Как посчитать ltv мобильного приложения
myTracker прогнозирует LTV автоматически и бесплатно — это экономит время и бюджет
Lifetime Value (LTV) — это показатель дохода от одного пользователя. Если говорить про мобильную аналитику — деньги, которые принесёт клиент до того, как он удалит приложение и забудет о нём.
Например, пользователь играет в игру три месяца, а затем удаляет её. В первый месяц он потратил $2, во второй — $3, а в третий — не стал ничего покупать и удалил приложение: его LTV составил $5.
У пользователя, пришедшего по рекламе, есть стоимость привлечения — это показатель CAC (Customer Acquisition Cost). Допустим, мы потратили на объявление $1000. По нему пришли 100 человек. Стоимость привлечения каждого пользователя — $10.
Если среднее LTV всех пользователей составило $5, то мы потратили на их привлечение больше денег, чем они принесут — невыгодная ситуация. Знание LTV даёт понимание, сколько можно тратить на привлечение пользователя.
Повышение LTV — задача продакт-менеджера. Среди способов — попытка удержать пользователя или повысить его средний чек. А в этой статье мы поговорим только о том, как рассчитать LTV.
Считайте прибыль на определённый день
Может получиться так, что пользователь принесёт больше денег, чем стоило его привлечение, но сделает это, например, только через два года. А приложение должно окупиться через год.
Основной совет — не считать LTV в его классическом понимании. С точки зрения бизнеса, сам по себе показатель, сколько денег пользователь принесёт за всё время игры, имеет мало практического смысла.
Куда важнее понимать, какой доход принесет привлеченный пользователь в каждый его день с момента регистрации. Это дает нам понимание, когда пользователь окупится и совпадает ли это с нашими ожиданиями. Такие данные позволяют строить прогнозы и модели окупаемости.
Если бизнес не готов ждать окупаемости бесконечно, то лучше считать не LTV, а на какой день вернутся деньги. Эта задача решается проще.
Посчитать прибыль на определённый день поможет способ на основе накопительного ARPU, о котором мы расскажем дальше.
Делите пользователей на группы
Если анализировать всех сразу, получится среднее число, которое будет далёким от реальности. Поэтому пользователей нужно делить на группы — они называются когортами. Людей можно сгруппировать по дате регистрации, территориальным признакам, после какой рекламы пришли и так далее.
Например, люди, которые пришли после рекламы в Facebook, — это одна группа. Которые пришли из «ВКонтакте» — другая.
А если у вас много данных, то пробуйте считать LTV для одного пользователя, а не группы. Эта информация будет ещё ценнее. Например, от этих данных может зависеть монетизация конкретного человека: показывать ему рекламу или предлагать внутриигровые покупки.
Помните о пользователях с аномальным поведением
Почти в каждой группе есть игроки, чьё поведение отличается от других. Например, все тратят по $5 в неделю, а кто-то один — по $1000. Из-за него расчёт LTV получится неточным — этого человека лучше на время исключить. Но при этом совсем забывать о таких людях не нужно.
Если полностью исключить топ-плательщиков из расчётов окупаемости, можно не учесть часть прибыли. В результате вы ограничите себя в объеме инвестиций в успешный проект. Вариант решения проблемы «китов» — выбирать размер когорт таким образом, чтобы появление топ-плательщика было статистически прогнозируемо.
Не стоит доверять средним показателям по рынку
Даже с небольшим LTV у вас может быть всё хорошо, если вы умеете оптимизировать затраты и дешёво закупать платящих игроков.
Невозможно точно предсказать, сколько человек будет пользоваться приложением и сколько денег заплатит. Мы можем сделать лишь примерный прогноз. Каждый аналитик должен выбрать, какой из способов лучше подходит для его приложения, либо придумать свой.
На основе удержания — сложный способ, придётся сделать много расчётов. Подойдёт продвинутым аналитикам, если нужно определить LTV как можно точнее. Он работает хорошо, если пользователи платят стабильно, без резких изменений.
Накопительный ARPU — способ, который можно применять при наличии небольшого количества данных и за недолгий срок. Позволяет точнее понять, на какой день окупится привлечение пользователя.
Этот способ хорош тем, что здесь мы точнее определяем, сколько в среднем дней или месяцев люди пользуются нашим приложением — Lifetime. Чтобы его рассчитать, нужно обратиться к другой метрике — показатель удержания (Retention).
Чтобы объяснить, что такое показатель удержания, возьмём простой пример. Мы запустили приложение — в первый день в него зашли 100 человек. А на второй день из них зашли только 60. Значит, показатель удержания на второй день — 60%. Его изображают в виде такого графика.
Когда приложение молодое, мы не знаем, сколько люди будут в него играть. Поэтому показатель удержания приходится прогнозировать.
Наш фактический график удержания изгибается примерно равномерно. Поэтому, если мы найдём функцию, график которой будет изгибаться похожим образом, то сможем сделать прогноз.
Есть несколько формул. Использовать можно все. Просто одна из них построит новый график чуть точнее, чем остальные. Понять, какая именно, можно только попробовав все. Если ни одна из них не подошла, можно поискать на просторах интернета другие. Например, здесь. Вот некоторые из формул:
«X» в уравнении — период времени. Например, нам известно удержание за 30 дней. Поэтому попробуем построить график на чуть больший срок — 90 суток. Соответственно, наше «X» — 90.
«A, B, C, D» — параметры функции. Это определённые числа, которые нужно подобрать так, чтобы новый график был максимально схож с фактическим. Это можно сделать вручную, либо воспользоваться инструментом Solver для Excel. Как им пользоваться, можно найти тут.
Строим графики и сравниваем их с фактическим. Должно получиться похоже на это:
Подробное руководство по графику удержания (Retention) можно найти в этой статье.
Итак, мы построили график на 90 дней. Теперь нужно узнать, сколько в среднем платит один игрок в месяц — ARPU.
Берём валовую прибыль за месяц и делим её на количество клиентов, которые пользовались приложением в этом месяце. Например, игра работает 30 дней. За это время мы заработали $5000, а поиграли в нашу игру 100 человек. Получается, в среднем каждый игрок приносит нам в месяц по $50 — это ARPU.
Теперь, чтобы посчитать LTV, нужно поделить график удержания на месяцы. У нас он на 90 дней, значит делим его на три части — по 30 дней. И смотрим, какой показатель удержания был в конце каждого месяца. Напомним, что в наших примерах мы завысили и округлили все цифры, чтобы было проще считать, — в реальности они намного ниже.
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.
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.
- 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);
- 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.
- 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.
Ну а ARPU (в данном случае ARPU = ARPDAU) рассчитывается как дневной Revenue, делённый на DAU. Перемножаем lifetime на ARPU и получаем LTV.
- Простота расчётов. Рассчитать lifetime таким образом нетрудно, ещё легче рассчитать ARPU. А перемножить одно на другое сможет любой школьник.
- Можно рассчитывать LTV хоть каждый день.
- LTV можно рассчитать по каждому пользовательскому сегменту в отдельности.
- Значение сильно зависит от периода неактивности, задаваемого, как правило, экспертно.
- Мы умножаем среднее значение lifetime на среднее значение ARPU, получаем накопленную ошибку.
- 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.
- 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.
- Точность. Lifetime рассчитан очень точно, погрешность в нём минимальна.
- Побочным эффектом от расчёта такого метода является то, что вы бонусом получаете ещё и прогноз retention на сколько угодно дней.
- Возможность посчитать LTV для каждого сегмента в отдельности.
- Сложно считать (хотя опытный аналитик при наличии всех данных посчитает вам LTV за пять минут).
- 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.
- Во-первых, можно взять lifetime.
- Во-вторых, можно вновь задать это t экспертно.
- В-третьих, можно вернуться к дисконтированию и добавить в получившееся уравнение знаменатель , в этом случае рано или поздно на графике станет намечаться асимптотическое значение (как на картинке выше — примерно $3,7, выше которого LTV быть не сможет. Вот это значение и берите.
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.
Среди всех маркетинговых показателей есть особенный, который измеряет прибыль от клиента в течение его жизненного цикла. Правильно рассчитав эту метрику, бизнес сможет узнать, сколько тратить на привлечение клиента, чтобы не работать в убыток. Также этот показатель раскрывает особенности поведения клиента в динамике и дает ценные инсайты, как его удержать.
Знакомьтесь — жизненная ценность клиента.
бонус для читателей
Полезные дашборды для маркетологов от OWOX BI
Содержание
Что такое жизненная ценность клиента
Жизненная ценность клиента (англ. customer lifetime value, LTV или CLV) — это общая прибыль, которую вы получите от клиента в ходе его сотрудничества с вами. Этот показатель помогает прогнозировать будущие доходы и измерять долгосрочный успех в бизнесе. Более того, он помогает оценить, сколько нужно инвестировать, чтобы удержать клиента.
Согласно журналу Forbes, вероятность того, что вы продадите продукт или услугу новому потребителю составляет 5–20%, тогда как вероятность продажи его существующему покупателю составляет около 60–70%.
Удержание клиента обойдется намного дешевле. Таким образом, успешные маркетологи всегда разрабатывают планы удержания и побуждения к новым покупкам. Некоторые расчеты LTV позволяют прогнозировать прирост прибыли компании, основываясь на данных о покупках ваших клиентов, их типичного поведения и особенностей ваших рекламных кампаний.
Показатель LTV дает ответы на следующие вопросы:
Исследование, проведенное Coffee Analytics, показывает, что только треть компаний в России и СНГ используют метрику LTV. Для сравнения, в Великобритании LTV рассчитывают 93% retail/ecom-бизнесов.
Изучая методы и периодичность расчёта LTV, эксперты установили, что 42% компаний обновляют метрику раз в месяц, 27% — раз в неделю и 17% — ежедневно.
94% респондентов используют при расчёте данные о транзакциях. На втором месте по частотности (46%) — рекламные кампании и источники. При этом в b2b-сегменте чаще используют «поведенческие данные»: поведение на сайте (41%), звонки и обращения в чатах (31%), потребляемый контент (24%).
Скачайте полные результаты исследования на сайте Coffee Analytics.
LTV кейсы
Рассмотрим несколько примеров того, как крупные компании использовали этот показатель.
Еще в 2013 году, по оценке исследования потребительского поведения, покупатели с подпиской Amazon Prime тратили 1340 долларов в год на шоппинг в Amazon, что вдвое больше, чем покупатели, которые не пользовались Prime аккаунтом. Основываясь на показателе жизненной ценности клиента, компания Amazon начала уделять больше внимания клиентам с Prime аккаунтами и значительно повысила прибыль за следующие четыре года.
Netflix также извлекли ценный инсайт из расчета LTV. В 2007 году компания обнаружила, что типичный подписчик оставался с ними в течение 25 месяцев. Их LTV составлял 291,25 долларов. Менеджеры компании поняли, что их зрители нетерпеливы и большинство из них отказывается от сервиса, когда приходится долго ждать желанный DVD. Проанализировав статистику, компания Netflix решила внедрить онлайн-трансляцию, чтобы развлечь пользователей, пока они ждут свою доставку. В результате компании Netflix удалось повысить вовлеченность зрителей на 4% и при этом отдать в прокат миллиардный DVD. Вскоре они почти отказались от DVD-продаж, начав полномасштабную экспансию в сети.
Пример компании Starbucks показал, что, если повысить индекс удовлетворенности, показатель жизненной ценности клиента и прибыль тоже увеличатся. Чтобы узнать, сколько им можно тратить на привлечение любителей кофе, Starbucks рассчитали средний LTV (кейс Business Insider) несколькими формулами. И эта цифра впечатляет — $14 099!
Примеры выше доказывают, что показатель жизненной ценности клиента существенно влияет на бизнес.
OWOX BI поможет объединить данные из разных систем: действия пользователей на сайте, звонки и заказы из CRM, email-рассылки и расходы на рекламу. Вы сможете настроить сквозную аналитику и автоматизировать отчеты любой сложности: по рекламным кампаниям, когортному анализу, ROPO, CPA, ROI, ROAS, LTV, САС, атрибуции и многие другие.
Как посчитать LTV
Есть много способов рассчитать жизненную ценность клиента, и выбор зависит от типа бизнеса и индустрии. Мы выбрали пять методов расчета, от простых к сложным.
Исторический и когортный подход к расчету LTV
Для исторического подхода нужны только данные о предыдущих покупках, так как формула рассчитывает жизненную ценность, исходя из прибыли от покупок в прошлом. Для расчета «исторического» LTV можно использовать показатель среднего дохода с клиента (ARPU) (способ 1) или когортный анализ (способ 2).
Способ 1
Предположим, 20 человек принесли $1240 прибыли за 3 месяца. Средняя прибыль за этот период будет:
ARPU (3 мес.) = $1240 / 20 = $62
Посмотрим, что принесут нам эти люди через год:
ARPU (12 мес.) = ARPU (3 мес.) × 4 = $62 × 4 = $248 в год с клиента
Используя исторический подход, мы получили ARPU за один год — $248. Давайте посмотрим, что мы можем сделать, используя следующий способ.
Способ 2
Когортный анализ — это продвинутый подход ARPU. Когорта — это группа пользователей, которые имеют похожие характеристики и совершили первую покупку в течение одного и того же периода. С помощью когортного анализа, вы рассчитываете средний доход от группы, а не от пользователя.
Используя пример выше, мы рассчитали ARPU в месяц для когорты с января 2018 года и когорты с марта 2018 года и внесли их в таблицу. Таким образом, сумма всех ARPU за период общения с компанией и будет отражать LTV. Удобно, не так ли?
Кроме того, когортный анализ может помочь вам определить количество лояльных клиентов, повысить жизненную ценность клиента, определить точки падения интенсивности покупок, точнее оценить эффективность рекламных кампаний.
Недостаток исторического подхода
Оба эти способа просты, но они не могут быть использованы для прогнозов. Исторический подход действителен только в том случае, если ваши клиенты имеют схожие предпочтения и остаются с вами в течение одинакового периода времени. Но эти способы не учитывают изменения в их поведении. Поэтому, если интересы пользователей меняются и они по-другому осуществляют покупки, нужен другой метод расчета LTV.
Прогностический подход к расчету LTV
Этот подход нацелен на моделирование потребительского поведения и прогнозирование того, что клиент сделает в будущем. Данный подход точнее исторического расчета, потому что в нем используются алгоритмы прогнозирования общей ценности клиента. Наряду с прошлыми покупками этот подход учитывает действия пользователя. Учтите, есть много способов прогностического расчета LTV. Ниже мы рассмотрим один из самых доступных.
Способ 3
Этот расчет LTV может показаться сложнее остальных, но он более точный. Вам также необходимо будет дополнительно рассчитать некоторые метрики для формулы:
Теперь разберемся, как рассчитать все метрики для формулы. Ниже пример расчета с данными за 6 месяцев.
Сначала считаем среднее количество транзакций (T).
Период: 6 месяцев
Общее количество транзакций: 120
T = 120 / 6 = 20
AOV — средняя стоимость заказа или средний доход от каждого заказа за период.
Общий доход (например, в ноябре): $12,000
Количество заказов: 20
AOV = $12,000 / 20 = $600
AGM — средний коэффициент прибыли, которой показывает, какая часть каждой продажи является вашей фактической прибылью, а какая является себестоимостью (выражается в процентах). Нам нужно выполнить двухшаговый расчет, чтобы получить метрику AGM.
Определяем коэффициент прибыльности (GM) в процентах в месяц:
К примеру, общий доход в ноябре: $12,000
GM (%) = (($12,000 — $8,000) / $12,000) × 100 = 33%
Рассчитываем средний показатель за период:
Рассчитываем коэффициент прибыльности за период, суммируя все показатели среднего коэффициента прибыльности по месяцам. Получившееся число делим на количество месяцев и получаем средний показатель:
AGM = 1.71 / 6 = 0.285, or 28,5%
ALT — средний жизненный цикл клиента, который показывает, как долго он оставался с вашей компанией.
Чтобы узнать это число, используем формулу ниже:
Чтобы узнать коэффициент оттока клиентов, используйте формулу ниже:
Предположим, у вас было 200 клиентов в начале ноября и 150 в конце ноября.
Коэффициент оттока (%) = (200 — 150) / 200 = 50 / 200 = 0.25, или 25%
ALT = 1 / 25% = 1 / 0.25 = 4 месяца
Наконец, у нас есть все метрики для нашей прогностической формулы LTV:
- Среднее количество транзакций в месяц (T) = 20
- Средняя стоимость заказа (AOV) = $600
- Средний коэффициент прибыли (AGM) = 28,5%
- Средний жизненный цикл клиентов в месяцах (ALT) = 4 месяца
LTV (общий) = 20 × $600 × 28.5% × 4 = $1,368,000
Теперь мы должны принять во внимание общее количество существующих клиентов на конец последнего месяца, то есть ноября. Их было 150.
Прогностический LTV = $1,368,000 / 150 = $9,120
Слабые стороны способа 3
Хотя этот подход лучше, чем исторический, вы все равно должны учитывать, что прогнозы могут ввести в заблуждение. Мы только предполагаем продолжительность жизненного цикла клиентов на основе ежемесячных данных. Для более точного результата следует скорректировать показатель LTV в соответствии со своей отраслью и бизнес-стратегиями.
бонус для читателей
Полезные дашборды для маркетологов от OWOX BI
Традиционный подход к расчету LTV
Способ 4
Если у вас нет годовых объемов продаж, вы можете использовать традиционную формулу расчета. В ней учитывается размер скидки, средний коэффициент прибыли на срок жизни одного клиента и коэффициент удержания.
Формула выглядит так:
GML — средняя прибыль от клиента в течение срока его жизни.
GML = Коэффициент прибыли (%) × Средний общий доход на одного клиента
Валовая прибыль: 28,5% (из примера выше)
Средний общий доход: $600 (из примера выше)
GML = 0.285 × $600 = $171
R — это процент людей, совершивших повторную покупку в течение определенного периода, по сравнению с таким же предыдущим периодом. Для расчета месячного значения R понадобятся следующие цифры:
Предположим, что в ноябре у вас было:
R = ((250 — 50) / 220) × 100 = (200 / 220) × 100 = 0.9 × 100 = 90%
D — размер скидки. Мы возьмем стандартную ставку 10%.
Теперь у нас есть все необходимые метрики для расчета традиционного показателя LTV:
LTV = $171 × (0.9 / (1 + 0.1 — 0.9)) = $171 × (0.9 / 0.2) = $171 × 4.5 = $769.5
Эта формула охватывает все возможные изменения дохода в течение определенного периода. Чтобы учесть инфляцию, каждый последующий период должен быть скорректирован по примеру скидки.
Методы расчета LTV в Retail и Subscription бизнесахЖизненная ценность клиента в Google Analytics
Многие маркетологи пользуются Google Analytics для отслеживания необходимых данных. В этом сервисе есть функция для расчета ценности пользователей по показателям вовлеченности и дохода с учетом сессий за 90-дневный период.
Способ 5
Отчет LTV в Google Analytics показывает, как менялся доход с пользователя, совершившего конверсию, рассчитывая этот показатель на просмотрах страниц, достижении целей, событиях и трендах. Вы выбираете вкладку Общая ценность, и Google Analytics формирует этот отчет для вас.
Что следует учесть:
- Это относительно новое дополнение (выпущено в 2017 году), которое не предусматривает длительный срок жизни клиента. Вместо этого Google Analytics делает выводы на основе последних 90 дней.
- Платформа Google Analytics работает на базе файлов cookie. Если пользователь отказывается от отслеживания cookie-файлов, вы не сможете отследить его данные.
- Google Analytics подсчитывает количество лидов и подписчиков по всем каналам. Это означает, что вы не сможете точно узнать, сколько денег тратит каждый пользователь без дополнительной обработки данных.
- Google Analytics не может четко определить, какой клиент совершает повторную покупку. Невозможно проверить, потратил ли он 100 или 1000 долларов без дополнительных данных.
Google Analytics — эффективный инструмент для сбора данных, но для расчета LTV требуются данные о реальных клиентах и их покупках из CRM, а эта информация по умолчанию недоступна в GA. Чтобы объединить действия пользователей на сайте, звонки и заказы из внутренних систем, email-рассылки и расходы на рекламу, вы можете использовать OWOX BI. Сервис поможет вам автоматизировать отчеты по LTV и любым другим метрикам.
Наши клиенты
растут на
Растите быстрее, анализируя, что лучше сработает в вашем маркетинге
Измеряйте KPI, находите зоны роста и увеличивайте свой ROI
Когда о показателе LTV можно не беспокоиться?
Нет такого понятия, как «среднестатистический» или «нормальный» показатель жизненной ценности клиента. Для бизнеса всякий LTV хорош, пока он приносит доход. Вам стоит сосредоточиться на том, как с помощью инсайтов увеличить прибыль.
И если вам нужен знак свыше, вот несколько интересных фактов: если показатель LTV в три раза превышает стоимость привлечения клиентов (CAC), все идет хорошо. Если нет — нужно срочно пересмотреть свою маркетинговую стратегию.
Расчет LTV сделан. Что дальше?
Если расчет LTV окончен, попробуйте рассчитать по другой формуле или поискать инсайты.
Сравните результаты CLV со стоимостью привлечения клиентов, чтобы понять насколько эффективны ваши маркетинговые усилия:
- Если LTV выше, чем стоимость привлечения, значит, у вас много повторных покупок или ваши усилия по удержанию клиентов оправдывают себя. Однако, эта интерпретация зависит от отрасли и показателя прибыльности компании.
- Если вы видите, что ваши затраты составляют небольшую часть валовой прибыли (т. е. ниже 10%), значит вы тратите недостаточно средств на маркетинг. В таком случае следует инвестировать больше, чтобы расти.
Но что, если ваш LTV равен или близок к вашим затратам на привлечение? Это говорит, что бизнес тратит почти столько же на клиента, сколько получает. Подобную стратегию используют, когда хотят привлечь новых клиентов. В других случаях это звоночек, чтобы основательно разобраться с маркетингом.
Для улучшения показателя LTV можно использовать сегментацию пользователей с помощью OWOX BI Pipeline. Это поможет лучше понять своих покупателей. Здесь скрываются инсайты о том, как и что именно ему нужно предложить. А это — прямой билет к улучшенному LTV.
Итоги
Жизненная ценность клиента может быть интерпретирована по-разному. Но этот показатель действительно поможет вам найти баланс. Вы узнаете, сколько нужно инвестировать, чтобы сохранить существующих клиентов и получить новых.
Исследование от Criteo обобщает преимущества мониторинга LTV для бизнеса любого размаха:
В этой статье мы поделились кратким обзором способов расчета LTV. Если у вас есть вопросы или вы хотите, чтобы команда OWOX BI помогла вам понять, как повысить жизненную ценность клиентов, свяжитесь с нами.
Конечно, есть и другие показатели, которые необходимо учитывать для оптимизации затрат. Но один лишь расчет жизненной ценности подскажет вам, как улучшить бизнес по всем направлениям. Учитывая LTV, вы сможете повысить лояльность клиентов и увеличить продажи.
Читайте также: