Что такое пожизненная ценность клиента (CLV)?

Пожизненная ценность клиента — это показатель, который используется для количественной оценки ценности, которую клиент приносит компании. Хотя CLV обычно используется и упоминается повсюду, не существует фиксированной или заранее определенной формулы, которую могли бы использовать аналитики. Это во многом зависит от бизнес-домена и его приложения. По моему опыту, часто для описания ценности клиента используется комбинация показателей.

Есть много статей, в которых CLV вычисляется в буквальном смысле значения LIFETIME, и в этих статьях используется коэффициент оттока для определения продолжительности жизни клиента, что я редко нахожу полезным и не использовал их на практике. Это связано с тем, что расчет 1/скорость оттока = # лет/месяцев предполагает линейную скорость оттока, что является сильным и часто неточным предположением.

На что обратить внимание, прежде чем принять решение о CLV?

  1. Мера использования
  • Заинтересована ли компания в конечной сумме дохода? Некоторые другие меры, которые могут быть рассмотрены, - это расходы/расходы. В то время как доход в основном связан с расходами/расходами, для компаний со сложными предложениями продуктов и структурой ценообразования и другой стратегией ключевым показателем может быть не обязательно доход.
  • Нам также необходимо рассмотреть, какую статистику следует использовать — среднюю или медианную? В приведенных ниже примерах я использую средний доход на пользователя (ARPU), так как это наиболее распространенный показатель CLV. Для компаний, доходы которых сильно асимметричны или имеют длинный хвост, можно учитывать средний доход на одного пользователя.
     – ARPU = общий доход за месяц/год / общее количество платящих клиентов за тот же период.

2. Вариант использования/уровень детализации

  • Понимание варианта использования CLV помогает определить уровень детализации, необходимый для CLV.
  • [Общая метрика] Цели отчетности
    . Если заинтересованным сторонам нужна только одна метрика для измерения дохода, получаемого одним пользователем на платформе ежемесячно или ежегодно, обычно используется средний доход на одного пользователя (ARPU).< br /> — CLV также измеряется по отношению к стоимости привлечения клиента (CAC), чтобы определить продолжительность окупаемости (т. е. время, необходимое для возврата CAC).
  • [На основе когорты] Информируйте бизнес-решения о поведении/тенденциях клиентов в прошлом
    . Большинство маркетинговых кампаний проводятся на ежемесячной или ежеквартальной основе. Эффективность и тип маркетинговой кампании могут определять качество приобретенных клиентов. Таким образом, полезно посмотреть на доход, полученный на основе когорты. Это помогает отслеживать эффективность клиентов, привлеченных в результате определенных кампаний в определенные месяцы.
  • [Индивидуальная] Сегментация клиентов для рекламных акций
    . Часто CLV рассчитывается на индивидуальном уровне, чтобы маркетинговая команда могла разработать сегментированные и дифференцированные рекламные акции для клиентов с разной ценностью. Например, клиент CLV, скорее всего, потратит больше, и его можно стимулировать более высокой суммой поощрения.

3. Простота интерпретации

  • В приведенных выше случаях использования я проиллюстрировал их с использованием ARPU. Даже используя метрику ARPU, мы как аналитики решаем, какой период времени является оптимальным для измерения ARPU клиента. Это актуальная, ежемесячная скользящая х-дневная или скользящая х-транзакция? Почему? Будет ли эта метрика легкой для конечного пользователя для интерпретации и понимания логики вычислений?
  • Иногда машинное обучение можно использовать для прогнозирования будущей ценности клиента, хотя может быть полезно смотреть вперед, использование машинного обучения в модели CLV может привести к дополнительной сложности интерпретации, поскольку конечный пользователь (например, команда маркетинга) не может легко рассуждать. выяснить, почему клиент имеет особую ценность.

4. Простота вычислений

  • Как упоминалось выше, помимо расчета CLV на основе исторических данных, еще одним способом измерения CLV является прогнозирование будущей ценности клиента. Использование машинного обучения или какой-либо формы моделирования может потребовать более значительных вычислительных и инженерных ресурсов.

Подходы к оценке CLV

Исторический подход

Исторический подход использует прошлые данные о транзакциях/доходах от клиентов для составления отчетов и обоснования бизнес-решений. Этот подход оценивается на широком уровне и может применяться на когортном и индивидуальном уровне.

  • Для общей метрики в бизнес-отчетах обычно указывается ARPU в течение месяца.
  • Для когорты это обычно рассматривается на месячном уровне. Иногда его также можно увидеть еженедельно для бизнеса с более коротким жизненным циклом.
  • На индивидуальном уровне это сложнее, поскольку нам нужно решить, какой период времени является оптимальным для измерения ARPU клиента для конкретного варианта использования. Это актуальная, ежемесячная, скользящая х-дневная или скользящая х-транзакция? Почему?
     – Какова естественная склонность клиента совершать покупки? Раз в неделю, раз в месяц, раз в год? Постройте гистограмму количества покупок, сделанных за последние 30 дней среди пользователей, которым больше X дней. Если он достигает пика в 1, мы знаем, что естественная частота составляет один раз в месяц. Любое рассмотрение интервала короче месяца было бы недействительным.

– Есть ли в наборе данных сезонность? Нанесите количество клиентов, совершивших покупку, по месяцам, неделям, дням. Следите за сезонными тенденциями. Если в данных существует сезонность, рассматриваемый период времени должен включать сезонный период времени. Например, в электронной коммерции, где на покупки сильно влияют распродажи в Черную пятницу и праздничный сезон в декабре, возможно, более идеальным будет вычислить годовое значение ARPU, чтобы включить точки данных клиентов, которые совершают разовые крупные покупки в течение этого периода. br /> - Если есть какая-либо причина быть более предвзятым в отношении давности покупки, мы могли бы использовать модель временного распада, чтобы придать больший вес недавним покупкам.

Предиктивный подход

Прогностический подход учитывает данные о транзакциях, чтобы предсказать их будущую стоимость. Этот подход хорошо работает, когда имеется значительный объем данных и есть вариант использования для прогнозирования будущей стоимости, например. маркетинговая команда хотела бы создать несколько кампаний для стимулирования существующих клиентов на основе их будущей ценности.

Метрики RFM обычно используются при моделировании CLV.

  • Давность представляет собой время, прошедшее с настоящего момента до последней покупки клиента.
  • Частота показывает, как часто клиент совершает покупку на платформе.
  • Денежная стоимость представляет собой среднюю стоимость покупок данного клиента. Это равно сумме всех покупок клиента, деленной на общее количество покупок.

Существует 2 способа моделирования CLV:

  1. Модель машинного обучения
    Модели можно обучать с помощью RFM и других демографических функций клиентов.
  2. Вероятностная модель
    В то время как традиционный подход к машинному обучению работает хорошо и может быть интерпретирован, я прочитал интересный подход к модели CLV с использованием вероятностной модели с распределением Пуассона → ссылка здесь. В целом, предпринятые шаги кратко изложены ниже:
  • Он использует модель BG/NBD для прогнозирования ожидаемого количества покупок в следующие 6 месяцев.
  • Затем он использует гамма-гамма-модель, чтобы предсказать наиболее вероятное значение для каждой транзакции.
  • Обе модели предсказывают 6-месячный CLV. Затем клиенты сегментируются на группы для различных целей маркетинга.

Применение CLV

Используемая метрика CLV должна определяться на основе вашего варианта использования. Вот несколько вариантов использования отдельных CLV, которые могут оказаться полезными.

  1. Соотношение CAC и CLV
  • Может иметь место для увеличения стоимости приобретения, чтобы привлечь больше пользователей
  • Значение LTV является эталоном для бизнес-решения о приобретении, например. сколько маркетинговая команда может потратить, чтобы привлечь клиента? Это также помогает инициировать дискуссии о здоровой продолжительности окупаемости для компании.

2. Сегментация CLV

  • Предлагайте товары определенному сегменту с определенными характеристиками. Дифференцированное продвижение может быть предоставлено тем, у кого более высокий CLV.
  • Кампании по продвижению для увеличения CLV для нижнего сегмента
  • Сосредоточьтесь на более ценных сегментах. Мы также можем изучить демографию / поведение клиентов с более высоким CLV по сравнению с клиентами с более низким CLV, как показано на приведенной ниже диаграмме, сделанной McKinsey → это может проинформировать маркетинговую команду о разработке стратегии их контента и брендинга, чтобы ориентироваться на более ценных клиентов.

Надеюсь, это поможет! Это довольно общая и обширная тема. Не стесняйтесь оставлять мне любые отзывы или любые аспекты, которые я не учел!