Annual contract value kohortanalyse – forstå inntektsutvikling i SaaS-selskaper

Hva er annual contract value kohortanalyse?

Annual contract value kohortanalyse er en avansert analysemetode som kombinerer to sentrale begreper innen abonnementsøkonomi: annual contract value (ACV) og kohortanalyse. ACV er den årlige verdien av en kundekontrakt, mens kohortanalyse grupperer kunder etter et felles kjennetegn – ofte tidspunktet de ble kunde. Ved å følge ACV for hver kohort over tid kan investorer og ledelse se hvordan inntektsverdien av kunder utvikler seg, både ved oppstart og i etterfølgende perioder.

For en investor i børsnoterte selskaper gir denne analysen et dypere innblikk i inntektskvaliteten. I stedet for å kun se på total ACV eller gjennomsnittlig ACV for hele kundebassenget, kan man identifisere trender som prisingskraft, kundelojalitet og effekten av produktforbedringer. For eksempel vil en stigende ACV i nyere kohorter tyde på at selskapet lykkes med å selge dyrere pakker eller tiltrekke seg mer lønnsomme kunder.

Metoden er spesielt utbredt i SaaS-sektoren (Software as a Service), der kundene ofte binder seg for ett eller flere år. Men den kan også brukes i andre abonnementsbransjer som strømmetjenester, telekom og forsikring. I Norge har børsnoterte selskaper som Kahoot! og Otello Corporation (tidligere Opera Software) abonnementsmodeller der ACV kohortanalyse kan være relevant.

Det er viktig å skille denne analysen fra en enkel beregning av gjennomsnittlig ACV. Kohortanalysen tar hensyn til tid og gruppering, og avdekker endringer som ellers ville blitt skjult i aggregerte tall. For eksempel kan gjennomsnittlig ACV være stabil, samtidig som nye kunder har lavere ACV enn gamle – en faresignaler som kohortanalysen fanger opp.

Forstå annual contract value kohortanalyse

For å forstå verdien av ACV kohortanalyse må man først ha kontroll på hva ACV er. Annual contract value beregnes som total kontraktsverdi delt på kontraktslengde i år. Hvis en kunde inngår en treårskontrakt på 300 000 kroner, er ACV 100 000 kroner per år. ACV er altså et mål på årlig inntekt per kunde, justert for kontraktslengde.

Kohortanalyse handler om å gruppere kunder som deler en felles erfaring innenfor en bestemt tidsperiode. I vårt tilfelle er kohortene vanligvis definert av kvartalet eller måneden da kunden ble anskaffet. Hver kohort følges deretter over tid, og man måler ACV ved starten (første år) og eventuelle endringer i etterfølgende år.

Når man kombinerer disse to, får man en tredimensjonal forståelse av inntektsutviklingen. Man kan for eksempel se om kunder anskaffet i 2022 i gjennomsnitt har høyere ACV enn kunder anskaffet i 2023. Og man kan se om ACV for kohorten fra 2022 har økt eller sunket etter ett år – noe som indikerer om kundene har oppgradert (expansion) eller nedgradert (contraction) sine abonnement.

For en investor er dette gull verdt. Det forteller noe om selskapets evne til å øke inntektene fra eksisterende kunder (land-and-expand-strategi) og om det lykkes med å tiltrekke seg stadig mer verdifulle kunder. Samtidig kan en fallende ACV over kohorter være et tidlig varseltegn på at selskapet møter konkurranse eller at produktet ikke lenger oppleves like verdifullt.

Hvordan fungerer annual contract value kohortanalyse?

Prosessen for å gjennomføre en ACV kohortanalyse kan deles inn i fire trinn. Først må man definere kohortene. Vanligvis grupperes kunder etter hvilket kvartal de inngikk sin første kontrakt. For børsnoterte selskaper som rapporterer kvartalsvis, gir dette et naturlig sammenligningsgrunnlag.

Andre trinn er å beregne ACV for hver kunde ved oppstartstidspunktet. Dette krever at man har data om kontraktsverdi og kontraktslengde. For årlige kontrakter er ACV lik kontraktsverdien. For flerårige kontrakter deler man på antall år. For månedlige kontrakter må man annualisere (gange med 12).

Tredje trinn er å følge hver kohort over tid. For hver etterfølgende periode (for eksempel hvert kvartal eller år) beregner man gjennomsnittlig ACV for de kundene som fortsatt er aktive i kohorten. Dette viser om kundene i gjennomsnitt har økt eller redusert sitt årlige forbruk.

Fjerde trinn er å sammenligne kohortene med hverandre. En typisk fremstilling er en tabell der radene er kohorter (f.eks. Q1 2023, Q2 2023) og kolonnene er perioder etter anskaffelse (f.eks. år 1, år 2). Hver celle viser gjennomsnittlig ACV for den kohorten i den perioden. En slik tabell kalles ofte en kohortmatrise.

For å illustrere kan vi se på et tenkt norsk SaaS-selskap, NorskSky AS, som selger skylagring til bedrifter. Selskapet ble børsnotert i 2022. Tabellen under viser ACV i tusen kroner for ulike kohorter:

Historisk bakgrunn

Kohortanalyse har sin opprinnelse i medisinsk forskning og epidemiologi, der man fulgte grupper av mennesker over tid for å studere sykdomsutvikling. På 2000-tallet ble metoden adoptert av webanalyse og senere av SaaS-bransjen, der den ble et standardverktøy for å forstå kundeadferd og inntektsstrømmer.

Annual contract value som begrep vokste frem i takt med abonnementsøkonomien. Selskaper som Salesforce og Adobe gikk over til abonnementsmodeller på 2010-tallet, og investorer trengte nye nøkkeltall for å verdsette dem. ACV ble et alternativ til tradisjonelle inntektsmål som var mindre egnet for gjentakende inntekter.

Kombinasjonen av ACV og kohortanalyse ble først systematisk brukt av venturekapitalister og analytikere i Silicon Valley. I Norge har metoden blitt mer utbredt de siste fem årene, etter hvert som flere norske teknologiselskaper har blitt børsnotert og investorer har blitt mer sofistikerte.

I dag er ACV kohortanalyse en del av analyseverktøyene til mange aksjeanalytikere som følger selskaper som Kahoot!, Vistin Pharma og Nordic Semiconductor. Selv om selskapene sjelden offentliggjør slike detaljer, kan investorer estimere trender basert på rapporterte tall som annual recurring revenue (ARR) og kundeantall.

Praktisk eksempel

La oss ta utgangspunkt i det fiktive selskapet NorskSky AS, som vi introduserte tidligere. Selskapet selger skylagring til norske bedrifter og har en årlig abonnementsmodell. Vi har data for fire kvartaler med nye kunder, og vi følger dem i opptil tre år. Tabellen under viser gjennomsnittlig ACV i norske kroner for hver kohort:

For det andre ser vi at ACV for hver kohort øker over tid. Kunder fra Q1 2023 hadde i snitt 120 000 i år 1, men 135 000 i år 3. Det er en økning på 12,5 prosent over to år. Dette tyder på at kundene oppgraderer eller kjøper flere tjenester – en såkalt expansion revenue.

For en investor som vurderer å kjøpe aksjer i NorskSky, er dette svært positive signaler. Det indikerer at selskapet har en sterk produkt-markedstilpasning og evne til å vokse inntektene både fra nye og eksisterende kunder. Dersom ACV i stedet hadde sunket over kohorter, ville det vært et rødt flagg.

En slik analyse kan også brukes til å estimere fremtidig ARR. Hvis trenden fortsetter, kan man forvente at Q1 2024-kohorten starter med en ACV på for eksempel 135 000 kroner. Sammen med forventet kundevekst kan man lage en prognose for selskapets inntekter.

Fordeler og ulemper

Den største fordelen med ACV kohortanalyse er at den gir et dynamisk og detaljert bilde av inntektsutviklingen. I stedet for å stole på et enkelt gjennomsnittstall, kan investorer se trender på tvers av tid og kundegrupper. Dette gjør det lettere å identifisere tidlige tegn på problemer eller muligheter.

En annen fordel er at metoden skiller mellom effekten av nye kunder og endringer hos eksisterende kunder. Mange selskaper rapporterer sterk vekst i total ARR, men uten kohortanalyse er det vanskelig å vite om veksten kommer fra mange nye kunder med lav ACV eller færre kunder med høy ACV. Kohortanalysen avslører dette.

Ulempene er først og fremst knyttet til datakrav og kompleksitet. For å gjennomføre analysen trenger man detaljerte kundedata over flere perioder. Børsnoterte selskaper offentliggjør sjelden slike data, så investorer må ofte basere seg på estimater eller indirekte målinger. Det gjør metoden mer egnet for interne analytikere eller spesialiserte fond.

Videre kan analysen være tidkrevende å sette opp og tolke. For små investorer med begrensede ressurser kan det være mer praktisk å fokusere på enklere nøkkeltall som ARR, churn rate og gjennomsnittlig ACV. Kohortanalysen er best egnet når man har tilgang til data og tid til å dykke dypt.

Til slutt er det viktig å huske at ACV kohortanalyse kun måler verdi per kunde, ikke antall kunder. Et selskap kan ha stigende ACV per kohort, men samtidig miste kunder (høy churn). Derfor bør analysen alltid kombineres med andre måleparametere som kundetilvekst og churn rate.

Vanlige misforståelser

En vanlig misforståelse er at ACV kohortanalyse er det samme som å beregne gjennomsnittlig ACV for hele kundebasen. Det er ikke tilfellet. Gjennomsnittlig ACV kan være stabil eller økende, selv om hver enkelt kohort har synkende ACV. Dette kan skje hvis eldre kohorter med høy ACV utgjør en stor andel av basen. Kohortanalysen avdekker dette ved å vise utviklingen per gruppe.

En annen misforståelse er at metoden kun er relevant for store selskaper. I praksis kan også mindre selskaper ha nytte av analysen, men de har ofte færre kunder, noe som gjør at enkeltkunder kan påvirke gjennomsnittet mye. Likevel kan en enkel kohortmatrise med kvartalsvise grupperinger gi verdifull innsikt allerede etter noen få kvartaler.

Noen tror også at ACV kohortanalyse krever avansert programvare. I virkeligheten kan man sette opp en grunnleggende analyse i Excel eller Google Sheets med kundedata. Det viktigste er å ha rene data og en klar definisjon av hva som inngår i ACV (f.eks. om engangskostnader som oppstartsgebyr skal inkluderes eller ikke).

Til slutt forveksles ACV ofte med annual recurring revenue (ARR). ARR er summen av ACV for alle aktive kunder, mens ACV er per kunde. Kohortanalysen fokuserer på ACV per kunde, ikke totalen. En investor må derfor se begge deler for å få et fullstendig bilde.

Oppsummering

Annual contract value kohortanalyse er et kraftfullt verktøy for investorer som ønsker å forstå den underliggende kvaliteten i et abonnementsbasert selskaps inntektsvekst. Ved å gruppere kunder etter anskaffelsestidspunkt og følge deres gjennomsnittlige årlige kontraktsverdi over tid, kan man avdekke trender som prisingskraft, expansion revenue og kundelojalitet.

Metoden gir et mer nyansert bilde enn enkle gjennomsnittstall, og den kan tidlig varsle om problemer som prispress eller svekket kundetilfredshet. Samtidig krever den tilgang til detaljerte data og en viss analytisk innsats. For de fleste private investorer er den mest relevant som et supplement til andre nøkkeltall, men for profesjonelle aktører er den ofte en standard del av due diligence.

I en tid der flere norske teknologiselskaper blir børsnotert og abonnementsmodeller dominerer, vil kunnskap om ACV kohortanalyse bli stadig viktigere. Å kunne tolke en kohortmatrise kan gi deg et konkurransefortrinn i aksjemarkedet. Husk imidlertid at analysen alltid må ses i sammenheng med andre faktorer som markedsstørrelse, konkurranse og ledelsens strategi.