คำแนะนำทีละขั้นตอนในการสร้างแบบจำลองทางการเงินที่ถูกต้อง

โมเดลทางการเงินคือเข็มทิศ ไม่ใช่ลูกบอลคริสตัล

ในฐานะนักลงทุนและที่ปรึกษาของบริษัทที่อยู่ในช่วงเริ่มต้น เกือบทุกรูปแบบทางการเงินที่ฉันเคยเห็นจากการลงทุนใหม่ ๆ ได้แสดงให้เห็นถึงการเติบโตแบบทวีคูณในบางช่วง สมมติฐานเกี่ยวกับต้นทุนการได้มาซึ่งลูกค้ามีแนวโน้มลดลง รายได้เฉลี่ยต่อผู้ใช้ (ARPU) มีแนวโน้มเพิ่มขึ้น ค่าใช้จ่ายคาดว่าจะเติบโตช้ากว่ารายได้ รอบการขายสั้นลง ราคาเพิ่มขึ้น และรายได้ระเบิด

ในช่วง 12-18 เดือน บริษัทส่วนใหญ่จะเติบโตอย่างรวดเร็วจนพวกเขา (ก) ระดมทุนเพื่อจัดหาโอกาสการเติบโตมหาศาลที่พวกเขาได้พิสูจน์แล้ว หรือ (ข) ถอนรายจ่ายทางการตลาดและเก็บเกี่ยวกระแสเงินสดอิสระที่ ผล.

ในทำนองเดียวกัน แบบจำลอง COVID-19 ที่รัฐบาลใช้ทั่วโลกทำให้การคาดการณ์ถูกตัดการเชื่อมต่ออย่างมากจากผลลัพธ์ สิ่งนี้ไม่น่าแปลกใจเลยเนื่องจากความไม่แน่นอนที่มีอยู่มากมายในไวรัสสายพันธุ์ใหม่ นี่เป็นการประเมินตามความเป็นจริง ไม่ใช่การเหยียดหยาม ทุกรุ่นผิดจากการออกแบบ แต่มีกระบวนการหกขั้นตอนเพื่อเพิ่มความแม่นยำสูงสุดเมื่อเวลาผ่านไป

ขั้นตอนที่ 1: ขวาน

ขั้นตอนแรกในกระบวนการสร้างแบบจำลองทางการเงินคือการผลักดันทุกข้อสันนิษฐาน:

• เหตุใดต้นทุนการได้มาซึ่งลูกค้าของคุณจึงเทียบได้กับคู่แข่งพันล้านดอลลาร์ที่คุณพยายามจะเอาชนะ
• คุณคาดว่าจะเปลี่ยนจากการโทรเย็นเป็นการขายในอีกสี่เดือนหรือไม่? ประสบการณ์ของคุณในการขายสัญญาเจ็ดหลักให้กับองค์กรที่ติดอันดับ Fortune 500 คืออะไร?
• การขายทั้งหมดของคุณจะมีประสิทธิผลตั้งแต่วันแรกอย่างไร?
• คุณไม่มีงบประมาณสำหรับความสำเร็จของลูกค้า แต่ยังคงคิดว่ามีการปั่นป่วนต่ำมาก - ทำไม?
• ผลิตภัณฑ์ของคุณแตกต่างจากคู่แข่งหลักมากพอจนสามารถเรียกเก็บเงินเพิ่ม 50% ได้หรือไม่

ฉันทำงานกับบริษัท SaaS (Software as a Service) จำนวนมาก และตัวชี้วัดประสิทธิภาพหลักสามตัว (KPI) ที่เรามุ่งเน้นคือต้นทุนการได้มาซึ่งลูกค้า (CAC) การเลิกใช้ของลูกค้า และมูลค่าตลอดช่วงชีวิตของลูกค้า (LTV) แต่ละข้อขับเคลื่อนโดยสมมติฐานอื่นๆ: CAC คือฟังก์ชันที่คุณใช้จ่ายไปกับการตลาดและการส่งเสริมการขาย จำนวนผู้ที่คลิกโฆษณาของคุณ จำนวนผู้ที่ดำเนินการกับโฆษณาเหล่านั้น และจำนวนผู้ที่แปลงเป็น ลูกค้าฟรีและจ่ายเงินในที่สุดและเมื่อใด

ก่อนตัดสินใจทางธุรกิจ สมมติฐานทั้งหมดถูกกำหนดให้กับครอบครัว KPI CAC KPI ประกอบด้วยสมมติฐานเกี่ยวกับช่องทางการตลาด แต่ยังรวมถึงสมมติฐานด้านการขายด้วย พนักงานขายของคุณสามารถจัดการผู้มีแนวโน้มเป็นลูกค้าได้กี่ครั้งในคราวเดียว อัตราการปิดคืออะไร? การขายทั่วไปใช้เวลานานเท่าไหร่? หลังจากที่เราพบการสนับสนุนที่เพียงพอสำหรับสมมติฐานทั้งหมดแล้ว เราจะดำเนินการตามแผนธุรกิจต่อไป

ขั้นตอนนี้สามารถเทียบได้กับการระบาดใหญ่ของ COVID-19 ที่เรากำลังดำเนินอยู่ในขณะนี้ โมเดลเหล่านี้สร้างขึ้นจากสมมติฐานด้วย หนึ่งคือ R0 ซึ่งเป็นอัตราสันนิษฐานที่ไวรัส SARS2 CoV-19 แพร่กระจายตามธรรมชาติผ่านประชากรที่อ่อนแอ ข้อสันนิษฐานอื่นๆ เกี่ยวกับผลกระทบของโควิด-19 หลังการติดเชื้อ

การสอบสวนเบื้องต้นที่ดำเนินการโดยทางการจีนไม่พบหลักฐานที่ชัดเจนของการแพร่เชื้อ #coronavirus (2019-nCoV) จากคนสู่คน ในเมือง #Wuhan #China pic.twitter.com/Fnl5P877VG

— องค์การอนามัยโลก (WHO) (@WHO) 14 มกราคม 2020

ไม่มีข้อสันนิษฐานใดที่เข้าใจได้ชัดเจนตั้งแต่เริ่มแรก และตามหลักการแล้ว เจ้าหน้าที่สาธารณสุขของตะวันตกได้ท้าทายสมมติฐานทั้งหมดก่อนที่จะตัดสินใจขั้นสุดท้ายเพื่อบังคับใช้การเว้นระยะห่างทางสังคมรูปแบบต่างๆ

ขั้นตอนที่ 2: สิ่งที่ไม่รู้จักที่รู้จัก

ตัวแปรที่น้อยกว่าในแบบจำลองทางการเงินคือ Known Unknowns เมื่อฉันทำงานกับลูกค้าเพื่อหาข้อสมมติที่ควรเน้นมากที่สุด เราจะเข้าไปในห้องที่มีไวท์บอร์ด (หรือห้องซูมที่มีเอกสาร Google เปล่า) และจัดเรียงทั้งหมดตามระดับความแน่นอนและความสำคัญภายในโมเดล .

สำหรับบริษัท SaaS ของผู้บริโภค อัตราการแปลงเป็นการขาย (Conversion Rate) เป็นข้อสันนิษฐานที่สำคัญมาก ลูกค้ารายหนึ่งของฉันคือแอปด้านการดูแลสุขภาพ พวกเขามีผลิตภัณฑ์ฟรี ผลิตภัณฑ์ที่ต้องสมัครสมาชิกแบบชำระเงิน และพวกเขาได้รับค่าคอมมิชชันสำหรับการแนะนำลูกค้าไปยังผู้ให้บริการ พวกเขาสันนิษฐานว่า 50 จากทุก 1,000 คนที่สมัครใช้งานแอปฟรีในที่สุดก็อัปเกรดเป็นผู้ติดตามแบบชำระเงิน ข้อมูลนี้อิงจากข้อมูลล่าสุด แต่อาจอิงจากประสบการณ์ของคู่แข่งหรือประสบการณ์ก่อนหน้านี้กับบริษัทอื่น ทุกสมมติฐานในแบบจำลองเป็นผลมาจากมุมมองของทีมงานที่ว่าสมมติฐานเฉพาะเหล่านั้นมีความสมเหตุสมผลมากที่สุดกับข้อมูลที่มีอยู่ในขณะนั้น

เนื่องจากเรารู้ว่าอัตรา Conversion มีผลกระทบอย่างมากต่อการเติบโตของยอดขายและอัตรากำไร และเนื่องจากเราไม่ค่อยมั่นใจในสมมติฐานของเราเกี่ยวกับอัตรานั้น ตัวแปรนี้จึงเป็นจุดสนใจหลักของเรา หากคุณดำเนินธุรกิจ SaaS สำหรับผู้บริโภคซึ่งมีปริมาณการขายค่อนข้างสูงและรอบการขายสั้น คุณจะเห็นผลลัพธ์เหล่านี้ค่อนข้างเร็ว เมื่อมีข้อมูลเพียงพอ เราก็สามารถพอใจได้ว่าสมมติฐานของเราถูกต้อง หรือเห็นว่ามีปัญหาที่ต้องแก้ไข เนื่องจากเราประเมินอัตรา Conversion สูงเกินไป

คำถามจริงๆ ที่เรากำลังพยายามหาคำตอบ เนื่องจากเราได้รับรายงานสั้นๆ คือ คุณสามารถส่งมันได้อย่างมีประสิทธิภาพเมื่อคุณไม่มีอาการ Anthony S. Fauci, MD, ผู้อำนวยการ NIAID (19 กุมภาพันธ์ 2020)

ในทำนองเดียวกัน เจ้าหน้าที่สาธารณสุขรู้ว่าสมมติฐานหลายประการของพวกเขาไม่แน่นอนในขณะนั้น: R0, อัตราอาการ, อัตราการรักษาในโรงพยาบาล, ความจุของโรงพยาบาล, อัตราการเสียชีวิต ฯลฯ R0 ตัวอย่างเช่นมีความซับซ้อนกว่าที่คิด สมมติฐาน R0 ที่ดีจำเป็นต้องคำนึงถึงการเปลี่ยนแปลงพฤติกรรมทั้งหมด ซึ่งแตกต่างกันไปในการใช้งานและประสิทธิภาพตามลักษณะของภูมิภาค (เช่น เมือง: แออัดในนครนิวยอร์ก กับ เมืองชนบทในเซาท์ดาโคตา) หมายเลขการสืบพันธุ์ที่มีประสิทธิภาพ Re ใช้เพื่ออธิบายอัตราการแพร่พันธุ์ของไวรัสภายใต้สถานการณ์ต่างๆ และในเวลาที่ต่างกัน

ทั้งลูกค้า SaaS ของฉันและเจ้าหน้าที่สาธารณสุขต้องมุ่งเน้นอย่างเต็มที่ในการทำความเข้าใจตัวแปรสำคัญในแบบจำลองให้มากขึ้น เมื่อพวกเขารู้ว่าควรเน้นที่ข้อมูลที่ยากอะไร พวกเขาจะไปยังขั้นตอนถัดไป: การวัดผล

ขั้นที่ 3: การวัด

ในระหว่างการวัด เราจะเจาะลึกถึงสมมติฐานอัตราการแปลง: ผู้คนคลิกโฆษณาและดาวน์โหลดแอปด้วยอัตราที่เราคาดไว้หรือไม่ พวกเขาแปลงเป็นลูกค้าที่ชำระเงินในอัตราเท่าใด พวกเขาใช้เวลานานเท่าใดในการแปลงเป็นลูกค้าที่ชำระเงิน และพวกเขาจะอยู่ได้นานแค่ไหนเมื่ออัปเกรดแล้ว

ปัญหาตอนนี้คือมีสิ่งที่ไม่รู้อยู่มากมาย... คุณรู้ไหมว่าในตอนแรก เราไม่แน่ใจว่ามีการติดเชื้อแบบไม่แสดงอาการหรือไม่ ซึ่งจะทำให้เกิดการระบาดในวงกว้างกว่าที่เราเห็น ตอนนี้เรารู้แน่นอนว่ามี Anthony S. Fauci, MD, ผู้อำนวยการ NIAID (31 มกราคม 2563)

คุณสามารถเห็นกระบวนการนี้เล่นกับเทพนิยายของ COVID ได้เช่นกัน ในช่วงต้นของการระบาดใหญ่ ผู้เชี่ยวชาญอย่าง WHO ประเมินอัตราการเสียชีวิตของไวรัสที่ 3.4% ทั่วโลก ตัวเลขที่น่ากลัวมากเมื่อพิจารณาจากไข้หวัดใหญ่อยู่ที่ประมาณ 0.12% (แต่มีการประมาณค่าต่างๆ รอบตัวเลขนั้น) นั่นคือตัวเลขที่ถูกรายงานในสื่อ เบื้องหลัง นางแบบน่าจะรวมเอาความเป็นไปได้ต่างๆ ไว้ด้วยกัน แต่ค่อนข้างชัดเจนว่าการประมาณการนั้นยึดอยู่กับตัวเลขที่สูงกว่าที่ดูเหมือนว่าจะน่าจะเป็นไปได้จากข้อมูลปัจจุบัน

จากข้อมูลปัจจุบัน เห็นได้ชัดว่าเปอร์เซ็นต์ของผู้ติดเชื้อไวรัสที่ทำให้เกิดอาการที่เราเข้าใจว่าเป็นโควิดนั้นสูงกว่ามาก เนื่องจากตัวหารที่สูงกว่านั้น อัตราการเสียชีวิตจึงจำเป็นต้องต่ำกว่า ซึ่งน่าจะใกล้เคียงกับ 0.12% มากกว่าตัวเลขเดิม 3.4% ปรากฎว่าแบบจำลองที่เราอาศัยการมองโลกในแง่ร้ายเบ้มากกว่ามองในแง่ดี และเราต้องปรับการประมาณการการรักษาตัวในโรงพยาบาลและอัตราการเสียชีวิตลง:

นี่เป็นปัญหาที่ดีกว่ามากอย่างแน่นอน และบางส่วนก็เนื่องมาจากความลำเอียงที่รอบคอบในความระมัดระวัง ตอนนี้อะไร?

ขั้นตอนที่ 4: การซ่อมแซม

ขณะนี้ ผู้นำทางการเมืองระดับโลกกำลังทำงานร่วมกับนักวิทยาศาสตร์เพื่อปรับแบบจำลองของตนใหม่ พวกเขากำลังแก้ไขนโยบายที่ปรับเปลี่ยนพฤติกรรมเพื่อใช้หรือผ่อนคลาย สมมติฐานบางข้อจะเหมือนกันทั่วโลก แต่หลายๆ ข้อมีข้อสันนิษฐานเฉพาะในบางภูมิภาคหรือสภาพแวดล้อม

กับลูกค้าของฉัน ฉันผ่านทุกสมมติฐานภายในทุก KPI เพื่อทำความเข้าใจว่าแบบจำลองนั้นได้รับการสอบเทียบมาอย่างดีเพียงใด เมื่อสมมติฐานไม่ตรงกับความเป็นจริง เราจึงระดมความคิดร่วมกันเพื่อหาสาเหตุ คุณค่าที่นำเสนอนั้นน้อยกว่าที่เราคิดไว้หรือไม่ และเรากำลังสร้างความชัดเจนให้กับลูกค้าที่คาดหวังหรือไม่? สินค้ามีราคาถูกต้องหรือไม่? เรามีคำกระตุ้นการตัดสินใจที่กระตุ้นการตัดสินใจซื้อของพวกเขาหรือไม่? เราได้ทำให้ขั้นตอนการลงทะเบียนเป็นไปอย่างราบรื่นที่สุดหรือไม่?

เราอาจลองใช้แนวทางต่างๆ สองสามวิธีเพื่อดูว่าวิธีใดทำงานได้ดีขึ้นในการปรับปรุงเมตริกที่มีประสิทธิภาพต่ำกว่าเกณฑ์ บางครั้งก็มีวิธีแก้ไขที่ง่าย แต่โดยปกติ เราต้องปรับปรุงเล็กน้อยเพื่อสร้างความมั่นใจในเส้นทางที่เฉพาะเจาะจง บริษัทซอฟต์แวร์ใช้กระบวนการที่เรียกว่าการทดสอบ A/B: คุณแบ่งเป้าหมายของคุณออกเป็นกลุ่มที่ใกล้เคียงกัน และลองใช้แนวทางหนึ่งกับกลุ่ม A และอีกวิธีหนึ่งในกลุ่ม B เพื่อดูว่าแต่ละเป้าหมายให้ผลลัพธ์ที่เหนือกว่าอย่างสม่ำเสมอหรือไม่

ตอนนี้เราต้องพิจารณาว่าผู้ป่วยทุกราย (รวมถึงประเภทการเรียกบาดแผล) ติดเชื้อ และทุกคน (แม้กระทั่งเพื่อนร่วมงานและสมาชิกในครอบครัว) จะต้องสัมผัสกับเชื้อเนื่องจากการแพร่กระจายในชุมชน บันทึกถึงเจ้าหน้าที่ FDNY EMS (4 เมษายน 2020)

แม้ว่าการทดสอบ A/B บางอย่างจะเกิดขึ้นกับนโยบายเพื่อดูว่าวิธีใดได้ผลดีที่สุด แต่ก็มีแนวทางที่หลากหลายในประเทศต่างๆ และเขตอำนาจศาลต่างๆ ภายในประเทศที่สามารถให้ความกระจ่างได้ ทั้งเทศบาลและผู้เชี่ยวชาญทางการแพทย์ทั่วโลกต่างพยายามหาวิธีรักษาโรคนี้อย่างต่อเนื่อง โดยอิงจากผลตอบรับจากผู้ป่วยของพวกเขาเองและการวิจัยที่ตีพิมพ์เผยแพร่เกี่ยวกับปฏิกิริยาที่ผู้ป่วยรายอื่นๆ มีปฏิกิริยาต่อการรักษาบางประเภท

ขั้นตอนที่ 5: การปรับเทียบใหม่

ซึ่งเป็นระยะที่ยางมาบรรจบกับถนน คุณได้ระบุ KPI ของคุณ วัดเทียบกับการคาดการณ์ของคุณ ระบุสิ่งที่ไม่ถูกต้อง ระบุสมมติฐานที่ขับเคลื่อนพวกเขา และทดสอบสมมติฐานบางประการเกี่ยวกับวิธีปรับปรุง

รัฐบาลทั่วโลกกำลังอยู่ระหว่างการปรับเทียบใหม่ ส่วนใหญ่กำลังดำเนินการตามแผนเพื่อกลับสู่สภาวะปกติเป็นระยะ โดยได้แรงหนุนจากความก้าวหน้าด้านอัตราการแพร่กระจาย ความสามารถในการรักษาในโรงพยาบาลและการทดสอบ และการเตรียมความพร้อมของชุมชนโดยทั่วไป คุณสามารถเดิมพันได้ว่าผลลัพธ์จะถูกติดตามอย่างใกล้ชิด

ทั้งในธุรกิจและสาธารณสุข ขั้นตอนนี้เป็นเวลาตัดสินใจ เลือกเส้นทางและก้าวไปข้างหน้า อย่าเพิ่งพิจารณาผลตอบแทนของความสำเร็จ แต่ยังรวมถึงความน่าจะเป็นและต้นทุนของความล้มเหลวในแง่ของเวลาและทรัพยากรด้วย ระบุเมตริกเพื่อความสำเร็จ และเมื่อคุณคาดว่าจะเห็นผลลัพธ์ ให้แสดงรายการ หากเส้นทางที่คุณเลือกต้องการการเปลี่ยนแปลงที่สำคัญในกระบวนการของคุณ ให้กำหนดความเป็นเจ้าของ นี่จะเตรียมคุณให้พร้อมสำหรับขั้นตอนสุดท้ายและสำคัญที่สุด...

ขั้นตอนที่ 6: กลับไปที่ขั้นตอนที่ 2

ไม่มีขั้นตอนที่ 6 - อย่าผ่าน Go เพียงกลับไปที่ขั้นตอนที่ 2 โดยตรง ทุกธุรกิจที่ประสบความสำเร็จในโลกมักจะระบุ วัดผล ซ่อมแซม และปรับสมมติฐานใหม่เป็นประจำ ซีอีโอควรพบปะกับทีมการเงินอย่างน้อยไตรมาสละครั้งเพื่อทบทวน KPI ของธุรกิจทั้งหมด และจัดลำดับความสำคัญของสิ่งที่ต้องปรับปรุง การแก้ปัญหาที่สร้างสรรค์ควรมาถึงเป็นทีม แต่ควรมอบหมายความรับผิดชอบสูงสุดให้กับผู้นำธุรกิจที่เกี่ยวข้อง ผู้นำเหล่านั้นควรสร้างวัฒนธรรมในการระบุตัวตน วัดผล ซ่อมแซม ปรับเทียบใหม่ และสุดท้ายไปข้างหน้าอย่างต่อเนื่อง