Tabla de Contenidos
Todos deberían estar interesados en usar sus datos para optimizar sus precios de SaaS. Después de todo, encontrar el precio correcto es una de las mejores oportunidades para el crecimiento de ingresos en nuestra industria.
¿Pero qué pasa si te digo que necesitas comenzar nuestra recopilación de datos desde cero, años después del lanzamiento? ¿Qué pasa si te digo que dejes de trabajar con tus datos antiguos y te comprometas a seis meses de recopilación de datos cuidadosamente controlada en interés de la optimización de precios?
Muchos se resistirían a esta noción. Si tienes un panel de control y datos, ¿por qué no puedes usar esa información para experimentos de optimización de precios?
La respuesta corta es que si usamos datos antiguos para la optimización de precios, cualquier información que encontremos es probablemente ruido.
Para obtener una señal confiable para nuestra optimización de precios, necesitamos recopilar datos de manera estructurada. Si planeamos cuidadosamente nuestra recopilación de datos, nuestro experimento evita desperdiciar recursos en resultados inconclusos.
Este artículo (parte tres de nuestra serie de Optimización de Precios) explicará en detalle por qué los experimentos son clave para encontrar el mejor precio, y qué datos necesitas para ejecutar experimentos correctamente.
Optimización de Precios en SaaS: Por Qué No Deberías Usar Datos Antiguos
Fijar el precio de un producto SaaS es difícil, especialmente cuando tu empresa está comenzando.
La buena noticia es que después de algunas ventas iniciales, puedes comenzar a recopilar datos para ejecutar experimentos y recopilar datos procesables.
Veamos un ejemplo. A continuación se muestra un MRR gráfico de un cliente real de Baremetrics en sus primeros dos años:
Podemos usar estos datos para obtener información sobre una relación entre nuestro precio y las tasas de registro. Alerta de spoiler: ¡algo va a salir mal!
Este propietario del negocio lanza a un precio bajo, $25/mes, luego aumenta el precio dos veces: primero a $39/mes, y finalmente a $45/mes.
Quizás la estrategia que siguió este propietario del negocio fue aumentar el precio hasta que algo malo sucediera.
Sea cual sea la estrategia, para que nos ayude a optimizar nuestros ingresos, necesitamos un KPI por el cual juzgar qué precio es mejor. Para nuestros propósitos, para encontrar el mejor precio, veremos qué sucedió con las tasas de registro cuando aumentamos el precio.
Baremetrics ofrece potentes herramientas de informes que facilitan el seguimiento de métricas e KPIs importantes. Obtén tu prueba gratuita aquí.
Comparación de Tasas de Registro
¿Cómo comparamos las tasas de registro entre estos puntos de precio? Podemos asumir que si aumentamos el precio, habrá menos registros, ¿pero cuántos menos?
Intentemos introducir los datos en un modelo estadístico simple para estimar las tasas de registro mensuales. Para los curiosos, este es un modelo de Poisson que discutiremos más en futuras publicaciones.
Este modelo usa datos en forma de conteos de registros por mes. Por ahora, todo lo que necesitamos saber es que los puntos de datos se introducen en el modelo, y sale una estimación de las tasas de registro.
Lo anterior muestra estimaciones de las tasas de registro en cada punto de precio. Las barras de error muestran incertidumbre sobre la estimación (intervalos de confianza del 95%).
¿Qué nos dice?
- El modelo es confiado de que los registros a $25/mes (azul) son más altos que los otros.
- Además, hay superposición entre el púrpura y el verde, que es la forma del modelo de decirnos que no está seguro de que los registros sean realmente diferentes entre esos precios.
¿Qué Precio Genera Más Ingresos?
Ahora que hemos comparado las tasas de registro, podemos explorar qué implica esto para los ingresos.
Para obtener estimaciones de ingresos, multiplicamos las tasas de registro por la vida útil esperada de un cliente. En este conjunto de datos, eso es 49,8 meses (para ver más sobre cómo obtuvimos este número, consulta nuestro artículo anterior sobre la retención de clientes!)
Luego multiplicamos esto por el precio:
Ingresos Esperados = Tasa de Registro × Vida Útil Esperada × Precio
Esta ecuación nos da una estimación para los ingresos totales que esperamos ganar para cada mes en cada punto de precio.
Ahora, transformemos los resultados de la regresión de Poisson usando la fórmula. Esto nos permite comparar estos grupos por sus ingresos totales, como se muestra en el gráfico a continuación:
¡Nota que ahora, incluso el grupo de precio más bajo (en azul) se superpone con el de precio más alto!
Las barras de error superpuestas significan que nuestro modelo no sabe qué precio genera más ingresos, ¡podrían ser incluso iguales!
En pocas palabras, pasamos dos años recopilando datos sobre nuestros precios, ¡y aún no sabemos cuál es mejor para los ingresos!
¿Qué salió mal aquí?
Por un lado, no pudimos distinguir nuestros precios porque no recopilamos suficientes datos. Las barras de error son tan grandes que se superponen. Con más datos, obtendríamos barras de error más pequeñas, lo que nos permitiría distinguir los precios.
Tomemos, por ejemplo, la barra de error para $25/mes (azul). Es mucho más grande que la de los otros. Si tuviéramos más datos sobre $25/mes, la barra de error sería más pequeña, y podríamos decir con mayor certeza si es diferente o no.
Veamos cuántos días le dimos a cada precio:
Nota cómo el precio de lanzamiento (azul) estuvo en línea solo una fracción del tiempo de los otros. Tenemos una distribución altamente desigual, posiblemente aleatoria de días asignados a cada precio.
Si hubiera planeado la comparación antes de recopilar los datos, hubiera dado a cada precio un número igual de días activos. Mejor aún, podría haber seleccionado solo dos precios en lugar de tres, para que cada precio recibiera incluso más datos para una comparación de mayor resolución.
Podrías preguntar, ¿cuántos días deberíamos dar a cada precio? Resulta que podemos usar técnicas estadísticas relacionadas con Análisis de Potencia para estimar cuántos datos necesitamos recopilar para responder nuestra pregunta de manera confiable.
De esta manera, podemos evaluar si tenemos los recursos para llevar a cabo un experimento exitoso—más sobre eso en una publicación futura.
En cualquier caso, el resultado de analizar estos datos antiguos es decepcionante—dos años de recopilación de datos, y nada que mostrar por ello.
Podemos intentar encontrar una forma de salvarlo. En ausencia de una buena señal sobre ingresos, notamos que el plan de $25/mes parece tener ingresos más altos porque el monto promedio es más alto que los otros, y la mayor parte del espacio cubierto por las barras de error está por encima de las otras opciones.
Tal vez podríamos planear usar el plan de $25 al mes mientras planeamos nuestro próximo experimento. Pero incluso entonces, asumiendo que los resultados fueran mejores, ¿estaríamos justificados en nuestra elección? La respuesta resulta ser no, y aquí está el por qué.
La Mejor Manera de Ver Tus Datos
Usa Baremetrics para medir MRR, LTV y otras métricas comerciales críticas que impulsan tu análisis. ¿Quieres probarlo por ti mismo?
Factores Adicionales a Tener en Cuenta
La Falta de datos no era nuestro único problema. Para ver qué más está mal, veamos los datos desde una perspectiva diferente. Aquí están los datos como una serie de tiempo:
El gráfico anterior muestra registros como una serie de tiempo. La línea indica un promedio móvil de 20 días para revelar la tendencia. Cada color muestra dónde cada precio estuvo activo.
Observa cuánta variabilidad tienen los registros, incluso cuando el precio se mantiene constante. Los registros bajan y suben de una manera que no parece tener nada que ver con los precios que elegimos. ¿Qué está pasando?
¿Vemos una tendencia entre registros y precio? No. ¿Por qué?
Como resulta, el precio no es el único factor que cambia las tasas de registro de nuestros clientes. Hay todo tipo de factores que podrían estar cambiando las tasas de registro que no tienen nada que ver con el precio. Pero no recopilamos datos sobre ninguno de ellos.
Las tasas de registro podrían verse afectadas por cambios en las condiciones del mercado, diferentes equipos de ventas, o la llegada de un competidor, o algo en lo que nunca pensamos.
Como no hicimos un seguimiento de esos, nuestros resultados están distorsionados. No sabemos qué cambios deberíamos atribuir al precio y cuáles a algo más.
La verdad es que no podemos conocer todos los factores posibles que afectan nuestro conjunto de datos.
Todo lo que sabemos es que nuestros datos sobre registros fueron distorsionados por factores que no conocíamos. En este punto estamos atrapados. No podemos obtener ninguna perspectiva sobre la relación causal entre el precio y la disposición de nuestros clientes a registrarse. No hay forma de arreglar esto después de que se recopilen los datos.
Conclusión
Los experimentos requieren mucho tiempo y pueden parecer una molestia. Pero cuando se hacen correctamente, son la mejor manera de obtener perspectivas valiosas en estas circunstancias. Si no hacemos un experimento, terminaremos extrayendo ruido de nuestros datos.
Si te intimida los desafíos que enfrentamos aquí, ¡no te preocupes!
Nuestros próximos artículos discutirán los métodos que usamos para trabajar alrededor de estos problemas. Discutiremos ideas sobre cómo planificar experimentos que realmente ofrezcan perspectivas accionables.
Nuestras publicaciones en la serie incluirán preguntas sobre:
- ¿Qué precios debo elegir para probar?
- ¿Cuántos datos necesito?
- ¿Cómo puedo terminar mi experimento en un período de tiempo razonable?
- ¿Cómo se vería un experimento en la práctica?
- ¿Qué pasa si no tengo los recursos para hacer un experimento?
Mantente atento para más, y envía cualquier pregunta que tengas a david@baremetrics.com. ¡Que disfrutes experimentando!
