Что такое "Customer lifetime value" или LTV

Что такое "Customer lifetime value" или LTV

В рамках серии публикаций, посвященных KPI электронной коммерции, мы публикуем статью Александра Беляева, посвященную такому краеугольному камню маркетинга баз данных как LIFE TIME VALUE клиента.

Итак:

Сustomer 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, (ROMI — Return on marketing investment).  Базовая формула для расчета ROMI будет выглядеть примерно так:

, где

  • Profit(ofactivity) – прибыль, которая возникла, благодаря маркетинговой активности
  • Cost(ofactivity) – 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 измеримо. 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.

Итак, как считать:

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

Получится какой-то такой график:

Далее надо условно принимаем  точкой «смерти» клиента величину около 5%, хотя здесь все очень условно и вы сами вправе выбрать другую величину.

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.

Автор: Александр Беляев

Автор: anton Terekhov Anton

Подписаться на новости

Читайте также

20 января / Комментарии

Анализ данных по товарам общего спроса на Avito в России в IV квартале 2016 года

В IV квартале российский рынок потребительских товаров продолжил восстанавливаться после спада, характерного для начала года. Интерес потенциальных покупателей (количество запрошенных контактов по объявлениям*) к товарам общего спроса за квартал по сравнению с аналогичным периодом прошлого года вырос на 34%, по сравнению с предыдущим кварталом  –  на 9%.

далее →

17 января / Комментарии

10 главных трендов электронной торговли 2017 года

Аналитики компании PayU изучили основные тенденции сектора электронной коммерции и составили их топ-10 на 2017 год. Вы удивитесь, но мобильные технологии больше не возглавляют этот рейтинг.

далее →

13 января / Комментарии

5 главных трендов в Programmatic-рекламе в 2017 году

Международная ad tech компания GetIntent подготовила подборку трендов в programmatic-индустрии: 5 главных трендов, которые с большой долей вероятности ожидают рынок programmatic-рекламы в России в 2017 году.

далее →

11 января / Комментарии

Шпаргалка по ключевым терминам Яндекс.Директа

В интернете много споров о том, что влияет на цену клика в Директе, а что нет. И как эти показатели связаны между собой. Ориентируясь на вопросы рекламодателей и некоторые популярные мифы, команда Яндекс.Директа заново описала ключевые термины из правил показа и интерфейса на двух шпаргалках.

далее →

9 января / Комментарии

Самые динамично растущие товары Яндекс.Маркета за декабрь 2016 – к ноябрю 2016

Алексей Петровский, главный аналитик Price.ru выяснил чем был популярен декабрь 2016 в части запросов   – приводящий трафик на Яндекс.Маркет, и у каких товарных позиций оказалась наилучшая динамика.

далее →

X
Нажмите «Нравится»,
чтобы читать Shopolog.ru в Facebook