LTV, CAC и другие ключевые метрики продукта

Марина Михеева, ментор ProductStar и тимлид команды продуктовой аналитики в DiDi, ex-AliExpress, ex-ЦИАН (ну вы поняли, доверять можно!), простыми словами рассказала про LTV и CAC, Retention и аудиторные метрики, фреймфорки AARRR, HEART и PULSE. В общем статья вышла обширная, да еще и с реальными кейсами.

Под продуктом в IT зачастую понимается приложение, мобильный или web-сайт. Например, поговорим о приложении. Что мы делаем? Для начала, закупаем трафик, т.е. приглашаем пользователей скачать наш продукт. Это этого этапа может зависеть наша конечная цель — получение денег. Если мы ошибемся с закупкой (например, выстроили неверный таргет или ошиблись с product market fit), то часть пользователей может “не зацепиться” и уйти, так и не заплатив.

Если мы переведем эту ситуацию в какие-то продуктовые метрики, то выглядеть это может примерно так:

Логично, что для положительной прибыли расходы должны быть меньше доходов, поэтому CAC<LTV.

Что может влиять на CAC и LTV.

“Траты” на привлечения пользователя могут включать в себя:

Как зарабатывать с пользователей?

Как уже упоминали, для положительной прибыли LTV необходимо быть больше CAC, однако существует такое негласное правило, что для жизнеспособности бизнеса неравенство должно иметь вид LTV > 3*CAC, то есть доходы должны превышать расходы в 3 раза. В этом случае продукт будет окупаться меньше, чем за год.

Иными словами — …

Life-time value или пожизненная ценность клиента — сколько мы зарабатываем с 1 платящего пользователя за все время его пользования/нахождения в нашем продукте. Допустим, мы выяснили, что среднее время пользования продуктом — один год, тогда LTV в этом случае — сколько денег приносит клиент в течение года.

Важно: это метрика прогнозная! Чем старше становится компания, тем больше релевантных данных появляется и LTV оказывается более приближенным к реальности, однако стартапы, например, будут в основном отталкиваться от результатов анализа рынка и предположений.

Зачем считать LTV?

Как посчитать LTV?

1. Вычисляем период неактивности, или срок, после которого пользователь скорее всего в продукт не вернется 😭

2. По отвалившимся пользователям вычисляем время пребывания в продукте от первого до последнего дня. Вычисляем среднее значение, что и будет средним lifetime.

3. Простым способом, LTV = Lifetime x ARPPU (для понимания, ARPPU — средняя выручка с каждого платящего пользователя)

Пример с когортой

Наша задача — посчитать LTV для какой-то когорты пользователей. Обычно, когда в анализе появляются когорты, мы делаем расчеты по данным пользователей, которые “зашли” в продукт в определенный период, т.е. разделяем их на временные когорты. В нашем случае мы рассматриваем платящих пользователей с 1 декабря 2021 по 1 декабря 2022.

Немного поясним написанное на скрине выше:

Вопрос на засыпку: какой канал оставляем?

На самом деле, корректно будет обратить внимание на отсутствие данных по CAC. Так, хотя мы и много зарабатываем с одного YouTube-пользователя, мы не знаем, сколько он “стоит” и какую сумму нам нужно потратить на его привлечение в продукт.

Как еще можем посчитать LTV?

Если продукт позволяет совершать несколько покупок, то будет уместно усложнить формулу и добавить компонент “частота покупок”:

Пусть в среднем клиент делает 10 покупок, каждая из которых — на сумму $10, а его lifetime — 6 месяцев.

LTV = $10 × 10 × 6 = $600

Как уже сказали, CAC (кстати, кто-то говорит “си-эй-си”, кто-то “как”, так что правил особо нет) — стоимость привлечения клиента.

Обычно в расчете учитываются затраты на маркетинг и продажу (например, агентство недвижимости оплачивает вам такси в офис):

Логично, что чем ниже CAC, тем выше будет прибыль. Компании стремятся к снижении метрики CAC и росту органического трафика (люди сами нас находят, не тратим деньги на привлечение).

Что влияет на CAC?

Пример расчета CAC

Затраты на рекламу = 200 тыс, новые платящие клиенты = 100 человек.

CAC составляет 2 тыс.

А если добавим 100 к на сопровождение продаж? В этом случае CAC = 3к.

А если добавим ФОТ (фонд оплаты труда)? Учитываем в CAC? Тут уже сложнее, в некоторых случаях учитывают (например, если на рекламу привлекаем стороннее агентство), но в целом это неверно — практически невозможно “вычленить” из ФОТ затраты именно на привлечение пользователей.

Еще один пример

Чему равен CAC? Считаем.

CAC = 350 000 : 50 = 7000

А чему LTV?

Используем формулу: LTV = (средняя стоимость продажи) x (среднее число продаж в месяц) x (среднее время удержания клиента в месяцах).

LTV = 500 x 1 x 10 = 5000 рублей. 5000 рублей зарабатываем с одного пользователя, а САС у нас 7000 рублей.

Что по соотношению LTV/CAC?

Что можем посоветовать такому стартапу?

Retention — это показатель возвращаемости пользователей в продукт. Считается, как отношение активных за период пользователей к количеству пользователей на начало периода. Показатель Retention можно считать на определенный день/месяц, а в отчетах встретить формулировку n-day retention, то есть возвращаемость пользователей на день n.

Например: на начале курса было 100 учеников, через месяц продолжили обучение 40 из них, а еще через месяц — 35 учеников. Таким образом, retention 1-го месяца будет рассчитываться как: 40/100 = 40%, а retention 2-го месяца — 35/100 = 35%.

Метрика возвращаемости — retention и оттока — churn в сумме дают единицу, таким образом, мы понимаем, что в 1-ом месяце отток 60%, а во втором- 65%. Растущий тренд оттока пользователей — тревожный звоночек! Будем возвращать пользователей, например, push-сообщениями, скидками, подарками или другими эксклюзивными офферами.

MAU/WAU/DAU — это уникальная активная аудитория продукта за определенный промежуток времени — день/неделю/месяц. Важно, что именно «уникальная», т. е. каждый пользователь, который пришел в продукт за месяц/неделю/день хотя бы один раз — учитывается в метрике активной аудитории. Повторные заходы пользователя в продукт не учитываются! Эти метрики позволят нам узнать, насколько продукт интересен, как он растет и развивается, есть ли у нас прирост новых пользователей или компания ушла в “зрелость”. Особенно важно это понимание для стартапов.

Например: в мобильное приложение зашло 10 тысяч уникальных пользователей. Общее количество сессий (или заходов в приложение) — 20 млн. Значит, какие-то пользователи заходили в продукт 2 и более раз, но в MAU/WAU/DAU мы учитываем только 1-ую сессию пользователя + пользователей, которые вернулись в продукт из предыдущего месяца/недели/дня в зависимости от того, какую метрику считаем.

Конверсия — это отношение количество посетителей продукта, выполнивших на нём какие-либо целевые действия — покупку, регистрацию, подписку, посещение определённой страницы сайта, переход по рекламной ссылке — к общему числу посетителей сайта, выраженное в процентах.

Когда мы говорим о воронке конверсии, мы подразумеваем отношение определенного этапа к предыдущему. К примеру, на картинке: это может быть отношение поданных заявлений к заявкам, отношение принятых студентов к тем, кто отправил заявление и т. д.

Негласное правило работы воронкой конверсии — работаем с ней с конца.

Увеличив процент конверсии на последних шагах, мы поможем пользователям, которые хотели купить, но им что-то помешало и они отвалились.

Итак, мы поговорили про многообразие существующих метрик. Чтобы полученную информацию как-то структурировать и понять, какие метрики необходимо использовать, можно воспользоваться фреймфорками.

AARRR (Pirate Metrics)

Первая метрика в этом фреймворке — Acquisition, когда мы позволяем пользователю себя найти или “зазываем” его в продукт, закупая трафик. Замерять здесь можем CAC, количество новых пользователей и различные конверсии.

Далее — Activation. Теперь нам нужно понять, как “активировать” пользователя, чтобы он совершил какую-либо покупку. Метрики этого этапа: количество пользователей, которые прошли онбординг/зарегистрировались в продукте/оставили каку-то заявку, т.е. “зацепились” за продукт.

Метрика Retention — то, что позволяет “вернуть” пользователя в продукт. Анализировать можно по показателям retention (что в целом очевидно :)), churn и sticky factor (= отношение DAO к MAO)

Referral — все, что относится к реферальным программам: как часто наш продукт и целевые страницы отправляются знакомым (share rate), сколько пользователей проходят и “закрепляются” по реферальной ссылке (adoption rate).

Заключительное — метрики Revenue, т.е. сколько мы вообще денег зарабатываем с пользователей. Здесь можем считать количество платящих пользователей, ARPPU, LTV, саму выручку Revenue. В общем, все, что хотим и что дает нам понимание прибыльности.

Фреймворк HEART от Google

Принцип аналогичный — замеряем метрики по нескольким “направлениям”:

Во втором столбце можем увидеть цели, поставленные в каждом направлении, затем — сигналы (показатели), по которым отслеживается положительную динамику и последнее — сами метрики, цифры, которые можем проанализировать.

Фреймворк PULSE

Расшифруем:

Если хочется подробнее про фреймворки — пишите в комментарии, подготовим материал.

Больше про продукты и аналитику в тг-канале Марины и канале ProductStar.

Желающие прокачаться в каких-то конкретных темах, например, hard скиллах продакта, Unit-экономике, инструменте CJM или глобально погрузиться в продакт-менеджмент, могут оставить заявку нашим менеджерам по любой из ссылок, они подробно расскажут о всех мини-курсах и профессиях!

Если сложно определиться с карьерным треком — приходите на бесплатные карьерные консультации с топовыми экспертами рынка для построения вашей дорожной карты развития. Кстати, можно попасть на консультацию к Марине Михеевой, автору сегодняшнего материала!

Успехов ;)