產品的盈利方式，是產品人經常會被問到的問題。你知道你的產品多久能盈利嗎？本文筆者就這個問題從6個方面進行了分析解讀，與大家分享。
投資回報率、投資回報期、投入產出分析……這些都是經濟學領域的名詞。
對標到網際網路行業，那也應該是商務或運營部門的小夥伴應該苦心研究的問題。奈何這活落在我這一產品小白頭上……
這裡可以分享一下「我在低頭坐，活從天上來」的小故事：每周的例會上，老闆都會問一個相似的問題，「按我們現在的推廣節奏和產品現狀，我們能多久賺回推廣和運營的成本……？」當老闆問出這個問題時，整個會議室都一片寂靜。
每當這個時候，我都會偷偷看向我們的運營小姐姐，依據Sue做產品前做過了一年的運營工作，以及對運營崗位的工作內容來看，這問題應該由她來回答的。而每次都在這沉默中，老闆都以三兩句釋放壓力的牢騷，結束了會議。
而在上上周，同樣的場景下，我被點名了！！！！
做PM就不能讓別人說你是不行，就算是女PM 也不能允許有人說這話（哈哈哈）
前情交代完了，那就來說說看Sue梳理的這個投入產出模型吧，希望有小夥伴可以探討探討。
一、用戶來源劃分
先要搞清楚用戶都是從哪來的，才能有後面的價值放大，或是「對症下藥」。
根據自身產品的情況和推廣的策略，對新用戶的來源進行用戶標記和劃分，以內容+社交的產品為例，來源劃分有但不限於：市場/商務渠道、運營活動、社群擴散……
這裡需要注意的一個問題是，規定一個用戶只能記一個來源信息
所以需要定義來源的優先級，當出現同一個用戶存在多個來源信息的情況時，按優先級進行選取。
而這個優先級，是根據產品功能、推廣渠道，甚至是不同部門等因素對整個項目的盈虧影響和重要程度來定義的
二、用戶行為劃分
除了辦公場地的租賃、物資採購和人力成本外，還有關於產品獲客、產品運營等等會在項目支出上佔大頭的類目，像品宣諸如此類的，就不一一列舉了（用老闆的話來說，就是哪哪都在燒錢~~）
大多數類目的投入和產品，是相對清晰明了的，比如：
花了多少錢租了這個辦公室多長時間；花了多少錢給團隊配備多少人力，這些人輸出或產出了什麼花了多少錢獲取了多少新用戶花了多少錢做了哪些活動，活動提升了哪一項關鍵指標……如果我們只關注投入成本獲取的新用戶，有多少是有付費意向的，每天產出了多少價值（有多少人充了或付了多少錢），那看到的永遠只是那一小群人，那一畝三分地。
Sue認為應該關注用戶的更多行為，產品的更多場景。
將用戶行為分成兩大類：成本行為和收益行為，對應的定義分別是用戶做了這類行為會增加平臺/產品成本的，做了這類行為會帶來平臺/產品收益的。根據產品自身的設計，將符合定義的用戶行為一一列舉。
下圖為Sue所在項目的用戶行為梳理腦圖，涉及保密不便分享完整版本，看個大概哈~
三、投入產出模型一：單次採量的投入產出
需要說明的是：這個模型是預測性質的，所以是基於過往一段時間一定量的數據監測之上的。
也就是說，在老闆投錢採量前，我需要回答他，這一次投入的成本，按過往的數據作為參考，有沒有可能賺回來？什麼時候能賺回來？
相信大家都聽過這句：2019是過去10年最差的一年，是未來10年最好的一年（慌~~）
所以作為一家小小的創業公司的老闆，他主張不打無把握的戰，不做無回本可能的投入。
模型概述：某來源單次採量獲取的（激活登錄APP）新用戶，以該來源過往採量的用戶行為數據（新用戶日均人均行為成本&日均人均行為收益）為參照，按過往新用戶的留存率遞減累加
需要明確新用戶的定義：註冊當天（自然天）的用戶
補充說明：由於模型是基於均值來推算的，故模型成立有以下前提條件：用戶來源的質量相對穩定，即同一來源，投入相同的成本，能獲得相同的新設備激活，激活到註冊登錄APP的轉化率相同，用戶有相同的平臺成本&收益行為（人均行為成本和人均行為收益），這些假定的定量需定期計算和校準。
示例：來源A計劃投入a元，能帶來b個註冊登錄APP的新用戶，來源A的新用戶活躍留存情況大致為次日~第4日分別為60%、45%、35%，從第5天開始活躍留存率穩定在30%。
新用戶日均人均行為成本和日均人均行為收益分別為x、y，則本次投入可預測產出的價值為：
z=(y-x)(b+60%b+45%b+35%b+30%b+30%30%b+30%30%30%b+……)
四、投入產出模型二：存量用戶的投入產出
產品推廣一段時間後，一定會留下一定量的活躍用戶。
如果說你的產品都留不住任何用戶，那可能需要關注的不是投入產出的問題，而是應該好好去復盤一下產品的定位和設計。
都說再準確的數據，都可能帶有「欺騙性」
Sue所在的項目就是了，有段時間日活的數據看著挺漂亮的，那條折線圖以穩定的趨勢緩慢地往上走，但伴隨著走高的數據還有平臺的活躍成本。
現在普遍的產品都會加類似打卡、籤到等維持用戶活躍的功能，我們是做內容+興趣社交的產品，所以也會鼓勵用戶創作內容和互動社交，也存在著相應的活躍成本。
不要小看這些幾分幾毛的支出哦，用戶量級稍微起來，這可能就是一筆比較大的成本了哦（請勿對比多金燒錢的大平臺）
所以要辨別日活用戶中，哪些人是在榨乾平臺，哪些人是在貢獻價值。可通過監測用戶行為、標記用戶設備或IP等方式進行鑑別，這裡就不做分享了。
模型概述：某來源的存量用戶（日活用戶中的老用戶），以老用戶的日行為數據（老用戶日均人均行為成本&日均人均行為收益）為參照，按已有的留存規律預測未來的日活，然後得出日活對應的日淨收入，最後得出當前存量用戶一段時間後的淨收入
補充說明：同單次採量的投入產出模型，這個模型也是預測性質的，所以也是基於某些變量假定不變的條件下才成立的。假定定量有：日均人均行為成本、日均人均行為收益、留存率。同樣需要定期計算和校準
示例:假定該來源當前的日活用戶為d，從今天起該來源再無新增用戶的情況下，通過過往數據分析得出：來源A的新用戶活躍留存情況大致為第2日~第4日分別為a%、b%、c%，從第4天開始穩定在c%。
按註冊時間可算出前1天註冊的用戶數量為f1、前2天註冊的用戶數量為f2，3天以前（包括前3天）註冊的用戶數量為F，由此預測當前日活用戶在未來每一天的產出價值，和第n天后累計的價值。
對應的圖例：
（由於單日數據可能存在較大的波動性，為了使分析結果更準確，日活用戶數d、前x天註冊的用戶數fx應當取一段時間內的平均值）
五、假定定量（關鍵指標）的統計與監測
前面提到的幾個關鍵指標是假定定量，實際上它們都會受到一些因素的影響而波動，所以要
一直對它們進行統計和監測，確認在小範圍內穩定，當出現較大變化時需及時關注和分析，並實施對應措施恢復數值到合理範圍內。
（1）針對單次採量的投入產出模型：
各來源，每天的新設備激活數；各來源，每天的新註冊用戶數；各來源，新用戶註冊當天產生的行為總成本；各來源，新用戶註冊當天產生的行為總收益；各來源，新用戶的流失周期和穩定留存率。（2）針對存量用戶的投入產出模型：
各來源，每天活躍的老用戶；各來源，每天老用戶產生的行為總成本；各來源，每天老用戶產生的行為總收益；各來源，老用戶的流失周期和穩定留存率。
六、模型搭建和分析的目的
任何的數據分析，都應該有明確的目的。如果目的不夠清晰，別說分析，就連數據提取都無從下手，在茫茫的資料庫中寸步難行。
除了回答老闆那個回本的問題，Sue還帶著其他的分析目的，想通過分析讓老闆更清楚現狀，給他提供下一步的方向和方案（雖然升職加薪已無望了2333）
哪些來源的投入需要放大？哪些來源的投入需要縮小？哪些來源的存量用戶在榨乾平臺？哪些來源的存量用戶在貢獻價值？成本壓力大的用戶行為主要有哪些？收益空間大的用戶行為主要有哪些？數據分析的結果，應該具有指導性：
新用戶的人均行為收益>人均行為成本，且老用戶的人均行為收益>人均行為成本。符合上述條件的來源，應當放大投入新用戶的人均行為收益<人均行為成本。符合上述條件的來源，應當縮小投入老用戶的人均行為收益<人均行為成本。符合上述條件的來源，存量用戶在榨乾平臺，應當及時遏制老用戶的人均行為收益>人均行為成本。符合上述條件的來源，存量用戶在貢獻價值，應當多加引導某成本行為的日均人均金額>全部成本行為平均的日均人均金額（區分新老用戶）。符合上述條件的用戶行為，造成平臺的成本壓力大某收益行為的日均人均金額>全部收益行為平均的日均人均金額（區分新老用戶）。符合上述條件的用戶行為，存在平臺的收益空間大本文僅為個人不成熟的分析總結，希望有不同分析思路的小夥伴，歡迎討論指教。
本文由 @素小白 原創發布於人人都是產品經理，未經許可，禁止轉載
題圖來自 Unsplash，基於 CC0 協議