LTVを計算する

最も広く使われているLTVの公式は、平均ユーザー売上に粗利率を掛け、解約率で割ります。

解約率で割ることは、平均存続期間を掛けることと数学的に同じです。そのため、この1行で売上高、収益性、リテンションをまとめて表せます。

動画ストリーミングサービスが月額12を課金し、粗利率70%で運営され、毎月加入者の4%を失うとします。

これらを公式に当てはめると、獲得コストと直接比較できる、明確で根拠のあるLTVが得られます。

ARPUと解約率には、同じ時間単位を使う必要があります。月次ARPUと年次解約率を混ぜると、数値が大きく誤ります。

サブスクリプション型プロダクトでは月次が自然です。小売では購入が不定期なため、年次の期間のほうが適することがよくあります。単位を1つ選び、すべての入力値に一貫して適用してください。

サブスクリプション型ではないビジネスでは、平均注文額、購入頻度、顧客の継続期間といった購買行動からLTVを算出します。

この方法は、継続料金がなく、顧客による任意の購入が繰り返されるEコマースや小売に適しています。

継続期間の長い顧客については、将来の粗利を現在価値に割り引いて評価する必要があります。調整後の式では、継続的な粗利を解約率と割引率の合計で割ります。

これにより、より保守的なLTVが算出されます。特に顧客の継続期間が2〜3年を超える場合、財務チームからも信頼されやすい数値になります。

1つの公式だけを使うのではなく、コホート分析では同じ月に獲得した顧客群を追跡し、時間の経過に伴う累積粗利をグラフ化します。

曲線は通常、急上昇した後に横ばいになります。横ばいになる後半部分を外挿すれば、単一の解約率の仮定ではなく、実際の行動に基づく実証的なLTVを算出できます。

現実の解約率が一定であることはほとんどありません。新規顧客は最も早く解約し、継続している顧客は次第にロイヤルティを高めるため、一定の解約率では長期的な価値を過小評価します。

生存曲線や月別の継続率テーブルを使うと、この変化を捉えられます。各期間の粗利に、その期間に継続している顧客数を掛け合わせることで、より正確な合計を算出できます。

高度な分析を行うチームでは、購入頻度にBG/NBD、支出額にGamma-Gammaなどの確率モデルを使用します。

これらの統計モデルは、顧客ごとに存続している確率と将来予想される取引回数を推定し、単一の平均値ではなく、個別のLTV予測を生成します。

公式から算出したLTVは、必ず過去のコホートデータと照合してください。公式が400と予測しているのに、250を超えたコホートが一つもない場合は、入力値が間違っています。

よくある原因は、楽観的な解約率の仮定や、粗利ではなく売上を使っていることです。信頼できるLTVは、この照合を経ても妥当性を保ちます。

LTVを算出すると、目標CACを設定できます。LTVを目標とするLTV:CAC比率で割ると、採算が取れる顧客獲得コストの上限が求められます。

LTVが210で、比率を3:1にしたい場合、CACの上限は70です。入札、予算、チャネルの選択はすべて、この1つの算出された上限を基準に決められます。

すべてのLTVの精度は、その前提となる仮定次第です。数値とともに、対象期間、粗利の出所、解約の定義、割引率を記録してください。

この透明性により、チームは商品や期間をまたいでLTVを比較でき、入力値がひそかに変更されて指標が水増しされることも防げます。

標準的なサブスクリプションLTVの公式を適用します。

基本の公式は、時間単位をそろえたARPU x margin x (1 / churn)です。取引型のビジネスでは、代わりに平均注文額、購入頻度、継続期間を使います。

継続期間が長い場合は割引率を加え、コホート曲線と照合し、すべての仮定を記録してください。確率モデルを使えば顧客ごとのLTVまで拡張でき、次のレッスンではこれをセグメンテーションに活用します。