Большая книга о соцсетях для предпринимателей, экспертов и блогеров
6. Доходы минус расходы.
Обычно в одной таблице считают привлечение, приток и отток по каждому каналу отдельно, а потом их суммируют. Мы для простоты будем считать, что существует только один канал, например Telegram.
Для расчета вам потребуются исходные данные: стоимость привлечения аудитории, конверсии, параметры притока и оттока. Мы, как агентство, владеем этими данными, потому что ведем дюжину проектов одновременно. Если у вас этих данных нет и получить их неоткуда, вы можете сначала предположить, какими они могли бы быть, а потом проверить реальностью.
Пример: компания в сфере B2B с большим чеком. Продает какую-нибудь дорогую услугу по подписке. Один платящий клиент в среднем приносит миллион рублей прибыли за всё время работы с компанией. Предположим, что мы создаем каналы с нуля, раскачиваемся полгода, после чего начинаем продавать. Считаем модель с этими параметрами (сама модель на следующем развороте):
На зарплаты команды мы тратим 300 000 рублей с учетом налогов и взносов. В команде один автор-редактор, один дизайнер с функциями контент-менеджера, видеограф-аниматор и управляющий продуктом. Все, кроме управляющего, загружены не на полную ставку. Итого 3,6 млн рублей в год.
Со второго месяца работы тратим по 200 000 рублей на платное продвижение канала, что в нашей нише дает в среднем по 600 человек в месяц. За год это даст 6600 привлеченных платно подписчиков, расходы – 2,4 млн рублей.
По нашим пессимистичным прогнозам, естественный отток аудитории канала составит 2 % аудитории за месяц, а приток – 2,5 %. Если рассчитать сложный процент на 11 месяцев, получим к концу года около 6800 подписчиков канала.
К шестому месяцу мы выходим на 3 рекламные публикации в месяц при средней читаемости 5 %. Средняя конверсия из прочтения в лида – 1 %, из лида в покупку – 33 %, что дает нам общую конверсию из чтения в покупку 0,33 %. Это округленно даст нам 14 платящих клиентов к концу года. Будем считать, что это клиенты, которых мы привлекли именно за счет соцсетей.
Так, потратив 6 млн рублей за год, мы привлекли 14 клиентов, каждого из которых компания оценивает в миллион рублей.
Наиболее чувствительна наша модель к вовлеченности читателей и конверсии в покупку, например: если мы добьемся вовлеченности на уровне 10 %, то выйдем в плюс уже на третий месяц продаж.
Сейчас расчет звучит нереальным, потому что компания оценивает прибыль с клиента не по одной транзакции, а по LTV – то есть по сумме прибыли, которую клиент в среднем принесет за всё время сотрудничества (например, за пять лет). Получается, что компания тратит деньги сегодня, ожидает отбить их в течение пяти лет и включает эти деньги из будущего в сегодняшний расчет. Хорошая ли это идея – зависит от ресурсов компании и ее подхода к планированию.
Если вы не верите в LTV и хотите считать окупаемость только по прибыли с одной покупки, поставьте себе цель, например окупиться за 24 месяца. Нехитрым подбором вы увидите, что в рамках этой финмодели одна сделка должна вам приность 175 тысяч рублей прибыли, чтобы начать окупать затраты через два года. Всё, что ниже, за два года не окупится, и строить вокруг этого модель слишком рискованно.
Имея на руках рабочую таблицу, как на следующем развороте, вы можете играть с разными параметрами и смотреть, как они повлияют на результат. Например:
Если прибыль с одного клиента будет около 100 тысяч рублей, то увеличение числа рекламных публикаций в месяц может спасти ситуацию. Например, шесть рекламных публикаций при вовлеченности 4 %, и мы окупимся за два года.
При прибыли 50 тысяч с клиента нам нужно платно привлекать 1000 человек в месяц за те же деньги – то есть искать менее дорогую аудиторию. Тогда есть шанс при сохранении конверсии на уровне 0,33 % выйти на окупаемость к концу второго года.
Если мы зарабатываем на клиенте меньше 50 тысяч рублей прибыли, вся наша модель рассыпается. Значит, нужно искать другие параметры.
Это упражнение можно сравнить с рассуждением: «А что, если мы будем делать так-то?» Вписываете параметры в модель и смотрите, как выглядит это будущее.
Откуда именно такие цифры по притоку, оттоку и стоимости привлечения? Это пессимистичный сценарий на основании нашего опыта работы с проектами такого типа. У вас в отрасли или с использованием ваших инструментов продвижения будут другие параметры (даже через 9 месяцев с момента написания этого текста данные изменятся). Вам не нужно копировать именно эти показатели.
Лучше возьмите какие-то показатели и посчитайте модель. Потом запустите пробные активности: закупите рекламу на небольшой бюджет и посмотрите на стоимость привлечения. Вы получите реальные данные и сверите со своей моделью. Может оказаться, что у вас подписчик будет стоить 150 рублей или 500 рублей – это одинаково вероятно.
А почему у вас такие низкие показатели вовлеченности и такой большой отток? По той же причине: это пессимистичные показатели на основании нашего опыта. Может быть, вы будете делать гениальный контент с вовлеченностью 30 %, и тогда ваша финмодель сойдется намного лучше. Или, наоборот, маркетологи победят, и у вас будет только навязчивая реклама.
Модель – это не способ предсказать будущее, когда вы еще ничего не начали, это способ быстро сверяться с реальностью, когда у вас появятся данные.
Почему вы тратите так мало на команду? Если сложить зарплаты всех людей, будет больше. Да, но эти люди не будут загружены в соцсетях на 100 %. Считаем, что мы расходуем лишь часть их рабочего времени на соцсети, сответственно, к соцсетям мы относим только часть их зарплаты. Если удобно, вы также можете рассчитывать почасовую ставку специалистов, но для этого нужно составлять полноценную смету с трудочасами.
А какие нормальные средние параметры вовлеченности, притока и оттока? Это бессмысленная величина – как средняя температура по больнице. На нее влияет множество факторов. Вот пример:
В канале «Главред» Максима Ильяхова на момент написания рукописи средняя вовлеченность – 13 %. А в канале «Это работа для редактора» этого же автора – 16 %. В популярном канале «Бэкдор» на 600 тысяч подписчиков средняя вовлеченность – 5 %, а у Ксении Собчак – 15 %. А в канале о политике «Незапад» – 22 %. Такая же вовлеченность в канале о технологиях и нейросетях Quantum Peppermint, в канале «Беспощадный пиарщик» и многих других. «Альфа-банк» работает на вовлеченность в свои посты: у них от 20 до 150 % (то есть их публикации репостят другие блогеры, скорее всего, за деньги). А «Сбер» не стесняется сохранять вовлеченность на уровне 15 %. Что вам дают эти цифры?
Если у вас есть явные конкуренты, чьи модели работы вы хотите воспроизвести, можете подсмотреть публично доступную информацию об их вовлеченности, притоку и оттоку аудитории. Но ничто не даст вам более точных данных, чем недорогой эксперимент с вашим собственным контентом.
А можете рассчитать более точную модель конкретно под нашу нишу? Наши аналитики видят показатели по разным рынкам и нишам – но необязательно по нужным вам. Когда к нам приходят клиенты с подобными запросами и у нас есть нужные данные, мы можем показать средние значения и ориентировать клиента на что-то, например на стоимость привлечения людей. Но мы всегда делаем оговорку, что модель – это не план, который обязательно сбудется, это скорее инструмент для понимания механики окупаемости. Даже в знакомых нам нишах мы всегда начинаем с пробных посевов и небольших бюджетов.
