Лтв реклама объявление. LTV = S × C × P × t, где. Что такое LTV

Постоянные клиенты важны в маркетинге и развитии бизнеса, потому что с точки зрения прибыли именно они приносят больший доход. Вы тратите деньги на привлечение один раз, а затем получаете прибыль. Конечно, есть затраты на работу с клиентами, но они меньше, чем затраты на привлечение. Поэтому постоянные клиенты выгоднее тех, кто совершает покупку один раз.

Что такое LTV

LTV - это жизненный цикл клиента, то есть доход, который он приносит вам в течение всего времени покупок. Его чаще всего считают в отрыве от оборота, то есть учитывают не сумму покупок, а чистый доход с них. Например, если на привлечение одного пользователя сервиса потрачено 300 ₽, он оплачивает тариф стоимостью 3 000 ₽ в месяц на полгода, а чистая прибыль составляет 0,3, метрику можно рассчитать по следующей формуле:

LTV = (3000 ₽ × 6 месяцев) × 0,3 — 300

Получается, жизненный цикл клиента тренажерного зала составил 5 100 ₽.

Есть другой способ рассчитать LTV - он более простой, но показывает оборот вместо чистой прибыли. Возьмем те же условия: клиент платит в течение полугода по 3000 ₽ в месяц за доступ к сервису. Можно просто умножить чек на количество покупок по формуле:

LTV = 3000 ₽ × 6 месяцев

Получается сумма в 18 000 ₽. Она выглядит красивее числа, которое получилось при расчете по первой формуле, но не отображает реального положения дел с точностью.

Метрика LTV особенно важна в электронной коммерции, но ее использует и оффлайн-бизнес. Точно неизвестно, кто впервые стал ее использовать. Появилась она по мере развития интернет-маркетинга. А мы расскажем, как правильно посчитать значение и зачем это нужно.

Зачем измерять жизненный цикл клиента

Именно метрика LTV показывает эффективность работы вашего бизнеса. Ее нужно измерять, потому что:

• так вы сможете рассчитать, какой сегмент аудитории приносит наибольшую прибыль, и сосредоточиться на привлечении прибыльных клиентов;
• знание LTV и цены привлечения клиента помогает спрогнозировать дальнейшую ситуацию и найти самые выгодные каналы привлечения клиентов;
• можно сегментировать целевую аудиторию на основе LTV и создавать эффективные рекламные компании;
• зная LTV и постоянно контролируя его, можно легко заметить рост прибыли и другие проблемы, которые могут привести к разрушению бизнеса.

Знать LTV полезно, потому что эта метрика помогает увидеть реальное положение вещей. Например, многим она помогает понять, что постоянные клиенты приносят больше прибыли и сосредоточиться над работой с ними, а не над привлечением покупателей, которые совершат заказ 1–2 раза.

Как посчитать LTV

Для расчета используют самые разные формулы - кто-то более простые, кто-то более сложные. Мы предложим расчеты для определения двух видов LTV.

Исторический LTV

Показатель рассчитывают на основе данных, которые компания уже получила о клиенте.

Его легко посчитать, если у вас есть своя система обработки данных - например, . Чтобы посчитать жизненный цикл одного клиента, нужно просмотреть историю всех его заказов вплоть до последней транзакции и сложить суммы, которые он потратил.

LTV = сумма первой покупки + сумма второй покупки + сумма третьей покупки и так далее.

Например, клиент совершил первую покупку на 1 800 ₽, вторую - на 3 400 и третью на 6 000. В этом случае его LTV равен 11 200 ₽.

Более точную информацию даст формула с учетом средней валовой прибыли. Так вы увидите, сколько чистой прибыли принес один клиент. Для этого сумму всех заказов надо умножить на СВП - среднюю валовую прибыль. Этот показатель считают отдельно в каждой компании.

LTV = (сумма всех покупок) × СВП

Например, в расчете использована ситуация, приведенная выше. В этом случае LTV составит 4 480 ₽ - столько чистой прибыли вы получили с одного клиента.

Есть способ еще проще - умножить средний чек на количество покупок, которые сделал один клиент.

LTV = средний чек × количество покупок

Допустим, средний чек компании - 1 500 ₽. Конкретный клиент совершил 17 заказов. Значит, его жизненный цикл - 25 500 ₽. В этой формуле также можно учесть СВП, но в любом случае она даст усредненные показатели вместо реальных.

LTV = средний чек × покупки в месяц одного клиента × срок, в течение которого клиент покупает у вас

Например, компания в год обслуживает 138 клиентов. Каждый клиент в среднем совершает 2 покупки в месяц, покупает на протяжении 7 месяцев, а средний чек составляет 5 600 ₽. В этом случае LTV составит 78 400 ₽без учета СВП. То есть среднестатистический клиент вносит в оборот более 78 тысяч ₽.

Формулу можно усложнить, чтобы получить самый точный результат. Она будет выглядеть так:

LTV = (сумма первой покупки + сумма второй покупки + сумма третьей покупки) — стоимость привлечения и удержания — себестоимость продуктов

Прогнозный LTV

Значение, которое поможет прогнозировать суммы, которые в среднем оставят у вас будущие клиенты. Для расчета значения нужно знать средний чек, среднее время, в течение которого клиент заказывает у вас, среднее количество продаж в месяц и долю прибыли в выручке, или СВП. Всю информацию о клиентах можно взять из CRM или поднять документы и посмотреть средние значения. СВП рассчитывайте отдельно.

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:

1. 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);
2. 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.
3. 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:

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

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

1. Значение сильно зависит от периода неактивности, задаваемого, как правило, экспертно.
2. Мы умножаем среднее значение lifetime на среднее значение ARPU, получаем накопленную ошибку.
3. 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.
4. 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:

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

Минусы метода:

1. Сложно считать (хотя опытный аналитик при наличии всех данных посчитает вам LTV за пять минут).
2. 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.

Привлекать новых клиентов - это хорошо. Удерживать их как можно дольше, чтобы получить максимум прибыли - еще лучше. Понять, насколько это эффективно помогает показатель Lifetime Value (LTV). Это суммарный доход, который вы получаете от одного клиента за весь период сотрудничества.

В этой статье вы узнаете как правильно рассчитать и оптимизировать эту величину.

Для чего отслеживать LTV?

Это один из ключевых показателей финансовой успешности SaaS-компании. Жизнеспособность SaaS-проекта напрямую зависит от соотношения величин LTV и САС (customer acquisition cost, затрат на привлечение клиента).

В норме это соотношение выглядит так:

То есть доход, получаемый от клиента, должен покрывать все расходы на его привлечение, плюс давать возможность для дальнейшего развития компании. В некоторых ситуациях это правило может нарушаться - например, на начальных стадиях развития проекта или при агрессивном захвате рынка. Но в долгосрочной перспективе оно неизменно.

Соответственно, для увеличения эффективности бизнеса нужно работать в двух направлениях - снижать стоимость привлечения клиентов и увеличивать доход.

Как оптимизировать показатель CAC мы показываем в .

Анализируйте показатель LTV, чтобы:

• Оптимизировать соотношение LTV/CAC. Ориентир - 3 к 1 и выше, то есть на каждый рубль, потраченный на привлечение, должно приходиться 3 рубля дохода. Замерять показатели стоит раз в квартал.
• Определять самые успешные способы привлечения (каналы коммуникаций, маркетинговые компании, партнерские программы и так далее). Сравнивайте LTV пользователей, пришедших разными путями.
• Определить портрет вашего идеального клиента. Соотнесите величину LTV с показателями, которые вы используете для создания портрета потребителя. Это поможет выявить кто приносит больше денег.
• Проверить, насколько хорошо обстоят дела с удержанием клиентов. Если у вас серьезная «текучка» - это напрямую отразится на величине LTV.
• Прогнозировать и планировать развитие SaaS-проекта. Если вы отслеживаете LTV, вы имеете представление о том, на какой денежный поток вы можете рассчитывать в будущем. Соответственно, можете строить планы, принимать стратегические решения - например, по маркетинговым затратам, по изменению численности сотрудников, и так далее.

Как рассчитать LTV

В самом общем виде Lifetime Value можно вычислить, если разделить общую сумму дохода за выбранный период на количество клиентов за тот же период. Но есть ряд нюансов, связанных с тем, какие именно доходы и каких клиентов нужно учитывать при расчетах.

Во-первых, существует множество моделей получения дохода. Одни компании получают доход за счет покупки клиентами лицензий. Другие следуют модели freemium, третьи - получают доход от оплаты ежемесячных тарифов.

Во-вторых, нет единого мнения по поводу того, кого конкретно учитывать при расчете - только новых или всех активныхпользователей, либо как-то сочетать эти показатели.

Из чего в итоге складывается формула расчета LTV:

Общая формула, которая подойдет большинству компаний.

• Компонент 1: ARPA (average revenue per account) - среднемесячный доход с одного активного аккаунта.
• Компонент 2: Отток (количество ушедших пользователей).

3 способа как увеличить LTV

• Перекрестные продажи и апселл. Создайте надстройку для вашего продукта, которая будет создавать дополнительную ценность и приносить дополнительный доход. Для этого желательно использовать опции, востребованные хотя бы 30% клиентской базы. Это облегчит монетизацию продукта.
• Расширение продуктовой линейки. Предложите вашим клиентам не только опции к основному продукту, но и совершенно новые вещи. Желательно, чтобы взаимосвязь между ними сохранялась - так проще будет стимулировать клиентов пользоваться всем пакетом.
• Масштабирование цены в зависимости от ценности продукта. Цель - создать гибкую ценовую политику, линейку тарифных планов, которые охватывали бы все интересные вам группы пользователей. Для этого нужно предусмотреть и гибкую настройку самого продукта. В основе - бесплатная версия с минимальным функционалом. Затем она расширяется за счет дополнительных полезных функций, и параллельно с этим растет цена.

Высоких вам продаж!

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.

1. Вначале необходимо выбрать шаг сегментации - временной период, в течение которого большинство ваших клиентов совершает «следующую» покупку. Подробнее об этой методике уже писалось
2. 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:

1. 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.
2. 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.
3. 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.

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.

1. Исторический, учитывающий суммарное значение дохода, который конкретный покупатель принёс компании.
2. 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.