дополнительно зарабатывает на том, что продает фондам данные о позициях своих клиентов.

Если идти еще дальше, то одна только комиссионная выручка зависит от среднего размера клиентского портфеля, от его оборачиваемости, от того, какие именно бумаги покупает / продает клиент, о того, на каких тарифах сидят клиенты. Так ARPRU можно раскладывать очень долго. И это только начало модели. Не говоря о дотеканиях в когорте, о том, что портфель клиента в течение периода меняется - он может как пополнять, так и выводить, о том, что клиент может мигрировать с одного тарифа на другой. А еще можно вспомнить, как экстремальные значения на хвостах выборки будут влиять на средние значения. Следующий фактор сегментации - каналы привлечения. Потом еще можно подумать о том, что есть бизнес в фазе роста то, он в целом привлекает очень разных клиентов и экстраполировать одну какую-то когорту в будущее будет не совсем правильно.

Тупик.

Закапываться в эксельках можно бесконечно. В итоге затраты, на бесконечное моделирование в какой-то момент могут превысить предполагаемую пользу.

Выход такой.

1. Завести одну очень просто и топорно посчитанную модель, чтобы видеть все ключевые метрики. В ней считать все по средней, без сегментации. Тот же ARPPU считать лучше просто делением выручки на общее количество клиентов. Уже здесь можно смотреть какие точки роста будут самыми эффективными.
2. Дальше можно добавить немного сложности. Разбить все ключевые метрики на две составляющие. Только на две, не больше. Снова проанализировать точки роста.
3. Сегментировать клиентов. В зависимости от особенностей бизнеса когорты можно брать по датам регистрации / по объему продаж на клиента. Жестко фиксировать точки, в которых мы атрибуцируем клиентов в ту или иную когорту, принимая несовершенство этой модели.
4. Сегментировать клиентов по каналам привлечения. Аналогично заранее определяемся с моделью атрибуции - first touch / last touch.
5. Дальше можно несколько раз повторить пункт 2. Но только, если это действительно имеет смысл. Бесконечно раскладывать метрику на составляющие - бесполезно. Если вы собираетесь влиять на какой-то очень небольшой сегмент, то глобально для бизнеса эффекта от этого скорее всего не будет. Кроме того, нужно помнить, что у каждого изменения есть свой кост.