Social-Media

The process of creating good KPIs (III)

En la segunda parte de El proceso de crear unos buenos KPIs, obtuvimos ya una lista bastante detallada de como podíamos obtener unos KPIs fiables y robustos a lo largo del tiempo. En esta última sección iremos mucho más allá: vamos a predecir los KPIs futuros en base a los eventos pasados para poder ver qué puntos de nuestro producto merecen ser mejorados (más inversión de marketing, mejora de la retención o el engagement, obtención de CPIs más económicos, incrementar el CVR o el ARPU,...). Dicho esto, ¡vamos al lío!

Categorización de los KPIs

Ahora mismo tenemos un gran puñado de KPIs, agrupados según su naturaleza esencial en el modelo de negocio de la pirámide (Adquisición, Retención o Monetización). Ahora buscamos categorizarlos según que tipo de información nos pueden aportar de cara al futuro

KPIs independientes

Los KPIs independientes, suelen ser aquellos que no dependen de otros para ser calculados. Este tipo de KPIs pueden tener dos naturalezas distintas según si pueden ser inferidos a partir de otros con modelos de regresión lineal  o bien en base a objetivos, o deseos que tenemos de que ciertos KPIs alcancen ciertos valores en un tiempo finito determinado.

Modelo de regresión lineal

Si ciertos KPIs han tomado unos valores en el pasado, es de esperar que la tendencia se mantenga en el futuro de forma lineal, tanto a la alza como a la baja. Esta afirmación suele ser cierta con la gran mayoría de KPIs relativos, i.e. aquellos que se calculan como porcentaje o cociente de otros KPIs (tales como el CVR, CPI, ARPU, Engagement,...) Dicho esto, se pueden escoger algunos KPIs, tener en cuenta los valores del pasado y utilizar el pronóstico, o modelo de regresión lineal de las hojas de cálculo para obtener la previsión a n meses vista de dichos KPIs.

Así mismo, hay que tener cuidado y decidir cuales cogemos, para no obtener contradicciones absurdas. Por ejemplo, si decidimos linealizar y predecir el ARPU y el CVR, de forma totalmente directa obtendremos al ARPPU como cociente entre ARPU y CVR (mire las definiciones de la segunda parte si esto le suena un poco a chino). Así mismo, el LTV se puede obtener como el producto del ARPU (lo que se gasta cada jugador en promedio cada mes) por el LifeTime (el número de meses promedio que suele jugar el usuario), por tanto no tiene sentido predecir el LTV en base a un modelo de regresión pudiéndolo obtener de dos KPIs más básicos.

El objetivo será pues encontrar el mínimo número de KPIs necesario para ser estimados, de modo que se reduce el error cometido por un lado, y se obtienen prediciones más ajustadas a largo plazo. Este conjunto recibe el KPIs mínimos.

Modelo en base a objetivos

Las empresas rara vez se conforman con lo que tienen y siempre buscar ir hacia arriba: mejorar la conversión, la retención, la monetización, etc... En base a esto suelen plantearse unos objetivos que, en caso de cumplirse, pueden tomarse como semilla para generar KPIs futuros.

Imagine por ejemplo que un producto tiene un CVR del 1%, pero la empresa quiere que este valor sea, a final de año del 2%. En los 12 meses del año podrían planearse subidas paulatinas (lineales, cuadráticas, o siguiendo cualquier otro modelo que se desée) que lleven a la empresa a alcanzar ese valor a final de año.

En la teoría parece muy bonito: quiero esto, voy a obtenerlo; pero en la práctica suele pasar que esos valores objetivos los asigna un equipo que desconoce las posibilidades reales del producto, se suelen poner objetivos demasiado altos a corto plazo, y los KPIs predichos suelen acabar siendo un fiasco más que otra cosa...

A pesar de todo es un punto de vista a tener en cuenta, y de hecho hay KPIs que solo tienen sentido de este modo, como por ejemplo la inversión de marketing, la cual es independiente de cual haya sido la del mes anterior, y totalmente configurable mes a mes. Por tanto, no solo tendremos que tener en cuenta este tipo de indicadores, si no que además deberemos utilizarlos, eso si con pinzas. 

KPIs dependientes

Los KPIs dependientes son aquellos que se calculan a partir de los independientes a partir de transformaciones algebraicas básicas (sumas, productos, cocientes,...)

Clasificación de nuestros KPIs

Ahora que tenemos claros los tres grupos de KPIs, solo nos queda ver como clasificamos los nuestros, en qué tipo los metemos y como los relacionamos entre ellos para hacer una predicción lo mejor posible. En este post presentamos una solución, pero ni esta es única, ni tiene porque ser la mejor posible. Es la que considero menos mala dentro del conjunto de soluciones que he tenido la oportunidad de estudiar, pero si el lector considera que tiene otra mejor, o que puede aportar algo más de luz a este terreno, ¡es más que bienvenido a hacerlo!

KPIs independientes mínimos

Empecemos por el principio y definamos los KPIs independientes mínimos para llegar a nuestra predicción global final. Recordemos que todos los KPIs mínimos deben ser relativos, ninguno de ellos puede ser absoluto.

KPIs de Adquisición

Ratios de retención de los Nuevos usuarios

El ritmo a que se pierden los usuarios, salvo que el producto mejore sustancialmente en un corto periodo de tiempo (lo cual es poco probable) suele tener una tendencia lineal bastante predecible. Suele corregirse a si misma en caso de presentar outliers puntuales, lo cual la hace bastante útil para ser una variable independiente de nadie salvo de si misma.

Así mismo, suele ser útil para marcarlo como un objetivo al departamento de adquisición, lo cual la hace también bastante atractiva no solo como KPI de regresión lineal, si no también para utilizarlo para predecir en base a objetivos.

Los Costes de Campaña

Más que una variable a estimar, es una variable a fijar. Los costes deben ser decididos en reuniones mensuales de la empresa aunque con el objetivo de utilizarlo como variable de los KPIs puede fijarse un promedio mensual y utilizar este valor fijo todos y cada uno de los meses de la predicción futura.

CPI

Los costes por instalación suelen seguir también un modelo lineal bastante sencillo. De hecho, muchas empresas más que utilizar un modelo de regresión adoptan un CPI fijo para todo el año, en base al promedio anual que han venido teniendo. Suele ser un pequeño riesgo sobretodo si de golpe se incrementan las pujas por algunas de las keywords que utilicen las empresas de marketing con las que se trabaja.

K-Factor

Muy similar a como pasaba con el ratio de retención de los nuevos usuarios, suele seguir una tendencia lineal y de fácil previsión. La idea de utilizarlo como objetivo para el departamento de adquisición / viralización suele ser también bastante atractiva y es otro de esos KPIs susceptibles de ser utilizado a tal efecto.

KPIs de Retención

Engagement

Otro KPI clásico para ser predicho con un modelo lineal, e incentivo para el equipo de retención. Viene a ser el análogo de la viralización, con un papel similar pero en el grupo de la retención.

Ratios de retención

Ídem que ocurría con el ratio de retención de los nuevos usuarios. Este KPI sirve de bisagra para predecir el Retention Rate futuro en base a los anteriores así como utilizarlo como incentivo u objetivo para el departamento de comunicación y retención de usuarios.

KPIs de Monetización

Promedio de Pagos por Pagador

La gente suele tener costumbres muy arraigadas. De ahí que el volumen de pagos por usuario pagador, casi más que lineal sea constante a lo largo del tiempo,

CVR

El CVR es una de esas medidas de monetización crítica. Cuanto mayor es esta cifra, más pagadores tiene la empresa, por tanto más solvente es. De todas formas, es muy difícil que cambie de un mes a otro, por tanto la suposición de linealizarla o marcarla como objetivo al departamento de monetización, no es ninguna idea descabellada.

ARPPU

Al igual que el anterior, subir el CVR suele repercutir en un cambio bien en el ARPU o el ARPPU. Puestos a predecir el comportamiento de uno de los dos, suele ser más sencillo predecir cuanto se gasta un pagador, pues el error que se suele cometer suele ser mucho menor, mientras que el ARPU puede pegar un ascenso brutal si de golpe sube mucho el CVR.

Net Revenue From Indirect Payments

Los pagos indirectos suelen tener poca relevancia frente a los pagos directos, de ahí que su valor pueda estimarse o incluso proponerse como una constante a lo largo del tiempo. Pese a ser el único de los KPIs mínimo que no es relativo, puede obtenerse de forma relativa calculando un ARPU from Indirect payments, y de este derivarlo del mismo modo que se hace el ARPU global. Como esto alarga bastante la lista ya bastante extensa de KPIs, hemos decidido dejarlo aquí y no entrar en más detalle.

CPV

El coste por visualización varía poco, si no nada a lo largo del tiempo si siempre se utiliza la misma empresa de publicidad. Dejarlo fijo o bien proponerlo como variable de predicción lineal u objetivo no es ninguna idea descabellada.

Payers Retention Rate

Finalmente, al igual que Adquisición y Retención tenían sus respectivos ratios de retención, lo mismo ocurre con el departamento de Monetización. Se aplican en este caso los mismos argumentos discutidos en sendos epígrafes.

Solamente son 12 los KPIs mínimos necesarios para predecir toda la estructura de la empresa. 12 serán los responsables de validar si la empresa va a pique o se convierte en la próxima multinacional. Para ello, veamos ahora finalmente como poder predecir el resto de KPIs en base a este conjunto mínimo.

Derivación de los KPIs dependientes

Volveremos a utilizar la misma estructura que ya iniciamos en la parte 2 del post. Veremos los KPIs por orden, pero esta vez veremos que algunos del principio dependen de otros que aún no han sido presentados. Esto provocará un poco de caos en la mente del lector, pero esperemos que al final todo parezca esclarecerse y cobre sentido una vez presentado el mapa global del tesoro.

Supondremos de aquí en adelante que n es el mes para el cual estamos prediciendo el KPI en cuestión.

Adquisición

Nuevos usuarios o instalaciones.

Instalaciones

Son ni más ni menos que el conjunto de nuevos usuarios, bien virales, bien de campañas de marketing de pago.

 NewUsersRetained_n =Installs_{n-1} \times RetRateNewUsers_n

Nuevos usuarios retenidos del mes anterior

Es la parte de usuarios retenidos del mes anterior. Recordemos que el ratio de retención de los nuevos usuarios era un KPI mínimo.

 NewUsersRetained_n =Installs_{n-1} \times RetRateNewUsers_n

Ratios de Pérdida de los Nuevos Usuarios

Es el complementario del ratio de retención de nuevos usuarios, uno de los KPIs mínimos.

 ChurnRateNewUsers_n =1- RetRateNewUsers_n

Comportamiento de las Campañas de Marketing

Nuevos usuarios de pago

Son una derivación directa de dos KPIs mínimos, los costes de campaña y el CPI

 PaidInstalls_n = CPI_n\times CampaignCosts_n

eCPI

Es el reparto proporcional de los costes de campaña entre el total de installs.

eCPI_n = \frac{CampaignCosts_n}{Installs_n}

CPA

Es el reparto proporcional de los costes de campaña entre el total de primeros pagadores del mes.

eCPI_n = \frac{CampaignCosts_n}{FirstTimePayers_n}

Viralidad

Nuevos usuarios virales

El total de usuarios virales no es más que el producto de los jugadores del mes por el ratio de viralización o k-factor

eCPI_n = \frac{CampaignCosts_n}{Installs_n}

Métricas de retención de usuarios.

DAU

El DAU se obtiene como producto del MAU por el Engagement

DAU_n = Engagement_n \times MAU_n

WAU

El WAU se obtiene como extensión de los del mes anterior en base al crecimiento que han experimentado los DAU

WAU_n =WAU_{n-1}\times\frac{DAU_n}{DAU_{n-1}}

MAU

Es el conglomerado formado por los usuarios retenidos y los nuevos que llegan al producto

MAU_n = Installs_{n-1}+NewUsersRetained_n + RetainedUsers_n

Usuarios Retenidos y Perdidos del mes anterior

Todos ellos derivables de los MAU y el KPI mínimo del ratio de retención:

ReturningUsers_n = RetRate_n\times MAU_{n-1}

ReturningUsers_n = ChurnRate_n\times MAU_{n-1}

ChurnRate_n = 1-RetRate_n

Tiempo de vida esperado del usuario

Un modelo de pérdida de usuarios de forma lineal que parte del ratio de pérdida de usuarios, como ya se comentó en la parte 2

LifeTime_n=\frac{1}{ChurnRate_n}

Métricas de monetización de usuarios

Usuarios pagadores

Suma de nuevos pagadores y pagadores retenidos

Payers_n =RetainedPayers_n+ FirstTimePayers_n

Pagos reales

Producto del número de pagadores por el promedio de pagos por pagador

Payments_n = Payers_n \times \overline{PaymentsPerUser_n}

Pagos promedios diarios

Si conocemos los pagos en total, y el número de días del mes, n es complicado obtener que

\overline{DailyPayments}_n = \frac{Payments_n}{DaysOfMonth_n}

Ingresos brutos y netos

El más básico de ellos es

NetRevenueFromDirectPayments_n = Payers_n\times ARPPU_n

El resto se obtienen en el paso a bruto de cada una de las variables existentes. Evidentemente

TotalGrossRevenue_n=GrossRevenueFromDirectPayments_n+GrossRevenueFromIndirectPayments_n

TotalNetRevenue_n=GrossNetFromDirectPayments_n+GrossNetFromIndirectPayments_n

ARPU

Fácil de derivar de dos de nuestros KPIs mínimos:

ARPU_n = ARPPU_n\times CVR_n

LTV del pagador

Se utiliza la misma fórmula que ya vimos en su momento en la segunda parte sin ningún problema:

 \boldsymbol{LTV}_n = \frac{\displaystyle\sum_{i=1}^{n}\boldsymbol{TotalNetRevenue}_i}{\displaystyle\sum_{i=1}^{n}\boldsymbol{Installs}_i}

Net Revenue From Ads

Fácil de inferir a partir de CPV y MAUs

NetRevenueFromAds_n = CPV_n\times MAU_n

First Time Payers

Son los primeros pagadores del mes

FirstTimePayers_n = MAU_n\times CVR_n

Retained Payers

Como teníamos la retención de los pagadores, resulta en

FirstTimePayers_n = Payers_{n-1}\times PayersRetentionRate_n

Payers Churn Rate

La complementaria de la retención de los pagadores

PayersChurnRate_n = 1-PayersRetentionRate_n

Payers LTV

El LTV de los pagadores utiliza la misma fórmula que ya vimos en la segunda parte:

\boldsymbol{PayersLTV}_n = \frac{\displaystyle\sum_{i=1}^{n}\boldsymbol{NetRevenueFromDirectPayments}_i}{\displaystyle\sum_{i=1}^{n}\boldsymbol{FirstTimePayers}_i}

En Resumen

Después de tanto número fórmula y relación, es normal que su mente baile un poco ( la mía también lo hace). En resumen:

  • En la parte 1 vimos qué datos nos hacían falta para elaborar unos buenos KPIs (fase denominada Raw Data Extraction)
  • En la parte 2 vimos como organizar los datos y dar un orden a este caos.
  • En la parte 3 hemos visto finalmente como en base a los datos obtenidos hemos podido ir al futuro y ver como se comportará nuestro negocio a largo plazo.

Todo lo contado en esta serie puede resumirse con la imagen con la que empezamos esta trilogía:

Diagrama de relaciones entre KPIs

Diagrama de relaciones entre KPIs

Evidentemente, este es un modelo general de KPIs. Las particularidades de cada tipo de negocio pueden alterarlo o modificarlo a conveniencia (tal vez unos no tengan publicidad, o pagos indirectos,...). En cualquier caso, espero que le haya podido ser útil para tener una noción de por donde coger tal barbaridad de información.

Si necesita ayuda o consejo acerca de como construir unos buenos KPIs, puede partir de la plantilla que se presentó en su momento o bien contactarme directamente. Estaré encantado de ayudarle y proporcionarle algo de luz en este enrevesado y oscuro tema.

Espero ver muchos comentarios y que el lector haya disfrutado tanto de leer este manual de cómo crear unos buenos KPIs como yo mismo de redactarlo.

Comments 1

  1. Kyla Fraley

    It's nice to see that you have researched this topic, provided good quality information and presented interesting points that compel your readers to think. I appreciate the effort you put into your content. Thank you.

Leave a Reply

Your email address will not be published. Required fields are marked *