Average Margin (Revenue) per User или per Paying User
ARPU, Average revenue per User
— средняя выручка на одного пользователя продукта;
— сколько выручки приносит пользователь за период, усредняя и по платящим, и по неплатящим.
— сколько выручки приносит пользователь за период, усредняя и по платящим, и по неплатящим.
Для каких продуктов? Обычно считают для:
- платная подписка,
- продажа физических товаров,
- цифровые покупки.
Помогает понять,
- как вы монетизируете свою активную аудиторию,
- что происходит с монетизацией на длииинных периодах времени,
- как отличается монетизация между странами,
- как отличается платежеспособность разных сегментов пользователей.
Расчет ARPU
ARPU = Revenue / Users
- Выбрать период. Можно считать по дням, неделям, месяцам, кварталам.
- Записать выручку продукта за выбранный период.
- Записать количество активных пользователей за этот период. [НЕ КОГОРТУ?]
- Разделить выручку на количество пользователей за период = п2 / п3.
В зависимости от выбранного периода существуют вариации метрики:
- ARP DAU, average revenue per daily active user – отношение дневной выручки к дневной активной аудитории называют.
- ARP WAU, average revenue per weekly active user.
- ARP MAU, average revenue per monthly active user.
ARPPU, Average revenue per Paying user
— средняя выручка на одного платящего пользователя продукта;
— сколько выручки приносит платящий пользователь за период, усредняя только по платящим.
— сколько выручки приносит платящий пользователь за период, усредняя только по платящим.
ARPPU = Revenue / Paying users
ARPPU = ARPU/C1.
AМPU
Считается на основе валовой прибыли = выручка минус переменные расходы. См. Метрики продукта, сайта, маркетинга, финансов.
Gross profit = Revenue – CoGS
AMPU = ARPU * Margin.
AMPPU
Расчет AMPPU будет отличаться для разных бизнес-моделей:
Во всех бизнес-моделях структура формулы AMPPU очень похожа и зависит от среднего чека, который платит клиент, структуры издержек на payment, число payments на покупателя.
В зависимости от бизнес-модели формула AMPPU меняется, а остальное остается таким же:
AMPPU = AMPU/C1. AMPU = ARPU * Margin.
AMPPU = ARPU*Margin/C1.
Всё это для digital продуктов и сервисов. С производством сложнее – у них структура издержек сложнее — нужно полностью Голдратта использовать.
- AMPPU транзакционной бизнес-модели с комиссией = AvPrice × Commission × AvPaymentCount.
- AMPPU с издержками на доставку, упаковку и пр. = (AvPrice − COGS) × AvPaymentCount − 1st sale COGS.
- AMPPU в рекламной бизнес-модели = AvPrice × AvPaymentCount = Imps / 1000 × Imps per User.
- AMPPU в бизнес-модели подписки без масштабируемых издержек = AvPrice × AvPaymentCount = AvPrice × Lifetime.
Во всех бизнес-моделях структура формулы AMPPU очень похожа и зависит от среднего чека, который платит клиент, структуры издержек на payment, число payments на покупателя.
В зависимости от бизнес-модели формула AMPPU меняется, а остальное остается таким же:
- все бизнесы привлекают пользователей или лидов из каналов,
- умножают их на С1 (конверсию в первую покупку)
- и получают поток денег от покупателей AMPPU.
AMPPU = AMPU/C1. AMPU = ARPU * Margin.
AMPPU = ARPU*Margin/C1.
Всё это для digital продуктов и сервисов. С производством сложнее – у них структура издержек сложнее — нужно полностью Голдратта использовать.
Дополнительная информация
ARPPU и AMPPU считаются по оплатам/платежам/payments, НЕ по заказам, потому что, например, в интернет-магазине у 1000 пользователей может быть 1500 заказов, но 1100 оплат.
ARPU как метрика менее полезна, чем AMPU, потому что:
- ARPU может вырасти, но за счет увеличения затрат в User Acquisition или себестоимости, и об этом нужно постоянно помнить.
GoPractice пишут
Для продуктовой аналитики и оценки влияния изменений на поведение пользователей использовать метрику ARPU надо с большой аккуратностью.
- Вы можете увеличить ARPU в краткосрочной перспективе и при этом навредить бизнесу. Например, если перестать привлекать новых пользователей, то доля старых оставшихся платящих пользователей будет расти, а значит будет расти и ARPU.
- Вы можете ухудшить ARPU и при этом принести бизнесу пользу.
Плохо подходит для продуктовой аналитики конкретных изменений. Для этих целей лучше использовать LTV в динамике по дням, конверсию в покупку в динамике по дням и другие метрики, подсчитанные с помощью когортного анализа.
Ссылки
Мое признание другим авторам: