En el sector de software como servicio (SaaS) de $420,000 millones, el crecimiento suele depender de lo bien que las empresas puedan medir, predecir y comprender los altibajos futuros y de la rapidez con la que puedan adaptarse a los cambios.

La previsión de ingresos SaaS brinda claridad sobre la forma en que tu empresa gana y pierde ingresos. Cuando se hace bien, incluye detalles suficientes como para informar las decisiones reales en toda la empresa, desde el recuento de empleados hasta los movimientos de precios. A continuación, se muestra un marco claro para estructurar tu modelización de ingresos SaaS: uno que se mantiene bajo escrutinio y se adapta con tu empresa.

¿Qué contiene este artículo?

• ¿Qué es la previsión de ingresos SaaS?
  
• ¿Qué métricas son más importantes para pronosticar ingresos SaaS con precisión?
  
• ¿Cómo puedes desarrollar y estructurar una previsión de ingresos SaaS?
  
• ¿Cómo deberían influir los supuestos y los factores de mercado en tu previsión?
  
• ¿A qué desafíos se enfrentan las empresas SaaS a la hora de predecir ingresos?
  
• ¿Cómo debes actuar frente a tus previsiones de ingresos SaaS?
  

¿Qué es la previsión de ingresos SaaS?

La previsión de ingresos SaaS se define como el proceso de crear una vista basada en datos de la dirección que siguen los ingresos recurrentes. Con un protocolo de previsión sólido, los proveedores de SaaS pueden tomar buenas decisiones, detectar problemas a tiempo y mantener a los equipos enfocados en el objetivo.

Los ingresos fluctúan en una empresa de suscripción, y la previsión te ayuda a modelar y dar seguimiento esos movimientos para no tener que adivinar lo que viene después. En cambio, tienes una proyección informada que te permite reaccionar con anticipación y cambiar de rumbo cuando lo necesites. Si la pérdida de clientes aumenta de manera constante, tu modelo muestra cuánto te costará en el próximo trimestre. Si la expansión es fuerte, te dice con cuánto crecimiento puedes contar.

La naturaleza rica en datos del SaaS proporciona señales seguras y detalladas que pueden conducir a proyecciones significativas. Si usas esos datos con sabiduría, tus previsiones se duplicarán como guías.

¿Qué métricas son más importantes para prever ingresos SaaS con mayor exactitud?

Para obtener una previsión más exacta, tienes que comenzar con los datos correctos. Los ingresos SaaS son inherentemente dinámicos, construidos sobre la base de pagos recurrentes, retención de clientes, expansión, contracción y pérdida de clientes. Tu modelización de ingresos SaaS debe capturar ese movimiento con claridad.

A continuación, te contamos cuáles son las métricas más importantes.

Ingresos Recurrentes Mensuales (MRR)

Los MRR permiten dar seguimiento a los ingresos por suscripciones que llegan cada mes; son tu base de previsión de SaaS: la cantidad de clientes que has multiplicado por el promedio de ingresos mensuales de cada cliente. Hay otros tipos de cálculos de MRR que dan seguimiento a las ganancias menos las pérdidas.

Ingresos Recurrentes Anuales (ARR)

Los modelos de ARR crecen en un período más extenso. Proporcionan una imagen más completa y, a menudo, son la base para la generación de informes generales.

Tasa de pérdida de clientes

La pérdida de clientes se define como eso que pierdes cuando los clientes cancelan o bajan de categoría. La pérdida puede ser de clientes (la cantidad de clientes que se van) y de ingresos (la cantidad de ingresos recurrentes que se llevan consigo), y se puede agravar con rapidez, por ello es importante preverla.

Expansión y contracción

La expansión es cuando obtienes más ingresos de los usuarios existentes a través de métodos como las ventas adicionales y los paquetes nuevos. La contracción es lo contrario: cuando los usuarios existentes bajan de categoría. Desglosar estos conceptos te permite saber qué impulsa los cambios en los ingresos netos.

Retención de ingresos netos (NRR)

Los factores de NRR en la pérdida de clientes, la contracción y la expansión brindan información sobre la cantidad de ingresos que aportas de los clientes existentes. Un valor de NRR superior al 100 % significa que tu empresa está creciendo, aunque no agregues usuarios nuevos.

Valor vitalicio del cliente (LTV) y costo de adquisición del cliente (CAC)

Es posible que tus LTV y CAC no se reflejen directamente en tu previsión de ingresos, pero den forma a tus supuestos de crecimiento. Si tu LTV supera con creces tu CAC, sería razonable modelar una expansión más rápida. De lo contrario, es posible que tengas que cambiar el ritmo de tu previsión.

Métricas de consumo (para tarifas establecidas en el consumo)

Si tus ingresos dependen del consumo (p. ej., por llamada API, asiento o gigabyte), prever ingresos implica hacer un seguimiento del comportamiento. Las tendencias de consumo, la estacionalidad y la interacción con el producto se convierten en insumos por derecho propio.

¿Cómo puedes desarrollar y estructurar una previsión de ingresos SaaS?

Una previsión sólida muestra cómo tu empresa obtiene, retiene y aumenta ingresos, así como su trayectoria. A continuación, te explicamos cómo crear un modelo de previsión de ingresos SaaS que funcione.

Fundamentos de tu modelo en datos

Utiliza datos reales y útiles, como MRR, tendencias de pérdida de clientes y tasas de consumo. Estos números se obtienen de los sistemas de facturación, la gestión de las relaciones con los clientes (CRM) y el análisis de productos. Si es necesario, integra tus sistemas a fin de que el proceso de extracción de datos para las previsiones sea sencillo y coherente.

Refleja cómo se mueven los ingresos en tu empresa

Cuando hagas las previsiones, puedes mezclar y combinar modelos para que sean coherentes con tus fuentes de ingresos. Una empresa B2B SaaS con un gran volumen de ventas no modelará de la misma manera que una herramienta de infraestructura basada en el consumo, y tampoco debería intentarlo.

Para hacer previsiones de SaaS, se suele utilizar una combinación de lo siguiente:

• Aumento de MRR para hacer un seguimiento del crecimiento de la base a lo largo del tiempo. Suma nuevos MRR, resta pérdida de clientes y forma capas en expansión y contracción.

• Modelización de cohortes para empresas con variedad significativa en el comportamiento del ciclo de vida del cliente. Seguimiento de retención y expansión por cohorte de registro.

• Previsión de canalización para equipos liderados por ventas. Utiliza oportunidades abiertas, ponderadas por probabilidad y etapa, a fin de proyectar reservas futuras.

• Modelización del consumo para tarifas que se flexibilizan con el volumen. Analiza según las tendencias de consumo del producto o en el comportamiento estacional.

Claridad de tus factores

Tómate el tiempo para describir tus expectativas, por ejemplo: “la pérdida de clientes bajará del 6 % al 4 % en el tercer trimestre” o “las ventas cerrarán $250,000 en nuevos ARR el próximo trimestre”. Respalda estas expectativas con razonamientos. ¿Mejoró la tasa de pérdida de clientes el trimestre pasado después de implementar nuevos manuales de atención al cliente? ¿La previsión de ventas está vinculada con etapas específicas de la canalización? Trata los supuestos como hipótesis compartidas y vincula la titularidad con los equipos cuando sea posible: Ventas posee la tasa de cierre, a Éxito del cliente le corresponde la pérdida de clientes y a Producto, las curvas de consumo.

Ajustes frecuentes

Compara los resultados reales con las proyecciones mes a mes. Si la pérdida de clientes aumenta o las ventas adicionales se quedan atrás, revisa las proyecciones. Las previsiones se desarrollan con tu empresa y, por lo general, mejoran con el tiempo.

¿Cómo deberían influir los supuestos y los factores de mercado en tu previsión?

Cada pronóstico se basa en supuestos. Cuanto más claros sean tus supuestos y se vinculen con datos reales, más útil será tu modelo.

Registro de los cambios

Aprovecha los datos históricos de referencia con tu conocimiento de lo que está por venir.

Esto incluye lo siguiente:

• Actualizaciones de precios o cambios en el embalaje

• Desaceleraciones estacionales o cíclicas

• Lanzamientos de productos o retrasos en el plan

• Limitaciones de contratación que restringen las ventas o el onboarding

Incorporación de las señales del mercado

¿Tu base de clientes está expuesta a la volatilidad económica a través de desaceleraciones de la financiación o cambios normativos? Eso debería dar forma a los escenarios en los que estás pensando. Modela diferentes caminos según lo que pueda venir.

Prueba de presión de las ventajas

Realiza comprobaciones rápidas de sensibilidad. Si la pérdida de clientes aumenta un 1 %, ¿cuánta ARR pierdes? Si las ventas adicionales se quedan atrás durante un trimestre, ¿qué sucede con tu flujo de caja?

Una buena previsión te ayudará a responder con rapidez en cualquier situación.

¿A qué desafíos se enfrentan las empresas SaaS a la hora de predecir ingresos?

Incluso con datos limpios y el modelo adecuado, la previsión de ingresos SaaS conlleva fricciones integradas. A continuación, te contamos lo que suele hacer tropezar a los equipos.

La pérdida de clientes es resbaladiza

Es difícil saber con anticipación cuándo y por qué la pérdida de clientes alcanzará su punto máximo, en especial con patrones estacionales, caídas de consumo o cambios en los presupuestos de los clientes. Los pequeños aumentos se combinan rápidamente.

La expansión es impredecible

Las ventas adicionales y la contracción suelen basarse en comportamientos difíciles de modelar, como la adopción de funcionalidades, el crecimiento de cuentas y los límites de consumo. El impulso de expansión de un trimestre no siempre se traslada al siguiente.

Los datos se extienden

Facturación, CRM, consumo de productos y señales de pérdida de clientes no siempre están sincronizados. Las previsiones establecidas en función de datos aislados pueden dar lugar a que se pasen por alto los supuestos o se doblen los ingresos.

La complejidad se multiplica

Factores como los precios establecidos según el consumo, los acuerdos plurianuales, los descuentos y los recuentos dinámicos de plazas pueden hacer que los ingresos cambien a diferentes ritmos, lo que dificulta el seguimiento.

El conocimiento queda aislado

Los equipos particulares pueden tener titularidad en sus áreas, pero las previsiones que se originan solo en Finanzas pasan por alto lo que Ventas, Éxito del cliente y Producto ya saben. Los aportes multifuncionales son mejores para tu planificación.

¿Cómo debes actuar frente a tus previsiones de ingresos SaaS?

La previsión solo es útil cuando estimula la acción. Para que un modelo de previsión SaaS impulse las decisiones, las personas deben comprender lo que establece, de dónde viene y cómo usarlo.

Comienza con la historia

Lidera con lo importante:

• ¿Estamos por delante, por detrás o nos mantenemos en la misma posición?

• ¿Qué supuestos impulsan esa proyección?

• ¿Qué riesgos o ventajas podrían cambiarla?

Comparte con los equipos lo que es pertinente. Ventas obtiene nuevos objetivos, Éxito del cliente obtiene previsiones de pérdida de clientes y expansión, y Producto aprende los supuestos de consumo vinculados con los próximos lanzamientos.

Aplica tus conocimientos

Un modelo de previsión SaaS puede servir de base para tus elecciones generales. Se puede usar para guiar la contratación, los niveles de gasto, las prioridades del plan y la planificación de reservas.

Mantén una previsión activa

Compara tu previsión con los resultados de manera regular. Actualiza tus supuestos cuando cambien los datos. Luego, comparte otra vez. Una previsión que se desarrolla con la empresa gana la confianza de todos y un lugar en las decisiones reales.

Stripe Sigma facilita a las empresas la obtención de información, el seguimiento de las tendencias y el análisis de patrones en sus datos hasta el nivel de la transacción. Obtén más información sobre Stripe Sigma aquí.