案例分析:别人家都是如何计算获客成本的
CAC包含很多因素,它的计算公式并不是一个简单万能、放之四海而皆准的万灵药。
在影响公司估值的所有因素中,最常用的两个指标就是CAC(Customer acquisition cost,获客成本)和CPA(Cost per acquisition,单个用户获取成本)。对CAC和CPA的错误计算,很有可能把你引入歧途。
在这篇文章里,我会用通俗易懂的方法说清楚真实的CAC是什么,并且深入分析那些把团队引入歧途的常见错误。
CAC≠CPA
正式开始前,我们先来规范下定义。CAC和CPA很容易混淆,实际上它们是完全不同的指标。想要理解CAC,则必须先要理解这两者间的差异。
CAC特指获取一个客户所花费的成本。相反,CPA指的是获取流量所花费的成本,而这个流量并不一定是会成为客户——比如说一个注册用户、一个活跃用户、一个试用用户或一个仅仅被导流的用户。但这两个指标又是相互关联的,这是因为一些需要用CPA来计算成本的指标,往往直接影响CAC。
以下三个例子证明CAC和CPA的差异性和关联性。
1. Dropbox
Dropbox是一个免费增值模式的工具类产品,它的CAC指的是获取一个在他们的PRO服务或企业服务付费的客户所花费的成本。它的CPA则指的是单个(免费)用户注册成本、单个活跃(免费)用户成本、以及其他一些重要但仍不涉及付费的指标,但这些指标都在追踪一些流量从单纯的产品访问者变成了产品的实际用户。
Dropbox CAC
Dropbox CPA
2. HubSpot
HubSpot是一款B2B的SaaS产品,所以获取一个使用基础服务、专业服务或企业计划服务的客户所花费的成本都是CAC。而CPA则用于那些影响CAC的指标,比如单个导流用户成本、单个潜在用户成本、单个试用用户成本或者其他销售漏斗中的转化点。
HubSpot CAC
HubSpot CPA
3. Facebook
基于广告商业模式的B2C企业可能会有些不同。在Facebook的案例中,付费的客户其实是广告主,于是CAC指的是获取一个新广告主所花费的成本。如果你只看到用户的层面,那么用户和客户其实是相同的。对Facebook来说,CPA用于计算单个注册用户成本、单个活跃用户成本,等等。
Facebook CAC&CPA
想要理解CAC的本质其实非常简单,第一个关键点就是:定义谁是你的商业模型中的客户。
这个定义要足够简单、足够清晰,并且对CAC和CPA的定义要前后一致,以免引起工作交流中的误解。
CAC的计算公式,以及为什么它是错的
如果你搜索“如何计算CAC”,你会找到下面这个基本公式:
CAC = (营销总费用+销售总费用)/获取新客数
看上去似乎没什么问题,但是这个公式忽略掉了大量的细节,每个变量的定义也很模糊。结果就是,即便是最简单的计算也有可能出现偏差。比如说,按照这个公式你可能会计算出如下结果:
但如果我告诉你下面这些信息的话:
- 每个客户从一个潜在客户变成一个客户,平均需要花费60天;
- 并不是所有客户都是新客户,有些是以前流失掉的客户;
- 对于免费增值模式的产品,这些成本实际是花在了让免费用户成为付费用户(客户)的环节上,而不是获取这些免费用户。
这三个附加信息会让我们重新审视上面那个公式的准确性。在使用公式之前,我们需要先对这些前置问题进行评估。
如何准确计算CAC
想要更准确地计算CAC,我们需要先搞清楚三个问题。这三个问题都会帮助我们精确定义公式中的变量。
问题1:从你的营销触点到获取新客,到底需要多长时间?
第一个问题是,公式并没有把你的营销开支和获取新客之间的时间成本计算在内。举两个例子:
案例1:免费增值模式产品
我们以Dropbox为例。你注册了以后,就成为了他们的免费用户。你免费试用了Dropbox一段时间,把它的免费存储空间用完了,这时候你可能想要付费升级。对大多数用户来说,这段时间可能是几个月(个别用户可能会超过一年)。这个例子同样适用于其他免费增值模式的产品,比如Evernote、Buffer等等。
案例2:内部销售型SaaS公司
许多内部销售型SaaS产品的模型表示,一个月内就能把一个人变成一个试用用户(取决于这个月的营销力度),然而把他变成一个实际的付费用户则需要60多天,因为他们需要在试用版中体验整个销售漏斗的转化过程。
如果你不考虑这些过程所耗费的时间,那么你就可能高估或者低估了CAC,从而造成严重的决策偏差。下面是一个高估CAC的例子。在下表中,CAC = 月营销总成本/同一月份的获取新客数 。
3月份,我们尝试了一些新的投放渠道,这造成了营销成本的大幅上涨。通过简单的计算,我们的CAC是148元。如果我们的目标CAC是125元,那么我们会得出结论:3月份投放策略失败,我们需要放弃这些新渠道。
但是假设我们需要2个月的时间才能把一个人转化成付费客户呢?下图是基于2个月的时间,用同样的数据计算出的结果:
这个算法的结果则完全不同。3月我们的CAC是84元,4月的CAC是111元。我们不仅不能停掉这几个3月份新尝试的渠道,反而应该加大投放力度、扩大渠道规模。
如果你满足下列某个场景,那么获客所需时长就并不重要:
- 获客所需时长非常短。许多B2C企业的用户漏斗的决策链非常短,比如Snapchat、Instagram等;
- 营销预算相对固定,不会随着时间发展有太大变化。然而即便这样,也最好能够把费用计算精确。
如果你需要计算出你的获客所需时长,最简单的方法是计算出你的平均营销周期。换句话说,从你的第一个营销触点到转化为一个新客户,平均需要多长时间?
举个例子。假设我们是家做SaaS的公司,转化客户的平均时间是60天,且在这两个月中花费的销售费用是平均分布的。
那么CAC计算公式如下所示:
CAC = ( 两个月前的市场营销费用+ 1/2*上月销售费用 + 1/2*本月销售费用)/ 本月新客数量
问题2:你的营销费用中包含了什么?
为了更精确地计算CAC,你需要回答你的营销费用中究竟包含了什么计算量。在我们举例理解这个问题的答案之前,我们先来看看一些常见的错误:
错误1:没有包括人力成本
你需要把所有市场人员和销售人员的工资成本计算在内。很多CAC都不计算这个部分,然而我们不仅要把那些100%精力都投入到营销工作中的人计算在内,而且还要把那些部分时间用于营销工作的人计算在内(通常是部门经理或合作部门)。包含了人力成本的CAC通常叫做满载CAC(Fully Loaded CAC)。在有些情况下,区分开满载CAC和普通CAC会给公司带来巨大帮助。
错误2:没有包括固定开支
类似于错误1,你需要把这部分员工所占用的固定开支(如设备费用、租赁费用等)也计算在内。
错误3:没有包括工具使用费用
很多团队会同时使用10多个营销工具(不管是付费的软件系统,还是维护营销设备的服务费)来支持他们的工作,这些工具同样会增加开支,在计算CAC时同样需要计算在费用里。
如果你把这些因素都包含在内,那么计算CAC开始变得有点复杂了,公司和公司之间的差异也会变大。举几个例子:
Spotify和免费商业模式:产品/开发/支持部门怎么算?
Spotify是免费业务,百万级的用户在免费使用他们的产品,用户通过分享帮他们继续获取新用户。在大多数公司,产品、开发、支持部门并不计算在CAC内(通常计算在研发预算内)。但如果免费产品是你的主要获客方式,那就应该把这些支持免费产品的费用计算在CAC内。对这个问题有很多不同的观点,但我们支持把这部分费用算进去。
如果你有研发工程师、产品经理或其他为营销目标工作的人员,那么你应该把他们的薪水和开支计算在CAC内。这些人可能并不在营销团队,但他们仍然为支持获客工作产生了开支。
HubSpot和SaaS模式:客户支持团队怎么算?
大多数像HubSpot这样的SaaS公司有相当大规模的客户支持团队。不同公司对客户支持团队的定义差别很大,一些客户支持团队只是纯粹地为现有客户提供服务,而另一些则需要协助获取新客户,还有一些客户支持团队致力于流失客户的召回工作。
这引发出了一个问题,客户支持团队的开销应当被计算在CAC里吗?显然,其中那些需要为获取新客负责的团队应当被计算在CAC内。
Dollar Shave Club和电商模式:包邮策略怎么算?
Dollar Shave Club是一个电商模式的公司。他们最出名的是只需要1块钱,就可以试用1个月。1个月试用策略需要大量的市场预算,包括产品本身的成本、物流成本、试用期间支持成本以及其他的一些成本。这些开支要计算在CAC内吗?答案取决于你如何定义一个新客户。
在Dollar Shave Club的案例中,我们可以界定花了1块钱试用的人还不是一个客户。一个新客户应该是超越了试用阶段的人。那么所有这些支持1块钱试用的成本应当被计算在CAC内。
所有新获取的客户都真的是一个新客户吗?不见得。
计算CAC时,我们需要去区分新客户和召回客户。很多公司会把用于获取新客和召回老客户的营销策略区分开,而在计算CAC时,分子只包含了获取新客的营销成本,分母上的数字则是新客户和被召回的老客户的总和。这会让你的CAC看上去好像很低。以下两个方案都可以帮你解决这个计算偏差:
- 在分子也包括所有的营销成本,把用于召回老客户的部分也加进去;
- 区分用于获取新客户和召回老客户的成本,分母也区分出新客户和被召回的老客户。
总结
从今天介绍的这些案例可以看出,CAC包含很多因素,它的计算公式并不是一个简单万能、放之四海而皆准的万灵药。
相反,一个准确的获客成本取决于你的获客所需时长、真实新客人数(不是被召回的客户)以及支持获取新客的所有人力和财力的支出。
原文:How To (Actually) Calculate CAC
翻译:莔莔有神,公众号:破壳(Pokeclub),人人都是产品经理专栏作家,帝都产品经理,有从0到1和亿级用户产品经验,专注数据增长、商业分析、互联网金融领域。
未经许可,禁止转载。