Расчёт LTV

Наиболее распространённая формула LTV умножает среднюю выручку на пользователя на валовую маржу, а затем делит результат на коэффициент оттока.

Деление на отток математически эквивалентно умножению на средний срок жизни, поэтому эта единственная строка одновременно учитывает выручку, прибыльность и удержание.

Предположим, сервис потоковой передачи взимает 12 в месяц, работает с валовой маржой 70% и каждый месяц теряет 4% подписчиков.

Подстановка этих значений в формулу даёт понятный и обоснованный LTV, который можно напрямую сравнить со стоимостью привлечения.

ARPU и отток должны использовать одну и ту же единицу времени. Сочетание месячного ARPU с годовым оттоком приводит к крайне неточным результатам.

Для подписочных продуктов естественным выбором является месяц. Для розничной торговли часто лучше подходит годовой период, поскольку покупки происходят нерегулярно. Выберите одну единицу измерения и используйте её последовательно для каждого входного параметра.

Компании, работающие не по подписке, рассчитывают LTV на основе поведения при покупках: средней стоимости заказа, частоты покупок и срока жизни клиента.

Эта версия подходит для электронной и розничной торговли, где нет регулярной платы, а есть только повторные покупки по желанию клиента.

Для клиентов с долгим сроком жизни будущую маржу следует дисконтировать до приведённой стоимости. Скорректированная формула делит маржу за период на сумму оттока и ставки дисконтирования.

В результате получается более консервативный LTV, которому доверяют финансовые отделы, особенно когда срок жизни клиента превышает два или три года.

Вместо одной формулы когортный анализ отслеживает группы клиентов, привлечённых в одном месяце, и отображает накопленную маржу во времени.

Кривая обычно сначала резко растёт, а затем выходит на плато. Экстраполяция пологого хвоста даёт эмпирический LTV, основанный на реальном поведении, а не на одном допущении об оттоке.

В реальности отток редко бывает постоянным. Новые клиенты уходят чаще всего, а оставшиеся становятся всё более лояльными, поэтому фиксированный показатель оттока занижает долгосрочную ценность.

Кривые выживаемости или таблицы удержания по месяцам отражают эту закономерность. Умножение маржи за период на число оставшихся клиентов в каждом периоде даёт более точную сумму.

Продвинутые команды используют вероятностные модели, такие как BG/NBD для частоты покупок и модель Гамма—Гамма для ценности расходов.

Эти статистические модели оценивают для каждого клиента вероятность того, что он всё ещё активен, и ожидаемое число его будущих покупок, формируя индивидуальные прогнозы LTV вместо одного среднего значения.

Всегда сверяйте LTV, рассчитанный по формуле, с историческими данными по когортам. Если формула даёт прогноз 400, но ни одна когорта никогда не превышала 250, входные данные неверны.

Типичные причины — слишком оптимистичные допущения об оттоке и использование выручки вместо маржи. Правдоподобный LTV выдерживает такую проверку.

После расчёта LTV задаёт целевой CAC. Деление LTV на желаемое соотношение LTV:CAC даёт максимальную рентабельную стоимость привлечения.

Если LTV равен 210, а Вы хотите соотношение 3:1, Ваш предел CAC равен 70. Ставки, бюджеты и выбор каналов зависят от этого единого рассчитанного ограничения.

Каждое значение LTV настолько же надёжно, насколько надёжны его допущения. Фиксируйте рядом со значением период времени, источник маржи, определение оттока и ставку дисконтирования.

Такая прозрачность позволяет командам сравнивать LTV для разных продуктов и периодов и не даёт незаметным изменениям входных данных постепенно завышать показатель.

Примените стандартную формулу LTV для подписки.

Основная формула — ARPU × маржа × (1 / отток), причём единицы времени должны быть согласованы. Компании, работающие с транзакциями, вместо этого используют AOV, частоту покупок и срок жизни клиента.

Добавляйте ставку дисконтирования для долгих сроков жизни, проверяйте результат по кривым когорт и документируйте каждое допущение. Вероятностные модели расширяют этот подход до LTV для каждого клиента; это используется для сегментации в следующем уроке.