Dans le secteur du logiciel-service (SaaS), qui pèse 420 milliards de dollars, la croissance dépend souvent de la capacité des entreprises à mesurer, prévoir et comprendre les fluctuations futures, ainsi que de leur rapidité à s’adapter aux changements.

Les prévisions de revenus SaaS clarifient la manière dont votre entreprise génère et perd des revenus. Lorsqu’elles sont bien faites, elles fournissent suffisamment de détails pour éclairer les décisions réelles prises dans toute l’entreprise, du nombre d’employés aux changements de tarification. Vous trouverez ci-dessous un cadre clair pour structurer votre modélisation des revenus SaaS : un cadre qui résiste à l’examen minutieux et s’adapte à votre entreprise.

Contenu de l’article

• Quelles sont les prévisions de revenus SaaS?
  
• Quels indicateurs sont les plus importants 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 de logiciel-service sont confrontées lorsqu’elles prévoient leurs revenus?
  
• Comment devez-vous agir sur vos prévisions de revenus SaaS?
  

Qu’est-ce que la prévision des revenus SaaS?

La prévision des revenus SaaS consiste à établir une vision fondée sur des 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.

Dans le domaine des abonnements, les revenus fluctuent. Les prévisions vous aident à modéliser et à suivre ces fluctuations afin que vous n’ayez pas à deviner ce qui va se passer. Vous disposez ainsi d’une projection éclairée qui vous permet de réagir à l’avance et de changer de cap si nécessaire. Lorsque le taux de désabonnement augmente régulièrement, votre modèle vous 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 richesse des données fournies par le SaaS offre des indications solides et détaillées qui peuvent mener à des projections significatives. Si vous utilisez ces données à bon escient, vos prévisions serviront également de guides.

Quels indicateurs sont les plus importants pour une prévision précise des revenus SaaS?

Pour obtenir des prévisions précises, vous devez commencer par disposer des bonnes données. Les revenus SaaS sont intrinsèquement dynamiques, car ils reposent sur des paiements récurrents, la fidélisation des clients, l’expansion, la contraction et le taux de désabonnement. Votre modélisation des revenus SaaS doit refléter clairement cette évolution.

Voici les principaux indicateurs.

Revenu récurrent mensuel (RRM)

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

Revenu récurrent annuel (RRA)

Le RRA modélise la croissance sur une période plus longue, ce qui donne une image plus complète et constitue souvent le point d’ancrage des rapports du conseil d’administration.

Taux de résiliation

Le taux de résiliation correspond à ce que vous perdez lorsque des clients résilient leur abonnement ou passent à une formule moins chère. Il y a le taux de désabonnement des clients, qui correspond au nombre de clients qui partent, et le taux d’attrition des revenus, qui correspond au montant des revenus récurrents qu’ils emportent avec eux. Le taux de désabonnement peut augmenter rapidement, il est donc important de le prévoir.

Expansion et contraction

L’expansion consiste à générer davantage de revenus auprès des utilisateurs existants grâce à des méthodes telles que la vente incitative et les nouveaux forfaits. La contraction est le contraire : elle se produit lorsque les utilisateurs existants passent à un forfait inférieur. En distinguant ces deux éléments, vous pouvez mieux comprendre les facteurs qui influencent les variations des recettes nettes.

Rétention des recettes nettes (RRN)

La RRN prend en compte l’attrition, la contraction et l’expansion pour vous indiquer le montant des revenus que vous rapportez aux clients existants. Une valeur de RRN supérieure à 100 % signifie que votre entreprise est en pleine croissance, même si vous n’ajoutez pas de nouveaux utilisateurs.

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

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

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

Si vos revenus dépendent de l’utilisation (par exemple, par appel API, par siège ou par gigaoctet), alors la prévision des revenus implique le suivi des comportements. Les tendances d’utilisation, la saisonnalité et l’engagement envers le produit deviennent des données à part entière.

Comment construire et structurer une prévision de revenus SaaS?

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

Fondez votre modèle sur les données

Utilisez des données réelles et utiles telles que le RRM, les tendances de désabonnement et les taux d’utilisation. Extrayez ces chiffres des systèmes de facturation, de gestion de la relation client (GRC) 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.

Réfléchissez à la façon dont les revenus circulent dans votre entreprise

Lorsque vous établissez des prévisions, vous pouvez combiner différents modèles afin qu’ils correspondent à vos sources de revenus. Une entreprise SaaS B2B axée sur les ventes n’utilisera pas le même modèle qu’un outil d’infrastructure fondé sur l’utilisation, et elle ne devrait pas essayer de le faire.

Les prévisions de logiciel-service utilisent généralement un mélange des éléments suivants :

• Accumulation du RRM, pour suivre la croissance de base au fil du temps. Ajoutez le nouveau RRM, soustrayez le taux de désabonnement et intégrez l’expansion et la contraction.

• Modélisation par cohortes, pour les entreprises dont le comportement des clients au cours de leur cycle de vie présente une grande diversité. Suivez la fidélisation et l’expansion par cohorte d’inscription.

• Prévisions de pipeline, pour les équipes commerciales. Utilisez les opportunités ouvertes, pondérées en fonction de leur probabilité et de leur stade, pour prévoir les commandes futures.

• Modélisation de l’utilisation, pour une tarification qui s’adapte au volume. Analysez en fonction des tendances d’utilisation des produits ou du comportement saisonnier.

Clarifiez vos indicateurs

Prenez le temps de définir vos attentes : par exemple, « Le taux de désabonnement passera de 6 % à 4 % d’ici le troisième trimestre » ou « les ventes atteindront 250 000 dollars de nouveaux revenus annuels récurrents au prochain trimestre ». Appuyez-les par des arguments. Le taux de résiliation s’est-il amélioré au cours du dernier trimestre après la mise en place de nouveaux guides de service client? Les prévisions de ventes sont-elles liées à des étapes spécifiques du pipeline? Considérez les hypothèses comme des hypothèses communes et attribuez-les aux équipes lorsque cela est possible : les ventes sont responsables du taux de clôture, le service client est responsable du taux de désabonnement et le service produit est responsable des courbes d’utilisation.

S’adapter fréquemment

Vérifiez chaque mois les résultats réels par rapport aux prévisions. Si le taux de désabonnement augmente ou si les ventes incitatives sont en retard, révisez vos prévisions. Les prévisions évoluent avec votre entreprise et s’améliorent généralement avec le 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 reliez à des données réelles, plus votre modèle devient utile.

Identifiez ce qui change

Appuyez-vous sur des données historiques de base en connaissant ce qui vous attend.

Cela inclut :

• Mises à jour des prix ou changements d’emballage

• Saisonnalité ou ralentissements cycliques

• Lancements de produits ou retards dans la feuille de route

• Contraintes d’embauche qui limitent les ventes ou inscriptions des utilisateurs

Intégrer les signaux du marché

Votre clientèle est-elle exposée à la volatilité économique en raison d’un ralentissement du financement ou de changements réglementaires? Cela devrait influencer les scénarios que vous envisagez. Modélisez différents chemins en fonction de ce qui pourrait arriver.

Tester les leviers sous pression

Effectuez rapidement des contrôles de sensibilité. Si le taux de désabonnement augmente de 1 %, combien perdez-vous en RRA? Si les ventes incitatives sont en retard pendant un trimestre, qu’advient-il de votre trésorerie ?

De bonnes prévisions vous aideront à réagir rapidement dans toutes les situations.

Quels sont les défis auxquels les entreprises de logiciel-service sont confrontées lorsqu’elles prévoient leurs revenus?

Même avec des données propres et un modèle adapté, la prévision des revenus SaaS comporte des difficultés inhérentes. Voici ce qui pose souvent problème aux équipes.

L’attrition est difficile à prévoir

Il est difficile de prédire quand et pourquoi le taux de résiliation atteindra son pic, en particulier en raison des variations saisonnières, des baisses d’utilisation ou des changements dans les budgets des clients. Les petites augmentations s’accumulent rapidement.

L’expansion est imprévisible

La vente incitative et la contraction reposent souvent sur des comportements difficiles à modéliser, tels que l’adoption de fonctionnalités, la croissance des comptes et les limites d’utilisation. La dynamique d’expansion d’un trimestre ne se poursuit pas toujours au trimestre suivant.

Débordements de données

La facturation, la GRC, l’utilisation des produits et les signaux de désabonnement ne sont pas toujours synchronisés. Les prévisions fondées sur des données cloisonnées peuvent entraîner des hypothèses erronées ou un double comptage des revenus.

La complexité se multiplie

Des facteurs tels que la tarification fondée sur l’utilisation, les contrats pluriannuels, les remises et le nombre dynamique de sièges peuvent entraîner des variations du chiffre d’affaires à des rythmes différents. Cela peut rapidement rendre le suivi plus difficile.

La connaissance se cloisonne

Si chaque équipe peut être responsable de son domaine, les prévisions qui ne concernent que les finances passent à côté de ce que les équipes commerciales, de réussite client et produit savent déjà. Les contributions interfonctionnelles permettent d’améliorer votre planification.

Comment devez-vous agir sur vos prévisions de revenus SaaS?

Les prévisions ne sont utiles que lorsqu’elles incitent à agir. Pour qu’un modèle de prévision SaaS puisse orienter les décisions, les utilisateurs doivent comprendre ce qu’il indique, d’où il provient et comment l’utiliser.

Commencer par l’histoire

Se concentrer sur ce qui compte :

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

• Quelles hypothèses sous-tendent cette projection?

• Quels risques ou quels avantages pourraient modifier la tendance?

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

Utilisez vos connaissances

Un modèle de prévision SaaS peut éclairer vos choix à tous les niveaux. Utilisez-le pour orienter vos décisions en matière de recrutement, de niveaux de dépenses, de hiérarchisation des priorités et de planification des réserves.

Maintenir une prévision actualisée

Comparez régulièrement vos prévisions à vos résultats. Mettez à jour vos hypothèses lorsque les données changent. Puis, partagez-les à nouveau. Une prévision qui évolue avec l’activité gagne la confiance de tous et trouve sa place dans les décisions réelles.

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