Viktigst for Software as a Service? Er ikke det regnskapet, EBIT, Gross Profit, FCF? Nei. Regnskapet ditt er selvfølgelig viktig, men det er vanskelig å styre virksomheten hvis du kun kikker i bakspeilet. At du har penger på bok i dag, garanterer ikke at du har det om et år. Her må vi få på plass målinger og indikatorer som hjelper oss med å planlegge for fremtiden.
(PS: Hvis du er ny til B2B SaaS som en forretningsmodell vil det lønne seg å lese denne artikkelen først)
Nøkkeltallene vi skal gå igjennom her er viktig av mange grunner, for eksempel:
Forstå fremtidig kapitalbehov. Er det nok penger i kassen til å komme seg igjennom den neste salgssyklusen?
Justere markeds- og produktstrategier. Hvilke markedssegmenter går best, og hvor skal vi investere videre i utvikling en av produktporteføljen vår?
Vurdere effektiviteten i markedsføringsarbeidet vårt. Får vi verdi for pengene i de aktivitetene vi har i dag, eller må vi endre hvordan vi prioriterer tid og ressurser?
Utarbeide budsjett og skalere opp organisasjon. Hvordan vil inntektene våre se ut de neste 12 månedene, og er det deler av organisasjonen som må skaleres opp for å håndtere det?
Due Dilligence. Du skal ha inn en ny investor, sier du? I så fall vil mange av nøkkeltallene her bli etterspurt i enhver DD-prosess.
Under stiller vi ti spørsmål, og forklarer videre hvordan disse kan besvares med velkjente «SaaS Metrics». Tallene under punkt 1-5 er essensielle. Punkt 6-10 er for litt mer viderekommende selskaper.
Høres noen av dette nesten for enkelt ut? I prinsippet er det lett, problemet er ofte datakvalitet. Gode kundedata og abonnementsdata er ofte vanskelig å få på plass, uten god disiplin rundt datakvalitet i organisasjonen.
1. Hva er verdien av kundebasen din i dag?
ARR | ACV |
ARR (Annual Recurring Revenue) er den (antatte) totale verdien på alle eksisterende kundeavtaler for de kommende 12 måneder, ekskludert engangsinntekter. | ACV (Annual Contract Value) er den årlige (antatte) kontraktsverdi for en enkeltkunde, ekskludert engangsinntekter. ARR er derfor summen av kundebasen sin ACV for neste 12 måneder. |
ARR og ACV er grunnsteiner i enhver SaaS-analyse. ARR gir deg den (antatte) totale verdien av alle kundeavtaler for de neste 12 månedene, mens ACV representerer (antatte) den årlige verdien av en enkelt kundeavtale. Når vi snakker om verdi her, mener vi repeterende (abonnementsinntekter), alle engangsinntekter skal tas bort.
Disse tallene er viktige fordi de gir en tidlig indikasjon på både fremtidige inntekter og selskapets vekst. Regelmessig overvåking av ARR gjennom månedlige rapporter kan avsløre trender og gi grunnlag for viktige strategiske avgjørelser.
I eksempelet under ser du en ti fiktive kunder, ACV og hvordan ARR har blitt regnet ut:
Kunde ID | Selskapsnavn | ACV |
1 | CloudGate Solutions | 250 |
2 | DataNest Analytics | 450 |
3 | EcoStream Tech | 325 |
4 | NeuroLink AI | 500 |
5 | QuantumSafe Security | 750 |
6 | BrightFiber Networks | 600 |
7 | AgriGrowth Labs | 400 |
8 | Urban Mobility Solutions | 200 |
9 | DeepBlue Technologies | 675 |
10 | ConnectHR Systems | 300 |
ARR: |
| 4 450 |
Et tall som forteller oss en del i seg selv. Hvis ingenting endrer seg, så forventer vi 4 450 i inntekter fra disse kundene de neste 12 månedene.
Men for at disse tallene virkelig skal ha verdi, så er det viktig at vi tar regelmessige målinger, for eksempel en gang i måneden:
Mer om det i neste punkt.
2. Hvordan har kundebasen din utviklet seg de siste 12 måneder?
NRR |
NRR (Net Retention Rate) måler utviklingen av kundebasen din over tid, vanligvis over et år. Det gir en indikasjon på hvordan den eksisterende kundebasen din kommer til å utvikle seg basert på historiske verdier. |
NRR forteller deg hvor godt du beholder og utvikler din eksisterende kundebase. Ved å analysere hvordan ARR for en bestemt kundegruppe endrer seg over tid, kan du finne ut om utviklingen går i positiv eller negativ retning.
For å kalkulere NRR, så tar du hva ARR var 12 måneder tilbake, og så sammenligne tallet med ARR for de samme kundene i dag. Hvor mange prosent har det endret seg?
I eksempelet over blir ser vi at vi har en NRR på 122%, det vil si at blant kundemassen som eksisterte for 12 måneder siden, så har vi hatt 22% vekst.
Så da vet vi at vi har en positiv utvikling på kundebasen våre. Men hva var det som bidro til dette? Det finnes en bedre måte å regne ut NRR på, se under.
3. Hvilke faktorer bidro til kundebasens utvikling de siste 12 måneder?
Churn | Upsell | Downsell |
Churn er kunder som har sagt opp kundeavtalen sin. | Upsell er økning i verdi på en eksisterende kundeavtale. | Downsell er verdireduksjon på en eksisterende kundeavtale |
Forståelsen av churn (tapte kunder), upsell (verdiøkning fra eksisterende kunder), og downsell (verdireduksjon fra eksisterende kunder) er viktig for å nyansere innsikten i kundebasen. Dette gjør det mulig for deg å utforme initiativer for å håndtere kundetap og maksimere verdien av de kundene du beholder. Ved å analysere disse faktorene kan du utvikle mer målrettede kundeservice- og markedsføringsaktiviteter.
I eksempelet over kan vi lett kategorisere kundene inn i Churn, Upsell og Downsell. Og ved å legge disse sammen så får vi NRR.
Hvis vi i legger til data om nysalg for de siste 12 måneder, så har vi komplett forklaring (eller bro), mellom gammel og ny ARR.
La oss avslutte det hele med et vannfalldiagram. Dette er ikke bare en pen måte å illustrere ARR utviklingen på i den månedlige ledelsesrapporten, det gjør det også enkelt å identifisere hvilke faktorer som trekker veksten opp, og hvor det er utfordringer.
Dette er et godt utgangspunkt for en diskusjon ledergruppen. Det ser ut som om selskapet er god på verdiøkende salg! Men vi har nesten like høy churn som vi har tilfang av nye kunder. Hva skal vi gjøre med det?
(Figuren tar ikke inn prisjusteringer eller valutaendringer. Det er viktig å justere for slike effekter for å kunne skille operasjonelle og finansielle effekter på kundeutviklingen!)
4. Hvor godt får kundene utnyttet tjenestene våre?
Brukeradopsjon | Funksjonsadopsjon |
Et mål på hvor mange brukere som har benyttet løsningen som en prosent av hva potensialet er. F.eks. en kunde har 50 MAU (Monthly active users) men har kjøpt 100 lisenser. UA er 50%. | Hvor mye en modul eller en funksjon i et produkt blir benyttet av brukerne, eller hvor avansert bruken er hos en kunde. F.eks. av 1000 aktive brukere benytter kun 8% den nye rapportmodulen. |
Nøyaktig hvordan du måler adopsjon må tilpasses dine tjenester og din forretningsmodell. Hvis du (for eksempel) selger månedlige abonnement, vil det se annerledes ut enn om du selger årlige. Og så må vi måle over tid. Når vi får historiske data på plass, så blir det etter hvert lettere å finne sammenhenger.
Varer kundeforholdet lenger ved bedre adopsjon?
Kan vi se tidlige tegn på at en kunde er i risikosonen fra adopsjonsdata?
Er kunden mer fornøyd hvis bruken er mer avansert?
Er det lettere å få til mersalg der adopsjonen er høy?
Under er et enkelt eksempel der vi har sammenstilt ACV og UA på fire av kundene fra eksempelet over.
Hva kan vi se fra tallene her?
Cloudgate har stabilt bra bruk, men ingen vekst. Samtidig betaler de mer for løsningen. Det er lite sannsynlig at denne kunden har behov for flere lisenser i nærmeste fremtid, og hvis prisen fortsetter å vokse så kan det bli en utfordring. Kanskje på tide at kundeansvarlig tar en prat med kunden?
DataNest sin bruk har allerede startet å dale ved årets start. Nedgangen fortsetter, og kunden sier opp i august. Her er det for sent å gjøre noe, men hadde man gått i dialog med kunden i januar kan det tenkes at man hadde klart å beholde kunden ved å reforhandle avtalen.
DeepBlue stanger vedvarende i «taket» på bruken sin. Antall lisenser øker raskt. Denne kunden er inne i en god stim! Er det en god historie her som kunne blitt til en artikkel på hjemmesidene?
Innovatech Solutions er en ny kunde fra juni. Men som vi ser fra adopsjonstallene har de sannsynligvis ikke klart å komme i gang med løsningen slik de planla. Her må «Customer Success» ta kontakt for å se om de kan hjelpe! Kunder som kjøper, men ikke lykkes, forsvinner fort.
GreenOptima er også ny kunde fra juni. Her ser vi at de har fått til implementasjonen av SaaS-løsningen i organisasjonen. Kanskje de er så begeistret for løsningen at en samtale om fremtiden og reforhandling av avtalen til et større volum er på sin plass?
Etter hvert som man forstår sammenhengene så kan det være lurt å lage enkle dashboard som gir organisasjonen rask innsikt i «helsen» til de ulike kunderelasjonene.
(Man behøver verken en dataanalytiker eller AI ekspert for å få dette til, men det hjelper 😊)
Det er viktig å understreke at adopsjonsdata ikke bare handler om å informere den kommersielle delen av organisasjonen din! Dette er også svært viktige data for produktteamet ditt. Kombinert med kvalitative data så kan man også brukeadopsjonsdata til å identifisere områder som kan forbedres i tjenesten og som igjen kan hjelpe med vekst og livsløpet til kundene.
5. Hvor godt fornøyd er kundene våre med oss?
NPS (Net Promoter Score) |
På en skala fra 0 - 10, hvor sannsynlig er det at du anbefaler oss til venner eller kolleger? |
NPS er et mål på kundetilfredshet og lojalitet. Det er veldig viktig for SaaS-selskaper, hvor den største verdien ligger hos dine eksisterende kunder. NPS beregnes ved å spørre kundene hvor sannsynlig det er at de vil anbefale tjenestene dine til andre (også kalt ambassadørspørsmålet).
Svar som rangeres som 9 eller 10 indikerer lojale promotører, mens svar fra 0 til 6 betraktes som kritikere. En høy NPS indikerer at kundene dine er tilfredse og sannsynligvis vil fortsette å bruke og anbefale produktet ditt.
Beregning: NPS beregnes ved å trekke prosentandelen av kritikere (Detractors) fra prosentandelen av promotører (Promoters) blant de som har svart på undersøkelsen.
Eksempel: Hvis du spør 100 kunder om de ville anbefale selskapet ditt, og 43 svarer med 9-10 (Promoters), 30 svarer med 7-8 (Passives) og 12 svarer med 0-6 (Detractors), vil din NPS være (43 - 12) = 31.
Hva er en god score på NPS? Dette er dessverre ikke et magisk tall som gir en objektiv sannhet. Det vil variere fra hvilke type kunder du har, hvilke industri du jobber i og ikke minst hvilket land du er i. I en undersøkelse publisert av PE selskapet Monterro i 2024 blant 298 ledere i B2B SaaS virksomheter var snittet 46. Ikke overraskende var det de minste selskapene som hadde høyest NPS.
Men NPS er ikke bare viktig for å kunne sammenligne seg med andre! Du kan bruke NPS resultatene til å målrettet jobbe med kunder som scorer lavt. Og du kan identifisere gode ambassadører som kan brukes mer målrettet i markedsføringen av tjenestene dine.
Ved å stille det samme spørsmålet år etter år, så har du veldig god innsikt i hvilken retning det tilfredsheten går i, og du får svar på hvorvidt initiativer eller investeringer i organisasjonen din og tjenestene dine har fått effekt blant kundene.
6. Hva er en kunde egentlig verdt?
LTV (Customer Lifetime Value) |
Livsløpsverdien fra en gjennomsnittlig kunde. |
LTV er kanskje for de mer viderekommende SaaS selskapene som har fått etablert en litt større kundebase. Men har du kommet i denne fasen er det blant de aller viktigste nøkkeltallene, og kan benyttes for å identifisere grep som fører til ytterligere vekst.
SaaS handler ikke om å ta høyest pris, men å ha bærekraftige priser som gjør at kunden er fornøyd og gir høyest profitt over hele livsløpet sitt. Og jo lenger du beholder en kunde, jo mer kan du investere i å få kunden (Mer om det senere).
LTV kan beregnes ved å multiplisere gjennomsnittlig inntekt per kunde med gjennomsnittlig kundelevealder (vanligvis antall år en kunde forblir med selskapet) og trekke fra de variable kostnadene forbundet med å betjene kunden. Her kan det være lurt å segmentere kundene i ulike grupper. LTV kan være svært annerledes for store kunder (som ikke skifter så ofte løsning) og mindre kunder.
Et enkelt eksempel på å regne ut LTV: Hvis den gjennomsnittlige månedlige inntekten per kunde er 100, den gjennomsnittlige varigheten av kundeforholdet er 3 år, og de årlige variable kostnadene per kunde er 200, vil LTV være (100 12 3) - 200 = 3600 - 200 = 3400.
Et litt mer komplisert eksempel: I eksempelet over så antar vi at levealderen er 3 år. Men vi kan også ta utgangspunkt i forventet churn (se punkt 3). La oss si at forventet churn er 15% i kundebasen vår. Da blir LTV i eksempelet over ((100 *12 ) – 200)/ 15% = 6700.
Til alle økonomer som rynker på nesen over at det mangler en nåverdiberegning. Det er helt rett! Hvis du forventer at kostnadene dine stiger hurtigere og at prisene vokser saktere enn diskonteringsraten din, så må man justere utregningen. Men da har du et problem med prismodell og kostnadskontroll, og det kan stilles spørsmålstegn ved om forretningsmodellen din har livets rett.
Når man begynner å bli god på å forstå sin LTV og har god innsikt i dataene, så er det mange interessante spørsmål man kan stille seg selv, og kanskje eksperimentere med.
Hvis vi setter ned prisene med 5%, øker eller minsker LTV?
Hvis vi gjør en investering på en million i produktet, vokser LTV tilstrekkelig til å dekke investeringen?
Hvis vi blir mer proaktive med «customer success», får det innvirkning på LTV?
LTV i kombinasjon med andre nøkkeltall kan gi enda mer innsikt. Mer om det under.
7. Hvor mye koster det oss å skaffe en ny kunde?
CAC (Customer Aquisition Cost) | CAC-payback | LTV/CAC Ratio |
Kostnaden du har med å skaffe en ny kunde. | Hvor lang tid CAC er tjent inn på en ny kunde. | Hvor mange % av LTV CAC utgjør. |
CAC er enkelt å forstå, men kan være vanskelig å beregne. CAC beregnes ved å dele alle kostnader knyttet til å skaffe nye kunder (markedsførings- og salgskostnader) med antall nye kunder skaffet i samme periode.
I prinsippet enkelt (hvis du har en god måte å skille ut salgskostnader fra resten av driften), men med lange salgsprosesser eller varierende salgssykluser kan det bli mer unøyaktig. Uansett, det viktigste er å velge en metode og holde seg til den over lengre tid, slik at man ser trender.
I seg selv kan CAC være et tall som skaper mye bevissthet rundt prissetting og profitabilitet, men vi skal ta med to nøkkeltall som illustrerer dette på en bedre måte.
CAC-payback
Hvor lang tid tar det før alle kostnadene knyttet til salget er tilbakebetalt? CAC-payback er med andre ord CAC / (årlig inntekt – årlige variable kostnader knyttet til betjening av kunden). Det gir en bevissthet rundt tiden det tar å tjene inn igjen pengene det kostet å lande en avtale.
LTV/CAC ratio
Men hvor lang CAC-payback er, forteller ikke nødvendigvis hele historien. Man kan fint tåle en lengre tilbakebetalingstid, hvis kundeforholdet er langvarig. Så i kombinasjon med LTV blir det enda mer interessant. Og det regnes naturlig nok ut ved å dele LTV på CAC. Resultatet er enkelt og greit en faktor som sier noe om hvor mange ganger salgskostnaden du får tilbake fra kunden.
Hva er en god LTV/CAC? Alt under 1 er naturligvis en katastrofe. Da koster det mer å få kunden enn det kaster av seg. Så kommer det an på hvor stor organisasjon du behøver for å betjene kunden. Men sannsynligvis må du ligge et sted mellom 4x – 8x for å ha en profitabel vekst.
7. Hvor mye koster det oss å bygge pipeline?
Pipe-to-Spend |
Forholdet mellom kostnader og potensielle inntekter i din salgspipeline. |
Pipe-to-Spend måler forholdet mellom potensiell inntekt i salgspipeline og de faktiske markedsføringskostnadene som er brukt for å generere denne pipelinen. Det beregnes ved å dele total potensiell inntekt i pipelinen med de totale kostnadene for å generere den.
Hvis for eksempel det totale inntektspotensialet i salgspipelinen er 500 000 og kostnadene til markedsføring og salg er 50 000, vil Pipe-to-Spend ratio være 500,000 / 50,000 = 10. Dette indikerer at for hver krone brukt, genereres potensielt 10 kr i inntekter.
Her er det viktig å si potensielt. Det kommer naturligvis an på konverteringsratene i resten av salgssyklusen (se neste punkt).
Det er umulig å gi en generell regel for hva Pipe-to-Spend bør være. Det kommer an på hvilke type salg organisasjonen din driver med, og hva kriteriene er for at et lead blir til pipeline.
Men måler man Pipe-to-Spend over tid, så kan man se om effektiviteten av markedsføringstiltak går opp eller ned, og hvis man også måler det på kampanjenivå (for eksempel en stor industrimesse, eller annonser på Linkedin) så kan man få mye innsikt i hvor godt markedsføringsarbeidet treffer og hva slags type markedsføring man skal satse på.
Pipe to spend er et godt KPI i markedsføringsorganisasjonen. Det er lett å ha et høyt aktivitetsnivå, uten at det skaper resultater. Men når man måler effekten på pipeline, blir man bedre på å fokusere på de aktivitetene som skaper best effekt.
9. Hvor godt konverterer vi leads til salg?
Lead Conversion Rate |
Hvor godt konverteres leads til et salg igjennom ulike stadier i salgsprosessen? |
I sin simpleste form kan man lage en konverteringsrate for leads ved å dele antall vellykkede salg på det totale antall leads (som %). Så hvis et selskap skaper 500 leads og 50 av disse konverteres til kunder, vil konverteringsraten være (50 / 500) * 100 = 10%.
Men driver man med B2B salg, så har man ofte en litt mer komplisert salgsprosess! Under er et tenkt eksempel på hvordan en enkel prosess kan se slik ut for en B2B organisasjon som er fokusert på inbound marketing, og hvordan deres konverteringsrate er:
Steg: | New Lead | Marketing Qualified Lead | Sales Qualified Lead | Pipeline | Won |
Beskrivelse: | Tilfang av nye Leads | Leads som viser interesse for tjenesten | Leads som er i markedet for å kjøpe | Leads som det aktivt jobbes med som potensielle kunder | Ny kunde! |
Fokus: | Skape bevissthet rundt tjenesten | Skape nok interesse for tjenesten | Kvalifikasjon rundt behov, budsjett, mandat og tidshorisont | Aktivt salgsarbeid | Kundepleie. |
Eksempel: | 1000 | 300 | 100 | 50 | 10 |
Konverteringsrate: |
| 30% | 33% | 50% | 20% |
Den totale konverteringsraten blir da 1000 * 30% * 33% * 50% * 20% = 1%
Igjen et tall som er umulig si om er bra eller dårlig – i seg selv. Men det tydeliggjør viktigheten av å arbeide med både tilfang av leads og forbedring av konverteringsrater. Og kombinert med litt innsikt i organisasjonen så ser man kanskje fort hvor i salgsprosessen det er mest å hente på forbedringer eller investeringer.
Er du i et «bunnløst marked» der det er enkelt å få nye leads vil du kanskje satse på å øke tilfanget. I et modent marked der det er begrenset med kunder så vil man heller optimalisere den senere delen av salgsprosessen.
Og ikke minst, gode data på dette (i kombinasjon med neste punkt) gjør det enklere å forutsi fremtidige salgsinntekter.
10. Hvor lang tid tar det å lukke et salg?
Time To Close |
Hvor lang tid det tar i snitt fra et nytt "lead" til å bli kunde. |
Time to Close bringer inn en tidsdimensjon i konverteringsratene fra punkt 9. Vi ser simpelthen på gjennomsnittstid et lead som fører til et salg ligger i de ulike stadiene av salgsprosessen.
Steg: | New Lead | Marketing Qualified Lead | Sales Qualified Lead | Pipeline | Won |
Eksempel: | 1000 | 300 | 100 | 50 | 10 |
Konverterings-rate: |
| 30% | 33% | 50% | 20% |
Tid i steg | 30d | 10d | 15 d | 60 d |
|
Total tid |
|
|
|
| 115 dager. |
I eksempelet over så er tiden det tar fra lead til kunde i gjennomsnitt 4 måneder. Dette kan gi en indikasjon på hva salget kommer til å bli de neste månedene. La oss si at du har en leads-database som ser slik ut i øyeblikket:
New Lead | Marketing Qualified Lead | Sales Qualified Lead | Pipeline |
500 | 150 | 50 | 25 |
Hvor mange og når kommer disse salgene? La oss si at kalenderen sier 1. januar, og at vi i snitt har leads som er midt i tidsløpet i stadiene over.
| Konvertering | Salg | Tid | Salg Jan | Salg Feb | Salg Mar | Salg Apr | Salg Mai |
New Lead | 500 x 1% | 5 | 15+10+15+60= 100 dager | 0 | 0 | 0 | 5 |
|
MQL | 150 x 3% | 4,5 | 5+15+60= 80 dager | 0 | 0 | 4,5 | 0 |
|
SQL | 50 x 10% | 5 | 7 + 60 = 67 dager | 0 | 0 | 5 | 0 |
|
Pipeline | 25 * 20% | 5 | 30 dager | 5 | 0 | 0 | 0 |
|
SUM |
|
|
| 5 | 0 | 9,5 | 5 |
|
Merk at denne fremgangsmåten fungerer dårlig etter de fire første månedene. Siden gjennomsnittstid fra Lead til kunde er 115 dager, så betyr det at det er leads man enda ikke kjenner til som kan bli til kunde i April.
Denne fremgangsmåten erstatter forøvrig IKKE et godt salgsforecast, spesielt når det kommer til den senere delen av salgsprosessen. Her ser vi kun på gjennomsnitt, og variasjonene i kundebasen kan være store. Å få lagt på et lag med innsikt i fra salgsorganisasjonen vil øke nøyaktigheten – hvis gjort riktig.
Typiske snubletråder for B2B Software as a Service
Jeg har selv arbeidet med mange typer SaaS-nøkkeltall i et internasjonalt SaaS selskap i et par tiår, og har sett det meste av fallgruver man kan gå i når man analyserer slike nøkkeltall (og flere!). Eksemplene over er enkle, men verden er mer kompleks. Husk derfor følgende:
1. Datakvalitet kommer ikke av seg selv. Det må insentivers og legges til rette for. Det det viktigste er at ledere er gode forbilder i prosessen og at de viser vei ved å benytte data som underlag til diskusjon og beslutninger, og er fanebærere for disiplin i datakvaliteten.
2. Det er alltid et unntak. Det er ofte en ny salgsleder eller kundeansvarlig som vil gjøre endringer i prosessen eller datamodellen for sitt marked og sine kunder. Endringer som i seg selv er fornuftige nok. Men husk at dette ofte skaper mer kompleksitet, og gjør det vanskeligere å sammenligne med historiske data. Vær en god portvokter for endringer som kan skape utilsiktede konsekvenser.
3. Kunder og produkter er ikke nødvendigvis sammenlignbare. De kommer i ulike størrelser, industrier, størrelser og kanskje nasjonaliteter. Pass på at kundedataene dine inneholder en god modell for segmentering, slik at du kan analysere data på segmentnivå. Selger du ulike abonnementsprodukter må du naturligvis også ha segmentering på dette.
4. Tenk nøye igjennom mulige utfordringer når du setter KPI på nøkkeldata. Selvfølgelig skal mange av disse nøkkeldataene være KPIer for lederer, selgere og markedsførere. Men vær klar over at flere av disse nøkkeltallene kan påvirkes uten å skape reelle verdier. Hvis for eksempel insentiver til økt tilfang av leads, får du helt sikkert det. Men da kan også kvaliteten på disse synke, og antall salg vil være det samme som før.
Lykke til!