24 марта в Москве прошла профессиональная конференция по онлайн-аналитике Go Analytics! 2016. Мероприятие уже третий год собирает ведущих экспертов и лидеров отрасли.
В рамках конференции Александр Аникин, руководитель аналитического отдела Uber, представил доклад на тему: «Мы считали LTV, много наших полегло».
В своем выступлении спикер подробно раскрыл смысл понятия LTV и рассказал о том, как грамотно рассчитывать этот показатель на практике и экстраполировать полученные данные.
Общее определение LTV звучит так: это вся выручка или прибыль, которую клиент принесет компании за весь период его жизненного цикла. При этом важно делать различия и понимать, что LT Revenue и LT Margin - это два различных понятия. Ведь выручка и прибыль – это совершенно разные показатели, которые нужно анализировать по-отдельности.
Более того, LTV важно рассчитывать далеко не всем коммерческим компаниям. Делать это имеет смысл лишь тем бизнесам, для которых характерен длительный цикл окупаемости клиента. Это важно, чтобы понимать, какого клиента приобретает бизнес, и какую выгоду компания из этого получит.
Если бизнес отличается низкой частотой и окупаемостью с первой транзакции, то тратить ресурсы на подсчет LTV и вовсе не нужно.
Прежде, чем приступать к анализу LTV, важно проанализировать Revenue Retention. Этот показатель позволяет ответить на вопрос, какие клиенты будут приносить выручку не один раз. Чем медленнее убывает кривая, изображённая на графике выше, тем лучше это для бизнеса. К сожалению, большинство компаний не может похвастаться идеальным показателем, но есть и исключения.
На практике LTV зачастую рассчитывается в тот момент, когда клиент уже ушел, но часто на этом этапе такой анализ бывает уже бесполезным. В таком контексте подсчет LTV нужен лишь для того, чтобы выстраивать прогнозы. Основные принципы подсчета показателя изображены на слайде:
Для того, чтобы построить прогноз или рассчитать Revenue Retention, необходимо усреднять показатели по когортам клиентов. Математически Revenue Retention можно описать формулой постоянно убывающей геометрической прогрессии. Если показатель убывает с умеренной скоростью, то можно сделать вывод, что Revenue Retention или LTV конкретного бизнеса подвержен влиянию сезонности. Если сезонность выражена ярко, то руководству компании необходимо предпринять всё возможное для корректировки показателя LTV.
Детально представляя себе некоторый промежуток жизни клиента, можно производить подсчёты и заниматься прогнозированием. Чтобы суммировать ряд данных, важно четко понимать, за какой промежуток времени это имеет смысл делать.
Спикер отдельно отметил тот аспект, что считать LTV нужно не календарными интервалами, а периодами жизни клиента с момента его первой покупки. Это создает ряд дополнительных трудностей. В частности, сюда относится проблема сезонности.
Не менее важно переходить к подсчёту LTV для каждого конкретного клиента. Но при таком подходе показатели будут эффективными, только если есть определенное количество клиентов, в отношении которых можно сделать объективные выводы. Чем выше частота потребления продуктов или услуг компании – тем надежнее будет прогноз. Все группы должны быть статистически значимыми. Расчёт может проводиться по следующей схеме:
В следующем пункте своего доклада Александр Аникин ответил на вопрос, почему САС, по мнению спикера, – плохой термин? Прежде всего, потому что он неполный. Важно пользоваться не термином Customer Acquisition Cost, а понятием CARC (Customer Acquisition & Retention Cost) или CAC (Customer Retention Cost). Производя расчёты, нужно учитывать все затраты. Если R-cost носит регулярный характер, его нужно моделировать также как LTV. Отсутствие учёта R-cost приводит к росту LTV, но «убивает» LTM – то есть доходность бизнеса. Важно брать в расчёт и любые другие операционные затраты (логистика, платежи, fraud, поддержка и т.д.) в разрезе отдельных клиентов, а не усреднять показатели.
После того, как показатель LTV подсчитан, важно проанализировать ROMI (Return on Marketing Investment), который рассчитывается по формуле: ROMI = LTV/CARC. Производить расчёты LTV/ROMI необходимо по максимальному количеству срезов клиентов по различным параметрам. При этом если LTV/ROMI везде примерно одинаковые, то анализ попросту бесполезен. Важно проанализировать средства: кто, где, когда совершал покупку.
Пример распределения пользователей по каналам может выглядеть так:
Даже оперируя обезличенными данными можно увидеть, что в одних компаниях доходность клиентов, в среднем, в 1,5 раза выше, чем у других.
Сегодня также очень эффективно работает такой инструмент, как geo-LTV. Именно он активно используется для прогнозирования в компании Uber. На основании знания LTV людей и представления об их геолокации можно выстраивать специальные интерактивные карты, на которых каждая географическая точка будет оцениваться с позиции перспективности для бизнеса. На основе этих данных предприниматель может планировать свои маркетинговые активности.
Решение также дает возможность анализировать LTV в разбивке по часам и дням. Этот подход позволит прогнозировать поведение клиентов в зависимости от времени активности потенциальных потребителей товаров и услуг:
Наконец, анализ жизненного цикла клиента позволит добиться определённости в принятии целого ряда важнейших бизнес-решений. К примеру, в отношении рекламных и маркетинговых инвестиций и не только. Вот лишь небольшой список вопросов, ответы на которые способен предоставить грамотный анализ LTV:
«Подобная аналитика обладает высокой степенью точности и позволяет отыскать ответы на все ключевые вопросы бизнеса», - подытожил докладчик.
