Dans le secteur des logiciels en tant que service (SaaS), qui s’élève à 420 milliards de dollars, la croissance dépend souvent de la capacité des entreprises à mesurer, prévoir et comprendre les hauts et les bas futurs, et de la rapidité avec laquelle elles peuvent s’adapter à l’évolution des choses.

La prévision des revenus SaaS clarifie la façon dont votre entreprise gagne et perd des revenus. Lorsqu’elle est bien faite, elle inclut suffisamment de détails pour éclairer les décisions réelles dans l’ensemble de l’entreprise, du nombre d’employés aux changements de tarification. Vous trouverez ci-dessous un cadre clair pour structurer votre modèle de revenus SaaS : un cadre qui résiste à l’examen minutieux et s’adapte à votre entreprise.

Contenu de cet article

• Prévision des revenus SaaS
  
• Quels sont les indicateurs qui comptent le plus pour une prévision précise des revenus SaaS ?
  
• Comment construire et structurer une prévision de revenus SaaS ?
  
• Comment les hypothèses et les facteurs du marché doivent-ils influencer vos prévisions ?
  
• Quels sont les défis auxquels les entreprises SaaS sont confrontées lorsqu’elles prévoient leurs revenus ?
  
• Comment agir sur vos prévisions de revenus SaaS ?
  

Prévision des revenus SaaS

La prévision des revenus SaaS est le processus qui consiste à établir une vision fondée sur les données concernant l’évolution de vos revenus récurrents. Grâce à un protocole de prévision solide, les fournisseurs SaaS peuvent prendre les bonnes décisions, détecter les problèmes à un stade précoce et maintenir leurs équipes sur la bonne voie.

Les revenus fluctuent dans une entreprise à modèle d’abonnement, et les prévisions vous aident à modéliser et à suivre ces mouvements afin que vous ne deviniez pas la suite. Au lieu de cela, vous disposez d’une projection éclairée qui vous permet de réagir à l’avance et de changer de cap, si nécessaire. Lorsque le taux d’attrition augmente régulièrement, votre modèle indique combien cela vous coûtera d’ici le prochain trimestre. Lorsque l’expansion est forte, il vous indique sur quelle croissance vous pouvez compter.

La nature riche en données des SaaS fournit des signaux forts et détaillés qui peuvent conduire à des projections significatives. Si vous utilisez ces données judicieusement, vos prévisions feront office de guides.

Quels sont les indicateurs qui comptent le plus pour une prévision précise des revenus SaaS ?

Pour obtenir des prévisions précises, vous devez commencer par les bons intrants. Les revenus SaaS sont intrinsèquement dynamiques, construits sur les paiements récurrents, la fidélisation des clients, l’expansion, la contraction et le taux d’attrition. Votre modélisation des revenus SaaS doit capturer clairement ce mouvement.

Voici les indicateurs qui comptent le plus.

Revenu récurrent mensuel (MRR)

MRR suit les revenus d’abonnement entrants chaque mois. Il s’agit de votre référence de prévision SaaS : le nombre de clients que vous avez multiplié par le revenu mensuel moyen par client. Il existe d’autres types de calculs du MRR qui suivent ce qui a été ajouté, moins ce qui a été supprimé.

Revenus récurrents annuels (ARR)

L’ARR modélise la croissance sur une plus longue période, ce qui donne une image plus complète et sert souvent de point d’ancrage aux rapports des conseils d’administration.

Taux d’attrition

Le taux d’attrition est ce que vous perdez lorsque les clients annulent ou passent à un abonnement inférieur. Il y a le taux d’attrition des clients, c’est-à-dire le nombre de clients qui abandonnent, et le taux d’attrition des revenus, c’est-à-dire le montant des revenus récurrents qu’ils emportent avec eux. Le taux d’attrition peut s’aggraver rapidement, il est donc important de le prévoir.

Expansion et contraction

L’expansion, c’est lorsque vous tirez davantage de revenus d’utilisateurs existants grâce à des méthodes telles que l’upselling et les nouveaux forfaits. La contraction, c’est l’inverse : c’est lorsque les utilisateurs existants passent à un abonnement inférieur. Les ventiler vous aide à voir ce qui entraîne des variations du revenu net.

Rétention des revenus nets (NRR)

Le RRN prend en compte le taux d’attrition, la contraction et l’expansion pour vous indiquer le montant des revenus que vous rapportez grâce aux clients existants. Une valeur du RRN supérieure à 100 % signifie que votre entreprise se développe, même si vous n’ajoutez pas de nouveaux utilisateurs.

Valeur à vie du client (LTV) et Coût d’acquisition client (CAC)

Votre LTV et votre CAC ne sont peut-être pas directement reflétés dans vos prévisions de revenus, mais ils façonnent vos hypothèses de croissance. Si votre LTV dépasse largement votre CAC, il peut être raisonnable de modéliser une expansion plus rapide. Dans le cas contraire, vos prévisions devront probablement suivre leur rythme.

Indicateurs d’utilisation (pour la tarification établie à l’usage)

Si vos revenus dépendent de l’utilisation (par exemple, par appel à l’API, par utilisateur ou par gigaoctet), la prévision des revenus implique un suivi du comportement. Les tendances d’utilisation, la saisonnalité et l’engagement produit deviennent des intrants à part entière.

Comment construire et structurer une prévision de revenus SaaS ?

Une prévision solide montre comment votre entreprise perçoit, conserve et augmente ses revenus, ainsi que sa trajectoire. Voici comment construire un modèle SaaS de prévision des revenus fonctionnel.

Ancrer votre modèle dans les données

Utilisez des données réelles et utiles, comme le MRR, les tendances de taux d’attrition et les taux d’utilisation. Extrayez ces chiffres des systèmes de facturation, de gestion de la relation client (CRM) et d’analyse des produits. Si nécessaire, intégrez vos systèmes afin que le processus d’extraction des données pour les prévisions soit simple et cohérent.

Refléter l’évolution des revenus dans votre entreprise

Lors de vos prévisions, vous pouvez combiner et faire correspondre les modèles afin qu’ils aient un sens avec vos sources de revenus. Une entreprise SaaS B2B à forte activité de vente remporté(e) ne modélisera pas de la même manière qu’un outil d’infrastructure piloté par l’utilisation, et elle ne devrait pas essayer de le faire.

Les prévisions SaaS utilisent généralement un mélange des éléments suivants :

• L’accumulation MRR, pour suivre la croissance de base dans le temps. Ajoutez un nouveau MRR, soustrayez le taux d’attrition, et intégrez l’expansion et la contraction.

• Modélisation de cohorte, pour les entreprises ayant une variété significative dans le comportement du cycle de vie client. Suivez la rétention et l’expansion par cohorte d’inscription.

• Prévision des pipelines, pour les équipes axées sur les ventes. Utilisez les opportunités ouvertes, pondérées par la probabilité et le stade, pour projeter les réservations futures.

• Modélisation d’utilisation, pour une tarification qui fléchit avec le volume. Analyse établie sur les tendances d’utilisation produit ou le comportement saisonnier.

Clarifier vos conducteurs

Prenez le temps d’exposer vos attentes : par exemple, « Le taux d’attrition chutera de 6 à 4 % d’ici le troisième trimestre » ou « Les ventes clôtureront 250 000 $ de nouveaux ARR le trimestre suivant ». Appuyez-les avec un raisonnement. Le taux d’attrition s’est-il amélioré au dernier trimestre après le déploiement de nouveaux cahiers de jeux sur le service client ? Les prévisions de ventes sont-elles liées à des étapes spécifiques du pipeline ? Considérez les hypothèses comme des hypothèses partagées et liez la propriété aux équipes lorsque cela est possible : les ventes sont responsables du taux de clôture, la réussite client est responsable du taux d’attrition et les courbes d’utilisation sont propres au produit.

Ajustement fréquent

Comparez les résultats réels aux projections mensuelles. Si le taux d’attrition augmente ou si les ventes additionnelles sont à la traîne, révisez les projections. Les prévisions se développent avec votre entreprise et s’améliorent généralement au fil du temps.

Comment les hypothèses et les facteurs du marché doivent-ils influencer vos prévisions ?

Chaque prévision repose sur des hypothèses. Plus vous définissez clairement les vôtres et les associez à des intrants réels, plus votre modèle devient utile.

Tenir compte des changements

Tirez parti des données historiques de référence en ayant connaissance de ce qui vous attend.

Cela comprend :

• Mises à jour tarifaires ou changements d’emballage

• Saisonnalité ou ralentissements cycliques

• Lancements de produits ou retards de la feuille de route

• Contraintes d’embauche qui limitent les ventes ou l’onboarding

Intégrer les signaux du marché

Votre clientèle est-elle exposée à la volatilité économique en raison de ralentissements de financement ou de changements réglementaires ? Cela devrait façonner les scénarios que vous envisagez. Modélisez différentes voies en fonction de ce qui pourrait se passer.

Tester les leviers sous pression

Effectuez de rapides contrôles de sensibilité. Si le taux d’attrition augmente de 1 %, combien d’ARR perdez-vous ? Si les ventes incitatives sont à la traîne pendant un trimestre, qu’advient-il de votre flux de trésorerie ?

Une bonne prévision vous aidera à réagir rapidement dans toutes les situations.

Quels sont les défis auxquels les entreprises SaaS sont confrontées pour prévoir leurs revenus ?

Même avec des données propres et le bon modèle, la prévision des revenus SaaS s’accompagne d’une friction intégrée. Voici ce qui fait souvent défaut aux équipes.

Le taux d’attrition est difficile à cerner

Il est difficile de prévoir quand et pourquoi le taux d’attrition va atteindre un pic, en particulier avec les modèles saisonniers, les baisses d’utilisation ou les changements dans les budgets clients. Les petites augmentations se compliquent rapidement.

L’expansion est imprévisible

Les ventes incitatives et la contraction reposent souvent sur des comportements difficiles à modéliser, comme l’adoption de fonctionnalités, la croissance du compte et les plafonds d’utilisation. La dynamique d’expansion remporté(e) d’un trimestre ne se répercutera pas toujours sur le suivant.

Surcroît de données

Facturation, CRM, utilisation produit et signaux de taux d’attrition ne sont pas toujours synchronisés. Les prévisions établies sur des données cloisonnées peuvent entraîner des hypothèses manquées ou des revenus comptés en double.

La complexité se multiplie

Des facteurs tels que la tarification à l’usage, les contrats pluriannuels, les remises et le nombre dynamique de sièges peuvent entraîner une variation des revenus à différents rythmes, ce qui peut rapidement rendre le suivi difficile.

La connaissance est cloisonnée

Si chaque équipe peut être responsable de son domaine, les prévisions qui ne concernent que les finances ne tiennent pas compte des informations dont disposent déjà les équipes commerciales, chargées de la réussite client et produits. Les contributions interfonctionnelles permettent d’améliorer votre planification.

Comment agir sur vos prévisions de revenus SaaS ?

La prévision n’est utile que lorsqu’elle stimule l’action. Pour qu’un modèle de prévision SaaS puisse guider les décisions, les gens doivent comprendre ce qu’il dit, d’où il vient et comment l’utiliser.

Commencer par l’histoire

Mettez l’accent sur ce qui compte :

• Sommes-nous en avance, en retard ou stables ?

• Quelles hypothèses sous-tendent cette projection ?

• Quels risques ou quelle hausse pourraient faire changer cette situation ?

Donnez aux équipes ce qui leur est pertinent. Le service commercial reçoit de nouveaux objectifs, le service de réussite client obtient des prévisions de perte de clientèle et d’expansion, et le service produit prend connaissance des hypothèses d’utilisation liées aux prochaines versions.

Utiliser vos connaissances

Un modèle de prévision SaaS peut éclairer vos choix à tous les niveaux. Utilisez-les pour guider le recrutement, les niveaux de dépenses, la priorisation de la feuille de route et la planification des réserves.

Maintenir une prévision actualisée

Comparez régulièrement vos prévisions à vos résultats. Mettez à jour vos hypothèses lorsque les entrées changent. Ensuite, partagez-les à nouveau. Une prévision qui se développe avec l’entreprise gagne la confiance de chacun et une place dans les décisions réelles.

Stripe Sigma permet aux entreprises d’obtenir plus facilement des informations, de suivre les tendances et d’analyser les tendances de leurs données jusqu’au niveau des transactions. Pour en savoir plus sur Stripe Sigma, cliquez ici.