The Reformation Partners 30/50 Rule of DTC Efficiency

(Jim Hao) (9 nov.2020)

In jarenlange samenwerking met DTC-bedrijven die alles verkopen, van contactlenzen tot lakens tot haaruitvalmedicijnen, avondkleding en bereide maaltijden zagen we een patroon rond de eenheidseconomie dat correleert met efficiënte groei. We noemen het The Reformation Partners 30/50 Rule of DTC Efficiency , of kortweg Regel 30/50 .

De 30 verwijst naar de brutowinst in dollars na aftrek van CAC op de eerste bestelling. De 50 verwijst naar de cumulatieve brutowinst in dollars na aftrek van CAC binnen het eerste jaar. Bedrijven die $ 30 brutowinst na aftrek van CAC op de eerste bestelling behalen en die volgen met $ 50 cumulatieve brutowinst na aftrek van CAC in het eerste jaar, zijn goed gepositioneerd voor snelle en efficiënte groei.

Zolang bedrijven dichtbij komen volgens de 30/50-regel, houd hun overhead beperkt (zie bericht over ( gebruikmakend van externe bureaus )) en hun werkkapitaalcyclus krap (zie bericht over ( werkkapitaalcyclus )), kunnen ze een snelgroeiend, efficiënt DTC-bedrijf runnen met relatief weinig behoefte voor extern kapitaal.

Het is belangrijk op te merken dat niet elk groot bedrijf deze drempels bereikt, vooral niet heel vroeg als ze niet veel schaalgrootte hebben om hun marges te maximaliseren, maar het zijn goede ambitieuze figuren zoals de Regel van 40 is voor volwassen softwarebedrijven.

Dit is een analyse die we uitvoeren op elk DTC-bedrijf dat we evalueren, en we wilden zowel de methodologie als een link naar The Reformation Partners 30/50 Rule Google Sheet Calculator . Voer eenvoudigweg de rood gemarkeerde cellen in en het blad wordt automatisch berekend.

Naast het berekenen van de 30/50-regel, kan de rekenmachine ook omgekeerd worden gebruikt om de CAC-envelop te bepalen, bijv. hoe hoog CAC kan gaan op basis van terugverdientijddoelen (hogere CAC betekent langere terugverdientijd). Dit kan helpen om te bepalen waar een CAC-limiet op Facebook Ad Manager moet worden ingesteld.

De rekenmachine vereist slechts vier invoer: initiële AOV, volledig geladen GM, gemengde CAC en een maandelijkse cohortherhalingscurve voor het eerste jaar. Veel van onze lezers zullen weten wat ze moeten invoeren, maar voor de duidelijkheid heb ik de onderstaande termen gedefinieerd.

Initiële gemiddelde bestelwaarde: Neem de totale dollarwaarde van alle eerste bestellingen gedeeld door het totale aantal eerste bestellingen. Zorg ervoor dat u meerdere artikelen in dezelfde bestelling als één bestelling telt. Voer geen algemene AOV uit, aangezien dit uw CAC-wiskunde kan scheeftrekken, en elke stijging of daling van de AOV in de loop van de tijd zal hoe dan ook afzonderlijk worden geregistreerd in de dollarherhalingscurve.

Volledig geladen brutomarge: Inclusief alle variabele kosten, inclusief arbeid, afhandeling aan klanten en verwerkingskosten voor creditcards. Zet het bij twijfel in variabele kosten. Voer deze analyse niet alleen uit met uw productmarge. Het idee is om uw variabele nettowinst af te zetten tegen uw vaste overheadkosten.

Gemengd CAC: Neem alles variabele marketinguitgaven en delen door alle nieuwe klanten die zijn verworven, inclusief organisch of buiten Facebook (neem de betaalde CAC-statistiek van Facebook niet zomaar aan). Een deel van uw uitgaven zal onvermijdelijk zijn om bestaande klanten terug te werven, maar dat is prima voor deze analyse. Toewijzing en targeting zijn moeilijk.

Maandelijkse cohort gewogen gemiddelde dollarherhalingscurve: Deze is een mondvol en kost wat werk. Ik ga meestal naar de onbewerkte gegevens van Shopify en bewerk het gegevensbestand handmatig om me een gewogen gemiddelde maandelijkse cohortherhalingsfrequentie te geven. Meer recentelijk heb ik tools ontdekt zoals Lifetimely en Glew.io in de Shopify App Store die automatiseren dit helemaal. Ik zou aanraden om een ​​van deze te kopen, aangezien dit een belangrijke analyse is die je altijd moet uitvoeren om LTV te bepalen (onthulling: ik ben geen investeerder in deze anders dan Shopify, dit is geen advertentie, ik vind hun tools) .

Een paar opmerkingen over het berekenen van LTV en gerelateerde statistieken zoals CAC-terugverdientijd en LTV / CAC:

  • Voor onze LTV- en CAC-terugverdienanalyse gebruiken we een gewogen gemiddeld herhalingspercentage van een cohort dat eruitziet als een curve in plaats van een opgerold maandelijks herhalingspercentage zoals wordt weergegeven in het standaard Shopify-dashboard. De curve is nauwkeuriger dan de lineaire extrapolatie voor LTV- en CAC-terugverdientijdanalyses.
  • De cohortweergave is ook nuttiger omdat deze laat zien welke klanten op een bepaald moment aan welke bestellingen bijdragen. Op die manier kunt u bepaalde acquisitie- of retentiecampagnes volgen, of zelfs productvariaties tussen cohorten.
  • We hebben de neiging om de LTV / CAC-ratio niet veel als een statistiek te beschouwen, omdat deze afhankelijk is van te veel aannames buiten het jaar voor een beginnend bedrijf. Meer over dit onderwerp in ons bericht over waarom ( CAC-terugverdientijd is een betere statistiek dan de LTV / CAC-ratio ).
  • Laatste opmerking over methodologie: verwar Lifetime Revenue (LTR) niet met Lifetime Value (LTV = LTR * GM). LTV heeft de brutomargefactor nodig om er goed achter te komen wanneer u wordt terugbetaald aan CAC en hoeveel u aan CAC moet uitgeven. Als u LTR gebruikt in plaats van LTV, loopt u het risico het rendement op marketinguitgaven te overschatten.

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *