Формирование модели Unit-экономики
Формирование модели Unit-экономики
Формирование модели Unit-экономики — это перевод вашего MVP с языка «мы растём» на язык «мы зарабатываем (или теряем) X долларов на каждом клиенте». Главный результат трансформации: команда получает финансовый компас — числовую модель, которая показывает, сходится ли бизнес на уровне одной единицы (пользователя, транзакции, подписки), и если нет — что именно нужно починить.
Почему это критично именно на этапе MVP? Потому что рост без юнит-экономики — это не рост, а масштабирование убытков. Каждый новый пользователь, привлечённый в минус, не приближает вас к прибыли — он ускоряет дорогу к кассовому разрыву. Paul Graham (Y Combinator) сформулировал точно: «It's better to have 100 people that love you than a million that sort of like you» — но даже 100 любящих пользователей убьют стартап, если CAC > LTV.
Суровая реальность: по данным CB Insights, 29% стартапов закрылись потому что закончились деньги — причина №2 после «no market need». В большинстве случаев деньги закончились не из-за плохого продукта, а из-за отсутствия модели, которая показывала бы, когда и как каждый доллар возвращается.
Unit-экономика на этапе MVP — это не Excel-модель для инвесторов. Это обезболивающее против самообмана: вы перестаёте гадать «а нормально ли мы растём?» и начинаете видеть конкретные числа — сколько стоит привлечение, сколько приносит клиент, через сколько месяцев окупается.
Пример — Uber (2011–2012): на этапе MVP в Сан-Франциско команда Travis Kalanick построила простую модель: средний чек поездки $27, комиссия Uber 20% ($5.40), CAC первого райдера ~$30 через промокоды. При частоте 4 поездки в месяц Payback Period = ~1.4 месяца. Эта модель показала: юнит-экономика сходится, можно масштабировать на новые города. Без этих цифр экспансия была бы слепой ставкой.
Антипример — Homejoy (2015): стартап клининговых услуг привлёк $40M, агрессивно масштабировался через купоны и скидки. CAC был ~$200, но LTV — менее $50 (пользователи приходили ради скидки и не возвращались). LTV/CAC = 0.25 — каждый клиент приносил убыток в $150. Команда не построила модель юнит-экономики до масштабирования. Итог: закрытие через 3 года, потеря всех инвестиций.
Пошаговый алгоритм реализации
1. Определить «юнит» — единицу анализа
Юнит-экономика начинается с ответа на вопрос: что такое «один юнит» в вашем бизнесе?
| Бизнес-модель | Юнит | Пример |
|---|---|---|
| SaaS (подписка) | 1 клиент (или 1 аккаунт) | Notion, Slack, Figma |
| Marketplace | 1 транзакция или 1 продавец | Uber, Airbnb, Avito |
| E-commerce | 1 заказ или 1 покупатель | Amazon, Ozon |
| Ad-supported | 1 пользователь (DAU/MAU) | YouTube, Instagram |
| Transactional | 1 транзакция | Stripe, PayPal |
Правило: если вы не можете определить юнит за 10 секунд — ваша бизнес-модель слишком сложна для этапа MVP. Упростите.
2. Рассчитать базовые метрики
Формула юнит-экономики (SaaS / подписка):
LTV = ARPU × Gross Margin × Average Lifetime
CAC = Total Sales & Marketing Costs ÷ New Customers Acquired
LTV/CAC Ratio — главное число. Целевое значение: > 3:1
Payback Period = CAC ÷ (ARPU × Gross Margin) — через сколько месяцев клиент окупается. Целевое: < 12 месяцев
Разбивка ключевых компонентов:
| Метрика | Формула | Benchmark (SaaS MVP) |
|---|---|---|
| ARPU | Revenue ÷ Active Users (monthly) | Зависит от сегмента |
| Gross Margin | (Revenue − COGS) ÷ Revenue | > 70% для SaaS |
| Churn Rate | Churned Users ÷ Total Users (monthly) | < 5% monthly для MVP |
| Average Lifetime | 1 ÷ Churn Rate | > 20 мес (при 5% churn) |
| CAC | S&M Costs ÷ New Customers | Зависит от канала |
| LTV | ARPU × Gross Margin × Avg Lifetime | > 3× CAC |
| Payback Period | CAC ÷ (ARPU × Gross Margin) | < 12 месяцев |
Для Marketplace — альтернативная формула:
Contribution Margin per Transaction = Take Rate × GMV − Variable Costs
LTV = Contribution Margin × Transactions per Customer × Avg Lifetime
3. Построить модель с реальными данными MVP
Конкретный пример: B2B SaaS MVP
| Параметр | Значение | Источник данных |
|---|---|---|
| Цена подписки | $49/мес | Pricing page |
| ARPU (с учётом free users) | $32/мес | Revenue ÷ all active |
| Gross Margin | 82% | Финансовая модель |
| Monthly Churn | 7% | Когортный анализ |
| Average Lifetime | 14.3 мес (1÷0.07) | Расчёт |
| LTV | $375 ($32 × 0.82 × 14.3) | Расчёт |
| CAC (Google Ads) | $180 | Ad spend ÷ conversions |
| CAC (Content/SEO) | $45 | Content costs ÷ organic signups |
| Blended CAC | $110 | Средневзвешенное |
| LTV/CAC | 3.4× | Расчёт |
| Payback Period | 4.2 мес | $110 ÷ ($32 × 0.82) |
Интерпретация: LTV/CAC = 3.4× > 3× , Payback = 4.2 мес < 12 мес . Модель сходится. Но churn 7% — высокий, нужно снижать. Если churn упадёт до 5%, LTV вырастет до $525, а LTV/CAC — до 4.8×.
4. Провести анализ чувствительности
Модель на этапе MVP построена на малых данных (50–200 клиентов). Поэтому критически важно понимать, насколько результат зависит от каждого параметра.
Что если? — ключевые сценарии:
| Сценарий | LTV/CAC | Payback | Вердикт |
|---|---|---|---|
| Базовый (churn 7%, CAC $110) | 3.4× | 4.2 мес | Сходится |
| Churn вырастет до 10% | 2.4× | 4.2 мес | Опасная зона |
| CAC вырастет до $200 | 1.9× | 7.6 мес | Не сходится |
| ARPU снизится до $20 | 2.1× | 6.7 мес | На грани |
| Оптимистичный (churn 5%, CAC $80) | 6.6× | 3.0 мес | Отлично |
Правило: если при ухудшении любого одного параметра на 30% модель перестаёт сходиться (LTV/CAC < 1) — вы сидите на пороховой бочке. Нужен запас прочности.
5. Сегментировать юнит-экономику
Среднее — враг понимания. Разбейте модель по сегментам:
- По каналу привлечения: Google Ads vs. Content vs. Referral — у каждого канала свой CAC и качество клиентов (retention)
- По плану/тарифу: Free vs. Basic vs. Pro — разные ARPU и churn
- По сегменту клиента: SMB vs. Mid-Market vs. Enterprise — разные lifetime и ARPU
- По когорте: январские vs. мартовские клиенты — улучшается ли retention?
Пример: Slack на этапе MVP обнаружил, что команды > 10 человек имели в 3 раза ниже churn, чем команды из 2–3 человек. Это переопределило фокус: вместо привлечения любых команд стали целить в команды 10+.
6. Определить рычаги улучшения и установить цели
Четыре рычага юнит-экономики:
- ↑ ARPU — поднять цену, добавить upsell, увеличить usage
- ↓ Churn — улучшить онбординг, увеличить engagement, добавить switching costs
- ↓ CAC — оптимизировать каналы, улучшить конверсию воронки, развивать organic
- ↑ Gross Margin — снизить COGS, оптимизировать инфраструктуру
На этапе MVP приоритет: ↓ Churn → ↓ CAC → ↑ ARPU. Не оптимизируйте цену, пока retention не стабилизировался — вы ещё не знаете, за что люди готовы платить.
Для каждого рычага установите цель на 3 месяца:
- Churn: с 7% → 5%
- CAC: с $110 → $85
- ARPU: пока держать $32, тестировать ценовые эксперименты
Ожидаемые результаты и артефакты
- Чёткое понимание: сходится ли бизнес на уровне одного клиента
- Рассчитанные LTV, CAC, LTV/CAC, Payback Period с реальными данными MVP
- Модель чувствительности: какие параметры критичны, где запас прочности
- Сегментированная юнит-экономика: по каналам, тарифам, когортам
- Определённые рычаги улучшения с целями на 3 месяца
- Обоснованное решение: масштабировать, оптимизировать или пивотировать
Хороший пример: David Skok — SaaS Metrics 2.0 — детальный разбор юнит-экономики SaaS от партнёра Matrix Partners: формулы LTV, CAC, Payback Period, когортный анализ, примеры дашбордов. Стандарт индустрии — используется как референс в Y Combinator, Sequoia, a16z. Конкретные формулы, бенчмарки, визуализации.
Плохой пример: Homejoy — масштабирование без юнит-экономики — стартап клининговых услуг ($40M инвестиций). Привлекал клиентов через купоны со скидкой 75%+. CAC ~$200, LTV < $50. Команда видела рост «Total Customers», но не считала LTV/CAC. Когда инвесторы спросили про юнит-экономику — выяснилось, что каждый клиент убыточен. Закрытие в 2015. Классический случай масштабирования убытков.
Риски игнорирования
- Масштабирование убытков: WeWork ($47B оценка, 2019) масштабировал бизнес-модель, где юнит-экономика не сходилась: средний доход с рабочего места был ниже средних расходов на это место. Результат: крах при попытке IPO, потеря $40B+ капитализации. Adam Neumann строил «growth story» без Unit Economics story.
- Cash Gap: даже при положительном LTV/CAC стартап может умереть, если Payback Period слишком длинный. Если CAC = $200 и Payback = 18 месяцев, вам нужно $200 × кол-во клиентов cash вперёд, прежде чем увидите возврат. При 1,000 новых клиентов в месяц это $200K/мес чистых инвестиций. Без понимания Payback Period — кассовый разрыв.
- Premature scaling: по данным Startup Genome Report, 74% высокоростущих стартапов провалились из-за преждевременного масштабирования — и ключевой фактор: масштабирование маркетинга до того, как юнит-экономика подтверждена. Вы заливаете деньги в рекламу при CAC > LTV.
- Ложный PMF: Sean Ellis test может показать > 40% «very disappointed», но если эти пользователи пришли через скидку 80% и не готовы платить полную цену — у вас нет PMF, у вас есть скидочная зависимость. Юнит-экономика с реальными ценами — единственный способ отличить реальный PMF от ложного. Пример: MoviePass ($10/мес за неограниченные походы в кино) — пользователи обожали продукт, но каждый поход стоил MoviePass $12–15. LTV/CAC был отрицательным с первого дня.
- Invisible COGS: стартапы часто считают Gross Margin = 100% («у нас же SaaS»), забывая про AWS/GCP costs, support costs, payment processing fees (2.9% + $0.30 у Stripe). При ARPU $10/мес Stripe забирает ~6%, AWS — ещё 10–15%. Реальный Gross Margin = 75–80%, а не 100%. Ошибка в Gross Margin на 20% делает LTV на 20% ниже — и вся модель рушится.
- Blended CAC trap: если вы считаете средний CAC по всем каналам, вы прячете проблему. Referral CAC = $5, Paid CAC = $250. При 50/50 split → blended $127. Выглядит ок. Но при масштабировании referral не скалируется линейно, доля paid растёт до 80% → blended CAC = $201 → LTV/CAC рушится. David Skok: «Always decompose CAC by channel».
Инструментарий
Шаблоны
- SaaS Unit Economics Template (Christoph Janz) — детальная финансовая модель для SaaS в Google Sheets: MRR, churn, cohorts, LTV/CAC, Payback. Стандарт из Point Nine Capital
- Startup Financial Model (Y Combinator) — пошаговый гайд YC по построению финансовой модели стартапа, включая юнит-экономику
- Unit Economics Calculator (Slidebean) — интерактивный калькулятор LTV, CAC, Payback Period для стартапов
- SaaS Metrics Dashboard (Baremetrics) — шаблон SaaS-дашборда с юнит-метриками
- Cohort Analysis Template (Amplitude) — руководство и шаблон для когортного анализа retention
Методики и фреймворки
- LTV/CAC Framework (David Skok, Matrix Partners) — фундаментальная модель для SaaS-бизнеса. Ключевые правила: LTV/CAC > 3×, Payback Period < 12 месяцев. Skok показал, что эти два числа — самые важные индикаторы здоровья SaaS-бизнеса. Используется как стандарт в венчурной индустрии.
- Contribution Margin Analysis (классический управленческий учёт) — для marketplace и e-commerce: выручка с транзакции минус переменные расходы = contribution margin. Если contribution margin отрицательный — каждая сделка увеличивает убыток. На этапе MVP допустим нулевой или минимально положительный CM, но не отрицательный.
- Cohort-Based LTV (Bill Gurley, Benchmark Capital) — вместо расчёта LTV через среднее, анализируйте когорты: LTV январской когорты vs. февральской. Это показывает, улучшается ли юнит-экономика со временем. Gurley: «The only way to truly understand LTV is to watch cohorts age».
- Bottom-Up CAC (Andrew Chen / Brian Balfour — декомпозиция CAC по каналам) — разбивайте CAC по каналам, не считайте «blended». Blended CAC скрывает проблемы: если paid CAC = $300, а organic CAC = $10, blended CAC = $100 выглядит нормально, но при масштабировании доля paid растёт и blended CAC взлетает.
- Quick Ratio метрика (Mamoon Hamid, Social Capital / Kleiner Perkins) — Quick Ratio = (New MRR + Expansion MRR) ÷ (Churned MRR + Contraction MRR). Показывает эффективность роста: > 4 — отлично, < 1 — бизнес сжимается. Дополняет LTV/CAC, показывая динамику в реальном времени.
- Burn Multiple (David Sacks, Craft Ventures) — Burn Multiple = Net Burn ÷ Net New ARR. Показывает, сколько долларов вы сжигаете на каждый доллар нового ARR. < 1× — супер-эффективно, 1–2× — хорошо, > 2× — неэффективно. На этапе MVP допустимо 2–3×, но тренд должен быть вниз.
- Penny Gap (Josh Kopelman, First Round Capital) — переход от $0 к $0.01 — самый сложный момент в юнит-экономике. Бесплатные пользователи и платящие клиенты — это разные виды: конверсия free → paid обычно 2–5%. Kopelman: «The penny gap is not a pricing issue — it's a value perception issue».
Инструменты
-
Google Sheets / Excel — основной инструмент для MVP-стадии. Не усложняйте: таблица с 10 строками важнее BI-дашборда с 50 графиками
-
Causal — визуальный инструмент для финансового моделирования. Формулы как блок-схемы, встроенный sensitivity analysis
-
Brex (ранее Pry) — финансовое планирование для стартапов с автоматическим расчётом юнит-метрик
-
Baremetrics — автоматический расчёт SaaS-метрик (MRR, Churn, LTV, CAC) из Stripe/Chargebee
-
ProfitWell (Paddle) — бесплатная аналитика подписок: churn analysis, LTV, pricing intelligence
-
ChartMogul — MRR analytics, cohort analysis, LTV по сегментам
-
Mixpanel / Amplitude — поведенческая аналитика для расчёта activation и retention по когортам
-
Stripe — биллинг + встроенная аналитика revenue, churn, ARPU
-
Paddle — MoR (Merchant of Record) + аналитика + tax compliance. Упрощает расчёт Gross Margin
Источники
-
David Skok. SaaS Metrics 2.0 (For Entrepreneurs) — библия юнит-экономики SaaS: формулы LTV, CAC, Payback, когортный анализ, бенчмарки. Обязательное чтение
-
Alistair Croll, Benjamin Yoskovitz. Lean Analytics (O'Reilly, 2013) — глава о «One Metric That Matters» и как выбрать ключевую метрику на каждом этапе
-
David Sacks. The Burn Multiple (Craft Ventures) — как измерять эффективность сжигания денег: Burn ÷ Net New ARR
-
Andrew Chen. The Cold Start Problem (Harper Business, 2022) — CAC в сетевых бизнесах, marketplace economics, почему LTV/CAC нелинейны
-
Christoph Janz. SaaS Financial Plan 2.0 (Point Nine Capital) — пошаговая финансовая модель SaaS с формулами
-
Bill Gurley. The Dangerous Seduction of the LTV Formula (Above the Crowd) — критический взгляд на LTV: почему формула часто обманывает и как этого избежать
-
Unit Economics: How to Calculate LTV & CAC — Y Combinator — Anu Hariharan из YC о расчёте LTV/CAC, типичных ошибках стартапов и бенчмарках
-
SaaS Metrics that Matter — SaaStr — Jason Lemkin о ключевых SaaS-метриках, Net Dollar Retention и когда инвестировать в рост
-
How Startups Should Think About Unit Economics — a16z — партнёры Andreessen Horowitz о юнит-экономике на ранних стадиях, burn rate и path to profitability
-
The REAL Way to Calculate LTV — Lenny Rachitsky — практический разбор расчёта LTV с реальными примерами, ошибки при использовании формулы