Billings kohortanalyse – forstå faktureringsmønstre i abonnementsselskaper

Hva er billings kohortanalyse?

Billings kohortanalyse er en metode for å studere hvordan faktureringsinntekter utvikler seg over tid for ulike grupper av kunder, kalt kohorter. En kohort består av kunder som startet sitt kundeforhold i samme tidsperiode, for eksempel samme måned eller kvartal. Ved å følge inntektene fra hver kohort måned for måned, kan man se om kundene blir værende, om de øker eller reduserer forbruket, og om nye kohorter gir høyere eller lavere inntekter enn tidligere.

For investorer i aksjer og børs er dette et kraftig verktøy for å vurdere kvaliteten på inntektsveksten i selskaper med gjentakende inntekter, som abonnementsbaserte tjenester. Det skiller seg fra enkel gjennomsnittsbetraktning ved at det avdekker underliggende trender som ellers kan skjules i aggregerte tall. For eksempel kan et selskap vise stabil totalinntekt, men en kohortanalyse kan avsløre at eksisterende kunder gradvis forsvinner, mens veksten kun kommer fra nye kunder.

Analysen er spesielt relevant for norske børsnoterte selskaper som Schibsted (abonnement på medier), Telenor (mobilabonnement) og Vipps (betalingstjenester med abonnement). Ved å forstå kohortdynamikken kan investorer bedre vurdere selskapets fremtidige kontantstrømmer og risiko.

Forstå billings kohortanalyse

For å forstå billings kohortanalyse må man først forstå konseptet kohort. I finanssammenheng er en kohort en gruppe kunder som ble fakturert for første gang i samme periode. Analysen følger deretter den månedlige faktureringsinntekten fra denne gruppen over tid. Dette gir et bilde av kundelojalitet (hvor lenge de blir), inntektsutvikling per kunde (om de kjøper mer eller mindre), og churn rate (andel som slutter å betale).

Investorer bruker denne informasjonen til å vurdere om et selskap har en bærekraftig forretningsmodell. Hvis eldre kohorter konsekvent gir lavere inntekter over tid, kan det tyde på høy churn eller synkende engasjement. Hvis nye kohorter starter med høyere inntekter enn tidligere, indikerer det at selskapet lykkes med å tiltrekke seg mer verdifulle kunder. Analysen kan også avdekke sesongmønstre; for eksempel kan en julekohort ha høyere startinntekt enn en sommerkohort.

En viktig nyanse er at billings kohortanalyse fokuserer på fakturerte beløp, ikke nødvendigvis på antall kunder. Dermed fanger den opp både endringer i kundebase og endringer i gjennomsnittlig inntekt per kunde. Dette gjør den mer presis enn enkel kundetelling for å forstå inntektsstrømmen.

Hvordan fungerer billings kohortanalyse?

Prosessen starter med å definere kohortperioder – ofte måneder eller kvartaler. Deretter samles alle faktureringsdata for hver kunde, og kundene tilordnes en kohort basert på første faktureringstidspunkt. For hver påfølgende periode beregnes total fakturert inntekt fra kohorten. Resultatene presenteres gjerne i en tabell eller et varmekart, der radene er kohorter og kolonnene er perioder etter oppstart.

En sentral metrikk er «kohortens gjennomsnittlige inntekt per måned», som kan sammenlignes på tvers av kohorter for å se om selskapet forbedrer kundeverdien. Man kan også beregne kumulativ inntekt per kohort for å estimere kundelivstidsverdi (LTV). For å regne ut gjennomsnittlig inntekt per kunde i en kohort, dividerer man total inntekt for kohorten i en gitt periode med antall kunder i kohorten ved starten av perioden.

Analysen krever konsistent datainnsamling og rene data, men moderne regnskapssystemer og ERP-løsninger gjør det enklere for børsnoterte selskaper å rapportere slike metrikker. I Norge har flere selskaper begynt å inkludere kohortdata i kvartalsrapportene, spesielt innen teknologi- og mediesektoren. For investorer er det viktig å se på utviklingen over flere kvartaler for å skille tilfeldige svingninger fra reelle trender.

Historisk bakgrunn

Kohortanalyse har sin opprinnelse i epidemiologi og samfunnsvitenskap, der man fulgte grupper av mennesker over tid for å studere sykdomsutvikling. På 2000-tallet ble metoden adoptert av forretningsverdenen, spesielt innen e-handel og SaaS (Software as a Service). Selskaper som Salesforce og Netflix begynte å bruke kohortanalyse for å forstå kundeadferd og optimalisere abonnementsmodeller.

I Norge har kohortanalyse blitt stadig mer relevant ettersom flere selskaper går over til abonnementsbaserte modeller. Eksempler er Amedia (digitale avisabonnement), Storytel (lydbokabonnement) og flere helseteknologiselskaper. «Billings»-delen av begrepet understreker at analysen fokuserer på faktureringsdata, ikke bare brukeraktivitet. Dette skiller seg fra produktanalyser som ser på logginn eller funksjonsbruk.

Fremveksten av skybaserte regnskapssystemer som Tripletex og Visma har gjort det lettere for norske selskaper å generere kohortdata. Investorer kan derfor forvente at flere selskaper vil rapportere slike metrikker i fremtiden, noe som øker behovet for å forstå hva de betyr.

Praktisk eksempel

La oss se på et fiktivt norsk SaaS-selskap, «NorskSky», som tilbyr skylagringstjenester med månedsabonnement. Selskapet startet i januar 2025. Vi samler inn faktureringsdata for de første fire månedene og følger hver kohort i seks måneder. Tabellen under viser månedlig fakturert inntekt i NOK fra hver kohort.

En graf med linjer for hver kohort ville vist at linjene er parallelle og fallende, men forskjøvet oppover for nyere kohorter. Dette er et tegn på sunn vekst med moderat churn. En investor ville sett på utviklingen over flere måneder for å vurdere om trenden er bærekraftig, og sammenlignet med bransjesnitt for å se om NorskSky presterer bedre eller dårligere enn konkurrentene.

Fordeler og ulemper

Fordeler: Billings kohortanalyse gir innsikt i kundelivstidsverdi (LTV) og churn rate på en detaljert måte. Den hjelper investorer å skille mellom vekst drevet av nye kunder og vekst fra eksisterende kunder, noe som er avgjørende for å vurdere bærekraft. Metoden avdekker trender som kan forutsi fremtidig inntjening, og kan brukes til å evaluere effekten av prisendringer eller markedsføringstiltak.

Ulemper: Analysen krever detaljerte data over tid; små selskaper har ofte ikke nok data til å gi statistisk signifikante resultater. Den kan være tidkrevende og krever kompetanse i dataanalyse. Resultatene kan misforstås hvis man ikke tar hensyn til sesongvariasjoner eller endringer i produktmix. Historiske data garanterer ikke fremtidig atferd; churn kan endre seg brått på grunn av konkurranse eller makroøkonomiske forhold.

For investorer er det derfor viktig å bruke kohortanalyse som ett av flere verktøy, og ikke basere seg utelukkende på denne metoden. Kombinert med andre metrikker som netto promoter score (NPS) og kundetilfredshet, gir den et mer helhetlig bilde.

Vanlige misforståelser

En vanlig misforståelse er at billings kohortanalyse kun er relevant for store teknologiselskaper. I virkeligheten kan den brukes av alle selskaper med gjentakende fakturering, fra aviser og treningssentre til strømmetjenester og forsikringsselskaper. En annen misforståelse er at kohortanalyse er det samme som kundesegmentering. Segmentering deler kunder basert på demografi eller atferd, mens kohortanalyse deler basert på tid. De utfyller hverandre, men er forskjellige verktøy.

Noen tror også at kohortanalyse bare viser historie og ikke kan brukes til å forutsi fremtiden. Riktignok er den historisk, men trender i kohortdata kan ekstrapoleres med forsiktighet. For eksempel, hvis churn raten har vært stabil i flere kohorter, er det sannsynlig at den fortsetter i nær fremtid. Endelig tror noen at én kohort er nok til å konkludere; man bør alltid sammenligne flere kohorter for å se mønstre og unngå å tolke tilfeldige variasjoner som trender.

En siste misforståelse er at kohortanalyse krever avansert programvare. I praksis kan den utføres i et regneark med grunnleggende data, men automatisering gjør prosessen mer effektiv for større datasett.

Oppsummering

Billings kohortanalyse er et verdifullt verktøy for investorer som ønsker å forstå kvaliteten på inntektsveksten i abonnementsbaserte selskaper. Ved å gruppere kunder etter oppstartstidspunkt og følge faktureringsinntektene over tid, får man innsikt i kundelojalitet, churn og verdien av nye kunder. Metoden avdekker trender som aggregerte tall skjuler, og hjelper investorer å skille mellom bærekraftig vekst og kortsiktige effekter.

Selv om den krever data og innsats, er den en av de mest pålitelige måtene å vurdere helsen til et selskap med gjentakende inntekter. For norske investorer er det spesielt nyttig å anvende metoden på børsnoterte selskaper som Schibsted, Telenor og Amedia, der abonnementsinntekter utgjør en stor andel av omsetningen. Ved å kombinere kohortanalyse med andre finansielle nøkkeltall kan man ta mer informerte investeringsbeslutninger.

Husk at kohortanalyse er et historisk verktøy, og at fremtidig utvikling alltid er usikker. Men jo flere data du har, desto bedre grunnlag har du for å vurdere selskapets fremtidsutsikter.