Если вы до сих пор не используете данные показателя LTV при планировании бюджета на привлечение новых клиентов, тогда скорее всего часть ваших ресурсов используется неэффективно. Цель вебинара — дать исчерпывающее объяснение показателю LTV и показать, как использовать данные при расчете затрат/доходов клиента. Мы разберем несколько разных способов оценки LTV и вы сможете выбрать оптимальные инструменты именно для вашего бизнеса и с легкостью применить их на практике. Минимум кодов и формул — только понятные принципы расчета LTV в сфере Retail и Subscription бизнесе. Со знанием всех нюансов расчета LTV, вы сможете эффективно управлять маркетинговым бюджетом. Посмотреть запись вебинара можно по ссылке: https://www.owox.com/c/4oi

2. 1. Объединяет данные из рекламных источников
2. Автоматизирует отчеты для управления рекламными кампаниями
3. Находит ценные инсайты для выполнения маркетинг-плана
персональный маркетинг-аналитик
20k+
пользователей
18
стран
9PB+
данных обрабатывается
в месяц

3. План вебинара
1. Определение показателя LTV и области применения
2. Раcчет LTV в Subscription бизнесе
3. Раcчет LTV в Retail бизнесе
4. Обзор инструментов для работы с LTV

4. Определение
показателя LTV
и области применения

5. Клиенты ведут себя по-разному
✖
✖
✖

6. Customer profitability (CP) 一ценность клиента в деньгах,
которую он уже принес компании.
Сustomer lifetime value (CLV, CLTV, LCV, LTV) 一 ценность
клиента в деньгах, которые он предположительно
принесет компании.
Терминология

7. Постановка задачи LTV
?
Прошлое Настоящее Будущее
LTV
История
взаимодействий между
клиентом и компанией
CP

8. LTV = f(a,b,c); где a, b, c 一 это показатели,
характеризующие поведение клиента и его прошлые
покупки.
Задача LTV - Поиск функции f(a,b,c)
(a2 ,b2, c2)
(a1 ,b1, c1) LTV = f(a1 ,b1, c1) = 150
LTV = f(a2 ,b2, c2) = 250

9. Трюк 1 - Нельзя ждать вечно
Ближайшее
будущее
Далекое
будущее
Кварталы

10. Трюк 1 - Нельзя ждать вечно
?
Прошлое Настоящее Ближайшее
будущее
LTV
для ближайшего
будущего
История
взаимодействий между
клиентом и компанией
CP
?
Далекое
будущее

11. Области применения LTV
LTV
Сервис
Усилия
Приоритизация
Продукт
Опросы при
повышении,
понижении LTV
Какие фичи
повышают LTV
клиентов?
Маркетинг
Прокачка каналов,
которые привлекают
клиентов с высоким LTV
Таргет Display
рекламы на
клиентов с
высоким LTV
Спецпредложения
для клиентов при
падении LTV
Стратегия
и Экономика
Где клиенты с
высоким LTV ?
Какой доход
можем ожидать
в будущем ?
Сколько можем
тратить на
привлечение и
удержание ?

12. Раcчет LTV в Subscription
бизнесе

13. Что такое Subscription бизнес
Особенности
1. Клиент заключает с компанией контракт
2. В рамках контракта вносит одинаковые платежи в
определенное время
3. Может разорвать контракт в любое время
Примеры бизнесов:
1. Битрикс 24
2. МТС
3. Netflix

14. Основные методы
1. Валовый метод
2. Метод Peter Fader
3. Методы машинного обучения

15. Валовый метод для
Subscription

16. Валовый метод
ARPA - Средний заработок с клиента за период
Gross Margin - Маржинальность
Customer Churn Rate - Количество клиентов, которые
ушли с подписки / Общее количество клиентов

17. Трюк 2 - Любой метод можно сделать
точнее
LTV = LTVВсе клиенты
Все клиенты

18. Трюк 2 - Любой метод можно сделать
точнее
LTV1 - Нового LTV2 -
Вернувшегося
1
1 1
1
2
2 2
2
LTV = LTVНового + LTVВернувшегося
Новые клиенты Вернувшиеся клиенты

19. Трюк 2 - Любой метод можно сделать
точнее
Часто употребляемые признаки для сегментов
Subscription
● Регион
● Промоакция
● Особенности использования
продукта
● Соц. Дем
Retail
● Регион
● Промоакция
● Категория товаров
● Ценовая категория покупаемых товаров
● Канал доставки
● Разница между ценой покупки и средней
ценой на рынке

20. Метод Peter Fader

21. Продление контракта, как подбрасывание
монетки
? ? ? ? ? ?

22. Итоговое распределение вероятности как
сумма распределений
Вероятность выпадения орла
продления контракта в конце месяца
Вероятность серии последовательных
выпадений орла наступления события
продления определенное количество
месяцев
β распределение Геометрическое распределение
Смещенное β геометрическое распределение Shifted-
beta-geometric distribution

23. Вероятность, что человек будет с нами X
месяцев
F(x; a, b )

24. Трюк 3 - Интервал вместо одного значения
LTV
t
Обычный метод
● Прогнозируем LTV клиента

25. Трюк 3 - Интервал вместо одного значения
LTV
t
Обычный метод
● Прогнозируем LTV клиента
● Прогнозируем интервал
[a, b], в который с
вероятностью 95% попадет
LTV клиента

26. Метод
машинного обучения

27. Как работает машинное обучение
Клиент Продукт Скидка LTV (CP)
100782 Star - 500 3% 100
100783 Star - 600 2% 150
100784 Star - 600 5% 250
100785 Star - 200 Нет 300
100786 Star - 500 Нет 150
100787 Star - 200 3% ?
100788 Star - 600 Нет ?
Алгоритм
машинного
обучения

28. Как работает машинное обучение
Клиент Продукт Скидка LTV (CP)
100782 Star - 500 3% 100
100783 Star - 600 2% 150
100784 Star - 600 5% 250
100785 Star - 200 Нет 300
100786 Star - 500 Нет 150
100787 Star - 200 3% 120
100788 Star - 600 Нет 190
Алгоритм
Машинного
Обучния

29. Общие принципы работы
Параметры
клиента
Использование
сайта(приложений)
последние N дней
Количество
месяцев с нами
Использование
продукта за
последние N дней
Прогнозируемый
LTV и срок жизни
Дополнительные
покупки
Вероятность Churn

30. Популярные платформы для расчета LTV с помощью
автоматического машинного обучения
● Google Cloud Structured Data AutoML
● AutoML R H20
● Auto-sklearn
● RapidMiner
● IBM WATSON
Самый практичный алгоритм - AutoML

31. 1) Выделить список параметров, от которых может зависеть LTV
пользователей
2) На исторических данных понять, от каких параметров реально зависит LTV
клиента
3) Разделить клиентов на сегменты в зависимости от параметров
4) Для каждого сегмента применить один из указанных выше способов
(Валовый, Peter Fader, Метод машинного обучения)
5) Profit 1: Оценка качества каналов
6) Profit 2: Предсказание вероятности ухода
Как можно прийти к результату ?

32. Profit 1: LTV для привлекаемых пользователей
source.medium device Coupon cost Revenue - Start ROAS - Start Revenue - Expected ROAS - Expected
1. google / cpm desktop Yes 1900 1200 63,16% 5300 278,95%
2. yandex / cpc desktop Yes 2900 1500 51,72% 4200 144,83%
3. google / cpm mobile Yes 5542 1400 25,26% 14000 252,62%
4. yandex / cpc mobile Yes 4262 1300 30,50% 11000 258,09%
5. google / cpm mobile No 10000 1000 10,00% 45000 450,00%
6. yandex / cpc mobile No 6500 1200 18,46% 30000 461,54%

33. LTV не панацея для управления каналами
Заработать
денег сейчас
Заработать
денег
потом
ROAS
CPO
LTV
CPNO
Last-non Direct Click
Multi Touch attribution
First-click

34. Profit 2: Предсказываем момент ухода
Customer Id P1 P2 P3 P4
192438719 41% 20% 13% 37%
192438718 80% 55% 39% 15%
192438717 55% 16% 47% 8%
192438716 12% 92% 2% 66%
192438715 60% 50% 67% 61%

35. Кейс Битрикс 24 - Оцениваем
эффективность на когортах

36. Метод BCG - Усовершенствованный валовый метод
Статья - The One Ratio Every Subscription Business Needs to Know
Ссылка
Метод Peter Fader
Статья от Сергея Бриль
Рассказывает про решение задачи на языке R
Ссылка
Оригинальная статья Peter Fader в 2007 году
Подробное описание математического аппарата и пример расчета в Excel
Ссылка
Обзор различных ML методов для предсказания LTV
Статья, описывающая применение различных ML алгоритмов для предсказания LTV в разных
областях
Ссылка
Более подробная информация по методам

37. Раcчет LTV в Retail бизнесе

38. Что такое Retail бизнес
Особенности
1. Клиент совершает покупки в любое время
2. Время между покупками непостоянно
3. Чек покупки непостоянен
Примеры бизнесов:
1. OZON
2. Утконос
3. ЦУМ

39. Методы расчета LTV для Retail
1. Валовый метод расчета LTV для Retail
2. Метод Pareto/NBD
3. Метод машинного обучения

40. Валовый метод для Retail

41. Валовый метод расчета LTV для Retail

42. Метод Pareto/NBD

43. Итоговое распределение вероятности, как
сумма распределений
Частота повторных
покупок
Отток клиентов
Negative binomial distribution Pareto distribution
Pareto/NBD распределение
Средний чек
Gamma distribution

44. Полезные промежуточные результаты
Cust - Идентификатор клиента
X - Количество покупок клиента
Sales - Продажи текущего клиента
p_Alive — Вероятность следующей
покупки
DET — Дисконтированное
количество транзакций
AEV - Дисконтированная выручка

45. Метод
машинного обучения

46. Общие принципы работы
Временной ряд из
покупок клиента
Использование сайта
(приложения)
последние N дней
Дата первой и последней
покупки
Сумма логарифмов
временных интервалов
между покупками
Количество транзакций
Параметры
клиента
Прогнозируемый LTV
Вероятность покупки

47. 20 дней
Сумма логарифмов временных интервалов
между покупками
Ln 20 = 3
65 дней 145 дней 25 дней
Ln 65 = 4.17 Ln 65 = 4.98 Ln 65 = 3.22
Сумма логарифмов временных интервалов между покупками =

48. 1) Выделить список параметров, от которых может зависеть LTV
пользователей
2) Выделить временные периоды, на которых считается LTV (15, 30, 90, 180,
360 дней)
3) На исторических данных понять, от каких параметров реально зависит LTV
клиента в разных периодах
4) Разделить клиентов на сегменты в зависимости от параметров
5) Для каждого сегмента применить один из указанных выше способов
(Валовый, Pareto NBD, Метод машинного обучения)
6) Profit 1: Оценка качества каналов
7) Profit 2: Предсказание лучшего момента для предложения
8) Profit 2*: Управление ставками в зависимости от LTV клиента
Как можно прийти к результату ?

49. Profit 1: Оцениваем каналы
source.medium device Coupon cost Revenue - 1 Order ROAS - Start Revenue - Expected ROAS - Expected
1. google / cpm desktop Yes 1900 1200 63,16% 5300 278,95%
2. yandex / cpc desktop Yes 2900 1500 51,72% 4200 144,83%
3. google / cpm mobile Yes 5542 1400 25,26% 14000 252,62%
4. yandex / cpc mobile Yes 4262 1300 30,50% 11000 258,09%
5. google / cpm mobile No 10000 1000 10,00% 45000 450,00%
6. yandex / cpc mobile No 6500 1200 18,46% 30000 461,54%

50. 1 Месяц 6 Месяц 12 Месяц 24 Месяц
Канал ABC
+ 10 000 р.
= 10 000 р.
Трюк 4 - Присваиваем LTV на канал только
в течение заданного временного лага
10 000 р. 15 000 р. 5 000 р. 1 000 р. 25 000 р.
Канал ABC
+ 15 000 р.
= 25 000 р.
Канал ABC
+ 5 000 р.
= 30 000 р.
Канал ABC
+ 1 000 р.
= 31 000 р.
Канал ABC
+ 25 000 р.
= 56 000 р.
Канал ABC DFE EOP XZU XZY
Канал ABC
+ 10 000 р.
= 10 000 р.
Канал ABC
+ 15 000 р.
= 25 000 р.
Канал ABC
+ 0 р.
= 25 000 р.
Канал ABC
+ 0 р.
= 25 000 р.
Канал ABC
+ 0 р.
= 25 000 р.

51. Profit 2: Предсказываем наилучший момент
для предложения
Периоды
Customer Id T1 T2 T3 T4
192438719 41% 20% 13% 37%
192438718 40% 55% 39% 15%
192438717 55% 86% 47% 8%
192438716 12% 22% 90% 66%
192438715 60% 50% 67% 61%

52. Profit 2*: Управление ставками в
зависимости от LTV клиента
Прогнозные данныеИсторические данные Отклонения ставок

53. ML Алгоритмы от Google
Predicting Customer Lifetime Value with AI Platform: training the models
Ссылка
Метод Pareto/NBD
Статья от Сергея Бриль
Рассказывает про решение задачи на языке R
Ссылка
Кейсы применения Pareto/NBD (Для тех, кто был на GoA2018)
Подробное описание математического аппарата и практических кейсов
Ссылка
Пакет для расчета Pareto/NBD на языке R
Готовый пакет для расчетов
Ссылка
Более подробная информация по методам

54. Обзор платформ для
работы с LTV

55. 1. Google Analytics Lifetime Value Report
2. База данных CRM-системы
3. Промышленное хранилище маркетинговых данных
(Подход OWOX)
Популярные платформы

56. Google Analytics Lifetime
Value Report

57. Google Analytics Lifetime Value Report

58. Google Analytics Lifetime Value Report
Преимущества
● Работает прямо из коробки при правильной настройке Google Analytics
Недостатки
● Не предусматривает длительный срок жизни клиента - максимум 90
дней
● Работает на базе файлов cookie. Не работает, если пользователь
чистит куки использует несколько устройств заказывает по
телефону или оффлайн
● Использует усредненный доход на пользователя по целевому
действию. Забудьте о точных расчетах на основании реальных
ценностей покупок (10$, 100$, 1000$ )
● Работает только с историческими данными и ничего не предсказывает

59. База данных CRM-системы

60. С какими данными работаем
1. Заказы ✔
2. Продукты в заказах ✔
3. Себестоимость и прибыль ✔
4. Маркетинговые затраты на
заказ ✖
5. Источники перехода на сайт и в
приложение ✖
6. Действия пользователей
онлайн и в приложении ✖

61. Что можно, а что нельзя
1. Прогноз LTV по клиенту на данных CRM ✔
2. Прогноз LTV по клиенту на данных CRM +
Маркетинг + Поведение на сайте / в
приложении ✖
3. Расчет LTV по каналам ✖
4. Персонализированные предложения в
зависимости от LTV клиента и его поведения
на сайте / в приложении ✔ / ✖

62. Промышленное хранилище
маркетинговых данных
(подход OWOX)

63. С какими данными работаем
1. Заказы ✔
2. Продукты в заказах ✔
3. Себестоимость и прибыль ✔
4. Маркетинговые затраты на
заказ ✔
5. Источники перехода на сайт и в
приложение ✔
6. Действия пользователей
онлайн и в приложении ✔

64. User_id Session Source Session
Cost
Y29QR Session 1123 Facebook/Campaign 1 5.25 р.
Y29QR Session 2342 Google/Чайник Bork 4.34 р.
User_id Session Hit
Y29QR Session 1123 Смотрел страницу кредитных
карт
Y29QR Session 1123 Сравнивал кредитные карты
между собой
User_id Action type Detail
Y29QR Call Звонок 1232 на нем клиент
узнавал подробности о
кредитной карте
Y29QR Order Кредитная карта активирована
Сайт
Приложение
Рекламные
системы
CRM
User_id Idfa Hit
Y29QR 11123 App instal с кампании Campaign11
Y29QR 11123 Просмотрены условия
дополнительного кэшбэка
Портрет клиента 360 - Надежный
фундамент для расчетов LTV

65. Архитектура сбора данных и отчетности
Google BigQuery
CRM
Google
Analytics
ETL
Call-трэкинг система
Website 1 Website 2 CSV
AppsFlyer
1
Расходы
2
2
3
4

66. Что можно, а что нельзя
1. Прогноз LTV по клиенту на данных CRM ✔
2. Прогноз LTV по клиенту на данных CRM +
Маркетинг + Поведение на сайте / в
приложении ✔
3. Расчет LTV по каналам ✔
4. Персонализированные предложения в
зависимости от LTV клиента и его поведения
на сайте / в приложении ✔

67. О чем сегодня поговорили
1. CP(Customer Profitability) можем подсчитать, LTV предсказать
2. LTV в Сервисе, Продукте, Маркетинге и Стратегии
3. LTV в Subscription
a. Валовый метод
b. Peter Fader
c. Машинное обучение
4. LTV в Retail
a. Валовый метод
b. Метод Pareto/NBD
c. Машинное обучение
5. Обзор инструментов для работы с LTV
a. Google analytics Lifetime Value Report
b. CRM система
c. Хранилище маркетинг данных Подход OWOX ;)

68. Запись на консультацию
Заполнить форму по ссылке
Тип консалтинга = Оценка LTV

70. Вопросы?

71. Контакты
Иван Одинцов,
Менеджер по развитию
бизнеса OWOX
г. Москва
+7 (930) 164-42-19
+7 (499) 989-67-17
Skype: ivan_odintsov
Email: i.odintsov@owox.com
www.owox.ru