LTV (Lifetime Value) — важная метрика для принятия решений как в маркетинге, так и в продукте. Но при расчете LTV часто допускают ошибки. Причем ошибки допускают даже авторы статей с первой страницы результатов Google о том, как подсчитать LTV.

Самые распространенные ошибки при расчете LTV:

  • Расчет LTV на основе выручки (Revenue), а не валовой прибыли (Gross Profit);
  • Расчет LTV через Lifetime пользователей, полученный через 1/churn или другими способами;
  • Расчет LTV через среднее количество покупок пользователей.

В этой статье обсудим, как надо и не надо считать LTV (Lifetime Value).

↓ Чтобы глубже разобраться в том, как создаются, развиваются и масштабируются продукты, пройдите обучение в симуляторах GoPractice.

→ В «Симуляторе управления продуктом на основе данных» вы научитесь принимать решения с помощью данных и исследований при создании продукта.

→ В «Симуляторе управления ростом продукта» найдете пути управляемого роста и масштабирования продукта.

→ В «Симуляторе SQL для продуктовой аналитики» поймете, как применять SQL для решения продуктовых и маркетинговых задач.

→ Не знаете с чего начать? Пройдите бесплатный тест для оценки навыков управления продуктом. Вы определите свои сильные стороны и слепые зоны, получите план профессионального развития.

→ Еще больше ценных материалов и инсайтов — в телеграм-канале GoPractice.

Что такое LTV (Lifetime Value)

LTV (Lifetime Value) — это валовая прибыль, которую средний пользователь принесет за все время использования продукта.

Выше приведено классическое определение. На практике LTV обычно считают на какой-то день или месяц с момента прихода пользователя. Например, LTV на 7 день или LTV на 12 месяц.

Выбор периода расчета зависит от решаемых задач. Например, для команды маркетинга, которая покупает трафик в рекламных сетях с целью окупить инвестиции через год, наибольшую ценность будет иметь LTV 1 года.

Если подсчитать LTV на 0, 1, 2 и далее дни, то мы получим кривую изменения LTV в динамике. График динамики LTV по дням обычно выглядит следующим образом.

Если подсчитать LTV на 0, 1, 2 и далее дни, то мы получим кривую изменения LTV в динамике. График динамики LTV по дням обычно выглядит следующим образом.

Как надо считать LTV

Основы расчета LTV кратко

LTV надо считать:

  • На основе валовой прибыли (Gross Profit);
  • С помощью когортного анализа;
  • На практике LTV надо уметь прогнозировать вперед на основе нескольких дней данных новой когорты.

Давайте разберем каждый из пунктов более подробно.

LTV считается на основе валовой прибыли (Gross Profit), а не дохода (Revenue)

Валовая прибыль — это разница между выручкой и всеми переменными затратами, которые напрямую ассоциированы с реализованной продукцией или услугой (COGS или Cost of Goods Sold).

Простым правилом для определения того, какие расходы надо вычесть из выручки для получения валовой прибыли, будет следующее:

  • Если расходы растут пропорционально продажам, то их надо вычитать (это переменные расходы).
  • Если с ростом объемов продаж определенные расходы не растут пропорционально, то их вычитать не надо (скорее всего, это фиксированные расходы).

Если ваш продукт — мобильная игра в App Store, то для получения валовой прибыли (Gross Profit) из суммы денег, заплаченных пользователями, нужно будет вычесть комиссию Apple, затраты на осуществление саппорта (зарплаты, софт и другие расходы). При этом вычитать зарплаты на команду разработки не надо. Это фиксированные расходы, они не растут пропорционально доходам от игры.

Если вы продаете маски через интернет-магазин, то для получения валовой прибыли (Gross Profit) вам нужно будет из общего дохода вычесть стоимость закупки масок, затраты на доставку, комиссию платежной системы и другие расходы, напрямую сопряженные с осуществлением продажи.

Алгоритм расчета LTV с помощью когортного анализа

Алгоритм расчета LTV продукта с помощью когортного анализа:

  1. Берем когорту пользователей и для каждого пользователя считаем валовую прибыль в динамике по дням с момента регистрации.
  2. Считаем суммарную валовую прибыль от всей когорты пользователей в динамике по дням с момента регистрации.
  3. На основе прошлого пункта считаем кумулятивную валовую прибыль когорты пользователей в динамике по дням. Прибыль дня N будет равна прибыли за дни с 0 по N.
  4. Делим кумулятивную валовую прибыль на количество пользователей в когорте и получаем динамику LTV когорты пользователей по дням.
пример расчета LTV

Прогнозирование LTV

Команда маркетинга, которая покупает трафик с целью окупить его через год, не может ждать для каждой из рекламных кампаний год, чтобы принять решение о том, стоит ли ее продолжать или нет.

Решение нужно принять значительно раньше, чем наберутся данные для расчета фактического значения LTV на 12 месяц. Поэтому важно уметь прогнозировать LTV на основе нескольких дней данных новой когорты пользователей.

Из моего опыта большинство команд достаточно быстро вырабатывает простые правила (эвристики), которые позволяют им принимать подобные решения. На основе исторических данных можно оценить, каким должно быть значение ROI (или LTV) на 1, 2 и последующие дни для достижения целевых показателей. Если новая рекламная кампания оказывается далеко от этих значений, то ее отключают. Если же близко к ним или даже лучше, то продолжают откручивать или масштабируют.

Такой подход не обеспечит идеального прогноза, но вполне позволяет принимать решения. Обычно при росте бюджетов вводятся более точные правила, часто специфичные для отдельных сегментов пользователей, выделенных на основе стран, операционных систем и других факторов. Компании также  разрабатывает более продвинутые инструменты и модели для прогнозирования LTV.

Прогнозирование LTV

Как не надо считать LTV

LTV не надо считать на основе Revenue

Часто LTV предлагают считать на основе дохода (Revenue).

Вот формула расчета LTV от команды одной аналитической системы:

«Берём весь доход продукта за период и делим на общее количество пользователей за тот же период».

Для некоторых цифровых продуктов с близкой к нулевой себестоимостью отдельной копии продукта доход и прибыль могут быть очень близки друг к другу. Но во многих продуктах (Joom, AliExpress, Uber, Dropbox) валовая прибыль и доход будут отличаться существенно. В этом случае расчет LTV на основе дохода может дорого стоить компании. Команда маркетинга будет с уверенностью масштабировать рекламные кампании, которые на самом деле приносят убытки, а не прибыль.

Например, у Dropbox очень высокие расходы на хранение данных пользователей на своих серверах и их передачу, поэтому расчет LTV на основе Revenue будет вводить команду в заблуждение.

Ниже на графике показана выручка и переменные затраты на обеспечение этой выручки для Dropbox. В 2015 году, например, 67% от всех получаемых компанией доходов уходили на переменные затраты на обеспечение этих услуг (хранение файлов, оплата трафика, комиссии платежным системам и другие). За следующие два года Dropbox смогли заметно улучшить маржинальность своего бизнеса.

выручка и переменные затраты на обеспечение этой выручки для Dropbox
выручка и переменные затраты на обеспечение этой выручки для Dropbox

LTV не надо считать на основе Lifetime пользователей

Другой распространенный и неправильный метод расчета LTV сводится к следующей формуле:

LTV = ARPU x Lifetime

В данной формуле расчета LTV есть сразу две проблемы.

Во-первых, ARPU считается на основе Revenue (дохода). Мы уже выяснили, что LTV надо считать на основе валовой прибыли.

Во-вторых, ARPU предлагают умножать на «мифический» показатель Lifetime, равный сроку жизни пользователя в продукте.

В разных статьях предлагаются разные способы расчета срока жизни пользователей. Давайте обсудим наиболее популярные.

Lifetime как среднее значение количества дней, через сколько пользователи перестали использовать продукт.

  • Рассчитанный таким способом Lifetime показывает нечто странное. Пользователь мог установить приложение, воспользоваться им следующий раз через 30 дней, потом уйти. Его Lifetime при использовании приведенного метода расчета будет равен 30 дням, хотя он был в продукте всего 2 дня;
  • Другая проблема подхода в том, что непонятно, как быть с пользователями, которые все еще продолжают использовать продукт.

Другой подход предлагает считать Lifetime как площадь под кривой Retention. Это имеет больше смысла, но и тут есть явные проблемы:

  • В какой момент надо считать площадь под кривой? У ряда продуктов Retention выходит на плато (например, Facebook или Youtube), то есть новые пользователи становятся регулярными. Как быть в этом случае?
  • Допустим, что мы будем считать площадь под кривой на 1 день, на 2 день и так далее, чтобы получить динамику LTV при перемножении на ARPU. Но ведь ARPU пользователей за первый день после установки будет отличаться от ARPU пользователей за 20 день после установки приложения. Если взять “усредненный” ARPU, то получится нечто странное.

Часто предлагают считать Lifetime на основе следующей формулы — 1/Churn (коэффициент оттока пользователей). У данного подхода тоже много проблем:

  • Для неподписочных продуктов практически невозможно однозначно определить момент ухода пользователя из продукта.
  • Даже для подписочных продуктов это не самый тривиальный вопрос. У клиента могло не быть денег на карточке, поэтому он не продлил подписку. Через месяц он вернулся и сделал следующий платеж. А может быть клиент отписался, а потом через два месяца вновь подписался.
  • Другая проблема данного подхода в том, что скорость ухода пользователей напрямую зависит от срока их жизни в продукте. Новые пользователи уходят быстрее старых. Если посмотреть на кривую Retention любого продукта, то скорость ее снижения в первые дни будет значительно выше, чем потом. Поэтому показатель оттока churn-rate (даже если придумать его определение) будет сильно зависеть от распределения срока жизни пользователей, на основе которых он считается.
кривая Retention разных продуктов

Другие формулы того, как как не надо считать LTV

В статьях про методы расчета LTV вы найдете еще много других способов и формул, как не надо считать LTV. Среди них будут способы на основе среднего числа покупок на пользователя и средней суммы заказа, формулы со сложными интегралами и так далее.

В заключение

Как надо считать LTV:

  • LTV надо считать на основе валовой прибыли (Gross Profit).
  • LTV надо считать с помощью когортного анализа.
  • LTV обычно считают на определенный момент времени.
  • Ждать фактических значений LTV на 12 месяц на практике невозможно, поэтому важно уметь делать прогноз LTV на основе данных нескольких первых дней и уточнять его по мере получения большего количества данных.
  • Прогноз LTV можно делать на основе простых эвристик или с помощью более сложных моделей, которые будут учитывать много разных факторов.

Как не надо считать LTV:

  • На основе Revenue и ее производных: ARPU, среднего чека и так далее.
  • С помощью Lifetime пользователей. Это очень странная метрика, лишенная понятного физического смысла и нормального метода расчета.
  • На основе любых других вариаций способов расчета LTV.