SaaS 运营新手指南：用一套数据逻辑，看懂拉新、转化、增购和续费

做 SaaS 产品，无论是评估一个功能是否受欢迎，还是判断某个拉新渠道值不值得继续投入，都离不开一项非常重要的能力：数据分析。

但我理解的数据分析，并不是会拉表、会写 SQL、会做 Dashboard。新手和相对成熟的运营之间，真正拉开差距的往往是三件事：能不能判断当前业务「瓶颈环节」是什么；能不能找到最能说明问题的「关键数据」；以及看到数据之后，能不能解释原因，并据此决定下一步做什么。

所以我一直觉得，数据本身不是目的，数据分析真正的价值，是帮助我们做业务判断。

这篇文章主要面向 SaaS 运营新手，偏运营视角，也更适合 PLG 模式的产品。我会按照用户从进入产品到持续付费的路径，梳理我认为比较重要的一套数据分析逻辑。

一、先看用户生命周期，再决定看什么指标

对于 SaaS 产品运营来说，核心工作通常绕不开几个环节：拉新、上手、活跃、转化、增购和续费，大体上也对应我们常说的 AARRR 模型。

不同公司的部门划分可能完全不同，有的增长团队只负责注册，有的运营一直负责到付费，也有的 Customer Success 负责续费和增购。但无论组织怎么划分，用户生命周期本身大体不变。

所以我做数据分析的时候，通常不会一上来就看几十个指标，而是先判断：现在业务最重要的问题发生在哪一个环节，这个环节最应该解决的目标是什么，然后再去选择指标。

• 如果当前最大的问题是新用户来了但根本没使用核心功能，那么这个阶段最重要的就不是投放 ROI，而是上手和激活；
• 如果产品留存和付费都不错，但用户规模长期不增长，那么获客才更值得优先解决。

二、拉新与转化：不要只看流量，要一直看到收入

SaaS 通常会有很多获客来源，比如自然搜索、内容营销、用户口碑、合作渠道、KOL、广告投放和线下活动。因此，单纯看一个渠道带来了多少访问量，意义其实有限。

最基础的几个指标是官网新用户访问量、新用户注册量和新用户注册率。其中，新用户注册率可以帮助判断流量与产品目标用户的匹配程度。

新用户注册率 = 新注册用户数 ÷ 新用户访问量

例如一个渠道注册率 20%，另一个渠道只有 1%，从流量精准程度来看，前者通常更高。

但注册率低并不意味着渠道一定没价值——如果它能以足够低的成本带来大量注册和付费用户，仍然可能是一个有效的泛流量渠道。

尤其涉及付费投放时，还需要继续往下算：

• 单个注册用户成本 = 渠道投入 ÷ 新增注册用户数
• 单个付费用户成本 = 渠道投入 ÷ 新增付费用户数

如果产品存在团队套餐，一个付费客户可以购买多个账号，还可以继续看单个付费账号成本。

但做到这里还不够，因为获客最终还是为了收入。所以从拉新阶段开始，就应该继续追踪这些用户后续是否付费，以及能够贡献多少收入。

对于年付产品，可以先用首年合同金额作为一个比较直观的参考；对于月订阅产品，则更应该看 LTV（客户生命周期价值）。

LTV ≈ 平均每月贡献收入 × 平均付费月数

如果要做更严格的单位经济模型，则还要继续考虑毛利率、CAC 和回本周期。

到了转化环节，我通常会重点看新用户付费率和平均付费金额。

新用户付费率 = 新增付费用户数 ÷ 新注册用户数

新购收入 ≈ 新增注册用户数 × 新用户付费率 × 平均付费金额

这个公式很简单，但在实际工作中非常有用。因为当新购收入下降时，可以继续拆解到底是注册用户少了、付费率下降了，还是平均付费金额变低了。

促销活动也是一样，不能只看活动期间总收入。比如历史数据已经证明个人用户明显比团队用户更价格敏感，那么一次价格促销活动的核心指标，就可以重点看个人用户付费率有没有明显提升。

三、上手与活跃：找到用户真正感受到价值的行为

上手阶段，我认为最重要的一个概念是 Aha Moment。简单来说，就是用户完成某些关键行为之后，留存率、活跃率或者付费率明显高于其他用户。

从用户视角来看，就是他开始意识到：「这个产品真的对我有用。」

对于 SaaS 产品而言，Aha Moment 往往和核心功能使用行为高度相关。比如一款产品有 8 个功能，通过数据分析发现，使用 A 功能 5 次以上、B 功能 3 次以上、C 功能至少 1 次的用户，后续付费率明显高出 20%。

如果当前 onboarding 的目标就是提升付费率，那么运营就可以把「完成 A5+B3+C1 的新用户占比」设为中间指标，再围绕这个目标设计产品引导、邮件、培训、新手任务或者销售跟进。

这里最重要的一点是，不要仅仅因为一个功能使用次数高，就判断它「很重要」。更好的方式是继续看，使用过这个功能的人，后续留存率、付费率、升级率或者 NRR 是否更高。

到了活跃阶段，最常见的数据就是 DAU、WAU 和 MAU。但 SaaS 与消费互联网有一个很大的区别：不是所有产品都应该每天使用。

有些 B 端产品本身就是周频甚至月频使用，如果强行用 DAU 衡量，很容易得出错误结论。所以在看活跃之前，首先要判断产品正常的使用频率，再决定是看日活、周活还是月活。

活跃用户数也不能孤立来看。如果 MAU 下滑，还应该继续拆解，到底是新增用户变少、新用户没有完成激活，还是老用户留存下降。

尤其对于早期 SaaS 产品而言，留存往往比新增更值得关注，因为推广可以买来，但如果一批又一批用户来了又走，说明产品价值本身还没有完全站稳。

四、增购与续费：第一次付费之后，才真正开始验证产品价值

对于 To B SaaS 来说，无论是 PLG、MLG 还是 SLG，增购通常都是非常重要的收入来源。

客户第一次购买，只能说明他愿意尝试；持续续费说明他愿意继续使用；而主动增加账号、升级套餐或者购买更多用量，则意味着产品正在进入客户更大的业务范围。

如果产品有团队套餐，可以重点关注增购客户率和账号扩张率。

• 增购客户率 = 发生增购的客户数 ÷ 可增购客户数
• 账号扩张率 = 增加的账号数 ÷ 原有账号数

具体分母可以根据业务情况调整，但核心都是看已有客户是否在扩张。

而增购其实并不是付费之后才发生的事情，它和前面的上手、活跃都有关系。只有第一批使用者真正理解产品价值，才更可能推荐同事继续使用，形成「个人使用—团队采用—账号扩张」的路径。

到了续费阶段，本质上是在回答另一个问题：经过一个完整付费周期之后，客户还认不认可你的价值。

常见指标包括客户续费率、账号续费率和金额续费率。这里需要注意，续费分析最好使用同一批进入续费周期的客户，而不是直接拿当年的新购用户做分母。

• 客户续费率 = 到期后续费客户数 ÷ 到期客户数
• 金额续费率 = 同一批客户续费后的收入 ÷ 续费前收入

如果存在团队套餐，账号续费率有时比单纯客户续费率更有解释力，因为一个客户虽然续费了，但可能从 20 个账号缩减到了 5 个账号。

五、NRR 以及我理解的数据分析逻辑

如果要从 SaaS 指标里选一个我非常喜欢的指标，我会选 NRR（Net Revenue Retention，净收入留存率）。

它回答的是一个非常直观的问题：同一批老客户，一段时间之后，给你付的钱到底变多了还是变少了。

NRR =（期初客户收入 − 流失收入 − 降级收入 + 扩张收入）÷ 期初客户收入

例如去年一批客户总共付了 100 万，今年其中流失 20 万、降级 10 万，但剩下的客户增购了 40 万，那么 NRR 就是 110%。

• NRR 大于 100%：老客户整体贡献的收入还在增长
• NRR 等于 100%：基本保持不变
• NRR 低于 100%：老客户收入正在缩水，需要不断依靠新增客户补回来

这里最关键的是，NRR 必须追踪同一批客户，不能把新客户收入计算进去。它实际上把流失、降级、增购和涨价等因素压缩到了一个指标里，所以非常适合判断 SaaS 老客户业务到底是否健康。

六、总结：数据分析是在回答三个问题

SaaS 可以看的指标其实非常多：流量、注册率、CAC、激活率、DAU、WAU、MAU、留存率、付费率、LTV、增购率、续费率和 NRR。

真正的数据分析能力，并不是会看的指标越多越好，而是能建立一条稳定的判断路径：

1. 先判断当前最重要的业务环节
2. 再找到最能代表这个环节结果的指标
3. 接着拆解这个指标背后的变量，提出原因假设，通过数据或实验验证
4. 最后决定下一步行动

所以我理解的数据分析，归根结底是在不断回答三个问题：发生了什么，为什么发生，以及接下来应该做什么。

一个看似简单的 SaaS 数据分析框架，背后几乎连接着获客、产品、增长、商业化和留存整个用户生命周期。后面如果继续拆，还可以单独写 Cohort 怎么看、Aha Moment 怎么找、LTV/CAC 怎么算，以及不同 SaaS 产品的 NRR 为什么差异这么大。