Jak zbudować model popytu, którego uszanuje każdy dyrektor ds. marketingu?

Niedawno pisałem o niepokoju w miejscu pracy i o tym, jak dane mogą być świetnym lekarstwem. W tym poście chciałbym rozwinąć temat danych, a konkretnie, jak zbudowałem i wykorzystałem „modele popytu”.

Modele generowania popytu wykorzystują różne dane wejściowe, a następnie pracują wstecz, wykorzystując historyczne współczynniki konwersji i koszty, aby zidentyfikować budżety i scenariusze potrzebne do zaspokojenia popytu w danym okresie.

Prawdziwy model popytu jest powiązany z przychodami, a nie z leadami.

Jest to obliczenie oddolne, w którym zaczynasz od planowanego końcowego numeru przychodów i wspinasz się po szczeblach drabiny, aby dowiedzieć się, ile popytu (w dolarach) musi wygenerować marketing.

Sprowadzając działania marketingowe i sprzedażowe do dostępnych liczb, kierownictwo Twojej firmy będzie mieć pewność, że cele są przynajmniej w pewnym stopniu osiągalne oraz jakie stawki i wartości będą musiały być prawdziwe, aby cele zostały osiągnięte.

Dyrektor ds. marketingu może dokładniej komunikować się z dyrektorem generalnym o tym, ile rzeczywistych możliwości i transakcji będzie napędzać marketing w tym kwartale, aby wspierać wzrost.

Kluczowe składniki Twojego modelu popytu

Oto główne punkty danych, które uwzględniam w modelu Metadata:

Szacowany ARR na początku kwartału — przewidywana kwota przychodu na początku prognozowanego okresu. Dla celów argumentacji załóżmy, że mierzymy kwartały.

Szacowany ARR na koniec kwartału – Przychód, który chcesz osiągnąć do końca prognozowanego kwartału.

Potrzebny nowy ARR netto (delta wzrostu) – różnica między wartościami z początku kwartału i końca kwartału, tj. ile nowego ARR potrzebujesz.

Rezygnacja netto – Klienci odchodzą, nowi wpisują się. Ta liczba może być dodatnia lub ujemna. Powinna jednak opierać się na rzeczywistych stawkach w dolarach w danym kwartale, a nie tylko na średnim % za rok.

Większość firm SaaS podpisuje więcej osób w drugim i czwartym kwartale niż w pierwszym i trzecim, więc wyrównywanie średniej nie zadziała.

Całkowity cel ARR – Delta wzrostu plus (lub minus) odpływ netto, dająca całkowity cel ARR na kwartał.  

Załóżmy, że łączna liczba celów ARR wynosi 1,7 miliona dolarów. Marketing nie jest gotowy do poszukiwania i zamykania tego wszystkiego w kwartale. Większość będzie pochodzić z istniejącego lejka sprzedaży, który budowałeś na przestrzeni kwartałów.

Oczekiwane przychody z rurociągu – Kolejna sekcja modelu popytu obejmuje szacunkowe przychody z bieżącego i kolejnego kwartału.

W Metadata mamy 6 etapów możliwości, więc podzielę tę sekcję na każdy etap. Każdy etap obejmuje łączny przychód na tym etapie, oczekiwany kurs zamknięcia dla tego etapu, a następnie oczekiwany przychód przez pomnożenie tych wartości.

Używam historycznych kursów zamknięcia według etapu możliwości, aby podłączyć się do modelu i mogę albo wzrosnąć, albo spaść w zależności od naszej obecnej trajektorii.

Całkowity ARR do źródła i zamknięcia w okresie

Dodaj do siebie spodziewane zamknięte/wygrane przychody z bieżącego i następnego kwartału z bieżącego i następnego kwartału, a to prognozowane przychody z istniejących możliwości. Odejmij tę liczbę od powyższego celu całkowitego ARR, a otrzymasz kwotę przychodów, które należy pozyskać i zamknąć od teraz do końca prognozowanego okresu.

Teraz zaczynamy przeliczać te przychody z powrotem na działania, które musimy prowadzić w marketingu i sprzedaży, aby osiągnąć tę liczbę.

Średnia cena sprzedaży ARR – Aby zamienić przychód, którego potrzebujesz na całkowitą liczbę nowych klientów, musisz podzielić łączny cel ARR powyżej przez średni ARR każdego nowego klienta.

Współczynniki przeliczeniowe – Następnie wykorzystuję historyczne współczynniki konwersji z etapu na etap, aby przeliczyć całkowitą liczbę nowych umów z liczbą możliwości na wczesnym etapie, które muszę zrealizować. Następnie przeliczam to z powrotem na liczbę żądań demonstracyjnych potrzebnych do realizacji marketingu.

Ile zatem żądań demo? Muszę znać współczynnik konwersji prośby o demonstrację na możliwość, który powie mi, ile żądań demonstracyjnych muszę zrealizować, aby wykorzystać możliwości na wczesnym etapie, które zamienią się w zamknięte/wygrane transakcje.

Koszt na żądanie demonstracji — dopóki rozumiem mój średni koszt realizacji żądania demonstracji, mogę teraz obliczyć, ile budżetu marketingowego potrzebuję, aby uzyskać liczbę potrzebnych demonstracji. Jeśli istnieje delta (co oznacza, że ​​nie stać mnie na wszystkie), wchodzę do pokoju wojennego i zaczynam zastanawiać się, jak uzyskać dodatkowy wzrost współczynników konwersji, niższy koszt demonstracji lub miejsca, w których można znaleźć zaspokojony popyt.

Uwaga: dołączyłem szablon modelu popytu bez zabezpieczenia, którego możesz użyć do wprowadzania własnych punktów danych i regularnych aktualizacji.

Największe wyzwanie dla Twojego modelu popytu: cykle sprzedaży

Jedyną rzeczą, o której nie rozmawialiśmy, są cykle sprzedaży.

Cykle sprzedaży mogą trwać 30 dni, 90 dni, 120 dni lub dłużej. Oznacza to, że marketing, który dzisiaj zajmuję, prawdopodobnie nie zamieni się w przychody firmy przez kwartał lub dłużej.

Cykl sprzedaży metadanych jest na tyle krótki, że zazwyczaj w ciągu kwartału dysponujemy danymi dotyczącymi lejków sprzedaży/odpływów/przychodów, aby zasilić model popytu. Jednak wraz ze wzrostem rynku nasze cykle sprzedaży będą się wydłużać.

Jeśli twój cykl trwa 90 dni lub mniej, jesteś w ciągu kwartału i nie musisz się tym zbytnio martwić.

Jeśli jest to dłużej, warto przeprowadzić analizę liczby pozyskanych i zamkniętych transakcji w dowolnym przedziale czasowym, w którym pracujesz, i wykorzystać to do dostosowania liczby żądań demonstracyjnych, które musisz zrealizować, tak aby wystarczająca ich liczba została zamknięta w tym czasie.

Zacznij od podstawowych danych wejściowych i pozwól mu się rozwijać

W przypadku podstawowego modelu popytu te punkty danych są dobrym początkiem:

• Przychód teraz
• Cel dotyczący przychodów na koniec kwartału
• Średnia cena sprzedaży produktu
• Kurs wymiany od szansy na zamknięcie/wygrane
• Współczynnik konwersji od potencjalnego klienta do możliwości

Przez kwartał lub dwa Twój model może zawierać tylko 10 punktów danych.

Na początku dobrze jest po prostu użyć szacunków dotyczących rezygnacji i potoku, a następnie wprowadzać dokładniejsze dane wejściowe, gdy generujesz więcej danych dotyczących sprzedaży. Niedługo będziesz mieć 40 lub 50 danych wejściowych.

Nie przejmuj się modelem popytu

Nie polecam codziennie aktualizować modelu popytu. Jednego dnia powie, że potrzebujesz 100 żądań demonstracyjnych, następnego dnia będzie to 85. Codzienne przyrostowe zmiany danych nie są warte obsesji.

Więc trzymaj się aktualizacji raz lub dwa razy w miesiącu. Jeśli w danych występują rozbieżności, upiecz je w następnej iteracji i rozwijaj dalej. Jeśli Twój model mówi, że masz więcej niż wystarczający budżet, aby zapłacić za popyt w tym kwartale, to świetnie!

Ale nie spoczywaj na laurach. Poświęć czas przestoju na znalezienie kolejnej rundy popytu na swój produkt.

Niezależnie od tego, czy Twój model dostarcza dobrych lub złych wiadomości na temat stosunku popytu do budżetu, służy on niezwykle ważnemu celowi: zmniejsza strach przed niepewnością, umożliwiając planowanie z wyprzedzeniem i podejmowanie najlepszych decyzji marketingowych dla Twojej firmy.