Modelo de previsión SaaS: Pronosticar MRR fácil

La mayoría de modelos de previsión SaaS fallan porque intentan resolver demasiado. Los fundadores abren una hoja de cálculo y empiezan a añadir suposiciones de adquisición, tasas de conversión, splits por canal, churn por cohorte, expansión por nivel de plan, impacto de contratación en capacidad y sensibilidad de precios. Cada input parece útil. Juntos producen un modelo que es técnicamente exhaustivo y prácticamente inútil — demasiadas variables para confiar, demasiado complejo para actualizar y demasiado optimista porque cada suposición individual fue ligeramente demasiado generosa.

El modelo de previsión de 3 inputs parte de una premisa diferente: un fundador que quiere saber cómo será el MRR del mes que viene no necesita un modelo que lo prediga todo. Necesita un modelo que capture los tres movimientos que realmente impulsan el cambio en los ingresos recurrentes.

¿Qué es un modelo de previsión SaaS?

Un modelo de previsión SaaS es una forma repetible de estimar cómo cambiarán los ingresos recurrentes en el próximo periodo basándose en un número pequeño de suposiciones honestas. No es una predicción — ningún forecast lo es. Es una estimación estructurada que le da al fundador un número concreto contra el cual medir el negocio, más un rango de escenarios que muestra cuán sensible es ese número a las suposiciones más propensas a equivocarse.

La definición más estrecha lo distingue de un modelo financiero SaaS completo: un modelo de previsión se centra en el movimiento de MRR, mientras que un modelo financiero también cubre costes, caja y runway. Para la mayoría de fundadores, el modelo de previsión es la primera capa y la más frecuentemente usada — se actualiza mensualmente para producir el MRR final esperado y luego se compara con los reales para calibrar las suposiciones. La guía financiera para startups de Y Combinator hace un punto similar: empieza con el modelo más simple que responda la pregunta operativa, y gana complejidad solo cuando el negocio lo exige.

Para el modelo más amplio que incluye costes y runway, consulta Modelo financiero SaaS: La hoja mínima que predice el runway.

Cada forecast necesita un MRR baseline limpio. Obtén el tuyo desde Stripe en 90 segundos →

Los 3 inputs que son suficientes

Los tres movimientos que explican casi todo el cambio de MRR en un producto SaaS en fase temprana:

Input 1: Nuevo MRR. Los ingresos recurrentes esperados de clientes que actualmente no pagan. Es la contribución de adquisición — cuánto ingreso recurrente nuevo es probable que llegue de nuevos clientes de pago este periodo. Usa promedios mensuales recientes como punto de partida; no modeles tasas de conversión heroicas.

Input 2: MRR de expansión. Los ingresos recurrentes adicionales esperados de clientes existentes que hacen upgrade o aumentan su uso. Puede ser cero si aún no hay ruta de upgrade — pero no debería omitirse del modelo, porque asumir que no existe hace el forecast menos preciso en cuanto aparece comportamiento de upgrade.

Input 3: MRR cancelado. Los ingresos recurrentes que se espera perder. Este es el input más comúnmente subestimado — los fundadores tienden a aplicar el churn del mes pasado de forma optimista o a asumir “este mes será mejor.” Usa promedios recientes; en el escenario pesimista, usa promedios recientes multiplicados por 1,2–1,3 para testear la sensibilidad.

La fórmula central

MRR del mes siguiente = MRR actual + Nuevo MRR + MRR de expansión − MRR cancelado

Ese es el modelo completo. Añadir MRR de contracción como cuarto input vale la pena una vez que el negocio tiene actividad medible de downgrade — pero para la mayoría de SaaS en fase temprana, el churn abarca la mayor parte de la fuga y la versión de tres inputs es lo bastante precisa.

Para las definiciones limpias de lo que pertenece al MRR, consulta ¿Qué es el MRR? La versión limpia.

Por qué funciona el modelo de 3 inputs

Más detalle en un modelo de previsión no produce más precisión — produce más lugares para que el optimismo se esconda. Un modelo de 30 inputs donde cada uno es un 5% demasiado optimista produce un forecast que está sistemáticamente equivocado en la misma dirección cada vez, sin forma obvia de identificar dónde entró el error.

El modelo de 3 inputs tiene tres lugares donde las suposiciones se pueden verificar y calibrar contra los reales. Cuando el forecast falla, es inmediatamente claro si el nuevo MRR fue sobreestimado, el MRR cancelado fue subestimado o la expansión estuvo ausente. Ese diagnóstico es lo que hace que el modelo mejore con el tiempo.

Este modelo también captura correctamente la estructura del problema: la capacidad del fundador de influir en el MRR está concentrada exactamente en estos tres movimientos — encontrar nuevos clientes, crear rutas de upgrade y retener los existentes. Un modelo con 30 inputs dispersa la atención del fundador a través de dimensiones que tiene capacidad limitada de cambiar a corto plazo. El modelo de 3 inputs la enfoca. El informe State of the Cloud de Bessemer muestra consistentemente que las empresas SaaS de mejor rendimiento optimizan alrededor de un número pequeño de palancas operativas — tasa de adquisición, expansión y churn — en vez de intentar gestionar docenas de variables simultáneamente.

Un ejemplo trabajado: pronosticando MRR con 3 inputs

Un producto SaaS de analytics en el mes cuatro. Estado actual:

MRR actual: €10.000

Inputs del forecast para el mes siguiente:

Nuevo MRR: €1.500
MRR de expansión: €600
MRR cancelado: €500

Forecast caso base:

MRR del mes siguiente = 10.000 + 1.500 + 600 − 500 = 11.600

MRR final pronosticado: €11.600

El forecast está completo. Ahora empieza el trabajo útil: verificar las suposiciones.

¿Son honestos estos inputs?

Nuevo MRR de €1.500 — ¿está basado en tasas de conversión recientes aplicadas al pipeline actual? ¿O es un número redondo que “sonaba bien”? Si los últimos tres meses de nuevo MRR fueron €1.200, €1.100 y €1.300, entonces €1.500 es optimista. Una estimación más conservadora usa el promedio reciente: €1.200.

MRR de expansión de €600 — ¿la expansión ha sido consistente a este nivel, o es variable? Si la expansión fue €800 el mes pasado y €200 el anterior, usar €600 como estimación puede ser razonable pero merece escrutinio.

MRR cancelado de €500 — ¿está separado entre voluntario y pago fallido? El churn por pago fallido es parcialmente recuperable con una secuencia de dunning; el churn voluntario requiere trabajo de producto. Si los meses recientes muestran €200–250 de churn por pago fallido, una secuencia de dunning bien implementada podría reducir el MRR cancelado realizado. El forecast debería reflejar un churn alcanzable, no aspiracional.

Tres escenarios con la misma fórmula

El valor del modelo de 3 inputs se multiplica cuando se ejecuta en tres escenarios en vez de uno. La estructura de escenarios es simple: cambia los tres inputs para reflejar diferentes realidades operativas, calcula el MRR final para cada uno y compara la brecha.

Caso base — suposiciones operativas actuales:

Nuevo MRR: €1.500 · Expansión: €600 · Cancelado: €500
Forecast: €10.000 + 1.500 + 600 − 500 = €11.600

Caso optimista — ligeramente mejor adquisición, mejor retención:

Nuevo MRR: €1.800 · Expansión: €700 · Cancelado: €450
Forecast: €10.000 + 1.800 + 700 − 450 = €12.050

Caso pesimista — crecimiento más lento, mayor churn:

Nuevo MRR: €1.200 · Expansión: €500 · Cancelado: €700
Forecast: €10.000 + 1.200 + 500 − 700 = €11.000

Tabla comparativa:

Escenario	Nuevo MRR	Expansión	Cancelado	MRR final	Brecha vs Base
Base	1.500	600	500	11.600	—
Optimista	1.800	700	450	12.050	+450
Pesimista	1.200	500	700	11.000	−600

La brecha entre base y pesimista es de €600 en MRR final — que son €7.200 anualizados. Ese es el riesgo operativo sobre el que el fundador debería pensar, no el número central pulido.

Para la metodología completa de prueba de estrés con escenarios, consulta Modelado de escenarios para bootstrappers: Prueba de estrés en 15 minutos.

El hábito de forecast que hace útil el modelo

Un modelo de previsión que se crea una vez y nunca se compara con los reales es solo una opinión formateada. El modelo se vuelve útil a través de la repetición:

Antes del mes: establece los tres inputs para el periodo basándote en tendencias recientes y expectativas actuales. Produce un forecast base, optimista y pesimista.

Durante el mes: rastrea nuevo MRR, expansión y churn conforme se materializan. NoNoiseMetrics muestra esto en tiempo real desde Stripe — sin tracking manual necesario.

Después del mes: compara forecast con reales. Si el forecast falló, identifica qué input fue incorrecto y por cuánto. Ajusta la metodología de suposición (no solo el número) para el mes siguiente.

Este ciclo — pronosticar, rastrear, comparar, calibrar — es lo que hace que un modelo de 3 inputs produzca estimaciones progresivamente mejores. El primer forecast será impreciso. El sexto o séptimo estará calibrado a cómo se comporta realmente este negocio específico.

Para la capa de comparación, consulta Presupuesto vs Real: El ciclo semanal que te mantiene vivo. Los datos del KeyBanc Capital Markets SaaS Survey muestran que los fundadores que comparan forecast vs reales mensualmente toman decisiones de asignación de capital materialmente mejores que los que revisan anualmente.

Errores comunes del modelo de previsión SaaS

Demasiados inputs. Cada input adicional es otro lugar para que el optimismo se esconda. Los fundadores que construyen modelos de previsión de 15 inputs rara vez tienen los datos para alimentar 15 inputs honestamente — la mayoría de inputs son estimaciones que se acumulan en un output estructuralmente optimista. Tres inputs honestos superan a quince estimaciones.

Anclar el nuevo MRR en aspiraciones en vez de reales. La estimación más fiable del nuevo MRR del mes que viene es un promedio ligeramente ajustado de los meses recientes. Los fundadores que pronostican nuevo MRR basándose en potencial — “tenemos cinco buenos leads” — sobreestiman sistemáticamente este input. Usa los reales como ancla; ajusta al alza solo cuando un cambio específico y concreto en la actividad de adquisición lo justifique.

Ignorar el MRR de expansión. Una simplificación común que reduce la precisión del modelo conforme el negocio madura. Si el producto tiene ruta de upgrade y los clientes la están usando, el MRR de expansión contribuye materialmente al crecimiento de MRR mes a mes. Omitirlo hace que el modelo subestime el MRR en los meses buenos y hace que el nuevo MRR parezca más importante de lo que es.

Subestimar el MRR cancelado. El error más extendido. Los fundadores aplican el churn real del mes pasado — que a menudo fue un buen mes — en vez de un promedio considerado. El escenario pesimista existe específicamente para presionar esta suposición. ¿Qué pasa si el churn es un 40% mayor de lo esperado? Esa respuesta debería informar cuánto runway es genuinamente cómodo, no el caso base pulido.

Sin comparación con los reales. Un forecast que nunca se contrasta con lo que realmente pasó no puede mejorar. Este es el paso crítico que la mayoría de fundadores omiten, a menudo porque la comparación revela que las suposiciones estaban equivocadas — lo cual es incómodo pero necesario.

Cuándo añadir un 4.º input: MRR de contracción

El MRR de contracción (ingresos recurrentes perdidos por downgrades, sin cancelación completa) vale la pena añadirlo como cuarto input una vez que se convierte en una parte medible y material del negocio. En SaaS de fase temprana donde la mayoría de clientes están en niveles fijos, la contracción suele estar cerca de cero y puede incluirse conceptualmente dentro del MRR cancelado.

La señal de que la contracción merece su propia línea: si los eventos de downgrade aparecen consistentemente en los datos de Stripe — clientes pasando de Growth a Starter, o reduciendo asientos — y el impacto agregado es más del 5–10% del MRR cancelado, rastréalo por separado. La intervención para la contracción (estructura de precios, claridad del packaging, fricción de downgrade) es diferente de la intervención para la cancelación completa, y el modelo debería reflejar esa diferencia.

Modelo de previsión de ingresos SaaS: la versión automatizada

Una herramienta útil de previsión de ingresos no requiere trabajo manual en hojas de cálculo. La versión mínima automatizada:

Extraer el MRR actual de una fuente de facturación de confianza (eventos de suscripción de Stripe)
Mostrar los tres inputs históricos — promedio reciente de nuevo MRR, promedio reciente de expansión, promedio reciente de MRR cancelado — como valores por defecto
Dejar que el fundador ajuste cada input y alterne entre escenarios
Mostrar el forecast de MRR final para cada escenario lado a lado
Tras cerrar el mes, comparar forecast con reales y mostrar el delta por input

NoNoiseMetrics está construyendo esto como parte del forecaster de runway — una herramienta ligera que produce un forecast de 3 inputs desde datos en vivo de Stripe, sin trabajo en hojas de cálculo ni alimentación manual de inputs.

Modelo JSON para un forecast SaaS de 3 inputs

{
  "saas_forecast_model": {
    "period": "2026-05",
    "currency": "EUR",
    "current_mrr": 10000,
    "inputs": {
      "new_mrr": 1500,
      "expansion_mrr": 600,
      "churned_mrr": 500
    },
    "formula": "current_mrr + new_mrr + expansion_mrr - churned_mrr",
    "forecast_ending_mrr": 11600
  },
  "scenarios": {
    "base": {
      "new_mrr": 1500,
      "expansion_mrr": 600,
      "churned_mrr": 500,
      "ending_mrr": 11600
    },
    "upside": {
      "new_mrr": 1800,
      "expansion_mrr": 700,
      "churned_mrr": 450,
      "ending_mrr": 12050
    },
    "downside": {
      "new_mrr": 1200,
      "expansion_mrr": 500,
      "churned_mrr": 700,
      "ending_mrr": 11000
    }
  },
  "forecast_habit": {
    "before_month": "Establecer 3 inputs desde promedios recientes",
    "during_month": "Rastrear reales desde facturación",
    "after_month": "Comparar forecast vs reales; calibrar suposiciones"
  }
}

FAQ

¿Qué es un modelo de previsión SaaS?

Un modelo de previsión SaaS es una forma repetible de estimar cómo cambiarán los ingresos recurrentes en el próximo periodo basándose en un número pequeño de suposiciones explícitas. La versión mínima usa tres inputs — nuevo MRR, MRR de expansión y MRR cancelado — para pronosticar el MRR final del mes siguiente desde la base actual.

¿Cómo se pronostica el MRR en SaaS?

La fórmula es: MRR del mes siguiente = MRR actual + Nuevo MRR + MRR de expansión − MRR cancelado. Usa promedios mensuales recientes como base para cada input en vez de objetivos aspiracionales. Ejecuta el forecast en tres escenarios (base, optimista, pesimista) para entender el rango de resultados realistas.

¿Qué inputs importan más en un modelo de previsión SaaS?

Nuevo MRR (contribución de adquisición), MRR de expansión (contribución de upgrades) y MRR cancelado (fuga). El MRR cancelado es típicamente el input más consecuente porque es el más comúnmente subestimado. Para la mayoría de productos SaaS en fase temprana, estos tres inputs explican la gran mayoría del cambio de MRR mes a mes.

¿Cuánto detalle debería tener un modelo de previsión SaaS?

Solo tanto como la calidad de los datos disponibles pueda soportar. Tres inputs, alimentados honestamente desde reales recientes, producen forecasts más fiables que quince inputs alimentados con estimaciones. La complejidad debería ganarse por necesidades específicas del negocio, no aplicarse para crear una impresión de sofisticación.

¿Cuál es la diferencia entre un modelo de previsión SaaS y un modelo financiero SaaS?

Un modelo de previsión SaaS se centra en proyectar el movimiento de ingresos recurrentes — nuevo MRR, expansión, churn y MRR final. Un modelo financiero SaaS es más amplio e incluye costes, burn, caja y runway. La mayoría de fundadores deberían empezar con el modelo de previsión (ligero, actualizado mensualmente) e incorporarlo a un modelo financiero cuando el seguimiento de costes y runway se vuelva material para las decisiones.

¿Cuán preciso es un modelo de previsión SaaS de 3 inputs?

La precisión depende de la calidad y honestidad de los tres inputs, no del número de inputs. Un modelo de 3 inputs calibrado contra seis meses de reales típicamente supera a un modelo de 30 inputs alimentado con estimaciones de primera vez. El modelo se vuelve más preciso a través del ciclo mensual de comparación forecast-vs-reales, no añadiendo más inputs.

¿Cuál es la diferencia entre un modelo de previsión de ingresos SaaS y un modelo de ingresos SaaS?

Un modelo de previsión de ingresos SaaS proyecta el movimiento futuro de MRR basándose en suposiciones explícitas. Un modelo de ingresos SaaS puede referirse a la estructura más amplia de precios y monetización — el modelo que determina cómo el producto cobra a los clientes. Ambos son útiles; responden preguntas diferentes.

Hacer forecast desde un MRR sucio es hacer forecast mal. Empieza con números en los que puedas confiar →