订阅模式（1）：八个关键词，让你的业务实现复利增长？
提到订阅经济，它几乎是无处不在，一切皆可订阅的。而纵观国内外的商业模式，我们发现许多行业都运用了订阅模式，并达成了不错的商业成绩。
2018年，麦肯锡指出：订阅经济正在成为越来越多人日常生活的一部分。
从奈飞、Spotify的流媒体视频和音乐订阅服务，亚马逊 Prime 的会员电商订阅服务，Stitch Fix 的时装订阅服务，Birchbox 和 Ipsy 的美妆订阅服务，到 Blue Apron 的净菜配送订阅服务，Care/of 的维生素订阅服务……
总之，订阅无处不在，一切皆可订阅。
订阅模式改变了传统商业的很多做法，它催生了很多的商业奇迹，比如亚马逊Prime，比如奈飞、Salesforce、Adobe等等。
在美国，订阅模式也改变了时尚零售行业，诞生了一大批订阅制时尚电商平台，比如Stitch Fix、Rent The Runway，还有最近刚上市的全球最大宠物电商平台Chewy等等，这些都是订阅经济领域的独角兽。
为了帮助订阅模式的创业者、转型者更好地理解订阅经济和订阅模式，我总结了订阅经济的八个关键词，本文主要对这八个关键词进行简要分析。
先讲个故事：
2008年，有一对美国的姐妹一起回家过感恩节，妹妹向姐姐展示了一件价值2000美元的高档晚礼服（玛切萨），这是她为参加一场好朋友的婚礼而用信用卡购买的。
姐姐看着妹妹满满一柜子的衣服，忍耐不住发飙了，把妹妹大骂了一通。而妹妹很不服气，认为自己喜欢拥有新衣服的感觉，还会将穿着新衣服的照片上传到脸书上。
妹妹的解释让姐姐产生了“为什么不做礼服租赁”的想法，姐姐把这个想法告诉了哈佛商学院的闺蜜。两人一拍即合，决定一起创业。她们将买来或借来的衣服在哈佛大学和耶鲁大学进行用户测试，让女生租赁礼服，这个测试获得了非常积极的用户反馈。于是，这两人就开始创业，并确定了“让每个女孩都获得灰姑娘般的体验”的使命。
这个姐姐叫海曼，她们创办的公司叫Rent The Runway（简称RTR），专注于向年轻女性按月租赁衣服，如果觉得好还可以买走。这家公司是全世界第一个线上租衣平台，现在已经成为独角兽。
RTR的创始人海曼研究过美国女性的穿衣行为，她说美国女性平均每年会购买68件衣服，其中80%很少穿，50%只穿过一次就被打入冷宫。同时，脸书和Instagram等社交媒体刺激了女性晒照片的攀比行为，这间接推动了RTR线上租衣业务的发展。
通过线上服装租赁业务，RTR引爆了一场时尚革命。RTR让女性买得更少，穿了更多她们想要的风格，彻底改变了用户的衣柜和穿衣方式。
RTR的模式最大的颠覆在于——让消费者从购买衣服的所有权，转变为订阅衣服的使用权。从所有权到使用权，从购买到订阅，这是订阅经济根本性的改变，也是我们理解订阅模式的基础。
关于使用权，凯文·凯利在《必然》中这样写道：
未来资源的使用权将比所有权更重要，人们将通过获得服务的方式取代“占有”实物。
——《必然》 凯文·凯利 著
订阅模式是真正以客户为中心的商业模式，是客户主权的商业模式，这是理解订阅模式的关键。
有一个概念耳熟能详，叫“以客户为中心”。到底什么是以客户为中心？它是一种理念，还是事实？
举个例子，在软件行业没有人不讲以客户为中心。但是，对于传统软件企业来说，以客户为中心意味着什么？往往意味着客户化定制，意味着项目化和非标准化，意味着不能规模化。
而对于大部分软件公司老板来说，他们更希望标准化、产品化，这样才能降低成本，提高利润率。因此，“以客户为中心”对传统软件企业来说，更多是一种理念，而不是事实。
那么，对于SaaS企业来说，“以客户为中心”是理念，还是事实？
很多SaaS企业都在讲客户成功，都在讲用户体验，为什么？是因为SaaS企业的人品比传统软件企业的人品好吗？非也，本质上是由商业模式决定的。
假设你买了一个SaaS服务，如果你用得不爽，服务挂了8个小时都没修复，提一个需求几天都没人响应，或者用起来磕磕绊绊，你会怎么办？
我想你一定会吐槽。你会告诉你的朋友说这家SaaS服务太烂了千万别用，然后果断取消订阅。然后，这家SaaS企业就悲催了，他不仅失去了一个客户，他还成功的制造了一个负面传播者，口碑就会越来越差。
由于无法一次性收取客户的费用，SaaS企业必须通过客户长期的续费和增购来持续提升价值。和买断模式不同的是，SaaS企业的客户始终掌握着主权，这个主权并不会随着合同的签订、首付款的支付而转移到厂商手中。
所以，SaaS企业就必须重视客户成功，重视用户体验。对于SaaS企业来说，“以客户为中心”不是一种理念，而是事实。任何不以客户为中心的SaaS企业早晚都会被客户所抛弃。
什么是复利？简单讲，复利就是利滚利。
什么是复利思维？复利思维的核心逻辑是增强回路，简单讲，就是做一件事情A可以导致结果B，而结果B可以反过来增强事情A。
比如写作这件事，如果你每天写1千字，一年就能写36万5千字。写的越多，你的写作能力越强，写作能力越强又会让写得更多更好，这就是复利思维。
还是拿软件企业来举例，对于授权软件企业来说，每个月、每个季度、每一年都要业绩清零，这是授权软件企业的游戏规则。
那SaaS企业怎么样呢？
假设你是一家SaaS企业的老板，这个月努力做了10家新客户，每家客户收取一年的服务费1.2万元，就产生了12万回款，当月最多计入12/12=1万。到了下个月一号，这10家客户合计已经有了1万元的收入，往后再推10个月，这10家客户每个月都会贡献1万元的收入，这叫月度经常性收入（MRR）。
对于年度来说也是一样，每一年的元旦开始，所有的老客户都有一笔经常性收入，只要不取消订阅，这些收入就一直存在。在留存率足够高的情况下，大部分的新客户都会变成老客户，都会在这个经常性收入上添砖加瓦。这就形成了复利效应。
尽管所有订阅制企业在开始几年的增长速度非常缓慢，但经过几年的发展，当企业的经常性收入达到一定规模，就会到达一个临界点，企业在穿越这个临界点之后就会迎来加速增长或指数增长。这就是复利思维和复利效应的力量。
因此，订阅模式的底层商业逻辑是复利思维，只有理解了复利思维，才能真正理解订阅模式，才能在最初几年发展缓慢的时期耐得住寂寞，成功穿越临界点。
订阅循环，解释了订阅模式的结构或者商业模型。
订阅和买断都是一种价值交换，但和买断有着很大区别，订阅的价值交换并非是一次性的，而是可以长期持续循环。订阅循环是以企业和订阅用户的双向承诺为纽带，基于时间线的订阅服务和经常性收入的价值交换循环。
订阅循环
资料来源：《订阅经济——数字时代的商业模式变革》
订阅循环简单清晰地解释了订阅模式的结构，它包括相反的两个方向：
始于订阅用户，订阅用户用付费订阅及承诺驱动企业为他提供订阅服务； 始于企业，企业用服务及承诺驱动订阅用户的付费使用行为。 如果订阅用户对企业的订阅服务感到满意，就会定期续费或增购，形成稳定可持续的经常性收入。
经常性收入，驱动企业达成长期持续服务的承诺，并向订阅用户提供持续的、更多更好的订阅服务。
企业持续的、更多、更好的订阅服务又驱动订阅用户产生更大的经常性收入。
如此循环往复，螺旋式上升，形成了订阅服务、承诺和经常性收入的订阅循环。三者既相互促进，又相互制约。
我认为：
让订阅服务和经常性收入在时间线上循环流动，用订阅服务驱动经常性收入，用经常性收入反哺订阅服务。订阅服务生生不息，经常性收入生生不息。这就是订阅模式的运行逻辑。
单一客户经济性的概念对于订阅制企业很重要，它决定了我们能不能从一个客户身上获利。
对于买断模式来说，几乎不存在这个问题，因为我们可以很快地精确计算出每个客户能不能赚钱，以及能赚多少钱，所有客户的盈亏立马可见。
但是订阅模式并不是这样的，订阅模式的获客成本是前置的，是沉没成本，但收入是后置的，而且并非一次性的。我们很难马上就知道一个客户能带来多少收入。
另外，对于数字订阅模式来说，我们的大部分获客成本是面向所有客户的，这样我们就要进行成本分摊，去计算每个客户的平均成本。所以，订阅模式的客户要想把每个客户能不能赚钱和能赚多少钱算出来并不容易，更何况这个事情是动态的，每一天、每个月都在变化。
那么，我们应该怎么计算单一客户经济性呢？或者说我们有没有一些指标来跟踪衡量呢？对于单一客户经济性，我们重点要衡量两个指标：一是获客成本；二是客户生命周期价值。
首先是获客成本，它是指企业获取一个客户的成本，包括所有的市场和销售费用。从理论上讲，获客成本的计算公式为：
获客成本（CAC）=（总市场费用+总销售费用）/ 获取客户数量
这个公式表面看起来无懈可击，但在实际运用中，我们要注意几个问题：
比如，一个客户的转化周期是多长？是1天还是1周？是1个月还是3个月？很显然，转化周期越短获客成本越低。 再比如，是只计算广告、SEM、活动费用等直接获客成本，还是将市场和销售人员的工资等间接获客成本也算进去？ 还有，是只计算新客户的获客成本，还是把老客户、回头客的成本也算进去？这些都会影响到获客成本。 第二是客户生命周期价值（LTV），它是指企业在客户生命周期内所获得的全部经济收益的总和。对于订阅制企业来说，客户生命周期价值是指客户在整个生命周期中贡献的订阅费和相关收入的总和。
LTV的计算有不同的方法，它受到的影响因素比较多，比如客户的ARPU值、毛利率、流失率、保留成本、贴现率等等。
当我们可以准确计算获客成本和客户生命周期价值之后，我们就可以建立单一客户的现金流模型了。
我们举个SaaS企业的例子，假设某SaaS企业每个客户每月支付600元的订阅费，毛利率为80%，它的获客成本是6000元，每月流失率2.5%。下图就是该SaaS企业的单一客户现金流模型。
单一客户现金流模型
来源：forentrepreneurs
下图是累积现金流模型，表现的是同一家客户累积起来的现金流状况，我们看到他在前13个月都是负现金流，到了第14个月开始盈利，实现了正现金流。
单一客户累积现金流模型
来源：forentrepreneurs
由此可见，单一客户经济性的衡量是一个综合性的事情，它包含了对获客成本和客户生命周期价值的综合考量。
在硅谷，有两个衡量初创SaaS企业的关键指标：一是LTV和CAC的比率是否大于3，二是CAC的回收周期是否小于12个月。
当然，企业在不同的阶段，这个比值是动态变化的，具体尺度需要企业经营者灵活把握，不能僵化。
经常性收入是订阅循环的三大要素之一，也是订阅模式和买断模式的关键区别。经常性收入虽然不是财务指标，但却是衡量订阅制业务增长非常好的指标。和销售收入、营业利润等财务指标相比，经常性收入能更好地衡量订阅增长的效率和质量。经常性收入一般分为月度经常性收入MRR和年度经常性收入ARR。
拿月度经常性收入MRR来举例，相对于上一个月来说，本月的经常性收入计算需要考虑这样三个因素：
一是新增客户带来的新增MRR， 二是老客户扩展订阅带来的扩展MRR， 三是流失客户或老客户降级带来的流失MRR。 综合考虑这三个因素之后，我们才能计算出本月度的新MRR的净值。它的计算公式如下：
净新MRR = 新增客户MRR + 老客户扩展MRR ? 流失 MRR。
我建议每个订阅制企业都要将经常性收入纳入到每个月的核心跟踪和考核指标中去，这就是订阅制企业的血液。
为什么是流失而不是留存？很简单，流失是必然的、永恒的，而留存是偶然的、短暂的，我们要更多关注必然的、永恒的事情。
作为订阅制企业创始人或者管理层，我们要有一个非常清醒的认知：所有的客户终有一天会离我们而去，我们要做的，是尽最大努力消除当下关键的流失因素。即使我们万分努力，我们也不可能留住所有的客户，但我们可以尽力降低流失率。
流失有两种，一是客户流失，二是收入流失，在订阅制企业中主要是指经常性收入的流失。
举个例子，假设A企业上个月有100家付费订阅客户，其中50家大客户每月付费5000元，50家小客户每月付费1000元，则：
A企业的MRR为：5000×50+1000×50=300000元
A企业本月流失了2家大客户和10家小客户，则其：
电影盒子 客户流失率=（2+10）/100×100%=12%
收入流失率=（5000×2+1000×5）/300000×100%=5%
可见，客户流失率和收入流失率完全不同，大客户流失带来的收入影响要远远大于小客户流失的影响。
毋庸置疑，无论是客户流失率还是收入流失率都是越小越好。那么，什么是流失的最佳状态呢？或者我们在流失方面应该追求的终极目标是什么？
是零流失吗？不是。
我们在流失方面的终极目标，是达到负流失状态，而且这个流失率的负值越小越好。
什么是负流失？
当老客户扩展订阅带来的扩展收入，超过流失客户取消订阅和老客户降级带来的流失收入时，就会发生负流失。负流失的发生取决于老客户的扩展订阅，包括使用用户量或服务量的增加，订阅服务等级的提升等等。负流失对订阅业务具有正面积极的影响，是所有订阅制企业应该努力追求达到的目标。
我们和客户交互的每一个环节都会产生流失。关于如何降低流失率，是个很复杂的问题，我后续会写文章单独阐述。
数据智能的本质是用机器取代人直接做决策，这和传统的BI完全不同。BI的本质是决策支持，而数据智能则是用机器直接做运营决策。
对于订阅制企业来说，决策远远不只是高管的事情，也不只是针对重大问题的决策。数字化订阅企业和客户是长期的服务关系，这就决定了企业每天甚至每时每刻都需要做决策。那这样的决策怎么做？靠传统的BI是不可能的，只能靠数据和算法。
对于订阅制企业来说，这些企业无一例外都会通过在线平台收集大量的用户数据，用算法去持续运行数据，并进行算法的持续优化迭代。通过大量的用户数据和算法相结合，订阅制企业就可以对经营环节快速改进和优化，从而成为由数据和算法驱动运营的企业。
所以说，我们讲数字化订阅是建立在数据智能的基础之上的，没有数据智能，就没有数字化订阅。
举个例子，奈飞是全球流媒体视频服务巨头，它是数字内容订阅模式的典范，截至2018年底，奈飞的付费订阅会员达到了1.5亿。
我亲自体验过奈飞的服务，它在数据智能方面做到了极致，不仅做到了千人千面，甚至做到了一人千面——在早上十点钟和晚上十点钟，奈飞推荐我看的影片都是不一样的。如果我在一部影片上花了更多的时间，它就会推荐给我更多类似的影片，这让我感觉到奈飞比我还懂我自己。
奈飞成功的关键在于它解决了一个核心问题，就是如何在合适的时间、合适的场景将合适的影片推荐给合适的人。
奈飞是怎么做到的呢？
关键在于它的影片推荐系统——Cinematch。Cinematch主要对8个来源的用户数据进行收集和分析，同时不断地优化个性化推荐算法，让每个人都能及时看到最喜欢的影片。
这8个数据来源包括：
用户观影的评分数据 播放时长、播放地点、设备类型等播放数据 我的片单、播放列表等喜好数据 鼠标点击、页面停留时长、鼠标轨迹等交互数据 导演、演员、类型等视频属性数据 好友播放记录等社交数据 用户搜索的关键字、选择结果等搜索数据 影片票房、影评等外部数据 基于对这些数据源的全天候跟踪和分析，奈飞能够对每一个用户进行精准画像，根据用户画像向每一个用户推荐他最喜爱的影视剧。
数据和算法不仅帮助奈飞精准匹配用户的观影需求，而且还帮助奈飞生产原创内容。基于用户大数据分析，奈飞能够准确掌握观众喜欢的影视题材、导演、演员等关键要素，然后根据用户大数据来策划和拍摄影视剧，《纸牌屋》就是这样拍出来的。
从奈飞的故事我们可以看出，对于订阅制企业来说，数据智能至关重要，它不仅决定了用户需求匹配的效率和质量，而且会反向定义订阅服务的内容。
总结一下，本文主要分析了订阅经济的八个关键词：
使用权 客户主权 复利思维 订阅循环 单一客户经济性 经常性收入 流失 数据智能 理解了这八个关键词，将大幅提升我们对于订阅经济和订阅模式的认知水平，也将有助于我们去深刻理解订阅模式的本质和运行规律。
作者：毛苇。订阅模式咨询顾问，畅销书《订阅经济》作者，订阅循环理论创始人。在SaaS、PaaS等企业级服务领域拥有近二十年的营销和运营实战经验。
本文由@毛苇? 原创发布于人人都是产品经理，未经许可，禁止转载
题图来自Unsplash, 基于CC0协议