Wat is Buffer
Buffer, opgericht in 2010, heeft nauwelijks introductie nodig. Als een van de eerste SaaS-bedrijven liep het voorop op een aantal terreinen die nu volstrekt normaal zijn in de branche: contentmarketing, de beweging van transparante startups en remote werken.
De missie van Buffer is om hun klanten in staat te stellen hun merk op te bouwen en hun publiek op social media te betrekken.
Daarvoor bieden ze hun klanten 3 producten:
- Publish: het oorspronkelijke product, waarmee mensen posts op socialmediakanalen inplannen en publiceren
- Reply: een gedeelde inbox om te reageren op gesprekken op socialmediakanalen
- Analyze: analytics en rapportage voor social media
We spraken met Joel Gascoigne, CEO van Buffer, over hoe het is om Buffer op te bouwen en welke rol en plek abonnementsdata in het bedrijf hebben.
De uitdaging: Buffer bouwde “rapportageschuld” op
De eerste 2 tot 3 jaar van het bestaan van Buffer hadden Joel en zijn team geen speciale oplossing voor subscription analytics nodig.
Het aantal transacties was laag genoeg om met databasequery’s uit te komen voor hun MRR, hun churn en zelfs voor wat cohortanalyse.
Maar toen het bedrijf groeide, begonnen hun systemen continu te haperen, en dat dwong het team om hun aanpak te herzien en naar een schaalbare oplossing te zoeken.
In 2014 ging Buffer zowel Baremetrics als Looker gebruiken. Baremetrics vulde de wens naar publieke transparantie in, terwijl het team intern bijna uitsluitend Looker gebruikte om omzetmetrics te volgen en te rapporteren.
Baremetrics was beperkt omdat ze er alleen hun omzet uit Stripe mee konden analyseren, terwijl het team al mobiele betalingen en eigen facturatie gebruikte om te factureren en betalingen te innen.
Daarom kozen ze Looker voor hun interne analysebehoeften. Dat hielp ze over de eerste hobbels heen, maar op termijn leverde het andere problemen op.
Behalve dat er een apart team van 2 mensen nodig was om die zelfgebouwde oplossing te onderhouden, was het ook lastig om de data in Looker binnen te krijgen en te vertrouwen.
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 geeft toe dat het hem en het team waarschijnlijk te lang kostte om te beseffen dat hun analytics-opzet moest veranderen.
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?
De onbetrouwbare data remde het hele team af
Toen zag Joel in dat die problemen het hele team raakten — inclusief de manier waarop het product zich ontwikkelde.
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.
Dat is best verrassend, want het team van Buffer verdronk in data — Joel vertelde ons dat ze tussen hun betalende klanten, het gratis plan en de trial van 14 dagen op dat moment ongeveer 350 duizend maandelijks actieve gebruikers (MAU) hadden.
Dat hielp niet om een helderder beeld te krijgen van hoe het bedrijf ervoor stond.
MRR numbers were changing all the time. I realized we had a moving target for the most important metric in our company.
De opzet raakte de teamcultuur
In het begin hoopten Joel en zijn team dat Looker het team zou helpen om met hun abonnementsdata inzicht te krijgen en betere beslissingen over het bedrijf te nemen.
Dat bleek niet zo te werken, en het bracht de hele organisatie in een situatie waarin ze steeds hulp van het datateam nodig hadden.
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”.
De oplossing: investeren in een vernieuwde data-infrastructuur
Joel vertelde ons dat ze onder meer zo lang wachtten met het besluit om van Looker weg te gaan omdat het team er tegenop zag om een oplossing op te geven waar ze zoveel tijd in hadden gestopt.
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.
Toen ze hun opzet bouwden, was de markt voor analytics nog niet zo volwassen, dus moesten ze op eigen oplossingen leunen. Deze keer besefte Joel dat hij een stap terug moest doen en moest denken alsof hij bij nul begon.
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 had wat hij zelf “een eerlijk gesprek” noemt met Dan, de CTO van Buffer. In dat gesprek besloten ze hun analytics-opzet volledig te vernieuwen.
Een interessant punt dat Joel met ons deelde, was dat hij wist dat het invoeren van deze tools een flinke investering zou vragen, maar dat hij die keuze bewust maakte:
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.
Kies elk onderdeel apart
Joel wist ook dat ze met verschillende tools voor het beheer van de datapijplijn, voor productengagement-analytics en voor subscription analytics per onderdeel de beste tool konden kiezen.
Het team van Buffer koos Segment als basis van hun data-opzet. Segment verzamelt data en voedt de andere tools die ze gebruiken.
Mixpanel “leeft” bovenop Segment en helpt het team om engagement met het product te volgen.
ChartMogul brengt abonnementsdata uit Stripe, mobiele betalingen en eigen facturatie samen, waardoor Joel en het team zien waar het bedrijf naartoe gaat.
Door deze opzet is het systeem ook makkelijk uit te bouwen en te koppelen aan de tools die het team van Buffer gebruikt voor support (Zendesk), in-app berichten (Appcues) en e-mail (Customer.io).
Zelf bouwen?
Joel dacht een tijd dat een eigen tool bouwen de beste manier was om omzet en andere belangrijke abonnementsmetrics te volgen.
Maar hij besefte dat dat niet alleen engineeringcapaciteit zou kosten, maar ook antwoorden op moeilijke vragen die niet hun sterkste kant waren.
Vragen als “Welke MRR-formule moeten we gebruiken?” brachten Joel tot de conclusie dat ze zich moesten richten op waarde creëren voor hun klanten en de gebieden waarin ze geen experts zijn moesten “uitbesteden”.
Het resultaat: groei weer aanjagen door data beter te begrijpen
Het team van Buffer heeft dankzij hun nieuwe manier van data analyseren en gebruiken al strategische veranderingen in hun bedrijf kunnen doorvoeren.
Begin 2018 vertraagde de MRR-groei, en dat zette Joel aan het denken over de beste manier om te groeien van de $16 miljoen ARR waar ze toen stonden naar $50 miljoen op termijn.
Hij wist dat het niet realistisch was om te verwachten dat de volgende vertienvoudiging van de omzet zou komen door nog 700.000 klanten toe te voegen (zo’n 10 keer het aantal dat ze toen hadden).
Toen besefte hij dat ze een nieuwe manier van groeien moesten vinden. Hun abonnementsdata wees de weg vooruit.
Op dat moment besloot het team om vol op snelle ARPA-groei te gaan.
Joel vertelt dat de gemiddelde omzet per account (ARPA) toen slechts $18 tot $19 was. Het team stelde als doel dat cijfer te laten stijgen, om zo weer te kunnen groeien en te kunnen investeren in de producten.
Om hun ARPA te laten groeien, kozen ze twee concrete strategische richtingen:
- Ze bekeken hun pricing en packaging opnieuw en pasten die aan op een manier waarmee ze klanten waardevoller konden ondersteunen. Hun laagste plan ging bijvoorbeeld van $10 naar $15 per maand.
- Ze breidden hun aanbod uit door Reply en Analyze toe te voegen aan hun pakket tools voor socialmediabeheer.
Vandaag ligt de gemiddelde omzet per klant bij Buffer rond de $25.
Het aantal betalende klanten bleef min of meer gelijk rond de 75.000, maar dit initiatief stelde het team in staat om de groei vast te houden en $20 miljoen ARR te bereiken.
2 verschillende North Star-metrics?
Toen we het team van Buffer voor het eerst naar hun North Star-metrics vroegen, noemden de mensen uit het productteam ARPA.
Joel kijkt ook naar ARPA, maar denkt er daarnaast over na in de context van de totale MRR van 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.
Hij geeft wel toe dat MRR misschien niet de meest zinvolle manier is om naar het bedrijf te kijken.
Telling product managers to “grow MRR” is not actionable. Improving our analytics set up allowed us to identify a solid strategy to implement.
ChartMogul speelde daarin een sleutelrol. Joel vertelde ons dat hij 3 tabs altijd open heeft staan in zijn browser: zijn agenda, een van de interne communicatietools die ze gebruiken, en het ChartMogul-dashboard.
Gebruik je abonnementsdata als je niet achterop wilt raken
In het afgelopen decennium in SaaS heeft Joel de branche steeds geavanceerder zien worden.
Hij denkt dat dat zo blijft en dat het effect op de branche alleen maar sterker wordt.
Hij noemt abonnementsdata “de ruggengraat” van SaaS-bedrijven — omdat het de enige echte bron van inzicht is in wat wel en niet werkt.
It is going to become a competitive advantage to have a deeper knowledge of your subscription data.
Joel stelt dat bedrijven die geen cultuur ontwikkelen waarin die data begrepen en zinvol gebruikt wordt, onvermijdelijk achterop raken.
We’re at the point where if you’re starting a SaaS company, you need a tool like ChartMogul from Day 1.