Cách hiểu kết quả chỉ số SaaS của bạn
Mỗi chỉ số trả lời một câu hỏi khác nhau về sức khỏe của doanh thu định kỳ, và các khung chỉ số SaaS nhìn chung khuyến nghị theo dõi chúng cùng nhau thay vì dựa vào bất kỳ con số đơn lẻ nào.
| Chỉ số | Cho bạn biết điều gì |
|---|---|
| MRR | Doanh thu đăng ký hàng tháng có thể dự đoán hiện tại. |
| ARR | MRR quy năm — con số được dùng phổ biến nhất để mô tả quy mô tổng thể của công ty SaaS. |
| MRR mới ròng | Sự thay đổi ròng của doanh thu định kỳ trong giai đoạn này từ MRR mới, mở rộng và rời bỏ kết hợp. |
| NRR | Doanh thu chỉ từ khách hàng hiện tại thay đổi như thế nào trong giai đoạn này, loại trừ việc thu hút khách hàng mới — một chỉ báo được theo dõi rộng rãi về độ gắn kết sản phẩm và sự mở rộng. |
- NRR trên 100% cho thấy doanh thu mở rộng vượt qua doanh thu rời bỏ từ cơ sở khách hàng hiện tại; NRR dưới 100% cho thấy điều ngược lại, ngay cả khi công ty vẫn đang tăng trưởng tổng thể nhờ thu hút khách hàng mới.
- Máy tính này tính MRR từ một ARPU trung bình trên toàn bộ khách hàng; một doanh nghiệp có quy mô khách hàng thay đổi rộng có thể tìm thấy nhiều hiểu biết hơn khi theo dõi MRR theo phân khúc hoặc nhóm khách hàng.
MRR, ARR và NRR là gì?
Doanh thu định kỳ hàng tháng (MRR) là doanh thu đăng ký có thể dự đoán mà một doanh nghiệp thu được mỗi tháng, được tính bằng tổng số khách hàng nhân với doanh thu trung bình trên mỗi khách hàng (ARPU). Doanh thu định kỳ hàng năm (ARR) đơn giản là MRR quy năm (MRR × 12), và là con số được dùng phổ biến nhất để mô tả quy mô công ty SaaS và để so sánh tốc độ tăng trưởng qua từng năm.
MRR mới ròng nắm bắt sự thay đổi doanh thu định kỳ trong một giai đoạn từ ba thành phần: MRR mới (doanh thu từ khách hàng mới thu hút), MRR mở rộng (doanh thu bổ sung từ khách hàng hiện tại nâng cấp hoặc mua thêm), và MRR rời bỏ (doanh thu mất đi từ khách hàng đã hủy hoặc hạ cấp). Các thành phần này là những khối xây dựng tiêu chuẩn được mô tả trong các khung chỉ số SaaS như SaaS Metrics 2,0 của David Skok.
Tỷ lệ giữ chân doanh thu ròng (NRR) đo lường doanh thu hiện tại thay đổi như thế nào trong một giai đoạn chỉ từ mở rộng và rời bỏ, loại trừ khách hàng mới — nó trả lời câu hỏi 'nếu chúng ta ngừng thu hút khách hàng mới hôm nay, doanh thu từ khách hàng hiện tại của chúng ta sẽ tăng hay giảm?' NRR trên 100% nghĩa là doanh thu mở rộng từ khách hàng hiện tại bù đắp nhiều hơn doanh thu rời bỏ, một chỉ số được theo dõi rộng rãi bởi các công ty SaaS đại chúng và tư nhân như một dấu hiệu của một sản phẩm mạnh.
Cách sử dụng máy tính chỉ số SaaS này
- Nhập tổng số khách hàng trả phí của bạn.
- Nhập doanh thu trung bình hàng tháng trên mỗi khách hàng (ARPU).
- Nhập MRR mới được thêm từ khách hàng mới trong giai đoạn.
- Nhập MRR rời bỏ mất đi từ khách hàng đã hủy hoặc hạ cấp trong giai đoạn.
- Nhập MRR mở rộng thu được từ khách hàng hiện tại đã nâng cấp hoặc mua thêm trong giai đoạn.
- Xem MRR, ARR, MRR mới ròng, và tỷ lệ giữ chân doanh thu ròng (NRR).
Công thức đằng sau MRR, ARR và NRR
MRR là tổng số khách hàng nhân với ARPU. Ví dụ, 500 khách hàng với $99 doanh thu trung bình hàng tháng cho MRR là 500 × $99 = $49.500, và ARR là $49.500 × 12 = $594.000.
MRR mới ròng cộng MRR mới và MRR mở rộng, sau đó trừ MRR rời bỏ. Với $3.000 MRR mới, $800 MRR mở rộng, và $1.200 MRR rời bỏ, MRR mới ròng là $3.000 + $800 − $1.200 = $2.600.
NRR lấy MRR đầu kỳ, cộng MRR mở rộng, trừ MRR rời bỏ (cố ý loại trừ MRR mới từ khách hàng mới), và chia cho MRR đầu kỳ: ($49.500 + $800 − $1.200) ÷ $49.500 ≈ 99,2%.
Những lỗi thường gặp
- Đưa MRR mới vào phép tính NRR — NRR được thiết kế đặc biệt để tách riêng sự thay đổi doanh thu của khách hàng hiện tại và cố ý loại trừ việc thu hút khách hàng mới.
- Nhầm lẫn NRR với tỷ lệ giữ chân doanh thu gộp (GRR) — GRR loại trừ doanh thu mở rộng và chỉ đo tác động tiêu cực của rời bỏ và hạ cấp, vì vậy nó luôn thấp hơn hoặc bằng NRR.
- Sử dụng một số lượng khách hàng cuối kỳ không khớp với giai đoạn mà các con số MRR mới/rời bỏ/mở rộng được đo, tạo ra một cơ sở MRR không nhất quán.
- Coi ARR như thể nó là doanh thu tương lai được đảm bảo — ARR đơn giản là một ảnh chụp quy năm của MRR hiện tại và không tính đến hợp đồng, rời bỏ, hoặc các thay đổi tương lai.
Câu hỏi thường gặp
Sự khác biệt giữa MRR và ARR là gì?
MRR (doanh thu định kỳ hàng tháng) là doanh thu đăng ký có thể dự đoán thu được mỗi tháng; ARR (doanh thu định kỳ hàng năm) đơn giản là MRR nhân với 12. ARR được dùng phổ biến hơn để mô tả quy mô tổng thể của công ty, trong khi MRR được dùng để theo dõi xu hướng doanh thu định kỳ theo từng tháng.
Tỷ lệ giữ chân doanh thu ròng (NRR) là gì và vì sao nó quan trọng?
Tỷ lệ giữ chân doanh thu ròng đo lường doanh thu từ khách hàng hiện tại thay đổi như thế nào trong một giai đoạn do mở rộng (nâng cấp) và rời bỏ, cố ý loại trừ việc thu hút khách hàng mới. NRR trên 100% nghĩa là doanh thu mở rộng bù đắp nhiều hơn doanh thu rời bỏ từ cơ sở hiện tại — một mô hình được đánh giá cao rộng rãi trong các khung chỉ số SaaS như một chỉ báo mạnh về giá trị và độ gắn kết của sản phẩm.
NRR tốt cho một công ty SaaS là bao nhiêu?
Các mốc chuẩn NRR thay đổi theo quy mô công ty, phân khúc thị trường, và mô hình định giá; các con số được báo cáo công khai từ các công ty SaaS đã thành lập và các khảo sát ngành (như những khảo sát được Bessemer Venture Partners công bố) cung cấp các điểm so sánh hữu ích, nhưng không có một mục tiêu chung duy nhất. NRR trên 100% nhìn chung được đánh giá thuận lợi vì nó cho thấy khách hàng hiện tại, xét về mặt ròng, đang mở rộng thay vì thu hẹp.
MRR mới ròng khác với NRR như thế nào?
MRR mới ròng kết hợp MRR của khách hàng mới, MRR mở rộng, và MRR rời bỏ thành một con số mô tả tổng sự thay đổi doanh thu định kỳ cho giai đoạn. NRR cố ý loại trừ MRR của khách hàng mới để tách riêng cách doanh thu chỉ từ khách hàng hiện tại đang biến động — hai chỉ số trả lời những câu hỏi liên quan nhưng khác nhau.
Tài liệu tham khảo
- Skok D. SaaS Metrics 2.0 — A Guide to Measuring and Improving What Matters. forEntrepreneurs.com.
- Bessemer Venture Partners. State of the Cloud / Cloud Index — SaaS benchmark metrics. bvp.com.
- Kotler P, Keller KL. Marketing Management. 15th ed. Pearson, 2016.