Reformationspartnerne 30/50 Regel om DTC-effektivitet

(Jim Hao) (9. november 2020)

I mange års samarbejde med DTC-virksomheder, der sælger alt fra kontaktlinser til lagen til hårtab, aftentøj og tilberedte måltider bemærkede vi et mønster omkring enhedsøkonomi, der korrelerer med effektiv vækst. Vi kalder det Reformation Partners 30/50 Rule of DTC Efficiency , eller kort sagt Reglen 30/50 .

De 30 refererer til dollars af bruttofortjeneste efter CAC på første ordre. De 50 refererer til de kumulative dollars af bruttofortjeneste netto af CAC inden for det første år. Virksomheder, der opnår $ 30 bruttofortjeneste netto af CAC på første ordre og følger op med $ 50 kumulativt bruttofortjeneste netto af CAC inden for det første år, er godt positioneret til hurtig og effektiv vækst.

Så længe virksomheder kommer tæt på til 30/50-reglen, hold deres overhead magre (se post på ( ved hjælp af eksterne agenturer )) og deres arbejdskapitalcyklus stramt (se indlæg på ( driftskapitalcyklus )), kan de køre en hurtigt voksende, effektiv DTC-virksomhed med relativt lille behov for ekstern kapital.

Det er vigtigt at bemærke, at ikke alle store virksomheder når disse tærskler, især meget tidligt, når de ikke har meget stor skala for at maksimere deres marginer, men de er gode ambitionstal som Regel 40 er for modne softwarevirksomheder.

Dette er en analyse, vi kører på alle DTC-virksomheder, vi evaluerer, og vi ønskede at dele både metoden og et link til Reformationspartnerne 30/50 Regel Google Sheet Calculator . Indtast blot over de røde fremhævede celler, så beregnes arket automatisk.

Bortset fra beregning af 30/50-reglen kan lommeregneren også bruges i omvendt rækkefølge til at bestemme CAC-konvolutten, f.eks. hvor højt CAC kan gå baseret på tilbagebetalingsmål (højere CAC betyder længere tilbagebetaling). Dette kan hjælpe med at informere, hvor man indstiller en CAC-grænse på Facebook Ad Manager.

Lommeregneren kræver kun fire indgange: Indledende AOV, fuldt indlæst GM, blandet CAC og en første års månedlig kohort gentagelseskurve. Mange af vores læsere ved, hvad de skal indtaste, men for klarhedens skyld har jeg defineret vilkårene nedenfor.

Indledende gennemsnitlig ordreværdi: Tag den samlede dollarværdi af alle første gangs ordrer divideret med det samlede antal første gangs ordrer. Sørg for at tælle flere varer i samme rækkefølge som en ordre. Foretag ikke samlet AOV, da det kan skæve din CAC-matematik, og enhver stigning eller fald i AOV over tid vil alligevel blive fanget separat i dollarens gentagelseskurve.

Fuldt indlæst bruttomargin: Inkluder alle variable omkostninger inklusive arbejdskraft, afvikling af kunder og kreditkortbehandlingsgebyrer. Hvis du er i tvivl, skal du placere det i variable omkostninger. Kør ikke denne analyse med kun din produktmargen. Ideen er at indstille din variable nettofortjeneste i forhold til din faste overhead.

Blended CAC: Tag alt variabelt marketingudgifter og divider med alle nye kunder, der er erhvervet, inklusive organisk eller uden for Facebook (tag ikke Facebooks betalte CAC-metric på ansigtet). Noget af dit forbrug vil uundgåeligt være på at erhverve eksisterende kunder, men det er fint for denne analyse. Attribution og målretning er hårdt.

Månedlig kohortvægtet gennemsnitlig dollar gentagelseskurve: Denne er en mundfuld og tager noget arbejde. Jeg går normalt ind i Shopify rådata og manuelt konstruerer datafilen for at give mig en vægtet gennemsnitlig månedlig kohort gentagelsesrate. For nylig har jeg opdaget værktøjer som Livligt og Glew.io i Shopify App Store, der automatiserer dette helt. Jeg vil anbefale at få en af ​​disse, da dette er en vigtig analyse, der skal køres hele tiden for at bestemme LTV (afsløring: Jeg er ikke en investor i disse andre end Shopify, dette er ikke en annonce, jeg kan bare lide deres værktøjer) .

Et par noter om beregning af LTV og relaterede metrics som CAC-tilbagebetaling og LTV / CAC:

  • Til vores LTV- og CAC-tilbagebetalingsanalyse bruger vi en vægtet gennemsnitlig kohort gentagelseshastighed, der ligner en kurve i stedet for en sammenrullet månedlig gentagelseshastighed som det, der vises i standard Shopify-dashboardet. Kurven er mere nøjagtig end den lige linieekstrapolering til LTV- og CAC-tilbagebetalingsanalyser.
  • Kohortvisningen er også mere nyttig, fordi den viser, hvilke kunder der bidrager med hvilke ordrer til enhver tid. På den måde kan du spore bestemte erhvervelses- eller fastholdelseskampagner eller endda afvigelser i produkt mellem kohorter.
  • Vi ser ikke meget på LTV / CAC-forhold som en måling, fordi det er afhængig af for mange antagelser om året for et selskab i et tidligt stadium. Mere om dette emne i vores indlæg om hvorfor ( CAC-tilbagebetaling er en bedre metric end LTV / CAC-forhold ).
  • Sidste note om metode: Forveks ikke Lifetime Revenue (LTR) med Lifetime Value (LTV = LTR * GM). LTV har brug for bruttomarginfaktoren for korrekt at finde ud af, hvornår du bliver betalt tilbage på CAC, og hvor meget du skal bruge på CAC. Hvis du bruger LTR i stedet for LTV, risikerer du at overvurdere afkastet af marketingudgifterne.

Skriv et svar

Din e-mailadresse vil ikke blive publiceret. Krævede felter er markeret med *