Ltv статистика примеры данные купить. Показатель LTV: понятие, важность, способы вычисления

⁰

Вопрос расчёта lifetime value (он же LTV, customer lifetime value, CLV) рано или поздно встаёт перед разработчиками мобильных (впрочем, и не только) приложений. Методов расчёта придумано множество, и по поводу того, как считать LTV, существует сколько людей, столько же и мнений. В данном материале я решил описать наиболее распространённые методы, обозначить их плюсы и минусы. Данные методы подходят прежде всего для описания f2p-модели.

1. Постфактум
Этот метод выделяется на фоне всех последующих, так как он не моделирует LTV и не прогнозирует его, а считает фактический LTV.
Для этого метода надо взять когорту пользователей, которые уже точно покинули проект, посмотреть, сколько денег принесла вся эта когорта, затем поделить эту сумму на размер когорты. Желательно, чтобы пользователи были зарегистрированы примерно в одно время (в один месяц, а лучше - в один день).
На практике же этот метод слабо применим, так как обязательно найдётся хотя бы один человек из когорты, который до сих пор активен, как бы давно не регистрировалась когорта. А потому на практике LTV именно моделируют, а не рассчитывают по факту. И все последующие методы будут именно моделировать будущий LTV, а не оценивать прошлый.

2. Взять всё и поделить, или метод Шарикова

Наиболее быстрый, но грубый метод. Берём весь доход приложения за период и делим на общее количество пользователей за тот же период.

Плюс у этого метода только один: считается довольно быстро, буквально в одно действие.

Минус заключается в очевидной неточности метода, которая может быть обусловлена, например, следующими причинами:

не учитывается доход от тех пользователей, которые уже успели стать активными (попали в знаменатель), но еще не успели принести доход (который попал бы в числитель);
в расчёт попадают значения метрик приложения с самого начала его жизни; не стоит забывать, что приложения имеют свой жизненный цикл, и как правило, в начале своего жизненного цикла показатели лучше, чем спустя некоторое время после (читайте об этом отличное исследование от GameAnalytics). В этом же методе все этапы жизни приложения объединены.
также в этом методе трудно посчитать LTV отдельно для каждого пользовательского сегмента, для этого нужно заранее знать размер сегмента и количество денег, принесенных пользователями этого сегмента.

3. Lifetime по-простому
Если мы знаем, сколько дней пользователь в среднем живёт в приложении, и сколько денег он в среднем приносит за день жизни, то мы можем и оценить, сколько денег он принесёт за всю свою жизнь в приложении. А это и есть наш LTV. Формула этого метода такова:

Дальше возникает вопрос, как считать lifetime. Существует два метода, и первый - это расчёт по-простому (как вы могли уже заметить из заголовка):
1) Мы определяем некоторый период неактивности, то есть время, после которого пользователь скорее всего уже не вернётся в приложение. Определяют это либо на основании значений retention, либо, что чаще, экспертно. Обычно экспертно это значение задают равным одной или двум неделям.
2) Каждый день мы смотрим на пользователей, у которых в этот конкретный день истек период неактивности.
3) Для каждого пользователя вычисляем количество дней от его первого визита до текущего дня.
4) Рассчитываем среднее значение по всем пользователям. Это и есть lifetime.

Ну а ARPU (в данном случае ARPU = ARPDAU) рассчитывается как дневной Revenue, делённый на DAU. Перемножаем lifetime на ARPU и получаем LTV.

Плюсы метода:

Простота расчётов. Рассчитать lifetime таким образом нетрудно, ещё легче рассчитать ARPU. А перемножить одно на другое сможет любой школьник.
Можно рассчитывать LTV хоть каждый день.
LTV можно рассчитать по каждому пользовательскому сегменту в отдельности.

Минусы вновь заключаются в неточности, которая в этом случае обусловлена следующими причинами:

Значение сильно зависит от периода неактивности, задаваемого, как правило, экспертно.
Мы умножаем среднее значение lifetime на среднее значение ARPU, получаем накопленную ошибку.
При расчёте lifetime мы смотрим на тех пользователей, которые уже покинули приложение. При расчёте же ARPU мы смотрим на пользователей текущего дня. Получается, что множества пользователей, формирующих lifetime и ARPU, не пересекаются: lifetime считается по данным прошлых дней, ARPU - по текущему дню.
Сильное предположение о неизменности ARPU. Мы берём ARPU лишь за один день и на его основании прогнозируем LTV на множество дней вперёд.

4. Lifetime по-сложному, или Bottoms Up
Второе название этого метода взято из материала Wooga , а это, согласитесь, источник, к которому стоит прислушаться. Формула метода точно такая же:

Но lifetime тут считается немного сложнее и получается намного точнее. Вспомним, как выглядит график retention :

Дело в том, что lifetime - это площадь фигуры под графиком retention, иначе говоря - интеграл от retention по времени.
Но прежде чем считать интеграл, надо построить саму функцию. Как это делается:
1) Как правило, у вас есть значения показателей retention за несколько дней (например, за 1 день, 7 дней, 28 дней). Если есть за другие дни, а ещё лучше - за бОльшие промежутки времени - это прекрасно, это сделает расчёты лишь точнее.
2) На основании известных значений (допустим, за 1, 7 и 28 дней) нам нужно построить кривую retention. Будем искать уравнение кривой вида:

где t - количество дней от первого визита, F(t) - будущее уравнение retention, а A, B и C - коэффициенты модели.
3) Подставляем известные значения retention, сколько бы их ни было, в уравнение, и получаем систему уравнений относительно коэффициентов A, B и C.
4) Рассчитываем сумму квадратов разностей отклонений между фактическими и моделируемыми значениями F(t).
5) Находим такие значения A, B и C, которые минимизируют суммарное отклонение. Это можно прекрасно выполнить, например, с помощью инструмента Solver (Поиск решения) в MS Excel.
6) Подставляем найденные значения A, B, C в уравнение и получаем функцию, с помощью которой можно оценить retention за сколько угодно дней.
Это ещё не всё, но мы уже близко. Дальше по-прежнему можно выбрать сложный или простой метод.
Сложный метод заключается в нахождении интеграла от функции retention.
Напомним, что

Простой же метод заключается в том, чтобы, пусть и примерно, поделить кривую retention на сегменты в зависимости от значения lifetime. Например, на пользователей, ушедших через день, проживших в приложении от 2 до 7 дней, от 8 до 30 дней, от 1 до 3 месяцев, свыше 3 месяцев. Чем больше сегментов, тем лучше. Для каждого сегмента посчитать по таблице retention процент пользователей (вес сегмента), относящихся к нему, а затем посчитать средневзвешенный lifetime по всем сегментам.

Но какой бы метод вы ни выбрали, вы столкнётесь с вопросом, до какого момента считать LTV (в случае с интегралом это будет правый край области интегрирования, в случае с суммой - количество дней в самом последнем сегменте). И здесь вновь существует два метода решения: простой и сложный.
Простой метод заключается в том, что правый край задаётся экспертно. Обычно это происходит так:
- а давайте возьмём полгода!
- почему?
- а почему бы и нет?
- хорошо, давайте полгода.

Сложный метод заключается в использовании дисконтирования и нахождении ставки дисконтирования WACC (признайтесь, вы не ожидали увидеть финансовую математику в этом материале?). Дело в том, что тысяча долларов сейчас и тысяча долларов завтра - это разные суммы денег. Завтрашняя тысяча долларов сегодня будет равна девятистам долларам или около того, в зависимости от выбора ставки дисконтирования.
Формула такова:

Здесь PV (present value) - текущая стоимость будущих денег,
CFi - деньги, которые вы получите через i временных периодов,
WACC (weighted average cost of capital) - та самая ставка дисконтирования.
Как её найти? Обычно WACC делают равным фактической рентабельности капитала в среднем по фирме. Также можно приравнять его к желаемой рентабельности капитала, либо к рентабельности капитала альтернативных проектов. Если вы не поняли этот абзац, спросите у своих финансистов, они наверняка знают WACC вашей компании.
Итак, зная WACC, вы сможете дисконтировать будущие временные потоки, а следовательно, в качестве правого края интегрирования выбрать хоть бесконечность. Дело в том, что добавление WACC делает из вашей суммы (или из вашего интеграла) бесконечно убывающую последовательность, у которой можно найти сумму.
Будем считать, что lifetime мы посчитали. Теперь же считаем ARPU (Revenue/DAU), умножаем ARPU на lifetime и получаем LTV.

Плюсы метода:

Точность. Lifetime рассчитан очень точно, погрешность в нём минимальна.
Побочным эффектом от расчёта такого метода является то, что вы бонусом получаете ещё и прогноз retention на сколько угодно дней.
Возможность посчитать LTV для каждого сегмента в отдельности.

Минусы метода:

Сложно считать (хотя опытный аналитик при наличии всех данных посчитает вам LTV за пять минут).
Вновь предположение о неизменности ARPU во времени. Можно немного перестраховаться и взять в расчёт не ARPU за один день, а среднедневной ARPU за lifetime, это увеличит точность.

5. Накопительный ARPU, или Top Down
Второе название метода вновь взято из материала Wooga , что даёт +10 к доверию к данному методу. Из этого же материала взята и картинка:

Поясним. Допустим, к вам в проект пришла группа новых игроков, и вы стали за ней следить. Вы замеряете, сколько денег принёс вам в среднем один игрок из этой группы за 7 дней, за 14, за 28, и так далее. То есть, по сути, вы переходите от обычного ARPU к накопительному за N дней.
Ну а зная Cumulative ARPU за 7, 14, 28 и т.д. дней, мы вновь сможем построить математическую модель кривой, которая будет прогнозировать значения Cumulative ARPU за сколько угодно дней. Будем искать уравнение кривой вида:

где t - количество дней от первого визита пользователя, F(t) - будущее уравнение, A и B - коэффициенты модели.
Вновь рассчитываем сумму квадратов отклонений и минимизируем её за счёт подбора оптимальных значений коэффициентов A и B.
Если же у вас есть больше значений Cumulative ARPU (скажем, за 60 и 90 дней), то можно добавить в уравнение дополнительные слагаемые вида C*t или D/t, это может повысить точность. Ну и в целом - здесь нет одного уравнения, гарантированно дающего минимальное отклонение. Экспериментируйте с видом уравнения!
Путём нескольких итераций вы таки получите уравнение, которое вас устроит. Теперь, подставив в это уравнение нужное вам значение t, вы получите Cumulative ARPU(t), что по сути и будет равняться LTV.
Как выбрать значение t для расчёта LTV?

Итак, мы рассмотрели пять методов расчёта LTV, которые, как вы могли заметить, упорядочены от наименее точного к наиболее точному. Выбирайте тот метод, который вам по душе, рассчитывайте свой LTV и принимайте правильные решения. А теперь главное правило LTV: делите пользователей на сегменты, и считайте LTV каждого сегмента в отдельности. Это даст вам и более высокую точность, и больше поводов для принятия правильных решений по вашему продукту.

Итак:

С ustomer lifetime value, сокр. LTV ,LCV или CLV -вы можете встретить различные сокращения, но все они обозначают одно и то же - размер чистой прибыли, которую компания получает от своего клиента, за все то время, которое клиент сотрудничает с ней (за свою «жизнь»).

Данные расчета LTV используются для расчета эффективности затрат в маркетинг, (). Базовая формула для расчета ROMI будет выглядеть примерно так:

(of activity ) - прибыль, которая возникла, благодаря маркетинговой активности
Cost (of activity ) - стоимость самой этой активности

Как видно уже из определений эти понятия очень связанны. Собственно, если мы рассматриваем одного конкретного клиента на протяжении всей его жизни, то Profit и будет как раз равен LTV, а вот затраты (Cost) будут складываться из затрат на привлечение и затрат на удержание данного клиента.

Если же мы еще сузим анализ, уже до каждой конкретной покупки, то можно сказать, что затраты на деятельность, стимулирующую клиента совершать покупки, должны сравниваться с чистой прибылью полученной от каждой покупки клиента. На основе этих расчетов и сравнений, можно оценить эффективность каждой маркетинговой коммуникации по разным каналам (в случае электронной коммерции как вы понимаете - это все . В дальнейшем мы это продемонстрируем расчетами).

Итак, на примере попробуем разобрать, что такое LTV. В данном примере мы берем медианные значения для всего пула клиентской базы. В идеале, нужно сегментировать клиентскую базу, по какому либо параметру или набору параметров, в зависимости от задач вашего бизнеса и построить для каждого сегмента отдельные графики, но эту более сложную задачу мы рассмотрим позже.

Основная цель расчета LTV - это оптимизация затрат на маркетинг, т.е. управление расходами, на основе знаний о том, из каких каналов приходят клиенты, сколько стоят маркетинговые коммуникации через эти каналы и значение ROMI для каждого канала.

Вначале необходимо выбрать шаг сегментации - временной период, в течение которого большинство ваших клиентов совершает «следующую» покупку. Подробнее об этой методике уже писалось
Взять «заведомо давние» периоды и проанализировать поведение клиентов, которые стали новичками (были зарекрутированы в этих «давних» периодах).

Получится какой-то такой график:

В данном случае 5% означает, что через 10 месяцев после рекрутинга клиента, вероятность того, что клиент сделает заказ, равна 5%.

Далее необходимо рассчитать прибыль от каждого совершенного заказа. Проще всего, конечно использовать приближенное значение «среднего чека», однако, если считать «по-честному», то лучше проанализировать как минимум средний чек между первой и «2+» покупками. Для каких-то бизнесов средний чек повторных покупок будет больше (человек привык покупать), где то меньше (человек купил ноутбук, а потом покупает к нему аксессуары и софт).

Пример расчета:

Номер покупки12Сумма по всем заказам10000050000

Количество клиентов = 100

Стоимость привлечения 1 клиента = 200 руб.

Стоимость удержания (для 2ой и последующих покупок) 1 клиента = 100 руб.

Размер среднего чека по медиане, например, возьмем = 1000 руб.

Средняя себестоимость продукции = 500 руб.

LTV = Contribution profit = Sales -All variable costs

В нашем случае:

Считаем общее LTV для первой покупки для всех клиентов =1000*100-500*100-200*100= 30000 руб.

Для 1 клиента LTV = 30000/100= 300 руб.

Для второй покупки, с учетом процента удержания общее LTV= 1000*50-500*50-100*50=20000 руб.

Для 1 клиента = 20000/50= 400 руб.

И так для всего цикла покупок.

Считаем ROMI:

ROMI (1покупки) =(50 000-20 000)/20 000 = 1.5

ROMI (2 покупки) =(25 000 — 5000)/5000=4

Здесь стоит пояснить, что в примере выше мы считали LTV и ROMI по среднему (медианному) клиенту, с учетом 1 канала привлечения. В более общем случае, необходимо как минимум сегментировать клиентов по «каналу рекрутинга», так как в сегментированном расчете, ваши клиенты будут приходить через разные каналы привлечения, разной стоимости, и, соответственно, вы будете их удерживать через разные каналы, опять же разной стоимости. Клиенты будут переходить из канала в канал и, если вы потом построите график миграции по каналам привлечения из покупки в покупку, то можете получить следующую картину.

В приведенном примере — видно, что при повторных продажах возрастает доля, например e-mail маркетинга и органического трафика (при повторных покупках люди забивают название магазина прямо в строку браузера).

Т.о., рассчитав LTV и ROMI по каждому каналу привлечения клиентов, вы сможете наиболее эффективно расходовать деньги на привлечение клиентов и выстроить стратегию привлечения по всем каналам.

В идеале, рассчитывая эволюцию клиентов по каналам привлечения, вы увидите, что клиент дешевеет, т.е. акцент смещается к более дешевым каналам привлечения\удержания. Это и будет сигналом того, что вы правильно работаете.

Резюмирую: создав первоначальную метрику поведения медианного (среднестатистического) клиента, вы сможете, построить оптимальную программу лояльности, оптимизировать свои затраты на маркетинг, в отношении различных сегментов клиентов (т.е. понять на кого больше тратить, а на кого меньше и вообще можете ли позволить эти траты).

В расчетах использовано понятие медианы, по той причине, что она более правдиво отражает порядок вещей, в отличие от среднего арифметического. Например, у вас есть 3 клиента, 2 сделали заказы на сумму 1000 руб. каждый, и 1 сделал заказ на сумму 100000 рублей, это не говорит о том, что адекватный средний чек будет 34000 рублей. Поэтому кроме усредненного расчета LTV — следует сегментировать клиентов, на основе их трат, продуктовых предпочтений, соц. дем. характеристик, и т.п. Таким образом, у вас в конце получаться несколько групп с абсолютно разными LTV. Это даст вам понимание — куда двигаться дальше.

Еще до начала расчетов, необходимо усвоить несколько важных моментов:

Все модели прогноза слишком зависимы от предположений. Модели часто предполагают, насколько долго клиент сохранит отношения с компанией, и сколько он денег он принесет компании. Однако некоторые из предположений могут быть неверны. «То, что я потратил в прошлом году, например 10000 руб. на товары или услуги компании, не означает, что и в этом году я потрачу также 10000 руб. в этой же компании«. Поэтому будьте аккуратны с прогнозами.
Ещё один недостаток методологии в том, что вы пытаетесь определить ценность людей, базируясь на информации, которую накопили в ходе его общения только с вами и ни с кем больше. Ведь существует вероятность того, что клиент одновременно пользуется услугами и ваших конкурентов и тратит у них больше.
Все подобные модели базируются на прошлом поведение клиентов. Но, как известно, прошлые трансакции - не лучший и не единственный индикатор для предсказания будущего, хотя и достаточно надежный. А зачастую и единственный.

Мы выпустили новую книгу «Контент-маркетинг в социальных сетях: Как засесть в голову подписчиков и влюбить их в свой бренд».

LTV - это показатель прибыли, которую компания получает от одного клиента за все время работы с ним. LTV – аббревиатура от английского Lifetime Value или Customer Lifetime Value. В русском языке эту метрику называют пожизненной стоимостью клиента.

Больше видео на нашем канале - изучайте интернет-маркетинг с SEMANTICA

Расчет Customer Lifetime Value: для чего это нужно

Метрика LTV очень важна в бизнесе особенно если ваш сайт относится к сегменту E-commerce. Если не учитывать это показатель, вы рискуете упустить прибыль или даже разориться. Обозреватели отмечают, что многие стартапы прогорают еще на начальном этапе, потому что затраты на привлечение клиента превышают показатель Lifetime Value.

Этой проблемы можно избежать, если не фокусировать все усилия только на сделке. Когда начальный этап завершен, нужно помнить о дальнейшей опыте, который получает клиент после конверсии.

Объясним на простом примере. Если вы решили заняться бизнесом, то должны думать об окупаемости. Например, вы шьете одежду на заказ. Если продавать платья по цене ниже себестоимости, вы разоритесь. Такая же ситуация с клиентами. Если привлечение одного клиента обходится вам в 300$, то вы должны разработать стратегию, как получить с него прибыль в размере 9 000$ – 1 200$. Не учитывая пожизненную стоимость клиента вы тратите деньги на ветер.

Что вы получаете при подсчете LTV:

Четко видите ROI по затратам на получение нового клиента.
Понимаете, какие каналы дают вам больше всего выгоды, и на чем нужно сфокусироваться. Так вы сможете более грамотно оптимизировать свои каналы по продвижению, выстроить стратегию на основе текущей прибыли с канала, а не по доходу от его начального приобретения.
Когда вы определяете, у каких клиентов самый высокий LTV, вам проще вычислить аудиторию, которую нужно таргетировать.
Вычисляете способы удержания клиентов.
Видите, как показатель LTV меняется в динамике, с течением времени и под воздействием различных маркетинговых стратегий.
Разрабатываете эффективную систему взаимодействия с клиентами: обмениваетесь электронными письмами и сообщениями, информируйте пользователей по важным вопросам, настраиваете таргетинг.
Определив LTV для каждого клиента, вы можете составить несколько групп в соответствие с этими показателями и распределить по ним клиентов. Это позволяет подбирать и применять разные подходы в работе для каждого сегмента, а персонализированное взаимодействие всегда более эффективно.
Вносите правки в поведенческие триггеры и разрабатываете новые, которые позволяют подтолкнуть клиента к покупке.
Повышаете производительность за счет поддержки клиентов.
Выявляете наиболее ценных клиентов, которым стоит уделить особенное внимание.

Формулы подсчета LTV

Самый простой и очевидный метод посчитать пожизненную ценность – из прибыли от клиента вычесть затраты на его привлечение. Но это грубая и неточная формула. Она не учитывает многие изменяющиеся показатели, например увеличение клиентской базы. Способов вычислить этот показатель существует несколько. Есть простые и сложные формулы, разберем две из них.

Формула №1

Самый быстрый способ подсчета. В этом и заключается его преимущество – показатель можно определить в одно действие, разделив прибыль на количество пользователей.

Недостатки этого метода – полученные данные будут неточными, так как учитываются доходы не со всех пользователей. Например отсеиваются те клиенты, которые уже есть у компании, но еще не принесли прибыли.

Формула №2

Формула простая, для нее необходимо знать всего два значения: количество дней, проведенных пользователем в интернете, и прибыль, которую вы получаете от этого пользователя за день. Формула в это случае выглядит так:

Теперь разложим ее на составные части.

Lifetime . Вы определяете время, после которого пользователь обычно не возвращается в приложение, т.е. период неактивности. Обычно задают значение 1-2 недели. Затем ежедневно отслеживаете пользователей, у которых на сегодняшний день закончился период неактивности и вычисляете число дней от первого посещения до текущего момента. После вы рассчитываете Lifetime – средние показатели по всем пользователям.
ARPU . Чтобы получить этот показатель, разделите значение дневного дохода на количество пользователей.

Умножив ARPU на Lifetime вы получите показатель LTV.

Преимущества формулы:

Простота. Оба показателя рассчитываются легко, а чтобы получить конечный результат, нужно лишь выполнить умножение.
Подсчеты можно проводить регулярно.
Есть возможность рассчитать показатель для каждого сегмента пользователей.

Недостатки формулы:

Результат зависит от периода активности. Так как обычно он определяется экспертно, показатели могут быть усредненными и неточными.
Показатели lifetime и ARPU в данном случае отражают средние значения, а значит при подсчете будет присутствовать погрешность.,
Когда мы считаем Lifetime и ARPU, мы учитываем разных пользователей: в первом случае тех, кто уже вышел из приложения, а во втором – тех кто на текущий момент времени активен.
Показатель ARPU, который мы берем при подсчете, показывает результат лишь для текущего дня, а пожизненную ценность мы должны спрогнозировать на много дней и недель вперед.

Из всех показателей SaaS-сферы индекс LTV, или «жизненный цикл клиента» (lifetime value ) представляет для маркетологов наибольшую загадку. Его довольно сложно посчитать, но даже если вам это и удастся — понять, что делать с результатом и как его оценить, не так-то просто. Попробуем разобраться, что это за метрика и как ее использовать.

LTV — количество денег, которое вы рассчитываете получить с конкретного клиента за время существования его аккаунта в активной фазе. Предположим, цена на услуги вашей компании составляет $100 /месяц, и клиент принимает решение работать с вами на протяжении 12 месяцев. В таком случае, LTV этого клиента будет равен $100x12=$1200.

Зачем нужен индекс LTV?

В облачном-бизнесе LTV — это показатель того, сколько средств вы можете потратить на привлечение новых покупателей. Так, если цена привлечения одного клиента, или CAC (customer acquisition cost ) равна $100, а его жизненный цикл составил $500, то представьте, что вы как будто бы напечатали 400 баксов. Неплохо, да?

Чем выше LTV и чем ниже CAC, тем быстрее растет ваша прибыль.

Однако, все не так просто. В целом, схема правильна, однако для долгосрочной перспективы такой расчет — не самое лучшее решение. Хотя бы потому, что не все клиенты одинаковы.

Прежде всего, вам необходимо знать LTV для каждого сегмента ваших пользователей. В SaaS-компании эти сегменты обычно определяются исходя из стоимости пакета услуг.

Например, LTV Владимира с его тарифным планом $30/месяц не сравнится с жизненным циклом Светланы, которая выбрала пакет за $200/месяц. И дело не только в разнице цен.

LTV и churn

Причина, по которой жизненные циклы клиентов могут значительно отличаться друг от друга, заключена в одном противном слове: churn или отток . Как правило, пользователи с низкими тарифными планами характеризуются наибольшими значения «оттока», что также требует внимания при расчете LTV для каждого сегмента.

Как говорилось ранее, LTV служит показателем того, сколько средств вы можете потратить на поиск и привлечение новых покупателей. Так, если средний пользователь обходится вам в $200, то при ожидаемом жизненном цикле в $100 такие расходы не имеют никакого смысла.

В связи с этим, учет оттока для каждого сегмента при расчете LTV является критичным.

Формулы для расчета LTV

Представленный выше базовый способ для расчета жизненного цикла пользователя, очевидно, не имеет большого практического значения для реального бизнеса (если, конечно, у вашей компании больше одного клиента).

Посмотрим, как лучше всего можно вычислить LTV:

LTV = ARPU x Average Lifetime of a Customer,

где ARPU — это средний ежемесячный доход на клиента (average monthly recurring revenue per user ), а Average Lifetime of a Customer — средняя продолжительность использования клиентами услуг вашей компании, которая в свою очередь высчитывается по формуле:

Average Lifetime of a Customer = 1 / churn rate, т.е.

LTV = ARPU / User Churn

Чем выше показатель оттока ваших клиентов, тем ниже будет конечный LTV. Таким образом, при расчетах прибыли обе метрики являются критичными.

Высоких вам конверсий!

Задачей любого бизнеса является прибыль. Важно не только то, чтобы он приносил много денег, необходимо грамотно их распределять. Именно по этой причине систематический анализ эффективности является неотъемлемой частью успешного бизнеса. Одним из основных индексов, используемых маркетологами, является показатель LTV.

Что такое LTV

LTV - аббревиатура, переводимая как "жизненный цикл клиента". Этот показатель демонстрирует, сколько каждый покупатель приносит денег компании за все время сотрудничества с ней.

Обычно применяют два способа расчёта этого показателя.

Исторический, учитывающий суммарное значение дохода, который конкретный покупатель принёс компании.
Прогнозный необходим для построения более сложной поведенческой модели покупателя. Он учитывает, какие товары (услуги) более интересны клиенту, в каком ценовом диапазоне находятся его предпочтения, какова частота покупок. На основании статистических данных формируется прогноз на будущее, позволяющий спрогнозировать его приобретения.

Важность LTV

Для большое значение имеют постоянные клиенты. Затраты на их удержание ниже, чем на привлечение новых. Поэтому чем жизненный цикл клиента длиннее, тем бизнес рентабельнее.

Расчёт этого показателя позволяет выявить, какие способы привлечения покупателей работают наиболее эффективно. Он позволяет отказаться от неэффективных. И также даёт возможность составить «портрет покупателя», то есть каков возраст, пол, социальный статус основных клиентов. Важно стремиться к увеличению показателя LTV по сравнению с затратами на привлечение покупателей.

Отдельно необходимо анализировать клиентов, приносящих наибольший доход. Это позволяет определить, какую группу потребителей они представляют. Маркетинговый анализ поможет определить оптимальные рекламные каналы и правильную подачу информации. Кроме того, позволит пересмотреть ассортимент продукции или услуг, избавившись от пользующихся минимальным спросом и добавив те, что интересны постоянным покупателям. Это позволит продлить срок их лояльности.

Построение бизнеса, в центре которого находится lifetime value, позволит получить серьёзное конкурентное преимущество.

Простая формула расчёта

Существует несколько методик для расчёта LTV. Конкретный выбор зависит от специфики бизнеса. Для расчёта с применением самого простого способа исчисления нужно мало информации. В простоте заключается её преимущество. Недостатком же является получение только базовой информации. Для того чтобы высчитать индекс LTV, необходимо знать, какой объем дохода принёс компании конкретный клиент за все время сотрудничества. Кроме того, нужно знать, сколько компания потратила на то, чтобы этот покупатель сохранял свою лояльность.

Базовая формула расчёта

В ней за основу берутся средние показатели. Так как коэффициент погрешности применения этой формулы достаточно велик, рекомендуется применять её сегментированно. То есть его можно использовать при проведении маркетингового анализа различных товаров.

В этом случае LTV - это производное трёх показателей: средней продажной стоимости, среднего количества продаж в месяц и среднего количества месяцев сохранения лояльности клиента.

LTV с коэффициентом оттока

Эта методика расчёта показателя применяется в бизнесе, связанном с продажами программных продуктов.

Для этого показатель среднемесячного дохода с покупателя необходимо разделить на уже известный коэффициент оттока.

Если коэффициент оттока равняется 5%, то это означает, что каждый покупатель сохраняет свою лояльность в течение 20 месяцев. Затем он прекращает быть клиентом компании. Если с одного покупателя составляет 100 рублей, то средний доход с каждого клиента составит 2000 руб. (100 руб. Х 20 мес.).

Имея данные по среднему количеству клиентов, перестающих ими быть, и величины можно рассчитать индекс средний ценности жизненного цикла клиента для конкретного бизнеса.

Если сумма, которая затрачивается на привлечение клиента, равняется или превышает ценность, которую он приносит, то такой бизнес нельзя назвать успешным. Необходимо привносить изменения, благодаря которым стоимость привлечения покупателя должна снизиться, а ценность жизненного цикла увеличится. Таким образом, необходимо задуматься о сохранении лояльности клиента компании на максимально возможный срок.

LTV и email-рассылка

Рассылка электронных писем является отличным способом увеличения показателя LTV. При этом простая рекламная информация не будет восприниматься пользователями, и, скорее всего, такое письмо будет удалено. Поэтому следует использовать некоторые хитрости. Например, наиболее ценным покупателям с высоким уровнем LTV можно выслать промокод, который позволит получить хорошую скидку на следующую покупку. Тем, кто тратит меньше средств, можно дать более скромную скидку.

Рассылка должна регулироваться в зависимости от срока лояльности клиента. В первое время следует чаще его знакомить с новинками и акциями. Тем же, кто сохраняет свою верность более года, следует отправлять письма реже и с наиболее ценной для этой категории покупателей информацией.

Необходимо предлагать приобрести сопутствующие товары и аксессуары. Подборка с рекомендованными товарами может быть выслана на электронную почту после того, как клиент что-то купил.

Компании, которые продают программы, доступ к фильмам, книгам и музыке, все чаще предлагают воспользоваться подпиской, которая может быть приобретена на выбранный потребителем период. Подписной сервис позволяет улучшить показатель LTV.

Удерживать клиента всегда проще и дешевле, чем привлекать нового. Поэтому так важно следить за его жизненным циклом.