No sé la respuesta, y probablemente no haya una respuesta general, pero recientemente armé un pequeño modelo que ayuda a comprender mejor los determinantes:
https://spreadsheets.google.com/…
Los valores azules son valores de entrada de muestra (ficticios) que puede cambiar. El modelo se basa en las siguientes ideas y suposiciones:
- ¿Cuál debería ser el ingreso promedio para una startup saas en India para recaudar la inversión de la Serie A ($ 1M- $ 3M) de los VC indios?
- ¿Qué cumplimiento y estándares de seguridad debe cumplir una aplicación SaaS empresarial cuando se implementa en una compañía Fortune 500?
- ¿Qué aplicaciones pueden rastrear el uso de Office 365?
- ¿Se puede usar un inicio de sesión único (SSO) para la administración de SaaS?
- ¿Qué aplicación basada en SaaS es la mejor para administrar mi spa?
- Hay dos tipos de visitantes: aquellos que se registran si se requiere o no una tarjeta de crédito (llamémoslos Grupo 1) y aquellos que se registran solo si no se requiere tarjeta de crédito (Grupo 2). Por supuesto, hay un tercer grupo, aquellos visitantes que no se registran en ninguno de los casos, pero no los necesitamos aquí.
- Si necesita una tarjeta de crédito, tiene una cierta tasa de conversión de visitante a registro de los usuarios del Grupo 1 (celda D8 y D32). Y por definición, no hay registros de usuarios del Grupo 2 en ese caso (D33). Si pasa a un registro sin tarjeta de crédito, además de los registros del Grupo 1 (D9 y E32) obtendrá una cierta cantidad de registros de los usuarios del Grupo 2 (E33), por lo que su tasa total de conversión de visitante a registro es más alto (E34).
- En cuanto a la tasa de conversión de prueba a pago, supongamos que hay una tasa de conversión de referencia de los usuarios de prueba del Grupo 1 en el caso requerido por CC (D12 y D38). Si elimina el requisito de CC, esperaría que esa tasa baje (D13 y E38), porque a) los usuarios de prueba que ya han proporcionado su CC pueden sentir una mayor ‘presión’ para probar el producto dentro del período de prueba, se sienten más ‘invertidos ‘y son menos propensos a la dilación; yb) no hacer nada es más fácil que cancelar activamente su cuenta. Algunos usuarios olvidarán terminar o simplemente no les importa.
- Mirando a los usuarios del Grupo 2, nuevamente, por supuesto, no hay registros o clientes en el caso requerido por CC. En el caso sin CC, obtendrá una cierta cantidad de conversiones de prueba a pago de esos usuarios (D15 y E39). Esperaría que esa tasa sea menor que la tasa de conversión de referencia porque los usuarios del Grupo 2 están, en promedio, intrínsecamente menos interesados en su producto que los usuarios del Grupo 1 (más tiradores de neumáticos).
Hasta aquí todo bien. Puede ver el número de clientes que pagan por cada uno de los dos casos en la fila 40.
El siguiente aspecto a considerar es el abandono, es decir, los usuarios que cancelan después de que los haya cobrado al menos una vez (estoy usando el cargo por lo menos una vez como la definición de ‘cliente de pago’ en el modelo):
- En general, esperaría que la rotación sea mayor en los primeros meses después de la conversión a pago porque algunos usuarios aún pueden estar en su ‘período de prueba extendido’, incluso si ya están pagando. Además, cuanto más tiempo usen sus clientes su producto, más valor obtendrán de él, por lo que es menos probable que cancelen (D19 frente a D 21).
- En el caso requerido por CC, esperaría que la diferencia en el abandono temprano y el abandono posterior sea mayor, tal vez mucho mayor, porque muchos de los usuarios que olvidaron finalizar dentro de su prueba gratuita finalizarán dentro de los primeros meses después de la suscripción (D18 vs. D20).
Usando los datos sobre clientes, abandono y sus ingresos (o ganancia bruta) por cliente por mes, ahora puede calcular si es mejor que requiera (D48) o no (E48) un CC al registrarse. Un último factor que he incluido es el costo que se necesita para atender a un usuario de prueba, por ejemplo, el ancho de banda y el tiempo de su equipo de soporte, que puede o no ser significativo dependiendo de la naturaleza de su negocio.
Por supuesto, hay un par de advertencias:
- La hoja es completamente inútil hasta que la haya probado y hasta que pueda llenarla con datos reales. El propósito del modelo NO es reemplazar las pruebas de la vida real haciendo algunas suposiciones y pretendiendo que eso le permite decidir qué opción funciona mejor. Todo lo contrario: el propósito del modelo es comprender qué parámetros debe observar y medir.
- El modelo no incluye todos los factores que pueden ser relevantes (su relevancia depende de su negocio, y no quería hacerlo demasiado complejo). Por ejemplo, una pregunta es si considera que los tiradores de neumáticos son un activo (porque incluso si aún no están interesados en comprar su producto, pueden contarle a sus amigos sobre ello o volver a contactarlo más tarde) o una carga (porque desvían recursos) de las perspectivas más fuertemente interesadas). Otro factor que no he incluido son los diferentes planes de precios: he incluido solo un precio por cliente por mes.
Comentarios muy bienvenidos!
