Průměrný obrat na zákazníka za období, ne za objednávku
ARPU (average revenue per user) je průměrný obrat, který firma získá na jednoho zákazníka za dané období, například měsíc nebo rok. Vznikl v předplatném a SaaS byznysu, kde se počítá jako opakovaný obrat dělený počtem aktivních uživatelů, v e-commerce se používá jako obdoba, obrat dělený počtem aktivních zákazníků za dané období.
ARPU je na zákazníka za období, AOV je na jednu objednávku
Tohle je nejčastější zdroj záměny. AOV se počítá z jedné objednávky, obrat dělený počtem objednávek. ARPU se počítá za období, obrat dělený počtem zákazníků, kteří v tom období nakoupili, bez ohledu na to, jestli nakoupili jednou nebo pětkrát. Zákazník, který za měsíc udělal tři objednávky po 500 Kč, má nulový dopad na AOV oproti zákazníkovi s jednou objednávkou za 500 Kč, ale do ARPU přispívá trojnásobkem.
Odvozený koncept v e-commerce, ne standardizovaná metrika
V SaaS má ARPU jednu ustálenou definici, protože předplatné a aktivní účet jsou jasně vymezené pojmy. V e-commerce je „aktivní zákazník“ definiční volba, někdo počítá každého s objednávkou v posledních 30 dnech, jiný každého v databázi. Bez shody na definici se ARPU mezi obdobími nedá poctivě srovnávat.
Co ARPU ukazuje, co AOV neukáže
ARPU zachytí, jestli existující zákaznická základna generuje víc nebo míň obratu na hlavu v čase, i když se to neprojeví na AOV. Firma může mít stabilní AOV a klesající ARPU, pokud zákazníci nakupují stejně draze, ale méně často.
Kde firmy pálí peníze
ARPU je snadné spočítat špatně, ne proto, že by byl vzorec složitý, ale protože se snadno splete s jinou metrikou nebo počítá z nekonzistentního jmenovatele.
Rostoucí AOV čtený jako rostoucí ARPU
Tým se chlubí rostoucím AOV a předpokládá, že zákazníci jsou hodnotnější. Pokud přitom stejní zákazníci nakupují méně často, ARPU za období může klesat, i když AOV roste. Bez sledování obou čísel vedle sebe firma neví, jestli reálně vydělává víc na zákazníka, nebo jen na objednávku.
Prudký nárůst nových zákazníků uměle stlačí ARPU
Noví zákazníci mají typicky nižší útratu v prvním období než zavedení zákazníci. Když akviziční kampaň prudce zvýší počet nových zákazníků, ARPU za dané období klesne, i když se chování stávajících zákazníků vůbec nezměnilo. Bez rozlišení nových a vracejících se zákazníků to vypadá jako zhoršující se hodnota zákazníků, je to jen změna složení základny.
Nekonzistentní definice „aktivního zákazníka“ mezi obdobími
Pokud se jednou počítá ARPU proti všem zákazníkům v databázi a jindy jen proti těm s objednávkou za poslední měsíc, čísla mezi obdobími nejsou srovnatelná, přestože to v tabulce vypadá jako trend. Rozhodnutí postavené na takovém srovnání je založené na artefaktu výpočtu, ne na reálné změně.
Co je potřeba mít v datech, aby ARPU dávalo smysl
- 1
AOV a ARPU vedle sebe, ne z oddělených exportů
BI Reporting spojuje data na úrovni objednávky i zákazníka z jednoho zdroje, takže se AOV a ARPU dají sledovat vedle sebe konzistentně, místo ručního počítání ze dvou různých exportů, které se snadno rozejdou.
- 2
Rozlišení nových a vracejících se zákazníků v pozadí čísla
Modul Akvizice a retence ukáže, jestli je pohyb ARPU tažený změnou chování stávajících zákazníků, nebo jen přílivem nových. Bez tohoto rozlišení se dá pokles ARPU snadno vyložit špatně.
- 3
Segmentace přes RFM analýzu jako doplněk k jednomu průměru
Jedno průměrné ARPU za celou databázi skrývá rozdíly mezi segmenty stejně jako CLV. RFM analýza dovolí vidět, jestli je pokles nebo růst rovnoměrný, nebo jestli ho táhne jen jedna skupina zákazníků.
- 4
Definice „aktivního zákazníka“ zůstává na firmě
Datimo nerozhoduje, jestli má být aktivní zákazník definovaný jako nákup za posledních 30, 90 nebo 365 dní. Dodává konzistentní podkladová data, aby se jednou zvolená definice dala použít stejně napříč obdobími, volba samotné definice je ale byznysové rozhodnutí.