Ekaterina_Fedorov491
New member
Когда я запускал свой первый SaaS, я думал, что unit-экономика — это таблица для инвесторов. Я ошибался. Это инструмент самопроверки, который не даёт продукту тихо съедать деньги. Первую версию расчёта я сделал по средним и очень собой гордился, пока не понял, что половина клиентов уходит раньше, чем окупается.
Нажать чтобы Перейти на сайт
Сначала я определил единицу. Для B2B SaaS это активный аккаунт или подписка, для API — тысяча запросов, для маркетплейса — транзакция. Важно выбрать одну единицу и не смешивать пользователей, аккаунты и заказы. У меня в первой модели смешались местами пользователи и платящие аккаунты, поэтому цифры выглядели красиво, но решений не подсказывали.
Дальше я считал выручку на единицу. Но не общий ARPU, а по когортам: месяцы привлечения, тарифы, скидки. Переменные расходы включал честно: эквайринг, хостинг, поддержка, интеграции, расходы на доставку ценности. CAC я сначала складывал в переменные затраты и получал ложный минус на каждом клиенте. Потом разделил: CAC — это инвестиция в привлечение, а не себестоимость единицы.
Мои рабочие формулы простые. Unit margin = доход на единицу минус переменные расходы. LTV = unit margin, делённая на churn, или сумма маржи за реалистичный срок жизни. CAC = все затраты на привлечение, делённые на число новых клиентов. Ориентир LTV/CAC больше трёх я перестал считать истиной: в нише с длинным циклом сделки он врёт. Важнее payback period — сколько месяцев возвращается CAC.
Узнать подробнее →
Самое отрезвляющее случилось, когда я пересчитал всё по когортам и добавил поддержку. Один тариф оказался убыточным: клиенты писали много, потребляли инфраструктуру и уходили через четыре месяца. Я поднял цену, убрал бесконечный бесплатный онбординг и автоматизировал типовые ответы. Через квартал окупаемость привлечения сократилась, а некрасивая таблица стала моей любимой.
Чтобы не обмануть себя, не считайте по средним, проверяйте данные в биллинге и CRM, закладывайте худший churn и обновляйте модель каждый месяц. Unit-экономика должна быть скучной и консервативной. А какую метрику вы чаще всего завышаете в своей unit-экономике: LTV, конверсию или срок жизни клиента?
По теме советую почитать: Микросервисы или монолит: что выбрать стартапу в 2025
Сначала я определил единицу. Для B2B SaaS это активный аккаунт или подписка, для API — тысяча запросов, для маркетплейса — транзакция. Важно выбрать одну единицу и не смешивать пользователей, аккаунты и заказы. У меня в первой модели смешались местами пользователи и платящие аккаунты, поэтому цифры выглядели красиво, но решений не подсказывали.
Дальше я считал выручку на единицу. Но не общий ARPU, а по когортам: месяцы привлечения, тарифы, скидки. Переменные расходы включал честно: эквайринг, хостинг, поддержка, интеграции, расходы на доставку ценности. CAC я сначала складывал в переменные затраты и получал ложный минус на каждом клиенте. Потом разделил: CAC — это инвестиция в привлечение, а не себестоимость единицы.
Мои рабочие формулы простые. Unit margin = доход на единицу минус переменные расходы. LTV = unit margin, делённая на churn, или сумма маржи за реалистичный срок жизни. CAC = все затраты на привлечение, делённые на число новых клиентов. Ориентир LTV/CAC больше трёх я перестал считать истиной: в нише с длинным циклом сделки он врёт. Важнее payback period — сколько месяцев возвращается CAC.
Самое отрезвляющее случилось, когда я пересчитал всё по когортам и добавил поддержку. Один тариф оказался убыточным: клиенты писали много, потребляли инфраструктуру и уходили через четыре месяца. Я поднял цену, убрал бесконечный бесплатный онбординг и автоматизировал типовые ответы. Через квартал окупаемость привлечения сократилась, а некрасивая таблица стала моей любимой.
Чтобы не обмануть себя, не считайте по средним, проверяйте данные в биллинге и CRM, закладывайте худший churn и обновляйте модель каждый месяц. Unit-экономика должна быть скучной и консервативной. А какую метрику вы чаще всего завышаете в своей unit-экономике: LTV, конверсию или срок жизни клиента?