Runway kohortanalyse – forstå hvordan kundekohorter påvirker selskapet

Hva er runway kohortanalyse?

Runway kohortanalyse er en avansert analysemetode som kombinerer to sentrale begreper fra oppstarts- og investeringsverdenen: runway og kohortanalyse. Runway refererer til hvor lenge et selskap kan fortsette driften før det går tom for penger, gitt dagens kontantbeholdning og månedlige nettoforbruk. Kohortanalyse er en teknikk der man deler kunder inn i grupper (kohorter) basert på når de ble kunder, for eksempel hvilket kvartal eller år de startet å betale.

Ved å slå sammen disse to konseptene får man en måte å analysere hvordan ulike kundekohorter påvirker selskapets kontantstrøm og dermed dets levetid. For en investor gir dette et langt mer nyansert bilde enn å bare se på totale inntekter og kostnader. Du kan for eksempel oppdage at en eldre kohort har høy churn og lav inntekt per kunde, mens en nyere kohort er mer lojal og betaler mer. Den innsikten kan endre synet på hvor bærekraftig selskapet egentlig er.

Metoden er mest utbredt i SaaS-selskaper (Software as a Service) og andre abonnementsbaserte virksomheter, der kundeforholdene er langsiktige og inntektene er gjentakende. Men den kan også brukes i andre bransjer med faste kundeforhold, som strømleverandører eller treningssentre. For børsinvestorer som vurderer vekstselskaper, gir runway kohortanalyse et verktøy for å vurdere om selskapet har kontroll på kundeøkonomien, eller om det risikerer å brenne opp kontantene før det blir lønnsomt.

Forstå runway kohortanalyse

For å forstå runway kohortanalyse må du først sette deg inn i hvordan en kohortanalyse typisk ser ut. En kohort består av kunder som begynte å betale i samme tidsperiode – for eksempel alle nye kunder i første kvartal 2023. Deretter følger man denne gruppen over tid og måler nøkkeltall som gjennomsnittlig inntekt per kunde, churn rate (andel som slutter) og total inntekt fra kohorten. Disse tallene kan sammenlignes på tvers av kohorter for å se trender.

Når du legger runway-aspektet til, tar du analysen et skritt videre. Du beregner hvor mye kontanter hver kohort bidrar med (eller tærer på) i løpet av sin levetid. For eksempel: Hvis en kohort har høye oppstartskostnader (CAC) og lav inntekt de første månedene, kan den faktisk være en netto belastning på kontantbeholdningen i starten. Først etter en viss tid blir kohorten lønnsom og begynner å forlenge runway.

For investorer er dette gull verdt fordi det viser om selskapets vekst er «sunn». Hvis nye kohorter konsekvent har bedre økonomi enn eldre, tyder det på at selskapet forbedrer seg – for eksempel ved å målrette seg mot mer lønnsomme kundesegmenter. Motsatt, hvis nye kohorter har dårligere tall, kan det være et varseltegn om at veksten kjøpes for dyrt og at runwayen faktisk blir kortere, ikke lengre, selv om omsetningen øker.

Hvordan fungerer runway kohortanalyse?

Prosessen med å gjennomføre en runway kohortanalyse kan deles inn i fire trinn. Først må du identifisere kohortene. Vanligvis bruker man månedlige eller kvartalsvise kohorter, avhengig av hvor mange nye kunder selskapet får. Jo flere kunder, desto finere inndeling kan du ha. For et norsk SaaS-selskap med 50–100 nye kunder i måneden kan månedlige kohorter være passende.

Andre trinn er å samle inn data per kohort. Du trenger informasjon om antall kunder i kohorten, gjennomsnittlig inntekt per kunde per måned (ARPU), churn rate (månedlig eller årlig), og eventuelle engangskostnader knyttet til å skaffe kundene (CAC). I tillegg må du ha oversikt over selskapets faste månedlige kostnader (lønn, leie, serverdrift osv.) som ikke er knyttet direkte til enkeltkunder.

Tredje trinn er å beregne netto kontantstrøm fra hver kohort over tid. For en gitt kohort kan du for eksempel anslå at den vil generere X kroner i inntekt per måned, men at den også har en viss sannsynlighet for å miste kunder (churn). Ved å bruke en enkel modell kan du estimere kohortens forventede levetid og totale bidrag. Deretter summerer du bidragene fra alle eksisterende kohorter og trekker fra de faste kostnadene for å finne selskapets samlede månedlige netto kontantstrøm.

Fjerde trinn er å koble dette til runway. Hvis selskapet har 10 millioner kroner i banken og den estimerte månedlige netto kontantstrømmen er minus 500 000 kroner (fordi kostnadene overstiger inntektene), er runwayen 20 måneder. Men hvis du ser at en bestemt kohort har spesielt høy churn, kan du simulere hva som skjer hvis den kohorten forsvinner raskere enn forventet. Da kan runwayen krympe dramatisk. Omvendt, hvis en ny kohort har svært lav churn, kan den forlenge runwayen betydelig utover det enkle regnestykket.

Historisk bakgrunn

Kohortanalyse som metode har røtter i epidemiologi og samfunnsvitenskap, der man fulgte grupper av mennesker over tid for å studere sykdomsutvikling eller atferd. På 2000-tallet ble teknikken adoptert av markedsførere og senere av SaaS-selskaper for å forstå kundelivssyklus. Selskaper som Salesforce og HubSpot var tidlig ute med å systematisere kohortdata for å optimalisere kundeanskaffelse og lojalitet.

Runway-begrepet har sin opprinnelse i venture capital-miljøet og oppstartsverdenen. Investorer ville raskt kunne vurdere hvor lenge et selskap kunne overleve før det trengte ny kapital. I en tid med lave renter og lett tilgang på risikokapital var runway kanskje mindre kritisk, men etter renteoppgangen i 2022–2023 har fokuset på kontantforbruk økt kraftig.

Kombinasjonen av disse to konseptene – runway kohortanalyse – vokste frem som et svar på behovet for mer presis prognostisering i SaaS-selskaper. I stedet for å basere seg på gjennomsnittstall, kunne man nå se nøyaktig hvilke kundegrupper som drev lønnsomheten, og hvilke som tærte på ressursene. Dette ble spesielt viktig for børsnoterte vekstselskaper der analytikere og investorer krever detaljert innsikt i underliggende drift.

Praktisk eksempel

La oss ta et tenkt norsk SaaS-selskap, NorskSaaS AS, som tilbyr et skybasert fakturasystem. Selskapet har 10 millioner kroner i banken og faste månedlige kostnader på 1,5 millioner kroner (lønn, kontor, markedsføring). De har tre hovedkohorter av kunder: de som startet i 2022, 2023 og 2024. Vi har følgende data per kohort:

Men med kohortanalyse kan vi gå dypere. 2022-kohorten har høy churn (2,5 %), noe som betyr at den vil miste omtrent 30 % av kundene i løpet av et år. Hvis vi simulerer at denne kohorten forsvinner raskere, kan netto kontantstrøm bli enda mer negativ. Samtidig ser vi at 2024-kohorten har lav churn og høy ARPU – den er mye mer verdifull per kunde. Hvis selskapet klarer å øke andelen av slike kunder, kan runwayen forlenges betydelig.

En graf som viser akkumulert kontantstrøm fra hver kohort over tid illustrerer poenget godt. 2022-kohorten gir et negativt bidrag i starten på grunn av høye CAC, men blir etter hvert positiv. 2024-kohorten derimot blir positiv mye raskere og holder seg positiv lenger. For en investor som vurderer å skyte inn mer kapital, er det avgjørende å vite om selskapet kan snu trenden ved å tiltrekke seg flere kunder av 2024-typen. Uten kohortanalysen ville man bare sett et svakt selskap med kort runway, men med analysen ser man en mulig vei til lønnsomhet.

Fordeler og ulemper

Fordelene med runway kohortanalyse er mange. For det første gir den et presist bilde av hvor pengene kommer fra og hvor de forsvinner. Du kan identifisere hvilke kundegrupper som er mest lønnsomme, og dermed styre salgs- og markedsføringsressursene dit de gir best avkastning. For det andre gjør metoden det mulig å simulere ulike scenarioer – for eksempel hva som skjer hvis churnen øker med ett prosentpoeng, eller hvis en ny kohort har 10 % høyere ARPU. Slike simuleringer er gull verdt for både ledelse og investorer.

For det tredje avdekker metoden skjulte problemer. Et selskap kan ha økende omsetning, men likevel få kortere runway fordi de nye kundene er dyrere å skaffe og har høyere churn. Uten kohortanalyse ville man kanskje feire veksten, mens realiteten er at selskapet beveger seg mot en likviditetskrise.

Ulempene er knyttet til datakvalitet og kompleksitet. Metoden krever detaljerte data per kohort over tid, noe som kan være ressurskrevende å samle inn og vedlikeholde. For små selskaper med få kunder kan kohortene bli for små til å gi statistisk signifikante resultater. I tillegg er det en fare for å overfokusere på historiske data og glemme at fremtiden kan bli annerledes. En kohort med gode tall i dag kan endre atferd hvis selskapet endrer pris eller produkt.

Til slutt er det verdt å nevne at metoden forutsetter at kundene er relativt homogene innenfor hver kohort, og at churn og ARPU er stabile over kohortens levetid. I praksis kan det være svingninger, for eksempel sesongvariasjoner. Derfor bør runway kohortanalyse alltid suppleres med annen analyse, som kontantstrømoppstilling og sensitivitetsanalyse.

Vanlige misforståelser

En utbredt misforståelse er at runway kohortanalyse bare er relevant for tapsbringende oppstartselskaper. Selv lønnsomme vekstselskaper kan ha nytte av metoden for å optimalisere kundemiksen og forlenge den økonomiske banen. En annen misforståelse er at alle kohorter er like viktige. I virkeligheten kan én kohort stå for en uforholdsmessig stor del av kontantstrømmen, og hvis den kohorten svikter, kan runwayen kollapse.

Noen tror også at runway kohortanalyse gir et fasitsvar på hvor lenge selskapet vil overleve. Det gjør den ikke. Den gir et estimat basert på dagens data og forutsetninger. Endringer i markedet, konkurranse eller makroøkonomi kan endre alt. Derfor bør analysen oppdateres jevnlig og brukes som ett av flere verktøy i investeringsbeslutninger.

Endelig er det en misforståelse at metoden krever avansert programvare eller datavitenskap. I praksis kan du gjennomføre en enkel runway kohortanalyse i et regneark med noen få formler. For børsinvestorer som følger et selskap over tid, kan du til og med gjøre grove anslag basert på offentlig tilgjengelige data som kvartalsrapporter, så lenge selskapet oppgir churn rate og kundeantall.

Oppsummering

Runway kohortanalyse er et kraftig verktøy for å forstå hvordan ulike kundegrupper påvirker et selskaps økonomiske levetid. Ved å kombinere kohortanalyse med runway-betraktninger får investorer innsikt i om veksten er bærekraftig, eller om den skjuler underliggende svakheter. Metoden er spesielt relevant for SaaS-selskaper, men kan tilpasses andre abonnementsbaserte forretningsmodeller.

For deg som investor, gir denne analysen muligheten til å stille bedre spørsmål til ledelsen: Hvordan utvikler churn seg på tvers av kohorter? Hva er gjennomsnittlig CAC for de siste kohortene? Hvor lang tid tar det før en ny kohort blir lønnsom? Slike spørsmål kan avsløre om selskapet har kontroll på kundeøkonomien eller om det risikerer å gå tom for penger før det når lønnsomhet.

Husk at ingen enkeltanalyse gir hele bildet. Runway kohortanalyse bør kombineres med tradisjonell regnskapsanalyse, markedsvurderinger og kjennskap til konkurransesituasjonen. Men når den brukes riktig, kan den være forskjellen på å oppdage en perle eller unngå en smell.