Простота и точность: как спрогнозировать LTV для игр, если вы не Data Scientist | Официальные новости Plarium | company.plarium.com

Хэн Карни, Data Science Director в Plarium Herzliya

Оригинал статьи доступен на английском.

Прогноз жизненного цикла клиента (LTV) – это один из важнейших показателей, которые необходимы менеджерам компаний в разных сферах деятельности. Как правило, LTV представляет собой оценку совокупного ожидаемого дохода от одного клиента за всё время его взаимодействия с продуктом или услугой. Расчет LTV обычно используется для измерения прибыльности продукта в долгосрочной перспективе и определения того, какие методы маркетинга и продаж дают максимальные результаты.

Существует немало способов расчета этого показателя для продукта, в частности для игрового: начиная от рассмотрения сегментов игроков, т. е. совокупности их основных признаков (география, платформа, источник привлечения и т. д.) до расчета такого показателя по каждому отдельному игроку. Выбранный способ также влияет на уровень сложности и точности прогноза. С точки зрения сегментов можно прибегнуть к математическому расчету и получить показатель, отвечающий среднему доходу от среднестатистического игрока в данном сегменте. Если брать игры с механизмами монетизации, то нужно умножить средний платеж на количество платежей, которые игрок совершит за всё время до его ухода из игры (для получения более подробной информации ознакомьтесь с моделью «Buy Till You Die», разработанной в 1987 г.).

На уровне одного игрока расчет LTV обычно подразумевает прогнозирование с помощью машинного обучения. То есть необходимо принимать во внимание различные факторы игрока, в том числе основные признаки сегмента, но в то же время фокусироваться на поведении игрока в игре и выявлять тенденции, которые могут дать представление о будущем доходе.

Несомненно, прогнозирование с помощью машинного обучения – это гораздо более точный метод, чем любой высокоуровневый расчет. Оно позволяет проводить различие между типами игроков и выявлять тенденции в их манере игры, которые затем можно использовать для оценки других аспектов. Можно определить, как долго пользователи будут играть в игру, насколько хорошо они в ней разберутся, сколько времени и усилий они потратят на накопление своих внутриигровых ресурсов, а также как новые версии, функциональности и игровые пакеты повлияют на всё вышеуказанное. Тем не менее такие модели требуют слишком много времени и ресурсов на разработку (огромный объем данных и мощное оборудование для их обработки) и, конечно же, специалиста, который знает, как связать все эти данные в прогноз.

Поэтому, в зависимости от задачи и имеющихся ресурсов, каждый разработчик игр должен определиться, насколько расчет LTV отвечает его потребностям, а также сколько времени и усилий он готов вложить в него. К счастью, в большинстве случаев достаточно обычного высокоуровневого расчета. Если выполнить его правильно, он будет очень точным – допустимая погрешность не будет превышать 10 %.

В этой статье хотелось бы остановиться на высокоуровневом посегментном расчете LTV, который относительно просто выполнить, например, с помощью логарифмической регрессии.

Что нужно для расчета LTV в сегменте?

Жизненный цикл. Необходимо определить время, которое игрок проведет в игре, а для этого нужно понять его активность и объективный срок, во время которого будут происходить платежи вплоть до ухода игрока. Условно назовем это «жизненным циклом» игрока. В зависимости от игры, он может составлять неделю, месяц или даже несколько лет.

Чем больше этот период, тем сложнее прогнозировать будущее, поскольку за длительный промежуток времени могут меняться разные внешние и внутренние переменные. Внешними переменными могут быть переломные события в жизни (из-за которых игрок теряет интерес к игре), глобальные события (например война, стихийные бедствия, эпидемии), профессиональные и экономические изменения (смена работы или экономический кризис). Внутренние переменные легче контролировать, так как они касаются самой игры: сюда можно отнести дополнительные части, изменения во внутриигровых механизмах и событиях, новую функциональность и пакеты, доступные для приобретения.

Таким образом, необходимо сфокусироваться на промежутке времени, который лучше всего покажет доход, точнее, большую часть дохода. На каком этапе разработчик получит примерно 85 % дохода? Это и предстоит выяснить.

Данные. В распоряжении нужно иметь статистические данные как минимум за несколько месяцев. Их гранулярность зависит от соответствующего промежутка времени: нужно ли выполнять расчет на основе ежедневных, еженедельных или ежемесячных данных? Чем меньше релевантных данных, тем глубже должна быть гранулярность.

Если в наличии есть данные за 5–6 месяцев и больше, еженедельной или ежемесячной гранулярности будет достаточно (в зависимости от изменчивости вложений игрока). Если есть данные за меньший период, лучше остановиться на ежедневной или еженедельной гранулярности.

Что такое релевантные данные? Это данные, которые относятся к текущей версии или предложению продукта. Если в функциональностях, игровых пакетах (подписка, контент, цена) или внешнем виде игры произошли значительные изменения, данные могут быть менее показательными, что снизит точность расчета.

Понимание регрессии. Регрессия – это математическая зависимость между группами параметров или переменных, которая позволяет использовать имеющиеся данные для оценки отсутствующих.

В нашем случае мы берем текущий доход по сегменту игроков и стараемся оценить величину будущего дохода. Это можно выполнить разными способами: зачастую используется метод скользящего среднего значения или линейная регрессия. В игровой индустрии лучше полагаться на логарифмическую регрессию, когда речь идет о прогнозировании на 5–6 месяцев.

Взаимосвязь между доходами принимается исходя из логарифмического уравнения, которое выглядит примерно так:

График, который показывает прогноз LTV на 180 дней исходя из первых 60 дней

Хотя первые 60 дней ARPU (средний доход на пользователя) основаны на реальных данных, остальные 120 дней основаны на натуральном логарифмическом уравнении ln(x), которое получено на основе реальных данных.

Порядок выполнения расчета 

Первый этап. Необходимо взять данные, на основе которых будет проводиться расчет. Это может быть ARPU или ROAS (окупаемость расходов на рекламу). Затем нужно выбрать гранулярность расчета (ежедневная/еженедельная/ежемесячная) и разбить ее по когортам. Если брать 3 месяца ежедневных данных, то в итоге получим 90 столбцов ARPU (D0 ARPU, D1 ARPU, …, D90 ARPU) и 90 строк (за каждый день).

Приведем пример ежедневных данных об ARPU:

Второй этап. Необходимо рассчитать взвешенное среднее значение, т. е. средний показатель ARPU за каждый день. Это даст нам результат за первые дни. Со временем прирост значения за каждый день будет уменьшаться по мере прохождения когорты.

Третий этап. Нужно удалить 3–5 верхних и 3–5 нижних дат с максимальными и минимальными значениями. Так мы исключим 5 % верхних и 5 % нижних выпадающих показателей, которые могут исказить среднюю тенденцию.

Четвертый этап. Выполним расчет по логарифмическому уравнению с конкретными днями из наших данных. Это можно сделать с помощью Excel, R, Python (особенно подойдут инструменты matplotlib.pyplot и scipy.optimize curve_fit) или любой программы для статистического анализа (например, SPSS или MATLAB) в зависимости от ваших предпочтений.

Независимо от выбранного способа, регрессия предусматривает следующую формулу:

где:

x – количество дней, например x = 3 для 3-го дня ARPU;
y – итоговый ARPU за конкретный день x, например результат уравнения за 61-й день.

Исходя из данных выше была выведена следующая логарифмическая формула:

Таким образом, вышеприведенную формулу можно использовать для прогнозирования ARPU за 60+ дней. Мы будем использовать вычисленное среднее значение за первые 60 дней в качестве реальных данных, а затем продолжим со следующими днями, принимая x за соответствующий день.

Иногда формула будет требовать ручной корректировки. Одним из корректируемых параметров может быть отрезок оси y (параметр b в уравнении выше), чтобы поднять или опустить кривую уравнения для большего соответствия кривой реальных данных. Еще одним параметром может быть момент времени, когда рост дохода начинает снижаться. Если такой момент происходит позже, чем выбранный отрезок времени реальных данных (в примере выше это 60 дней), можно добавить другую формулу, которая позволит лучше прогнозировать доход (например, линейную регрессию).

Остается только поиграть с данными, разделить их на сегменты, выявить отличия и сравнить данные с ценой за установку (CPI), чтобы определить прибыльность игры.

Рекомендуется периодически повторять этот расчет и наблюдать, как меняется прибыльность игры, что даст представление о том, когда привлечение игроков может быть нецелесообразным.

А теперь попробуйте выполнить расчеты самостоятельно!

Predictive analytics and LTV post-IDFA | Adjust

iOS 14.5+

Attribution

Analytics

Tiahn Wetzler, Senior Manager, Content & Editorial, Adjust, 14 мар. 2022 г..

Одним из ключевых показателей, которые измеряют мобильные маркетологи при оценке эффективности кампании, является пожизненная ценность пользователя по отношению к стоимости привлечения этого пользователя (LTV/CAC). Работа со SKAdNetwork после отмены IDFA значительно усложняет предиктивную аналитику на iOS, поскольку анонимные данные об активности в течение первых 24 часов по сути становятся единственными показателями, которые мы получаем о кампаниях. Вот почему маркетологам важно правильно настроить схемы значений конверсии, чтобы получать как можно больше полезных сведений.

Некоторые решают эту задачу с помощью коэффициентов (мы остановимся на этом ниже). Однако их сложно рассчитывать, а полученные результаты трудно применять в деле. Поэтому Adjust рекомендует использовать предиктивное моделирование. Наша модель передает большие объемы данных (SDK) алгоритмам машинного обучения, которые отсеивают лишнее, анализируют существующие слои данных и определяют их взаимосвязь друг с другом. Это позволяет заранее предсказывать результаты, которые мы получим в долгосрочной перспективе.

В этой статье мы рассказываем о том, как изменились процедуры проведения измерений для кампаний после выхода iOS 14. 5+, об основных трудностях, с которыми сталкиваются маркетологи, и о подходе Adjust к прогнозированию LTV (pLTV) для решения этих проблем.

iOS 14.5+ и трудности, связанные с прогнозированием LTV и оценкой успеха кампаний

Оценка и определение LTV должны проводиться стратегически и на ранних этапах жизненного цикла кампании, чтобы гарантировать, что все маркетинговые решения будут оптимизированы для увеличения дохода. Например, если пользователи, привлеченные кампанией А, сначала тратили большие суммы, но затем уходили, а пользователи, пришедшие из кампании B, сначала покупали мало, но в конечном итоге совершали более дорогие покупки, то по активности первого дня будет трудно правильно предсказать поведение пользователей в течение 30-дневного цикла. Вот почему маркетологам нужен рабочий метод прогнозирования LTV.

Конечно, выполнять предиктивный анализ, начиная с версии iOS 14.5+, в среде SKAdNetwork стало сложнее. Раньше мы могли привязывать кампании iOS к IDFA и данным на уровне устройства, которые передаются через наш SDK, а теперь эта возможность доступна только для пользователей, предоставивших согласие по протоколу AppTrackingTransparency (ATT).

Это позволяло анализировать действия и доходы на уровне пользователя, применять предиктивное моделирование, чтобы связать пользователя с когортой пользователей и вычислять LTV на основе этих моделей.

При работе со SKAdNetwork обратная связь о рекламных кампаниях на iOS ограничена анонимными данными о пользователях, основанными только на активности в течение первых 24 часов (с последующей задержкой до 24 часов). Следовательно, процесс прогнозирования LTV пользователя усложняется.

• Мы получаем постбэки SKAdNetwork по схеме, которую определяют разработчики мобильного приложения; эти постбэки нельзя связать с определенным пользователем.
• Мы не можем измерить доход или производные метрики напрямую и должны работать со значениями SKadNetwork 0-63.
• Мы не получаем информацию в реальном времени.

Теперь перед тем, как делать прогнозы по кампаниям для iOS, маркетологи и разработчики сначала должны настроить схемы значений конверсии. Затем при запуске новой маркетинговой кампании данные SKadNetwork необходимо расшифровать для дальнейшего использования в предиктивных моделях.

Решение Adjust для предиктивного моделирования без IDFA

Некоторые маркетологи, чтобы это обойти, используют коэффициент (доход D0/доход DX) на пользователя из исторических данных. Затем это число умножается на реальный доход D0 и получается прогнозируемое значение LTV DX. Проблема этого подхода, как и других аналогичных, в том, что эти коэффициенты могут быть очень неточными, а прогнозы, соответственно, ненадежными.

Adjust использует искусственный интеллект (машинное обучение) для анализа многоуровневых тенденций, которые позволят предсказать поведение пользователей в будущем. Исторические данные и информация о поведении других аналогичных пользователей могут помочь предсказать ценность отдельно взятого пользователя, скажем, на 30-й день, на основе данных, предоставленных на 1-й день. Работая с большими наборами данных (собранными с помощью нашего SDK), которые передаются алгоритмам машинного обучения, мы можем экстраполировать и сопоставлять их, чтобы увидеть картину по пользователям, не давшим свое согласие на отслеживание, в долгосрочной перспективе.

Предиктивные модели Adjust создаются с учетом запросов клиента: они обучаются и тренируются на основе реальных данных (SDK) для каждого конкретного приложения. Сочетая предиктивное моделирование с когортным анализом и агрегированными данными SKAdNetwork, маркетологи получают возможность извлекать наиболее ценные сведения и принимать обоснованные решения. Они также могут понять итоговую эффективность кампании на ранней стадии ее проведения (минуя период ожидания SKAdNetwork) и выявить взаимосвязи данных, которых в противном случае можно было бы не увидеть.

В iOS 14.5 и выше процедура предиктивного анализа стала значительно сложнее, но это все равно возможно. Используя имеющиеся данные наиболее эффективными способами, маркетологи и рекламодатели могут получить сведения, необходимые для повышения эффективности, увеличения прибыли и результативности кампаний на iOS, не меняя своих общих принципов анализа результатов.

Чтобы узнать больше о решении pLTV от Adjust и получить свежие новости, полезные сведения и инновационные идеи, связанные с работой в iOS 14. 5+, запросите демонстрацию здесь или посетите наш центр ресурсов.

Хотите получать обновления Adjust?

Подпишитесь на нашу рассылку, чтобы получать мобильные новости раньше всех:

Калькулятор жизненного цикла SaaS

Создано Bogna Szyk

Проверено Steven Wooding и Jack Bowater

Последнее обновление: 18 января 2023 г.

Содержание:

• Основы оценки LTV SaaS
9000PA формула стоимости жизни
• Использование нашего калькулятора LTV: пример

Калькулятор стоимости жизни «Программное обеспечение как услуга» (SaaS) — это инструмент, который позволяет анализировать продажи SaaS (подробнее об этом можно узнать в нашем калькуляторе показателей SaaS) и оценивать пожизненная ценность клиента (LTV). Вы сможете шаг за шагом пройти весь процесс продажи и определить все параметры, влияющие на него. Читайте дальше, чтобы узнать значение всех аббревиатур, которые использует этот калькулятор LTV, и, надеюсь, к концу вы сможете получить максимальную отдачу от своего бизнеса!

Обязательно взгляните на калькулятор конверсии онлайн-маркетинга, если хотите рассчитать затраты на привлечение клиентов.

Основы оценки LTV SaaS

Наш калькулятор жизненного цикла клиента работает в двух режимах: простом и расширенном. Начнем с анализа параметров в простом режиме.

• ARPA : средний доход на учетную запись, также называемый средним доходом на пользователя. Это мера денег, которые вы зарабатываете на каждом отдельном подписном аккаунте в месяц.
• Валовая прибыль : этот процент представляет собой часть каждого доллара дохода, которую ваша компания удерживает в качестве прибыли. Например, если ваша валовая прибыль составляет 20%, это означает, что вы сохраняете 0,20 доллара США с каждого доллара дохода. Это значение рассчитывается по формуле: валовая прибыль = (выручка - затраты)/выручка . По умолчанию он установлен на 100%, что означает, что с вашей стороны нет затрат на учетную запись. Вы также можете посетить наш калькулятор маржи, чтобы узнать больше о валовой марже.
• Отток : это процент пользователей, которые прекращают пользоваться вашим сервисом (отменяют подписку) каждый месяц. Например, если за последний месяц вы потеряли 3 из 100 ваших первоначальных подписок, ваш коэффициент оттока составит 3%.
• LTV : пожизненная стоимость одной учетной записи клиента — это средняя чистая прибыль, которую вы будете получать от одной учетной записи клиента за все время, пока они ведут с вами бизнес. Это значение будет рассчитано автоматически.

Как рассчитать ARPA

Что произойдет, если вы не знаете средний доход на аккаунт или если он меняется каждый месяц? В этом случае вам нужно использовать расширенный режим нашего калькулятора и ввести некоторые дополнительные параметры.

• # клиентов : это просто количество клиентов, которые пользуются вашим сервисом.
• MRR : общий ежемесячный регулярный доход является мерой вашего прогнозируемого потока доходов. Его можно использовать, чтобы получить четкое представление о вашем доходе, если у вас есть различные планы подписки. Просто подсчитайте, сколько каждый из ваших клиентов платит в месяц, и сложите все эти числа вместе. Чтобы расширить свои знания о доходах, вы можете воспользоваться нашим калькулятором доходов или нашим калькулятором роста доходов.
• Расширение учетной записи : это значение, которое имитирует увеличение ARPA. В этом поле вы можете установить фиксированную сумму. Например, расширение учетной записи на 10 долларов означает, что каждый из ваших клиентов будет платить дополнительно 10 долларов каждый месяц. Если они начали с оплаты 100 долларов в первый месяц, они будут платить 110 долларов во второй, 120 долларов в третий и так далее.

Формула пожизненной ценности клиента

Наш калькулятор пожизненной ценности SaaS использует следующее уравнение для выполнения всех расчетов:

LTV = [0,5 * 1 / отток * (2 * ARPA + прирост ARPA * (1 / отток - 1))] * маржа

Используя наш калькулятор LTV: пример

Предположим, вы управляете компанией, которая продукт SaaS с несколькими планами подписки. Вы хотите узнать, каков ваш LTV.

1. Определить количество клиентов. Допустим, у вас всего 25 клиентов.
2. Рассчитайте свой MRR. Вы зарабатываете солидные 6000 долларов в месяц.
3. Калькулятор жизненного цикла SaaS автоматически разделит MRR на количество клиентов, чтобы получить ваш ARPA (в данном случае 250 долларов США).
4. Определите свою валовую прибыль. Допустим, вам нужно потратить 35% вашего дохода на техническое обслуживание, поэтому ваша валовая прибыль равна 65%.
5. Определите скорость оттока. Допустим, в течение первого месяца только 1 клиент отменил подписку. Будем считать, что скорость оттока будет постоянной. 1 из 25 клиентов — 4%.
6. Определите стоимость расширения учетной записи. Допустим, он равен $0 — вы не планируете вводить опцию расширения.
7. Калькулятор LTV автоматически рассчитает LTV вашего продукта. Для нашего примера он равен 4062,50 доллара. Это означает, что каждый клиент, который у вас есть, потратит в среднем 4062,50 долларов США на ваш продукт SaaS, прежде чем он откажется от подписки.

Bogna Szyk

Валовая прибыль

Проверить 15 похожих калькуляторов стартапа

Создать или купитьДисконтированный денежный потокДоход от рекламы на сайте… Еще 12

Как рассчитать пожизненную ценность клиента (LTV) в SaaS?

В бизнесе SaaS важны не только продажи. Продолжительность времени, в течение которого ваши клиенты остаются с вами, напрямую влияет на доход, который они приносят. Поэтому пожизненная ценность клиента является ключевым показателем для определения ценности клиента и обеспечения того, чтобы ваш бизнес SaaS продолжал приносить максимально возможную прибыль.

Он может помочь во всем: от привлечения новых клиентов до разработки маркетингового плана. Поэтому, если вы владеете бизнесом SaaS, важно, чтобы вы точно понимали, что такое пожизненная ценность клиента, что она делает и как ее рассчитать. Мы расскажем вам все, что вам нужно знать о LTV, давайте начнем.

Что такое LTV или пожизненная ценность клиента?

Так что же такое пожизненная ценность клиента, также известная как CLTV или LTV? Пожизненная ценность клиента относится к среднему общему доходу, полученному одним клиентом для бизнеса за весь период жизни клиента.

Здесь учитывается доход не только от одной продажи, но и от повторных продаж, продолжительности подписки и так далее. Когда мы говорим о SaaS-бизнесе, чем дольше клиент остается в компании, тем больше он тратит и, следовательно, тем выше его LTV. Цель, конечно, состоит в том, чтобы пожизненная ценность клиента была как можно выше, поскольку это равнозначно более высокому полученному доходу.

Почему LTV важен?

LTV — очень полезная метрика, которая может помочь компаниям отслеживать и оценивать свою чистую прибыль. Когда вы сравниваете LTV со стоимостью привлечения клиента (CAC), вы можете увидеть, сколько чистой прибыли в среднем приносит один клиент. Это чрезвычайно полезно при определении и улучшении стратегий продаж и маркетинга бизнеса.

Как правило, для прибыльного бизнеса рекомендуется стремиться к CAC не выше трети LTV. Рассчитав LTV ваших клиентов, вы сможете более четко увидеть, сколько денег у вас есть, чтобы потратить их на маркетинговые бюджеты или бонусы от продаж.

LTV клиента также может служить хорошим индикатором процесса управления клиентами и необходимости его улучшения. В целом, этот показатель является ключевым для обеспечения бесперебойной работы вашего бизнеса и обеспечения наилучшей рентабельности инвестиций.

Простая формула для расчета LTV

Есть несколько способов расчета LTV клиента. Первый из них, который мы рассмотрим, более прост и отлично подходит для быстрого получения примерного представления о том, чего стоят ваши клиенты. Это хорошая отправная точка для начала работы с LTV.

С другой стороны, другие формулы, которые мы рассмотрим, представляют собой более сложные расчеты, дающие более точные цифры. В основном это связано с тем, что базовая формула не учитывает доход от расширения в ежемесячном регулярном доходе (MMR), но мы рассмотрим это более подробно позже.

Таким образом, для первого простого расчета вам потребуются следующие различные показатели:

• ARPA — это означает средний доход на учетную запись, поскольку у клиента может быть более одной учетной записи, обычно проще всего рассчитывать это ежемесячно. Вы можете рассчитать это, разделив ежемесячный регулярный доход (MMR) на количество аккаунтов.
• MMR — это регулярный ежемесячный доход от вашей SaaS-компании. Рассчитайте его, умножив количество клиентов на среднюю сумму, выставленную на одного клиента.
• Средняя продолжительность жизни клиента – это среднее количество недель, месяцев или лет, в течение которых клиент продолжает покупать ваши услуги.
• Показатель оттока клиентов — отток относится к проценту людей, которые отменили свои подписки за определенный период. Рассчитайте это, разделив количество ушедших клиентов на общее количество клиентов. Если ваш ARPA рассчитывается ежемесячно, убедитесь, что коэффициент оттока также рассчитывается за месяц.

После определения этих показателей можно использовать следующую формулу:

ARPA x Продолжительность жизни клиента = LTV

или это также может быть выражено как

ARPA/Показатель оттока клиентов = LTV

Так, например, если ваша компания предлагает подписку на инструмент управления офисной командой, расчет может выглядеть так. Если ежемесячный ARPA составляет 150 долларов США, а средняя продолжительность жизни клиента составляет 2 года (или 24 месяца), LTV вашего клиента составит 150 х 24 = 3 600 долларов США.

Расширенные формулы для расчета LTV

А как насчет более сложных расчетов? Чтобы получить более точную картину, вам нужно будет принять во внимание больше переменных. То, как работает ваш бизнес, может определить, какой расчет лучше для вас.

Подробнее о коэффициенте оттока

Давайте рассмотрим показатель оттока более подробно, так как это важно при расчете LTV. Уровень оттока — это скорость, с которой ваш бизнес теряет клиентов. Это может быть проактивный отток, который относится к отмене клиентов, или пассивный отток, относящийся к клиентам, которые не могут продлить свои подписки.

Показатели оттока обычно рассчитываются за месяц, но, поскольку разные компании могут иметь совершенно разные модели оттока, рассчитать абсолютно точный показатель может быть сложно. Например, некоторые бизнес-модели, вероятно, будут иметь более высокие показатели оттока во время продления контрактов, в то время как другие могут иметь стабильный уровень оттока каждый месяц или испытывать наибольший отток в первый месяц.

Эти различия в шаблонах оттока могут повлиять на ваш расчет LTV. Простой способ скорректировать это — добавить скидку в формулу и оставить вас с более скромной оценкой.

ARPA/ Коэффициент оттока клиентов = LTV x 0,75

Если вы ищете более продвинутый способ учета возможных расхождений в коэффициенте оттока, обратите внимание на байесовский подход. Это расширенный статистический подход, который можно использовать для оценки LTV.

В качестве альтернативы, если в вашей клиентской базе есть ряд различных типов продаж или разделов, также может быть полезно разделить их и рассчитать отдельный LTV для каждого. Например, если у вас есть клиенты, которые платят за год, а другие — за каждый месяц.

Читайте также: Как снизить отток клиентов в SaaS?

Доход от расширения

Мы уже обсуждали адаптацию ваших расчетов на основе расхождений в уровне оттока. Теперь давайте взглянем на другую переменную, которая не учитывается в простой формуле LTV. Доход от расширения или сокращения. Доход от расширения относится к дополнительному доходу от клиентов помимо стандартных платежей по подписке.

Это может относиться к дополнительным продажам, например клиентам, которые переходят на более дорогие планы. С другой стороны, сокращение доходов может произойти, если люди понизят рейтинг. Если ваши клиенты склонны придерживаться одного пакета подписки на протяжении всей жизни, вы можете придерживаться простой формулы, приведенной выше.

Если вы испытываете значительное постоянное увеличение MMR, например, если вы выставляете счет за количество пользователей в одном плане, вы можете использовать следующую формулу.

(ASP/Коэффициент оттока клиентов) + (M (1-Коэффициент оттока клиентов/Коэффициент оттока клиентов²) = LTV

Давайте разберем здесь эту формулу, чтобы убедиться, что все понятно.

• ASP или Средняя цена продажи — это средняя цена в MMR, которую платят новые клиенты при первой регистрации.
• M – здесь M означает среднемесячный прирост ARPA на аккаунт.

ARPA

Как мы уже говорили, ARPA относится к среднему доходу, полученному с одного аккаунта. Обычно это рассчитывается на ежемесячной основе, и в этом случае отток и продолжительность жизни клиента должны рассчитываться за один и тот же период времени.

Однако, если ARPA отличается от месячного расчета и вы хотите получить более точную картину LTV, вы можете использовать формулу, учитывающую валовую прибыль.

LTV = (ARPA x Валовая маржа, %) / Коэффициент оттока
Давайте подтвердим части расчета, которые мы еще не рассмотрели.

• Валовая прибыль – это общий доход, полученный от вашего бизнеса, за вычетом цены товаров или операционных расходов.

На что следует обратить внимание при расчете LTV

При расчете LTV необходимо учитывать множество различных аспектов, которые могут означать, что ваши результаты будут не такими точными, как вам хотелось бы. Давайте рассмотрим ниже некоторые важные моменты, которые помогут вам избежать этих проблем.

Размер выборки

При выполнении всех расчетов важен размер выборки. Если вы используете выборку из слишком малого количества пользователей или, возможно, не очень много пользователей, это может повлиять на достоверность и точность вашего расчета LTV. Это может означать, что оценочное значение колеблется от месяца к месяцу.

Если у вас менее 100 пользователей, попробуйте использовать 50% или более ваших пользовательских данных для расчетов. Если у вас от 1000 до 10 000 пользователей, попробуйте использовать хотя бы 10 % пользователей. Если у вас более 1 миллиона пользователей, выборка в 1% должна дать точные результаты.

Сравните LTV по сегментам

Несмотря на то, что для вашего бизнеса в целом неплохо определить среднюю ценность жизненного цикла клиента, разделение LTV и его более глубокий анализ могут помочь вам получить более полезную информацию. Если вы сможете разбить свою клиентскую базу на более мелкие группы, вы сможете найти тенденции для разных сегментов рынка.

Например, если вы сравните клиентов с самым дешевым тарифным планом с клиентами с самым дорогим планом, вы увидите, что их LTV резко меняется. Вы также можете разбить свой анализ клиентов на множество других разделов, чтобы получить интересные результаты.

Ваша бизнес-модель

Каждая бизнес-модель SaaS отличается, и важно, чтобы вы рассчитали LTV, используя правильную для вас формулу. Например, существует множество различных шаблонов коэффициента оттока, которые могут привести к расхождениям в ваших расчетах. Если это так, вы можете использовать формулу, которая добавляет скидку к расчету, что дает вам более консервативную оценку для работы.

Если у вас есть стабильный доход от расширения, обязательно используйте формулу, учитывающую любой ежемесячный рост MMR. Эти формулы можно редактировать и изменять в соответствии с вашими потребностями, поэтому тщательно подумайте, прежде чем остановиться на окончательном расчете.

Что делать с LTV

Итак, вы вычислили LTV, но для чего вы можете его использовать? Это невероятно полезная метрика, особенно для бизнеса SaaS.

Мы обрисовываем некоторые из основных вещей, которые вы можете сделать с ним здесь. Давайте посмотрим, что он может нам сказать.

• Узнайте о своей прибыли . Как только вы узнаете общий доход от одного клиента, обязательно сравните его со стоимостью привлечения клиента (CAC). Это поможет вам определить фактическую прибыль, полученную от каждой продажи, и убедиться, что ваши дела идут так, как вы думали. Это может помочь вам согласовать свои бизнес-стратегии и маркетинговые стратегии в будущем.
• Сохранение самых ценных клиентов — LTV поможет вам узнать, какие клиенты остаются с вами дольше всего и почему. Отсюда вы сможете приложить больше усилий для ухода и удержания клиентов в этом сегменте.
• Адаптируйте свой маркетинговый план — с расчетным LTV можно будет сосредоточиться на привлечении более высококвалифицированных лидов. Это также поможет вам определить максимальный маркетинговый бюджет.

Как повысить пожизненную ценность клиента

А что, если вы подсчитали LTV и чувствуете, что его можно улучшить? Что ж, есть много вещей, которые вы можете сделать, чтобы увеличить общий доход от каждого клиента, что может оказать значительное влияние на вашу прибыль.

Проведите небольшое исследование рынка

Чтобы улучшить качество обслуживания ваших клиентов и, следовательно, LTV, начните с полного понимания их и того, что они получают от вашего продукта. Попробуйте договориться о проведении маркетинговых исследований с клиентами, у которых LTV выше среднего. Выясните, какую пользу они получают от вашего продукта, почему они подписались, как они его используют и любые другие комментарии.

Это поможет вам ориентироваться на тех людей, которые получат наибольшую пользу от вашего продукта, понять, на какие каналы лучше всего ориентироваться на них, а также внести улучшения на основе их отзывов. Постарайтесь провести это исследование с активными пользователями, вы даже можете поощрить их с помощью скидки или бонусного предложения за участие.

Сокращение коэффициента оттока

Сокращение коэффициента оттока — важная вещь, которую мы можем сделать для увеличения LTV и увеличения доходов вашего бизнеса. Сначала определите, является ли ваш показатель оттока высоким для отрасли. Вы можете использовать онлайн-инструменты для сравнения с вашими конкурентами. Затем точно определите, когда и почему ваши клиенты уходят.

Вы можете сделать это, включив краткий опрос как часть процесса отмены. После того, как вы определили основные причины оттока, можно заняться борьбой с ними. Например, если проблема связана с техническими проблемами, вы можете инвестировать в улучшение обслуживания серверной части. Или, если проблема в цене, возможно, ввести какие-то специальные предложения.

Увеличьте свой ARPA

Еще один способ увеличить пожизненную ценность вашего клиента — работать над повышением вашего ARPA, средней цены за аккаунт. Как вы можете это сделать? Два из лучших способов — либо повышение цен, либо увеличение доходов. Обязательно проведите тестирование и исследование рынка, прежде чем делать какие-либо резкие скачки цен, но если все сделано правильно, это может стать отличным способом увеличить доход.

Вы также можете пойти по пути увеличения доходов, что обычно означает переход пользователей на более дорогие планы или перекрестную продажу им дополнительных продуктов или надстроек. Продажа существующим клиентам может быть более прибыльной, чем привлечение новых клиентов, поскольку затраты на маркетинг для существующих клиентов могут быть намного ниже или бесплатными, и они уже доверяют вам.

Вы можете увеличить доход от расширения вашего Saas-продукта, например, предоставив несколько различных пакетов подписки или дав понять, каких расширенных функций не хватает вашим клиентам при использовании вашего продукта. Вы также можете заниматься маркетингом по электронной почте для существующей клиентской базы.

Сокращение затрат на привлечение клиентов

Еще один способ увеличить пожизненную ценность каждого клиента — сократить расходы на его привлечение. Если вы проведете исследование рынка, как было предложено выше, это поможет вам определить наиболее эффективные каналы для привлечения новых клиентов. Если вы тратите деньги на какие-то неэффективные, вы можете сэкономить здесь немного денег, а также инвестировать больше в более эффективные. В качестве альтернативы вы можете автоматизировать некоторые процессы приобретения и маркетинга.