Kort forklart
Gross revenue retention kohortanalyse er en metode for å måle hvor stor andel av gjentakende inntekter et selskap beholder fra en bestemt gruppe kunder (kohort) over tid, uten å ta med inntekter fra oppsalg eller kryssalg. Analysen avdekker trender i kundetilfredshet og churn på tvers av ulike kundesegmenter eller tidsepoker.
Hovedpunkter
- GRR kohortanalyse skiller seg fra vanlig GRR ved å følge spesifikke kundegrupper over tid, noe som gir tidlig varsel om endringer i kundekvalitet.
- En GRR over 90 % anses som sunn for de fleste SaaS-selskaper, mens under 80 % kan indikere underliggende problemer med produktet eller kundeservice.
- Kohortanalyse av GRR hjelper investorer med å vurdere om veksten er bærekraftig: fallende GRR i nyere kohorter kan bety at selskapet tiltrekker seg mindre lojale kunder.
- Husk at GRR kun ser på inntektsbevaring fra eksisterende kunder – oppsalg og ekspansjon måles separat med net revenue retention (NRR).
- For å få pålitelige resultater bør kohortene være store nok (minst 50–100 kunder) og analyseres over flere perioder (typisk 6–12 måneder).
- GRR kohortanalyse er ikke bare for SaaS; den kan brukes i alle abonnementsbaserte eller gjentakende inntektsmodeller, for eksempel strømmetjenester eller medlemsklubber.
Hva er gross revenue retention kohortanalyse?
Gross revenue retention (GRR) kohortanalyse er en avansert metode for å forstå hvor godt et selskap klarer å beholde inntektene fra eksisterende kunder over tid. I stedet for å se på en gjennomsnittlig GRR for hele kundebasen, deler man kundene inn i kohorter – grupper som har noe til felles, for eksempel hvilket kvartal de ble kunde. Deretter måler man GRR for hver kohort måned for måned eller kvartal for kvartal.
For en investor gir dette et mye mer nyansert bilde enn en enkel GRR-prosent. Hvis en nyere kohort har lavere GRR enn eldre kohorter, kan det tyde på at selskapets markedsføring tiltrekker seg mindre lojale kunder, eller at produktet har blitt dårligere. Omvendt kan en stigende GRR i nyere kohorter indikere at selskapet har forbedret onboardingen eller kundeservicen.
Metoden er særlig utbredt i analyse av SaaS-selskaper (Software as a Service), men den kan brukes i alle bransjer med gjentakende inntekter – fra strømmetjenester til treningssentre. For norske investorer som vurderer selskaper som Visma, Kahoot! eller mindre SaaS-startups, er GRR kohortanalyse et viktig verktøy for å skille mellom bærekraftig og overfladisk vekst.
Forstå gross revenue retention kohortanalyse
For å forstå GRR kohortanalyse må vi først ha klart for oss hva GRR er. Gross revenue retention måler hvor stor andel av den gjentakende inntekten (for eksempel månedlig MRR) som beholdes fra eksisterende kunder i en gitt periode, etter at man har trukket fra inntektstap på grunn av kanselleringer (churn) og nedgraderinger (contraction). Oppsalg, kryssalg og prisøkninger holdes utenfor.
Når vi kombinerer GRR med kohortanalyse, følger vi en bestemt gruppe kunder over tid. En typisk kohort er «alle kunder som ble kunder i første kvartal 2024». For denne gruppen beregner vi GRR etter 1 måned, 3 måneder, 6 måneder, 12 måneder osv. Ved å sammenligne GRR-kurvene for ulike kohorter kan vi se om kundene som kom senere, har høyere eller lavere lojalitet enn de som kom tidligere.
Dette er spesielt nyttig for investorer fordi det avslører trender som ikke synes i en aggregett GRR. For eksempel kan et selskap ha en total GRR på 92 %, men hvis den nyeste kohorten har en GRR på 85 % etter 6 måneder, mens eldre kohorter hadde 95 %, er det et faresignal. Analysen hjelper også med å forutsi fremtidig inntekt: hvis nyere kohorter konsekvent har lavere GRR, vil den totale inntektsbasen gradvis svekkes med mindre selskapet kompenserer med høyere kundeanskaffelse.
Hvordan fungerer gross revenue retention kohortanalyse?
Prosessen starter med å definere kohortene. Vanligvis bruker man tidspunktet for første betaling (kundens startdato) som grupperingskriterium, men man kan også gruppere etter kanal (organisk vs. betalt), geografi eller produkttype. Deretter beregner man GRR for hver kohort i hver påfølgende periode.
Formelen for GRR per kohort i en gitt periode er:
GRR = ((Start MRR for kohorten – Churn MRR – Contraction MRR) / Start MRR) × 100
Her er Start MRR den samlede månedlige gjentakende inntekten fra kohorten ved periodens begynnelse. Churn MRR er inntekt tapt på grunn av kanselleringer, mens Contraction MRR er inntekt tapt på grunn av nedgraderinger (for eksempel at en kunde bytter fra et dyrere til et billigere abonnement).
Resultatet presenteres ofte i en tabell eller et varmekart. Nederfor er et forenklet eksempel for et norsk SaaS-selskap med kvartalsvise kohorter:
| Kohort (startkvartal) | Start MRR (NOK) | GRR etter 3 mnd | GRR etter 6 mnd | GRR etter 12 mnd |
|---|---|---|---|---|
| Q1 2023 | 2 000 000 | 98 % | 96 % | 93 % |
| Q2 2023 | 2 500 000 | 97 % | 95 % | 91 % |
| Q3 2023 | 3 000 000 | 95 % | 92 % | 89 % |
| Q4 2023 | 3 200 000 | 93 % | 90 % | – |
Historisk bakgrunn
Konseptet med kohortanalyse har røtter i epidemiologi og demografi, der man følger en gruppe mennesker over tid for å studere sykdomsforløp eller levealder. I næringslivet ble kohortanalyse først tatt i bruk innen markedsanalyse og kundelojalitetsprogrammer på 1990-tallet, men det var først med fremveksten av SaaS og abonnementsøkonomien på 2000-tallet at metoden ble standardisert for inntektsanalyse.
Gross revenue retention som egen metrikk ble popularisert av venturekapitalmiljøet i Silicon Valley, spesielt gjennom arbeidet til investorer som David Sacks (Yammer) og Jason Lemkin (SaaStr). De understreket at GRR er en ren indikator på kundetilfredshet, fordi den ikke blir «pyntet på» av oppsalg. Da SaaS-selskaper begynte å rapportere GRR i børsprospekter og kvartalsrapporter, ble det raskt en standard nøkkeltall for investorer.
I Norge har metoden blitt tatt i bruk av både oppstartsselskaper og etablerte teknologiselskaper. For eksempel har Visma, som leverer skybaserte regnskapsløsninger, over flere år presentert GRR-tall i sine investorpresentasjoner. Kohortanalyse av GRR er imidlertid mindre utbredt i offentlig rapportering, men brukes internt av ledelsen og av profesjonelle investorer for å få et konkurransefortrinn i due diligence.
Praktisk eksempel
La oss ta et fiktivt norsk SaaS-selskap, «NorskSky AS», som selger skylagring til bedrifter. Selskapet startet i 2022 og har i dag en MRR på 12 millioner kroner. Ledelsen ønsker å forstå om kundekvaliteten er stabil, så de gjennomfører en GRR kohortanalyse for de fire siste kvartalene.
De samler inn data og setter opp følgende tabell (tall i NOK):
| Kohort (start) | Antall kunder | Start MRR | Churn MRR (6 mnd) | Contraction MRR (6 mnd) | GRR etter 6 mnd |
|---|---|---|---|---|---|
| Q1 2023 | 150 | 1 500 000 | 30 000 | 20 000 | 96,7 % |
| Q2 2023 | 180 | 1 800 000 | 54 000 | 36 000 | 95,0 % |
| Q3 2023 | 200 | 2 000 000 | 80 000 | 40 000 | 94,0 % |
| Q4 2023 | 220 | 2 200 000 | 110 000 | 44 000 | 93,0 % |
Analysen viser at GRR etter 6 måneder har falt fra 96,7 % til 93,0 % på ett år. Dette er et rødt flagg for investorer. Årsaken kan være at selskapet har senket kravene for å bli kunde for å oppnå rask vekst, eller at konkurrenter har kommet med bedre tilbud. Uansett bør NorskSky AS undersøke nærmere og eventuelt justere strategien før problemet forplanter seg til hele inntektsbasen.
Fordeler og ulemper
Fordelene med GRR kohortanalyse er mange. Den gir en tidlig indikasjon på endringer i kundetilfredshet og produkt-markedstilpasning, lenge før det slår ut i aggregerte tall. Investorer kan bruke analysen til å sammenligne selskaper i samme bransje – et selskap med stabile eller økende GRR-kohorter er ofte en tryggere investering. Metoden hjelper også ledelsen med å allokere ressurser: hvis en bestemt kohort (for eksempel kunder fra betalt annonsering) har lavere GRR, kan man justere markedsføringsstrategien.
Ulempene er knyttet til datakvalitet og kompleksitet. For at analysen skal være pålitelig, må kohortene være store nok – med få kunder kan en enkelt kansellering gi store utslag. Det krever også at selskapet har gode systemer for å spore MRR per kunde over tid. Mange mindre selskaper mangler denne infrastrukturen. I tillegg kan det være vanskelig å tolke resultatene hvis kohortene har ulik sammensetning (for eksempel ulik geografi eller bransje). En annen ulempe er at GRR kohortanalyse ikke fanger opp verdien av oppsalg, så den må suppleres med net revenue retention (NRR) for å gi et helhetlig bilde.
Vanlige misforståelser
En vanlig misforståelse er at GRR og NRR er det samme. GRR ser kun på inntektsbevaring fra eksisterende kunder uten oppsalg, mens NRR inkluderer ekspansjonsinntekter. Et selskap kan ha lav GRR (mye churn) men høy NRR hvis de gjenværende kundene kjøper mye mer. For investorer er det viktig å se begge tallene.
En annen misforståelse er at høy GRR alltid er bra. En GRR på 98 % kan virke utmerket, men hvis selskapet ikke vokser kundebasen, vil inntekten likevel stagnere. Kohortanalyse avslører om den høye GRR-en er jevnt fordelt eller om den skyldes at en liten gruppe særlig lojale kunder maskerer svakheter i andre kohorter.
Noen tror også at GRR kohortanalyse kun er relevant for SaaS-selskaper. I realiteten kan metoden brukes i alle abonnementsmodeller – for eksempel et norsk magasinforlag som følger hvor mange abonnenter som fornyer etter første år, eller en strømmetjeneste som analyserer churn per årskull. Det er selve prinsippet om å gruppere kunder etter felles starttidspunkt som er det sentrale.
Oppsummering
Gross revenue retention kohortanalyse er et kraftfullt verktøy for investorer som ønsker å gå dypere inn i et selskaps inntektskvalitet. Ved å følge spesifikke kundegrupper over tid, avslører analysen trender i kundelojalitet som kan være skjult i aggregerte nøkkeltall. For norske investorer som vurderer teknologiselskaper, gir metoden en mer presis indikasjon på om veksten er bærekraftig.
Husk at GRR kohortanalyse bør ses i sammenheng med andre metrikker som net revenue retention, kundeanskaffelseskostnad (CAC) og levetidsverdi (LTV). Ingen enkeltstående tall gir hele sannheten, men sammen med en solid forståelse av selskapets forretningsmodell kan GRR kohortanalyse være forskjellen mellom en god og en dårlig investeringsbeslutning.
For å komme i gang med egen analyse, kan du be om at selskaper du vurderer å investere i, presenterer GRR per kohort for de siste 4–8 kvartalene. Hvis de ikke kan eller vil, er det i seg selv et signal om at de kanskje ikke har full kontroll på kundebasen.
Formel
Eksempel på gross revenue retention kohortanalyse
For kohorten Q1 2023 med Start MRR på 1 500 000 NOK, Churn MRR 30 000 og Contraction MRR 20 000: GRR = (1 500 000 - 30 000 - 20 000) / 1 500 000 × 100 = 96,7 %.
Grafer og nøkkelfakta
GRR-utvikling for tre kohorter over 12 måneder
Vis data
| Kohort Q1 2023 | Kohort Q2 2023 | Kohort Q3 2023 | |
|---|---|---|---|
| Måned 1 | 100 | 100 | 100 |
| Måned 3 | 98 | 97 | 95 |
| Måned 6 | 96 | 95 | 92 |
| Måned 9 | 94 | 92 | 89 |
| Måned 12 | 93 | 91 | 87 |
FAQ
Hva er forskjellen mellom GRR og NRR?
GRR måler inntektsbevaring uten å ta med oppsalg og kryssalg, mens NRR inkluderer all ekstra inntekt fra eksisterende kunder. NRR kan derfor være over 100 % hvis oppsalget er stort nok til å kompensere for churn.
Hvor mange kunder trengs for en pålitelig GRR kohortanalyse?
Det finnes ingen fasit, men en tommelfingerregel er at hver kohort bør ha minst 50–100 kunder for å unngå at tilfeldige svingninger gir misvisende resultater. Jo flere kunder, desto mer robust er analysen.
Kan GRR kohortanalyse brukes på fysiske abonnementer, som treningssentre?
Ja, absolutt. Hvis et treningssenter har månedlige medlemskap, kan de dele medlemmer inn i kohorter etter startmåned og måle hvor stor andel av inntektene som beholdes over tid. Metoden er universell for alle gjentakende inntektsstrømmer.
Hva bør jeg gjøre hvis en kohort har fallende GRR?
Først undersøk årsaken: Er det et produktproblem, dårlig kundeservice, eller har selskapet endret målgruppe? Deretter kan ledelsen iverksette tiltak som bedre onboarding, økt support eller produktforbedringer. Som investor bør du vurdere om selskapet har evne til å snu trenden.
Artikkelen er basert på generell kunnskap om SaaS-metrikker og kohortanalyse. Ingen spesifikke kilder er sitert, men anbefalte ressurser for videre lesning inkluderer SaaStr, Churned.io og Togai.
Kommentarer
Tips: Forslag til forbedringer kan automatisk oppdatere artikkelen (kun svar på hovedtråd).
Ingen kommentarer ennå.