Подписная модель становится все более распространенным способом покупки товаров через Интернет, будь то товары быстрого потребления, lifestyle товары или даже модная одежда.
Исследования McKinsey показывают, что 15% онлайн-покупателей подписались на e-com сервисы.
Подписная модель удобна для интернет магазинов с точки зрения своей простоты и понятности: у подписки всегда есть срок действия. Если по окончанию подписки юзер не ее продлил, то он переходит в список “ушедших клиентов”. В таком случе торговцы могут сосредоточить свои усилия на ретаргетинге, программах лояльности и скидках, удержании клиентов, сокращении оттока клиентов и многом другом.
Но, чтобы оптимизировать вашу маркетинговую активность, следует уделить особое внимание расчету небезызвестному Life Time Value. Сразу хочется отметить, что в разных бизнесах показатели могут существенно отличаться. Поэтому сегодня мы лишь проанализируем один из подходов, поговорим про алгоритмы расчета LTV и о том, какие нюансы могут возникнуть в этом процессе.
Значение LTV в подписной компании
Часто можно услышать, что этот показатель становится самым приоритетным при распределении бюджета и выборе вектора развития бизнеса. Почему? Потому что и оборот, и прибыль зависят от желания ваших клиентов продолжать ли взаимодействовать с вашим брендом и совершать ли регулярные платежи в вашем магазине.
Холивары по поводу того, на что равняться в маркетинге продукта, встречаются достаточно часто. Однако, в некоторых бизнесах (в нашем случае, подписная модель) оптимальной считают стратегию на основе модели LTV, в противовес модели конверсии и ROI. Поскольку здесь фокус направлен не на затраты, а на получение долгосрочной прибыли с клиента.
CLV (Customer Lifetime Value) помогает вам сосредоточиться на каналах, которые дают вам самых прибыльных клиентов. В таком случае вы оптимизируете свою маркетинговую кампанию с точки зрения жизненного цикла клиента и суммы повторных покупок.
Многим знакомо золотое правило, на которое часто опираются при оценке рекламной компании: LTV > 3 CAC (Customer Acquisition Cost). Очевидно, что вкладывать больше денег в привлечение клиента, чем он сможет принести нам за весь жизненный цикл — прямой путь к убыткам. Поэтому вы максимизируете стоимость “жизни” вашего клиента по сравнению со стоимостью его привлечения. Тогда одной из ключевых метрик будет соотношение CLV / CAC.
Информация о ваших клиентах с самым высоким CLV (известных как ваши VIP-клиенты) также дает понимание того, на какой именно сегмент клиентов стоит направить основные ресурсы для укрепления лояльности. В этом случае работает принцип Парето: 20% ваших клиентов приносят 80% вашей прибыли. Разумное включение этого показателя должно по идее стать “залогом успеха” вашей стратегии по работе с клиентами после их привлечения. Но, как правило, эта история не так однозначна.
Минусом считается, что при таком подходе часто искажаются расчеты и не всегда видна наибольшая результирующая прибыль. Например, при расчете показателя LTV можно увидеть, что лишь 1% (на графике выше) высокодоходных клиентов приносит наибольшую прибыль компании. Но, в то же время, более многочисленная когорта пользователей, у которых LTV в 2 раза ниже ($208), могут генерировать прибыль практически аналогичную.
Дело в том, что природа привлечения такова, что VIP-ы имеют свойство заканчиваться. При такой оптимизации кампании можно ограничить фокус и ориентироваться только на 1% высокодоходных клиентов. Но такой подход может быстро загнать ваш бизнес в ограниченные рамки, поскольку этот 1% VIP-ов конечен и рано или поздно вы достигнете потолка своей прибыли. Поэтому важно помнить про лимит, и при его достижении уметь перефокусироваться на менее доходные каналы, но с наибольшим резервом новых пользователей.
Еще одним минусом подобного подхода является сложность вычисления: не из-за самого расчета, а из-за количества неизвестных переменных. Поскольку, как мы писали выше, LTV — это часто величина прогнозная, зависит от цикла, суммы повторных покупок, валовой маржи (gross margin) и показателя оттока (churn rate). Прогнозировать все эти показатели — задача нетривиальная. Поскольку они динамичны и могут меняться на всем временном отрезке существования компании.
Но, несмотря на все вышеописанные недостатки, можно сделать вывод, что метрика LTV будет наиболее оптимальной для компании с подписной моделью. Это один из лучших показателей для работы с churn rate (оттоком), оценки расходной и доходной части кампании, прогнозного расчета долгосрочной прибылии и, возможно, лучший помощник в принятии решений, когда речь идет о маркетинговых и рекламных кампаниях. Поэтому давайте подробнее рассмотрим, как все-таки он рассчитывается.
Customer Lifetime Value Calculation
Алгоритм вычислений по сути не так сложен, если внимательно подойти к каждому шагу.
Churn rate — это доля ушедших клиентов за определенный период времени. И, по сути, рассчитав этот показатель, можно построить прогноз для количества активных пользователей будущих периодов, а также выручки, которую этот клиент может принести. Что идеально подходит для подписной модели бизнеса. К примеру, churn rate для 3-го квартала будет равен соотношению количества “ушедших” за 3-й квартал к количеству “активных за 2-й. Если упростить формулу, то мы увидим, что средняя длительность жизненного цикла — это обратно пропорциональная величина, которая и равна нашему churn rate.
Retention Rate рассчитывается как соотношение “ушедших” клиентов текущего периода к “активным” клиентам предыдущего периода. Активными клиентами будут считаться те, у которых с момента последней покупки прошло не более 1 года.
CLV — это, по сути, средняя прибыль за средний жизненный цикл клиента. Эта величина может оказаться неточной для классической e-commerce компании, когда нет временного критерия и явного факта “ухода” из приложения. Еще и избыточное количество усреднений сильно сглаживает итоговое значение.
Но в случае подписной модели, когда известна средняя продолжительность жизни клиента и средняя прибыль на одного клиента, или Average Revenue per User (ARPU), мы сможем получить показатель CLV (путем умножения первых 2-х показателей), который будет гораздо ближе к реальной картине.
Как объясняют эксперты по электронной коммерции, “CLV представляет собой NPV — net present value (чистую приведенную стоимость) от суммы всех будущих доходов с клиента за вычетом всех затрат, связанных с этим клиентом”. На практике расчет всегда будет ограничен точностью прогноза и достоверностью модели, а также дисконтированием стоимости денег. Поэтому CLV, как правило, оценивают на основании валовой прибыли.
Существует множество способов вычисления прогнозного CLV, которые могут различаться по сложности и точности, однако здесь мы сосредоточимся на нескольких примерах. После вычисления уравнения ниже мы получим валовую маржинальную прибыль за жизненный цикл клиента (Gross Margin Lifetime).
Где:
T (Transactions) — среднее количество транзакций в месяц
AOV (Average order value) — средняя стоимость заказа
ALT (Average Customer Lifetime) — средняя продолжительность жизни клиента (в месяцах)
AGM (Average Gross Margin) — средняя валовая прибыль
Если модель детализировать и учесть ставку дисконтирования, мы получим:
Где:
GML (Gross Margin Lifetime) — это валовая маржинальная прибыль за жизненный цикл клиента, без учета ставки дисконтирования.
R (Retention rate) — соотношение “ушедших” клиентов текущего периода к “активным” клиентам предыдущего периода.
D (Monthly discount rate) — месячная ставка дисконтирования.
То есть, чем больше переменных будет учитываться в уравнении, тем более точным будет прогноз CLV. Что поможет получить приближенное к реальности представление о том, какое “value” принесут ваши клиенты и как это поможет сделать ваши маркетинговые вложения более эффективными.
Подводя итог, хочется сказать, что желание ваших клиентов продолжать взаимодействие с приложением и совершать повторные покупки, прежде всего, зависит от платежного опыта, которые они получили в процессе всего жизненного цикла. Очевидно, это один из важнейших факторов, которые сильно влияют на показатель оттока, а в итоге — на валовую выручку.
И то, с каким знаком — минус или плюс — был этот опыт, зависит, прежде всего, от стабильности работы процессинга и команды техподдержки платежного провайдера, который обеспечивает обработку платежей на регулярной основе.
На нашем сайте используются файлы cookie для сбора информации в маркетинговых целях. Подробно о сборе информации вы можете ознакомиться в «Политике конфиденциальности».
