محاسبه مقدار طول عمر (LTV)

در سالهای اخیر ، ارزش طول عمر مشتری (LTV) در مجموعه ای از مقالات راهنما به طور کلی ، محاسبه فرمول ها و اغلب همراه با لیستی از پیشنهادات برای بهبود شرح داده شده است. شاید مفیدتر باشد ، یادآوری به طور خاص آنچه LTV می تواند هنگام محاسبه صحیح انجام دهد ، چرا گاهی اوقات نتواند اطلاعات مفیدی را ارائه دهد ، و در آخر اینکه چرا همچنان به ارزش خود ادامه می دهد.

ارزش طول عمر مشتری چقدر است؟

چرا ارزش طول عمر مشتری یا LTV ، یک معیار اصلی تجارت است؟برای یک ، مشتری LTV نشان می دهد که مشتری متوسط در طول کل رابطه خود با یک شرکت - چه سه سال یا (در موارد وفاداری عالی به برند)) چه مقدار خرج می کند. به عبارت دیگر ، LTV حاشیه سود کاملی است که شرکت انتظار دارد در کل روابط مشتری تجاری به آن دست یابد.

دانستن ارزش آینده مشتریان یک شرکت - فردی ، به صورت بخش ، و در کل ، رهبری هر دو درآمد بالقوه و حد را شکل می دهد.

ارزش طول عمر مشتری (CLV ، CLTV یا LTV) می تواند به عنوان بخشی از هر مدل تجاری متمرکز بر پیش بینی های سودآوری در آینده - خواه در داوری سرمایه گذاری ، خطوط محصول ، بازاریابی یا حتی هزینه های مراقبت از مشتری باشد.

چرا ارزش طول عمر مشتری بسیار مهم است؟

LTV در مقابل CAC

مشتری LTV به عنوان حداکثر حد آنچه که یک شرکت باید مایل به پرداخت آن برای دستیابی به مشتری جدید باشد ، عمل می کند. هزینه های فراتر از این حد ، شرکت هیچ فایده اقتصادی ندارد. هزینه خرید مشتری (CAC) کل هزینه دستیابی به یک مشتری جدید است - به عبارت دیگر ، تمام هزینه های شرکت تا اولین خرید انجام می شود و چشم انداز مشتری می شود. اگر CAC 500 دلار باشد و LTV 350 دلار باشد ، تجارت برای مشتری از دست می دهد. به این ترتیب ، CAC نشانگر کمترین LTV مورد نیاز برای دستیابی به سودآوری است.

در حالی که LTV بخش مهمی در متعادل کردن معادله سود اساسی است ، همچنین می تواند LTV مقایسه ای را برای مشتریان در کانال های مختلف یا حتی بخش های مشتری محاسبه کند. یک شرکت ممکن است تکنیک های مختلف بازاریابی مورد استفاده در کانال های سود بالاتر را شناسایی کند و آنها را در سایر موارد سود پایین تکرار کند. همچنین می تواند هزینه های مختلف نگهداری و پشتیبانی یا حتی ارائه محصول را از طریق کانال یا ردیف سود تأیید کند.

دانستن ارزش مشتری یک دارایی است. این یک مرجع است که می توان تمام هزینه ها ، تصمیمات و درآمد دیگر را در برابر آن اندازه گیری کرد. Customer LTV را می توان برای اندازه گیری تأثیر بازاریابی در حال انجام ، مشارکت مشتری ، تبلیغات ، ارتباطات کنترل کرد.

دریافت این شماره به درستی (و حفظ آن) و وصل کردن آن به هرگونه هوش تجاری یا مدل های پیش بینی کننده برای اجرای یک تجارت مبتنی بر داده ضروری است.

محاسبات ارزش طول عمر مشتری

فرمول ها و محاسبات LTV مشتری از یک مقدار بسیار زیاد به یک مقدار فرمول بارگذاری شده که تلاش می کند تمام متغیرهای هزینه را که وارد دامنه مشتری می شوند ، متغیر است ، و به طور بالقوه بر ارزش آینده مشتری تأثیر می گذارد. ساده ترین مدل از درآمد خرید و سال اخیر استفاده می کند ، در حالیمحاسبه دوره

فرمول اصلی LTV مشتری

در ساده ترین ، ارزش طول عمر مشتری سود مشتری با گذشت زمان است:

(متوسط سود مشتری سالانه) X (میانگین مدت زمان حفظ مشتری)

با این حال ، به منظور محاسبه حتی این فرمول ، یک قطعه اصلی جزء در زیر آمده است:

(میانگین ارزش فروش) x (تعداد معاملات) x (حاشیه ناخالص) x (دوره زمانی نگهدارنده)

• ارزش متوسط فروش = (کل درآمد فروش سالانه) / (کل تعداد سالانه سفارشات)
• میانگین تعداد معاملات = (کل تعداد سالانه سفارشات) / (کل تعداد سالانه مشتریان منحصر به فرد)
• حاشیه ناخالص = (کل درآمد فروش - هزینه فروش خوب یا COGS) / (کل درآمد فروش)
• دوره زمانی حفظ = (میانگین تمام طول عمر مشتریان به عنوان مشتری)

هنگام استفاده از این فرمول ، به یاد داشته باشید که "متوسط" نه حدس ، دامنه و نه فرض است. در عوض ، این نتیجه یک فرمول جمع شده با داده های تجاری واقعی است که از یک سیستم ضبط شده ، مانند سیستم حسابداری سازمانی (EAS) یا سیستم مشابه ، پلت فرم داده مشتری (CDP) یا مدیریت ارتباط با مشتری (CRM) ، و، در بعضی موارد ، پلت فرم تبلیغات دیجیتال.

برای ارزش فروش AVG ، کل درآمد سالانه فروش و کل تعداد سالانه سفارشات باید براساس سوابق سیستم مالی برای یک پنجره 12 ماهه اخیر باشد. اما اگر کسی بخواهد LTV یک بخش خاص را تعیین کند ، کل درآمد سالانه و تعداد سفارشات توسط بخش هدفمند برای محاسبه استفاده می شود و به درآمد و سفارش سیستم مالی با یک زمینه نیاز دارد (برچسب یا ابرداده) نشان دهنده بخش برای داده های مربوط به درآمد و سفارشات

تحلیلگر به طور مشابه تعداد معاملات AVG را محاسبه می کند: در همان دوره 12 ماهه ، کل تعداد سالانه سفارشات با کل تعداد سالانه مشتریان منحصر به فرد تقسیم می شود ، داده ها دوباره از سیستم مالی ضبط می شوند و به طور بالقوه CDP/CRM بسته به ساختار داده و قوانین ذخیره سازی. باز هم ، اگر هدف زیر مجموعه ای از مشتریان بود ، فقط مقادیر برای مشتریان هدفمند گردآوری می شدند.

حاشیه ناخالص به طور معمول در این مدل استفاده می شود و سود حاصل از محصول را فراتر از هزینه های تولید (COG) محاسبه می کند. حاشیه عملیاتی و حاشیه خالص به ترتیب هزینه های اداری و مالیات به علاوه هزینه های دیگر را اضافه می کند. مدلهایی که از جمله حاشیه نیستند و به عنوان مقایسه با سایر درآمد استفاده می شوند ، به راحتی می توانند با ارقام تنها سود مقایسه شوند. سرب و مدیران که گزارش های نهایی LTV را بررسی می کنند باید اطمینان حاصل کنند که محاسبات درآمد/سود قبل از مقایسه یا تصمیم گیری در برنامه ریزی و عملیات به وضوح مشخص شده است.

دوره زمانی حفظ یا دوره عمر مشتری

رویکرد 1: با داده های مشتری بلند مدت موجود. محاسبه با افزودن کلیه "طول عمر" مشتری با شرکت ، سپس تقسیم بر کل # مشتریان.

کل طول عمر / کل # مشتری = طول عمر AVG

سابق. این شرکت به مدت 4 سال در تجارت بوده است و در کل # مشتری های منحصر به فرد در 750 نفر در CDP. همچنین ، در CDP سوابق طول رابطه با هر مشتری وجود دارد. کل دوره # سال ، هنگامی که با هم اضافه می شود ، 1474 سال است (تصدی مشتری از 3. 8 سال تا 0. 08 سال).

1474/750 = 1. 96 یا به طور متوسط 2 سال

رویکرد 2: با داده های محدود مشتری. راه دیگر برای محاسبه مدت زمان احتباس استفاده از نرخ خفگی است. برای تعیین میزان چرند ، تعداد مشتری ها را در آغاز و پایان دوره زمانی (به طور معمول 1 سال) دنبال کنید.

نرخ chu = ( # از مشتریان در پایان دوره زمانی - # مشتری در ابتدای دوره زمانی) / # مشتریان در ابتدای دوره زمانی.

(80 مشتری در پایان) -(100 مشتری در ابتدا) = -20/100 یا . 2 یا 20 ٪ نرخ خفگی

نرخ نگهداری (80 مشتری در پایان) / (100 مشتری در ابتدا) = 80/200 یا . 8 یا 80 ٪

دوره طول عمر مشتری = 1/نرخ خفگی

دوره طول عمر مشتری = 1/. 2 یا 5 سال

نمونه های ارزش طول عمر مشتری

تجارت الکترونیکی Cleaner Customer LTV

Swiftclean یک پاک کننده طبیعی همه منظوره است که 5 سال پیش در کمپین های رسانه های اجتماعی محبوب شده است. با فروش متوسط 38. 95 دلار با حاشیه سود 24 ٪. متوسط مشتری در طی 3 سال 3. 7 بار در سال خریداری می کند.

38. 95 (فروش AVG) x 3. 7 (معاملات) x 3 (دوره) = 432. 35 $ x . 24 (حاشیه) = 103. 76 $ LTV

CAC به دلیل حداقل هزینه های بازاریابی = 15. 73 دلار نسبتاً کم است

(توجه: بیشتر نمونه های محاسبات LTV بین حاشیه های ناخالص ، خالص یا عملیاتی تمایز قائل نمی شوند. برای به دست آوردن LTV دقیق ، مقایسه ها باید نوع حاشیه را تعریف کنند و از مقایسه ارزش استفاده کنند از همان نوع حاشیه استفاده می کنند.)

اشتراک یا SaaS Customer LTV

در بعضی موارد ، با این حال ، CAC ممکن است بالاتر از بازده اولین (چندین) معاملات مشتری باشد ، اما هنوز هم در حد LTV است. به عنوان مثال ، یک سرویس اشتراک مانند Netflix ممکن است نرخ ماهانه پایین حدود 15 دلار را ارائه دهد ، و هزینه های بازاریابی و هزینه های تبلیغات قابل توجه است و CAC را به 200 دلار منتقل می کند. از LTV خود (به عنوان مثال ، 250 دلار) ، Netflix می داند که ارزش آینده مشتری از 200 دلار فراتر رفته و معامله را ارزشمند می کند.

اشتباهات ، سوء استفاده و محدودیت های LTV

در حالی که داده های نادرست همیشه ساده ترین خطای هنگام محاسبه LTV خواهند بود ، چندین اشتباه در محاسبه یا استفاده از نقطه داده فراتر از کاربرد آن رایج است.

• سودآوری مشتری (CP) با LTV ، سودآوری گذشته مشتری ، که در تصمیمات آینده نگر توسط تجارت کمتر مفید است ، اگرچه کمیت آن آسان تر است.
• Applying revenue instead of profits in the formula. If the Lifetime Value of 10 purchases of $25 = $250. Customer Acquisition Cost = $175, so Lifetime Value>هزینه خرید مشتری. اما اگر حاشیه 50 ٪ باشد ، ارزش طول عمر 125 دلار و از دست دادن هر مشتری جدید به دست آمده است.
• تنظیم طول عمر غیرواقعی (LT) هنگامی که مشاغل جدید سابقه کافی برای یک مشتری متوسط ندارند. یا شرکتی با خط تولید سیال که مانع از یک تاریخچه منحصر به فرد در بین مشتریان می شود ، پیش بینی بلند می کند.
• NPV در مقابل پیش بینی اسمی برای تعیین سود آینده. با استفاده از ارزش خالص فعلی (NPV) از سود سود آینده برای کاهش ارزش آینده پول ، و نیاز به فاکتورسازی با نرخ تخفیف دارد. از آنجا که چنین محاسباتی لزوماً پیشرفته است ، بیشتر سازمان ها LTV را با استفاده از مقادیر اسمی و غیر تخفیف محاسبه می کنند. این پیش بینی ها به طور طبیعی از بین می روند و پیش بینی های پیش بینی را دورتر می کنند.
• LTV یک مدل استاتیک نیست. به عنوان خروجی یک معادله ، LTV در صورت تغییر هرگونه ورودی تغییر می کند (به عنوان مثال ، ارتباطات سفارشی ، تبلیغات می تواند نرخ نگهداری و غیره را تغییر دهد). به عنوان محصولات ، کانال ها و استراتژی تغییر می کند ، همچنین پروفایل مشتری شما. اگر به نظر می رسد همه چیز در محیط کسب و کار در حال تغییر است ، احتمالاً LTV باید اغلب محاسبه شود.
• استفاده از یک LTV برای بخش های مشتری متفاوت. ایجاد LTV در همه مشتریان یک ارزش عملی را ارائه می دهد ، اما تقسیم بندی مشتریان بسیار متفاوت ، دقت بیشتری را در بازده فراهم می کند. میانگین ریاضی واقعی ، میانگین خرید ، فرکانس و مدت زمان رابطه را برای مشتریان حتی متفاوت ایجاد می کند. اما هرچه استخر داده ها کوچکتر و واریانس بیشتر باشد ، میانگین آن نیز کمتر مفید خواهد بود. در مقابل ، تقسیم بندی مشتری LTV یکی از مزایای محاسبه LTV است.
• ارزش افزوده مشتریان فعلی و کم ارزش مشتریان بالقوه. با تکنیک های بازاریابی که سازندگان LTV هر روز تمرین می کنند ، مشتریان با ارزش پایین می توانند با بازاریابی به طور مؤثر به مشتریان با ارزش بالا تبدیل شوند. از آنجا که بسیاری از مشتریان "با ارزش متوسط" نسبت به ارزش بالا وجود دارند ، اولویت بندی بخش کوچکتر با هزینه آنها ضد تولید است.

بسیاری از خطاها ، محدودیت های فوق ناشی از عدم استفاده از داده های تجاری واقعی هنگام محاسبه مشتری LTV است. بدون داده ها ، محاسبه دیگر ارزش قابل توجهی فراتر از حدس آرزو ندارد.

شرکت هایی که با زیرساخت ها کوشا هستند ، حفظ سیستم عامل ها و سایر منابع داده به عنوان بخش مفرد مدل کسب و کار ، بیشتر به احتمال زیاد تصمیمات محور داده را می گیرند و از محاسبات تجاری ، از جمله LTV مشتری ، خروجی های دقیقی را تولید می کنند.