Глава 2. Как рассчитывается LTV. Современные модели оценки жизненной ценности клиента

Lifetime Value (LTV) — одна из наиболее важных и одновременно наиболее неправильно понимаемых метрик современного бизнеса. Несмотря на широкое распространение этого показателя, многие компании продолжают воспринимать его как простую формулу, связывающую средний чек, частоту покупок и срок жизни клиента. На практике LTV представляет собой значительно более сложную концепцию, лежащую на стыке маркетинга, CRM, аналитики, финансового менеджмента и стратегического управления компанией.

Показатель LTV позволяет ответить на один из главных вопросов любого бизнеса: какую долгосрочную ценность приносит каждый клиент и какие управленческие решения способны эту ценность увеличить. От того, насколько правильно компания рассчитывает, анализирует и развивает LTV, напрямую зависят эффективность маркетинговых инвестиций, прибыльность клиентской базы, устойчивость бизнеса и его рыночная стоимость.

Данный материал построен в формате последовательного учебника. Каждая глава раскрывает отдельный аспект управления Lifetime Value — от базовых определений и методов расчёта до практических инструментов повышения ценности клиентской базы и построения CRM-стратегии.

Структура материала включает следующие разделы.

Глава 1. Что такое LTV и почему эта метрика определяет стоимость бизнеса. В первой главе рассматриваются история появления концепции Lifetime Value, основные определения и терминология, различия между LTV, CLV, Customer Equity, CAC, ROI и другими связанными показателями, а также роль LTV в современной системе управления бизнесом.

Глава 2. Как рассчитывается LTV. Во второй главе подробно разбираются существующие методы расчета Lifetime Value: исторические и прогнозные модели, когортный анализ, вероятностные модели, дисконтирование денежных потоков, математические подходы к прогнозированию клиентской ценности, а также преимущества, ограничения и области применения каждого метода.

Глава 3. Что влияет на LTV. Эта глава посвящена факторам, формирующим пожизненную ценность клиента. Рассматривается влияние жизненного цикла клиента, удержания, среднего чека, частоты покупок, структуры ассортимента, качества сервиса, силы бренда, программ лояльности, CRM, Customer Value Management и других элементов бизнес-модели.

Глава 4. Стратегии увеличения LTV. В этой части собраны практические инструменты роста Lifetime Value. Будут подробно рассмотрены более тридцати стратегий, позволяющих системно увеличивать ценность клиентов за счёт развития продукта, коммуникаций, персонализации, сервиса, программ лояльности, управления ассортиментом и других направлений.

Глава 5. Методология Mailfit по росту LTV. В отдельной главе представлена авторская методология агентства Mailfit, основанная на комплексном подходе к развитию клиентской базы. Рассматриваются диагностика текущего состояния CRM, сегментация клиентов, разработка контактной политики, омниканальные коммуникации, персонализация, аналитика и процесс непрерывной оптимизации клиентской ценности.

Глава 6. Практическое руководство для руководителей бизнеса. Заключительная глава посвящена прикладным вопросам внедрения. В ней рассматривается, какие инструменты повышения LTV следует использовать компаниям различного масштаба, уровня зрелости CRM и отраслевой специфики, а также предлагается последовательный план внедрения изменений.

Почему не существует единой формулы расчёта LTV

Один из самых распространенных вопросов руководителей бизнеса звучит следующим образом: «Как правильно считать LTV?». На первый взгляд кажется, что ответ должен быть однозначным. Если Lifetime Value представляет собой ценность клиента за весь период взаимодействия с компанией, значит должна существовать универсальная формула, позволяющая получить единственное правильное значение. На практике ситуация значительно сложнее.

В источниках можно встретить несколько десятков различных формул расчета Lifetime Value. Они отличаются уровнем детализации, математической сложностью, используемыми исходными данными и горизонтом прогнозирования. Это не означает, что одни формулы являются правильными, а другие — ошибочными. Каждая модель создавалась для решения определенной управленческой задачи и опирается на собственные допущения о поведении клиентов.

По этой причине вопрос «Как правильно считать LTV?» следует заменить более корректным вопросом: «Какая модель расчета наиболее точно отражает экономику моего бизнеса?»

Ответ зависит от множества факторов: отрасли, продолжительности жизненного цикла клиента, доступности исторических данных, зрелости аналитической инфраструктуры, наличия подписочной модели, скорости изменения ассортимента и даже макроэкономической ситуации. Выбор метода расчета LTV представляет собой не математическую, а управленческую задачу.

Два принципиально разных подхода к расчёту LTV

Все существующие модели можно разделить на две большие группы. Первая группа основана на анализе уже произошедших событий. Такие модели называют ретроспективными или историческими. Они используют информацию о фактических покупках клиента и позволяют определить ценность, которую он уже принес компании.

Вторая группа относится к прогнозным моделям. Их задача заключается не в описании прошлого, а в оценке будущего денежного потока, который клиент с высокой вероятностью создаст в течение оставшегося жизненного цикла. Исторический LTV отвечает на вопрос:

«Сколько денег клиент уже принес компании?»

Прогнозный LTV отвечает на совершенно другой вопрос:

«Сколько денег клиент принесет компании в будущем?»

Для стратегического управления бизнесом значительно более ценным является именно второй подход.

Исторический LTV

Исторический Lifetime Value представляет собой сумму всех денежных поступлений, полученных от клиента за весь период сотрудничества. Это наиболее простой и интуитивно понятный способ расчета. Если клиент совершил десять покупок на общую сумму 250 000 рублей, исторический LTV будет равен 250 000 рублей. Несмотря на простоту, данный показатель имеет серьезные ограничения. Во-первых, он полностью игнорирует будущие покупки. Во-вторых, не учитывает вероятность повторного обращения. В‑третьих, не позволяет оценивать новых клиентов.

Исторический LTV хорошо подходит для анализа уже существующей клиентской базы, однако практически бесполезен при принятии инвестиционных решений.

Доходный и прибыльный LTV

Одним из наиболее распространенных методологических заблуждений является использование выручки вместо прибыли. Существует два принципиально разных подхода. Revenue LTV рассчитывается на основе общей выручки, полученной от клиента. Profit LTV учитывает только прибыль после вычета себестоимости продукции, расходов на обслуживание клиента, логистику, возвраты, бонусные программы, скидки и другие прямые издержки.

Предположим, два клиента приобрели товаров на одинаковую сумму — по 500 тысяч рублей. Первый покупал продукцию с высокой маржинальностью и практически не обращался в службу поддержки. Второй — постоянно использовал скидки, оформлял возвраты, требовал индивидуального сопровождения и приобретал товары с минимальной наценкой. Их Revenue LTV будет одинаковым. Однако Profit LTV может отличаться в несколько раз. Поэтому большинство крупных компаний постепенно переходят от оценки выручки к оценке прибыльности клиента. С точки зрения управления бизнесом именно прибыльный LTV обладает наибольшей ценностью.

Базовая модель расчёта LTV

Наиболее известная формула используется в большинстве учебников по маркетингу. Lifetime Value определяется как произведение среднего дохода от клиента, частоты покупок и средней продолжительности отношений.

В общем виде модель включает три ключевых компонента:

• средний чек;
• среднее количество покупок за период;
• продолжительность жизненного цикла клиента.

Несмотря на популярность данной модели, она предполагает, что клиентское поведение остается стабильным во времени. В реальном бизнесе такое предположение выполняется крайне редко. Покупатели меняют интенсивность потребления, ассортимент продукции, уровень лояльности и даже каналы взаимодействия с брендом. Поэтому данная модель используется преимущественно как ориентир для экспресс-оценки.

Когортный подход

Одной из наиболее точных моделей считается когортный анализ. Когорта представляет собой группу клиентов, объединенных общей характеристикой. Наиболее часто используется когорта по дате первой покупки. Например, все клиенты, совершившие первую покупку в январе, образуют январскую когорту. Февральские покупатели — отдельную когорту. После этого каждая когорта анализируется отдельно.

Компания наблюдает, как изменяются:

• средний чек;
• частота покупок;
• уровень удержания;
• доля повторных заказов;
• прибыльность;
• реакция на маркетинговые коммуникации.

Такой подход позволяет увидеть динамику жизненного цикла клиентов. Очень часто оказывается, что клиенты, привлеченные различными рекламными каналами, обладают совершенно разным LTV. Например, покупатели, пришедшие по рекомендации друзей, могут оставаться активными пять лет. Клиенты, привлеченные через агрессивные скидочные акции, прекращают покупки уже через несколько месяцев. Средний показатель LTV скрывает подобные различия.

Когортный анализ считается одним из базовых инструментов современной CRM-аналитики.

Кейс: как мы выявили паттерны лояльного поведения и превратили их в работающую CRM-логику

Предиктивный LTV

Исторические модели анализируют прошлое. Предиктивные модели прогнозируют будущее. Predictive Lifetime Value представляет собой ожидаемую ценность клиента с учетом вероятности совершения будущих покупок. Подобные модели используют машинное обучение, статистические алгоритмы и анализ больших данных. В расчет могут включаться десятки и даже сотни факторов:

• история покупок;
• давность последней покупки;
• скорость изменения среднего чека;
• категории товаров;
• источники привлечения;
• реакция на email;
• реакция на Push;
• активность на сайте;
• использование мобильного приложения;
• география;
• сезонность;
• изменение потребительского поведения.

На основании этих факторов алгоритм прогнозирует вероятность того, что клиент совершит следующую покупку, а также ожидаемый размер будущих расходов. Такие модели сегодня используют крупнейшие маркетплейсы, банки, телеком-операторы и сервисы подписки.

Вероятностные модели

В академической литературе особое место занимают вероятностные модели расчета Lifetime Value. Их основная идея заключается в том, что невозможно заранее определить момент ухода клиента. Поэтому вместо точной даты рассчитывается вероятность того, что клиент останется активным через определенный промежуток времени. Наиболее известными являются модели BG/NBD, Pareto/NBD и Gamma-Gamma. Они позволяют прогнозировать вероятность повторной покупки, ожидаемое количество будущих покупок, вероятность окончательного ухода клиента, ожидаемый денежный поток. Главное преимущество подобных моделей заключается в том, что они хорошо работают даже при отсутствии информации о причинах ухода клиентов.

Дисконтированный LTV

С финансовой точки зрения деньги обладают временной стоимостью. Сто рублей сегодня имеют большую ценность, чем сто рублей через три года. В корпоративных финансах широко используется дисконтирование будущих денежных потоков. Дисконтированный Lifetime Value учитывает снижение стоимости будущих доходов.

Чем дальше находится предполагаемая покупка, тем меньшую ценность она имеет для компании в текущий момент времени.

Подобный подход особенно важен для банков, страховых компаний, девелоперов и подписочных сервисов, где жизненный цикл клиента может продолжаться десятилетиями. Использование дисконтирования делает оценку LTV значительно более реалистичной с финансовой точки зрения.

Какие данные необходимы для корректного расчёта LTV

Точность любой модели определяется качеством исходных данных. Для расчета LTV недостаточно знать только сумму покупок. Современные аналитические системы используют значительно более широкий набор информации. Ключевыми источниками данных становятся CRM, CDP, программы лояльности, системы веб-аналитики, мобильные приложения, кассовые системы, службы поддержки, платформы автоматизации маркетинга и ERP.

Наиболее ценными характеристиками являются дата первой покупки, дата последней активности, история заказов, прибыльность каждого заказа, категории товаров, реакция на коммуникации, использование скидок, возвраты, обращения в поддержку, участие в программе лояльности, изменение среднего чека и периодичность покупок. Чем полнее цифровой профиль клиента, тем точнее прогноз его будущей ценности.

Почему большинство компаний считают LTV неправильно

На практике ошибка редко связана с неверной формулой. Гораздо чаще проблема заключается в исходной методологии. Распространенной ошибкой является использование выручки вместо прибыли. Такая подмена завышает ценность клиентов и может привести к избыточным расходам на привлечение.

Не менее опасна ориентация на средние значения. Средний LTV по всей базе почти никогда не отражает реальную картину, поскольку клиентская база неоднородна. Небольшая группа наиболее ценных клиентов может формировать основную часть прибыли, тогда как значительная доля пользователей остается малодоходной или даже убыточной.

Еще одной ошибкой становится игнорирование горизонта расчета. Если в одной компании LTV считается за год, а в другой — за весь жизненный цикл, сравнивать такие показатели между собой бессмысленно.

Нередко компании не пересматривают модель расчета годами. Между тем поведение клиентов меняется под влиянием новых продуктов, конкурентов, экономической ситуации и маркетинговых активностей. Следовательно, модель LTV также должна регулярно обновляться.

Какую модель следует использовать руководителю бизнеса

Не существует универсальной модели, подходящей для всех компаний. Для оперативного управления достаточно исторического LTV и когортного анализа. Для оценки эффективности привлечения клиентов следует использовать прогнозный LTV в сочетании с показателем стоимости привлечения клиента. Для стратегического управления компанией наибольшую ценность представляет прибыльный прогнозный LTV с учетом вероятности удержания клиента и дисконтирования будущих денежных потоков. Такой подход позволяет рассматривать клиентскую базу не как совокупность отдельных покупателей, а как инвестиционный актив, стоимость которого можно измерять, прогнозировать и системно увеличивать.