Che cos’è Buffer
Nata nel 2010, Buffer non ha certo bisogno di presentazioni. Entrata presto nel mondo SaaS, l’azienda ha fatto da pioniera in diversi ambiti oggi diventati comuni nel settore: il content marketing, il movimento delle startup trasparenti e il lavoro da remoto.
La missione di Buffer è dare ai propri clienti gli strumenti per costruire il proprio brand e coinvolgere il proprio pubblico sui social media.
Per farlo, offre ai clienti 3 prodotti:
- Publish: il prodotto originale, che aiuta le persone a programmare e pubblicare sui canali social
- Reply: inbox condivisa per rispondere alle conversazioni sui canali social
- Analyze: analytics e reporting per i social media
Abbiamo parlato con Joel Gascoigne, CEO di Buffer, della sua esperienza nel costruire l’azienda e del ruolo e del posto che i dati di abbonamento occupano al suo interno.
La sfida: Buffer accumulava «debito di reporting»
Nei primi 2-3 anni di vita di Buffer, Joel e il suo team non avevano bisogno di una soluzione specializzata per la subscription analytics.
Il volume delle transazioni era abbastanza basso da permettere di cavarsela con query sul database per calcolare MRR, churn e persino qualche analisi per coorte.
Con la crescita dell’azienda, però, quei sistemi hanno iniziato a cedere continuamente, spingendo il team a ripensare l’approccio e a cercare una soluzione scalabile.
Nel 2014 Buffer ha iniziato a usare sia Baremetrics sia Looker. Mentre Baremetrics soddisfaceva il desiderio di trasparenza verso l’esterno, all’interno il team usava quasi esclusivamente Looker per monitorare e rendicontare le metriche di ricavo.
Baremetrics era limitante nel senso che permetteva di analizzare solo i ricavi provenienti da Stripe, mentre il team usava già il mobile e la fatturazione personalizzata per fatturare e incassare i pagamenti.
Per questo ha deciso di adottare Looker per le esigenze di analisi interne. Ha aiutato a superare alcune delle difficoltà iniziali, ma con il tempo ha iniziato a crearne altre.
Oltre a richiedere un team dedicato di 2 persone per mantenere questa soluzione fatta in casa, era anche difficile raccogliere i dati in Looker e fidarsi di quei dati.
It felt like a constant battle to get all the data in and it was also costing us a lot of time. I would often message (Buffer data scientist) Julian to ask “Why did our MRR number for this or that change?”
Joel ammette che probabilmente lui e il team hanno messo troppo tempo a capire che serviva un cambiamento nel loro assetto di analytics.
Early in 2019, I had an epiphany moment. I realized we had better data in the first 2-3 years of the company when we were using improvised solutions, than with our sophisticated business intelligence platform. How was that possible?
I dati poco affidabili rallentavano tutto il team
È qui che Joel ha capito che questi problemi stavano riguardando l’intero team, compreso il modo in cui il prodotto evolveva.
We increasingly started to feel like we were running blind. Because of the challenges we were struggling with, we constantly had to rely on assumptions for important decisions about the product and it was starting to tell.
Tutto questo sorprende un po’, considerando che il team di Buffer annegava nei dati: Joel ci ha raccontato che, tra clienti paganti, piano gratuito e prova di 14 giorni, all’epoca arrivavano a circa 350 mila utenti attivi mensili (MAU).
Il che non aiutava a ottenere un quadro più chiaro di come stava andando il business.
MRR numbers were changing all the time. I realized we had a moving target for the most important metric in our company.
L’assetto stava influenzando la cultura del team
All’inizio Joel e il suo team speravano che usare Looker avrebbe dato a tutti la possibilità di sfruttare i dati di abbonamento per ricavare insight e prendere decisioni migliori sul business.
Non è andata così, e l’intera organizzazione si è ritrovata in una situazione in cui serviva l’assistenza costante del team dati.
At some point, I noticed this was producing a change in our team culture. More and more people just started to assume that they “were not good at data”.
La soluzione: investire in un’infrastruttura dati rinnovata
Joel ci ha raccontato che una delle ragioni per cui hanno messo tanto tempo a decidere di abbandonare Looker era il timore del team di lasciare andare una soluzione su cui avevano investito tanto tempo.
In hindsight, I think that waiting 4-5 years, when things were clearly not working out, was too long. In the end, I had to step in and make a call for the best of the (whole) team.
Quando avevano iniziato a costruire il proprio assetto, il mondo dell’analytics non era così solido e avevano dovuto affidarsi a soluzioni proprie. Questa volta Joel ha capito che serviva fare un passo indietro e adottare una mentalità a «budget zero».
I asked myself “If we were starting today, what would we put in place?” So we started researching and we saw that while our peer companies were using a mix of homegrown and specialized tools, many new startups were adopting the likes of Segment, Mixpanel, and ChartMogul from the get-go. I wanted to be using the tools of the future and always ready to upgrade and switch things out, rather than getting behind and building up debt. That would make us less effective, and also less attractive to people joining the team.
Joel ha avuto quella che lui chiama «una conversazione onesta» con Dan, CTO di Buffer. In quell’incontro hanno deciso di rivedere completamente il loro assetto di analytics.
Una cosa interessante che Joel ci ha raccontato è che si era reso conto che implementare questi strumenti software avrebbe richiesto un investimento importante, ma ha preso quella decisione in modo consapevole:
I would gladly spend $100,000 on a tool if that would allow me to avoid hiring. A smaller team allows us to be more productive and move quicker.
Scegliere ogni pezzo singolarmente
Joel sapeva anche che usare strumenti diversi per la gestione della pipeline di dati, per l’analisi dell’engagement con il prodotto e per la subscription analytics avrebbe permesso di scegliere il miglior strumento per ogni pezzo dell’assetto.
Il team di Buffer ha scelto Segment come base della propria infrastruttura dati. Raccoglie i dati e li alimenta negli altri strumenti che usano.
Mixpanel «vive» sopra Segment e aiuta il team a monitorare l’engagement con il prodotto.
ChartMogul riunisce i dati di abbonamento provenienti da Stripe, dal mobile e dalla fatturazione personalizzata e permette a Joel e al team di capire dove sta andando il business.
Questo assetto rende anche facile far crescere il sistema e integrarlo con gli strumenti che il team di Buffer usa per il supporto (Zendesk), la messaggistica in-app (Appcues) e le email (Customer.io).
Costruire in casa?
Per un po’ Joel ha pensato che la strada migliore fosse costruire uno strumento proprio per monitorare i ricavi e le altre metriche di abbonamento chiave.
Ma si è reso conto che questo avrebbe richiesto non solo risorse di engineering, ma anche risposte a domande difficili che non erano il loro punto di forza.
Domande come «Quale formula dell’MRR dovremmo usare?» hanno portato Joel a capire che dovevano concentrarsi sul creare valore per i clienti ed «esternalizzare» le aree in cui non erano esperti.
Il risultato: riaccendere la crescita grazie a una migliore comprensione dei dati
Il team di Buffer ha già introdotto cambiamenti strategici nel proprio business grazie al nuovo approccio all’analisi e all’uso dei dati.
All’inizio del 2018 la crescita dell’MRR stava iniziando a rallentare e questo ha spinto Joel a chiedersi quale fosse il modo migliore per passare dai 16 milioni di dollari di ARR di quel momento a 50 milioni nel tempo.
Sapeva che non era realistico aspettarsi che la prossima crescita 10x dei ricavi arrivasse aggiungendo altri 700.000 clienti (circa 10 volte il numero che avevano allora).
È lì che ha capito che dovevano trovare una nuova strada per crescere. Guardare i dati di abbonamento ha permesso di individuarla.
Ed è lì che il team ha deciso di puntare su una crescita rapida dell’ARPA.
Joel racconta che all’epoca l’Average Revenue per Account (ARPA) era solo di 18-19 $. Il team si è dato l’obiettivo di far crescere quel numero per ricominciare a crescere e a investire nello sviluppo dei prodotti.
Per far crescere l’ARPA hanno scelto due direzioni strategiche precise:
- Hanno rivisto pricing e packaging e li hanno aggiornati in modo da supportare i clienti in maniera più significativa. Il piano più basso, per esempio, è passato da 10 a 15 $ al mese.
- Hanno ampliato l’offerta aggiungendo Reply e Analyze alla propria suite di strumenti per la gestione dei social media.
Oggi il ricavo medio per cliente di Buffer si attesta intorno ai 25 $.
Mentre il numero di clienti paganti è rimasto più o meno stabile intorno ai 75.000, questa iniziativa ha permesso al team di sostenere la crescita e raggiungere 20 milioni di dollari di ARR.
2 metriche North Star diverse?
Quando abbiamo chiesto per la prima volta al team di Buffer quali fossero le loro metriche North Star, le persone del team di prodotto hanno citato l’ARPA.
Anche Joel guarda l’ARPA, ma la pensa nel contesto dell’MRR totale di Buffer.
I see ARPA as one of the components of MRR (ARPA * Customers = MRR). Within that formula, we consciously decided to ignore the "Customers" variable and focus entirely on the ARPA variable, to drive MRR. So the team was focused on that, which is great, and of course, I'm always looking at MRR. At the end of the day, that's our revenue and drives a lot of other strategic decisions such as hiring and other spend.
Ammette però che l’MRR non è forse il modo più significativo di guardare il business.
Telling product managers to “grow MRR” is not actionable. Improving our analytics set up allowed us to identify a solid strategy to implement.
ChartMogul è stato determinante in questo. Joel ci ha raccontato di avere 3 schede sempre aperte nel browser: una è il calendario, la seconda uno degli strumenti di comunicazione interna che usano e l’ultima la loro dashboard ChartMogul.
Usa i tuoi dati di abbonamento se non vuoi restare indietro
Nell’ultimo decennio passato nel SaaS, Joel ha visto il settore diventare sempre più sofisticato.
È convinto che questa sia una caratteristica destinata a rimanere e ad avere un effetto ancora più forte sul settore.
Definisce i dati di abbonamento «la spina dorsale» delle aziende SaaS, perché sono l’unica vera fonte di insight su ciò che funziona e ciò che non funziona.
It is going to become a competitive advantage to have a deeper knowledge of your subscription data.
Joel sostiene che le aziende che non sviluppano una cultura di comprensione e uso significativo di quei dati sono destinate a restare indietro.
We’re at the point where if you’re starting a SaaS company, you need a tool like ChartMogul from Day 1.