{"id":7297,"title":"\u0417\u0430\u043a\u0430\u0442\u0438\u043b\u0438 \u0432\u0435\u0447\u0435\u0440\u0438\u043d\u043a\u0443 vc.ru. \u0420\u0430\u0441\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u043c \u0438 \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u043c, \u043a\u0430\u043a \u044d\u0442\u043e \u0431\u044b\u043b\u043e","url":"\/redirect?component=advertising&id=7297&url=https:\/\/vc.ru\/promo\/300923-proveli-vecherinku-vc-ru-i-sdelali-ofis-uyutney-s-pomoshchyu-novogo-servisa-ot-ozon&placeBit=1&hash=1786c9dcf11a3b054c8e53004e27074664313ed4055e24064ede059ebc186db8","isPaidAndBannersEnabled":false}
Маркетинг
Елисей -

Научный подход к пониманию LTV. Часть 1

В интернете есть немало информации об LTV: что представляет из себя эта метрика, зачем она нужна и как правильно ее считать. Однако, несмотря на столь высокую популярность данного показателя, в открытых русскоязычных источниках крайне немного информации о том, как LTV освещается в западной научно-популярной литературе.

Цель данной статьи – описать аспекты LTV, которые, возможно, на практике не всегда принимаются во внимание при расчете, но при этом могут быть полезны для интерпретации метрики в целом.

Определение LTV

LTV (lifetime value) или CLV (customer lifetime value) - это приведенная стоимость всех будущих потоков прибыли, которые отдельный клиент генерирует в течение всего срока использования продукта. Проще говоря, LTV – это текущая стоимость будущих денежных потоков с клиента, соответственно, один и тот же доход с потребителя может меняться в зависимости от реальной стоимости денег в будущем (NPV). В нижеперечисленных расчетах именно использование NPV является отличительной особенностью расчета LTV.

Модели расчета LTV можно условно разделить на 2 категории:

1. Модели, которые рассматривают не только поведение потребителя в прошлом, но еще измеряют его ценность в будущем.

2. Модели, учитывающие поведение потребителя в прошлом без прогнозирования покупок в будущем (RFM, SOW, PCV)

Безусловно, существуют и другие методы классификации, однако данный подход, на мой взгляд, является наиболее всеобъемлющим, т.к. он показывает ключевую разницу между формулами – учитываются ли только прошлое потребительское поведение или рассчитываются будущие покупки с поправками на NPV, вероятность повторной покупки и др. факторы. В данном случае каждая из групп может дополняться новыми формулами, которые будут рассматриваться в дальнейшем.

Базовая структурная модель (Jain & Singh)

https://www.sciencedirect.com/science/article/abs/pii/S1094996802701564

i - временной период

N - прогнозируемый срок жизни клиента (количество периодов)

R1- выручка с клиентов за период

C1- себестоимость производства продукции за период (прямые затраты, связанные с объёмом производства и покупкой сырья)

d – ставка дисконтирования

В основе данной формулы лежит показатель NPV. Такой расчет прост в понимании и удобен в использовании. Тем не менее, как указывают исследователи, данный метод расчета обладает рядом недостатков:

- Оценивает только тех клиентов, которые участвуют в текущем денежном потоке за период, не принимаются во внимание ушедшие или временно ушедшие пользователи, а также потенциальные потребители.

- Не учитываются затраты на привлечение клиента.

- Не рассматривается частота покупок и не принимаются во внимание вероятность того или иного сценария поведения клиента (совершит ли он повторную покупку, уйдет к конкуренту).

Пример расчета: Компания поставщик программного обеспечения «PAS» предоставляет услуги банку «Закрытие». Ожидаемый срок жизни банка в качестве клиента «PAS» - 2 года (подробнее о расчете срока жизни здесь). Выручка с банка за 1 год – 5 млн руб. Выручка с банка за 2 год – 6 млн руб. Себестоимость за 1 год – 1,5 млн. Себестоимость за 2 год – 3 млн Ставка дисконтирования = 9%

Существует также более усовершенствованный способ расчета LTV, которые идентичен базовой структурной модели, но еще и учитывает затраты на привлечение клиента.

Модель клиентской миграции (Dwyer,1997)

В данном подходе будущее поведение потребителя основывается на давности совершенной покупки (recency). Предполагается, что клиент может вновь совершить транзакцию через определенное время . RFM – один из более продвинутых способов сегментации, который используется для расчета LTV на основе модели клиентской миграции.

В вертикальном столбце "Period" представлен рассматриваемый период, а в горизонтальном "Recency state" указан период с последней покупки. В верхней строке таблицы – показатели вероятности покупки в текущем периоде (основаны на данных компании). Соответственно, склонность к покупке варьируется в зависимости от совершенной транзакции в периоде. Например, к концу периода 7 существует 9% вероятности того, что клиент будет находиться в строке 5, когда последняя покупка была совершена в периоде 3.

Фактически данные расчеты являются дополнением к базовой структурной модели, т. к. учитывают фактор вероятности при сегментации клиентской базы. Даже если клиент не совершал покупок за определенный период, в данной модели он все равно учитывается, в отличие от базовой структурной модели. Тем не менее, клиентская миграция также несовершенна:

- Предполагается, что покупка происходит в строго зафиксированный период времени, что наилучшим образом применимо только для бизнес модели на основе подписки.

- Учитывается только показатель recency, другие факторы (частота покупок, цена и т.д.) игнорируются.

Таким образом, в вышеупомянутых моделях были рассмотрены 2 аспекта при расчет LTV:

- NPV.

- Вероятность повторной покупки.

О других моделях - в следующей части.

{ "author_name": "Елисей -", "author_type": "self", "tags": ["\u043f\u0440\u043e\u0434\u0443\u043a\u0442","\u043c\u0435\u0442\u0440\u0438\u043a\u0438","\u043c\u0430\u0440\u043a\u0435\u0442\u0438\u043d\u0433"], "comments": 32, "likes": 9, "favorites": 63, "is_advertisement": false, "subsite_label": "marketing", "id": 255286, "is_wide": true, "is_ugc": true, "date": "Sun, 06 Jun 2021 19:57:02 +0300", "is_special": false }
0
32 комментария
Популярные
По порядку
Написать комментарий...

Приложите эксель с параметрами и парой примеров по каждой описываемой модели и материал станет еще полезней.

3

Спасибо за мысль. Добавлю

6

Плюсую, будем ждать)

0

что-то я так и не понял о чем статья? мы про то как посчитать LTV на текущий момент или как прогнозировать LTV?

0

Зависит от подхода и классификации. Здесь описано 2 метода

0

из статьи вообще ничего не ясно. я не вижу никакой проблемы считать LTV, с прогнозированием вопросы есть, но посчитать то в чем проблема?

0

В начале статьи четко указано, что цель публикации данного материала - описать подходы расчета LTV, выработанные в научном сообществе, а не решить какую-либо проблему

1

еще раз — в чем проблема посчитать то LTV? все-таки бизнесу важно для чего то знать эту метрику и уметь ее применять, вот для чего она нужна это и есть решение проблемы какой то. само по себе знание любой метрики бесполезно. из статьи, я как читатель, не понимаю что вы хотели рассказать. 

0

Здесь показаны подходы, применяемые при расчете, с учётом npv или без, + оценка вероятности покупки. Повторюсь - статья не имеет цели заставить вас пересмотреть свой подход к ltv, а лишь демонстрирует плюрализм факторов, которые могут быть учтены при подсчете. В интернете есть масса расчетов ltv, с затратами на привлечение пользователя и без, на основе чистой прибыли, на основе gross revenue и тд.

Здесь же описываются подходы, о которых не так много информации в Рунете. В частности, npv. А он может быть полезен для b2b при реализации долгосрочных проектов сроком от 2 лет и выше.

Понимание метрики не бесполезно, т.к. это в первую очередь методологический инструмент юнит экономики.

0

прекрасно, что вы мне про юнит-экономику рассказали, спасибо, но еще раз, метрика в бизнесе сама по себе бесполезна, все это нужно для решения определенных задач. из статьи не ясно про что вы говорите, как посчитать? вообще нет проблем, как прогнозировать? не ясно. странно что вы желаете услышать других людей.

0

Что значит как считать, если в статье приведены и формулы, и примеры расчета? «Желаете услышать других людей» - поясните, где вы видите такой посыл? Вы явно что-то путаете…
Получается так, что я вам о тёплом, а вы мне - о мягком.

0

кхм.... и так, есть у бизнеса потребность посчитать текущий LTV клиента за прошедший период — тут проблемы вообще нет. есть вторая задача — спрогонозировать LTV клиента в будущем. Из вашей статьи не понятно она про первую часть или про вторую, или про все вместе и в кучу. По этому я вам и говорю, какую задачу в бизнесе решаете? так как метрики без задачи бесполезны. 

0

Смотрите. Здесь рассматривается классификация расчета ltv, которая делит ltv на: текущий и прогнозируемый. И для текущего и для прогнозируемого есть разные методы расчета. Т к методов много, здесь описано только 2, и один и второй используются для прогнозирования. Более детальные таблицы с примерами я выложу чуть позже, как и просили комментаторы выше. По 1 есть и формула, и пример, по 2 не хватает более живого примера для понимания.

0

так а задача то какая? повторюсь никакой проблемы расчета LTV по историческим данным нет ;) есть куча сервисов, например, mrrly.io, которые автоматом на исторических данных соберут когорты и посчитают LTV. Другое дело прогноз.... с ним все сложнее.

1

Задача - описать существующие подходы. Метрика везде считается абсолютно по разному, и прогнозы могут строиться на разных данных. Об этом речь…То, что есть инструменты расчета - это понятно и так, но везде есть своё ограниченное количество параметров которое учитывается при расчёте. К тому же, маловероятно, что на практике учитывается вероятностный характер совершения покупки. А он, в свою очередь, вполне может быть интегрирован в модель расчета ltv. На этапе сегментации клиентской базы. Как раз это подробно изучают в зарубежной научно-популярной литературе. Сюда же относятся и другие, более экзотические методы, по типу расчета ltv с помощью цепей Маркова. Но об этом напишу позже

0

еще раз, нет никакой проблемы посчитать текущий LTV вообще ни какой и сервисы считают исторические данные. А про задачу я не про вашу, а про задачу бизнеса. Вы все смешиваете в кучу, зачем?

0

Где «в кучу»? Описано 2 метода, приведены примеры. Какая куча, вы о чем?

0

вы смешиваете подсчет LTV и прогноз LTV 

0

Потому что и то и то является его расчётом. Эту классификацию придумал не я. Читайте статью внимательно

0

нет никакого проблемы расчета текущего LTV просто нет такой проблемы, понимаете? нету и быть не может. 

0

А где вы видите что есть проблема? Вы вообще не о том речь ведёте, и близко. Материал не об этом

0

конечно я не понял о чем ваша статья и задал вам вопрос. я рад что кто-то начинает писать про эту тему, так как за последние 7 лет никто не писал, а зря. Но вы зря реагируете так. 

0

Я вовсе не реагирую негативно. Просто я не понимаю ваш посыл. Здесь 2 примера, каждый учитывает свои факторы. Проблемы никакой в расчёте ltv нет, но подходов к его расчёту становится только больше

0

я же задал вопрос — какую задачу бизнеса вы решаете. 

0

В данной статье речь не идёт о задачах бизнеса. Возможно в дальнейшем изложу своё видение, но пока что вопрос касается только методов расчёта, не более.

0

зачем нужны формулы в бизнесе если они не решают его задач то? 

1

Безусловно. Задача - понимание того, сколько нужно тратить на клиента, чтобы профиты превышали совокупные затраты. Ну и соответсвенно понимать, какие метрики растить для улучшения ltv (условные retention и arpu)

0

Покажите сервис который считает npv и вероятность повторной покупки.

0

вы читать не умеете? я говорю, что задача прогноза это одна задача и она интересная, сервисы считают текущий который есть по факту... 

0

Нахер не надо дисконтировать. Интервал временной короткий и неопределенность высокая,поэтому никто и не делает.

0

еще один вопрос зачем в LTV затраты на привлечение вносить?

0

Здесь же описываются существующие методы, я эти формулы не сам составил ред.

0
Читать все 32 комментария
Внебиржевые криптовалютные магазины наводняют Гонконг, но правила могут повлиять на их присутствие
Минэк и корпорация МСП предложили освободить малый бизнес от штрафов за первое нарушение КоАП Статьи редакции

Поправки должна рассмотреть правительственная комиссия, а в случае одобрения их внесут в Госдуму, рассказал источник.

ПСБ запустил личный кабинет для предпринимателей. Там можно следить онлайн за каждым своим терминалом

Сервис предоставляется бесплатно.

Как OTUS стал платформой для самореализации. История преподавателя

Наш преподаватель, специалист по Data Science, решил поделиться своей историей преподавания. Он рассказал, как пришел в эту сферу, с какими трудностями столкнулся на пути к преподаванию и что ему помогает. А еще поделился советами, как поддерживать внимание студентов и сделать занятия полезными и увлекательными.

Как не попасть в карьерную ловушку тимлида: личный опыт

Кажется, что тимлиду просто некуда расти: дальше надо либо идти в менеджмент, либо наоборот, становиться узконаправленным разработчиком. По просьбе «Лаборатории Касперского» Евгений Мацюк, который прошел в компании неординарный путь, рассказал о своих карьерных развилках во время и после тимлидства, а также поделился опытом горизонтального роста.

BUSYkids - умное приложение для дошкольников

Отрицать цифровизацию общества бессмысленно. И как бы ученые ни боролись против гаджетов для детей, признаемся честно, почти каждый из нас нет-нет да даст ребенку телефон играть (мама с папой же вечно в телефоне, значит, там масса интересного!). Поэтому мы, группа ответственных родителей, решили, что раз наши дети так или иначе взаимодействуют с…

7 причин начать пользоваться Bright Data Proxy Manager:
«За гранью ума»: сооснователь YC Пол Грэм о том, почему одного интеллекта недостаточно, чтобы создать что-то новое Статьи редакции

Человеку с детства навязывают, что главное в жизни — быть умным, вот только умные люди далеко не всегда добиваются больших успехов. Об этом программист рассуждает в своём новом эссе.

Пол Грэм Medium
Любителям автоматизации пост

Привет! Это мой первый пост на этой платформе. Я не совсем ещё знаком с местными правилами, но всё же решил написать об одном из своих Telegram ботов и поделиться им.

Детство на антибиотиках: как медицинский догматизм чуть меня не угробил, но, в итоге, подарил дело моей жизни

Часто, когда говорят или пишут о великих, упоминают, что еще в детстве они столкнулись с какой-то проблемой, решили спасти от нее весь мир и так стали тем, кем стали. С великими себя не сравниваю, но для меня такие биографии – свидетельство того, что если человеку нужно, он добьется всего, что захочет. У меня тоже есть подобная история за…

Cloud CDN: что это такое, как устроено и кому нужно. Разбираем на примере бургеров

Cloud CDN — это сеть быстрой доставки статического контента в формате услуги облачного провайдера. Объяснить, как работает технология, проще всего на примере — сравнить Cloud CDN с популярным продуктом, который выглядит плюс-минус одинаково вне зависимости от того, заказали вы его в Москве, Питере или Нью-Йорке. Знакомьтесь: классический бургер.…

null