Prévisions et scénarios
Trois composantes — nouveau MRR, expansion et churn — structurent les prévisions d'un SaaS.
Mettez cette métrique au travail : explorez le analyse du MRR et prévisions de FlowMRR pour suivre mouvements de revenus, rétention et prévisions depuis votre compte Stripe, ou comparez FlowMRR et Baremetrics.
Projection du MRR construite à partir de ses composantes. FlowMRR avance mois par mois à partir du MRR actuel : le nouveau MRR vaut nouveaux clients × ARPU, le MRR perdu vaut MRR × churn de revenu mensuel, et l'expansion ou la contraction s'applique au MRR restant. Son scénario central est calé sur votre historique ; les scénarios optimiste et pessimiste font varier en sens opposés le churn, les nouveaux clients, la croissance de l'acquisition et l'expansion. Les prévisions les plus utiles présentent plusieurs scénarios, avec des leviers clairement définis pour réagir à celui qui se réalise.
Formule
MRR du mois suivant = MRR + Nouveaux clients × ARPU − MRR × Churn de revenu + MRR restant × (Expansion − Contraction)Exemple chiffré
Modèle mensuel simplifié, scénario central : 4,5 % de nouveau MRR + 1,5 % d'expansion − 2 % de churn = 4 % de croissance nette. Après 18 mois, le MRR vaut environ 2,03× sa valeur initiale (1,04¹⁸). Scénario défavorable : 2,5 % de nouveau MRR + 1 % d'expansion − 3,5 % de churn = 0 %, donc le MRR reste stable. La réactivation et la contraction sont supposées nulles dans les deux scénarios.
Autres définitions courantes
Beaucoup de prévisions prolongent directement la tendance du MRR, par exemple à un taux de croissance mensuel composé, sans modéliser ses composantes. Les entreprises à vente assistée partent souvent du pipeline commercial et des contrats signés, et certaines équipes ajustent un modèle statistique sur le MRR passé. Ces approches peuvent concorder sur quelques mois et diverger fortement sur plusieurs années.
Comparaisons illustratives
Précision des prévisions à 90 joursCes plages non sourcées sont des scénarios illustratifs, pas des références sectorielles mesurées, des percentiles ou des objectifs recommandés. Les qualificatifs sont des interprétations éditoriales. Comparez vos cohortes à segment, période, devise et méthode de mesure identiques.
Pourquoi c'est important
Établir des prévisions oblige à expliciter vos hypothèses sur l'activité. Elles sont rarement parfaitement exactes, mais leur comparaison mensuelle avec les résultats réels permet d'apprendre plutôt que de deviner. Les scénarios révèlent aussi les variables les plus déterminantes, souvent le churn, parfois le prix.
Erreurs fréquentes
- Ne prévoir qu'un scénario, ce qui laisse peu de possibilités de réaction si les résultats s'en écartent.
- Projeter directement le revenu au lieu de modéliser ses composantes : nouveau MRR, expansion et churn.
- Ne jamais comparer les prévisions aux résultats réels, ce qui empêche d'améliorer les hypothèses.
Le calculer à partir des données Stripe
Une prévision fondée sur les composantes du MRR exige un point de départ et quelques taux mensuels, tous lisibles dans l'historique Stripe. Le point de départ est le MRR actuel sur la base de référence (formules annuelles ÷ 12, remises permanentes déduites, abonnements trialing, incomplete, incomplete_expired et paused exclus) et le nombre de clients payants distincts. Les taux sont le nombre de nouveaux clients payants par mois, le churn de revenu, le churn client et l'expansion nette sur la base restante. Ne retenez que des mois complets : le mois en cours est partiel, et une prévision qui s'appuie dessus démarre avec trop peu de churn et trop peu de nouvelles ventes.
Comptez les nouveaux clients en personnes, pas en abonnements. Un second abonnement souscrit par un client existant relève de l'expansion et figure déjà dans le taux d'expansion : le compter comme nouveau le compte deux fois. Faites la moyenne de l'acquisition sur plusieurs mois récents plutôt que sur un seul, car un mois de lancement ou de campagne n'est pas un rythme de croisière. FlowMRR construit ainsi son scénario central : MRR et ARPU actuels issus du tableau de bord, churn tiré de votre historique récent, nouveaux clients issus de la moyenne récente dédoublonnée, et expansion ou contraction déduite de votre NRR sur 12 mois, ramenée à un pas mensuel.
Une vue de trésorerie demande deux données de plus, toutes deux disponibles dans Stripe : la part du MRR facturée annuellement, puisque ces clients paient douze mois d'un coup à leur renouvellement, et le taux de frais effectif, soit les frais Stripe divisés par les encaissements bruts de la même période. FlowMRR calcule les deux à partir de votre historique, avec une estimation standard des frais de carte à défaut d'historique, et projette les encaissements bruts et nets à côté du MRR.
Les scénarios sont des modifications délibérées de ces composantes. Les scénarios optimiste et pessimiste de FlowMRR partent du scénario central et font varier en sens opposés le churn, les nouveaux clients, la croissance de l'acquisition et l'expansion ; chaque donnée reste modifiable et vous pouvez ajouter vos propres scénarios. La saisonnalité, tirée de la croissance passée du MRR, et un mode de survie dans lequel le churn diminue avec l'ancienneté des cohortes sont des règles optionnelles et transparentes, pas des modèles statistiques ajustés.
Interpréter le résultat
Le résultat utile n'est pas le chiffre final, mais l'écart entre les scénarios et la donnée qui le provoque. Modifiez une composante à la fois : si un point de churn mensuel fait davantage varier le MRR à deux ans qu'une variation de 20 % des nouveaux clients, le travail sur la rétention vaut aujourd'hui plus que les dépenses d'acquisition. L'effet composé rend le churn prépondérant sur les horizons longs : un scénario à cinq ans est surtout une hypothèse sur la rétention.
Chaque mois, comparez le nouveau MRR, l'expansion, la contraction et le MRR perdu réels avec les hypothèses du scénario central, et pas seulement les totaux. Un total qui tombe juste par hasard, un churn plus élevé compensé par davantage de nouvelles ventes, masque une composante qui se dégrade. Lorsqu'une même composante s'écarte dans le même sens plusieurs mois de suite, corrigez cette hypothèse plutôt que toute la prévision, et conservez la version précédente pour vérifier que vos hypothèses s'améliorent.
Questions fréquentes
Comment prévoir le MRR d'un SaaS ?
Partez du MRR actuel et projetez-le mois par mois : ajoutez nouveaux clients × MRR de départ par client, ajoutez l'expansion et retranchez la contraction sur la base existante, puis retranchez le MRR perdu. Calez chaque taux sur les derniers mois complets, et construisez les versions favorable et défavorable en modifiant les taux, jamais le résultat.
Jusqu'à quel horizon peut-on prévoir le revenu d'un SaaS ?
Aussi loin que vous voulez sur le plan du calcul, mais l'incertitude augmente chaque mois, car de petites erreurs de taux se composent. Les prochains mois dépendent surtout des clients que vous avez déjà ; les projections sur plusieurs années reposent sur des hypothèses d'acquisition et de churn et se lisent comme des scénarios à comparer, pas comme des prédictions.
Quelle différence entre une prévision de MRR et une prévision de trésorerie ?
Une prévision de MRR projette le revenu récurrent mensuel. Une prévision de trésorerie projette le moment où l'argent arrive : les formules annuelles paient un an d'avance au renouvellement, les frais de paiement et les taxes sont déduits, et les échecs de paiement retardent ou suppriment des encaissements. Deux entreprises aux prévisions de MRR identiques peuvent avoir des courbes de trésorerie très différentes selon leur part de facturation annuelle.
Comment construire un scénario défavorable ?
Faites jouer contre vous, en même temps, les composantes dont vous êtes le moins sûr : churn plus élevé, moins de nouveaux clients, acquisition qui progresse moins vite et expansion plus faible. Vérifiez ensuite que ce scénario tient dans votre autonomie de trésorerie. Un scénario qui ne retire qu'un point de croissance est un test de sensibilité, pas un scénario défavorable.