Jak obliczyć wartość życiową klienta (Customer Lifetime Value)?

W trosce o rentowność firmy decyzje o wydatkach oraz podejmowanych działaniach powinieneś opierać o dane. Takie podejście wiąże się ze znalezieniem precyzyjnych odpowiedzi na wiele trudnych pytań. Ile maksymalnie powinienem wydawać na pozyskiwanie klientów przez Facebooka? Ile godzin warto poświęcić na obsługę klienta? Czy każdego klienta powinienem traktować identycznie? A jeśli nie, to jak zdecydować, komu należy się 10 godzin telefonicznego wsparcia, a komu tylko sekcja “pomoc” na stronie internetowej? W uzyskaniu odpowiedzi pomoże obliczenie wartości życiowej klienta (ang. Customer Lifetime Value).

Co to jest wartość życiowa klienta?

Wartość życiowa klienta (CLV) to suma przychodów, jakie klient wygeneruje dla firmy przez cały okres trwania relacji. Wyliczenie tego wskaźnika dla całego okresu współpracy między klientem a firmą, który może trwać nawet kilkadziesiąt lat, byłoby czasochłonne oraz obarczone dużym ryzykiem uzyskania błędnego wyniku, dlatego CLV liczy się zwykle dla krótszego przedziału czasowego, np. 12 miesięcy. Pozwala to zniwelować wpływ takich czynników jak zmiana oferty czy działania konkurencji. W praktyce więc jeśli klient co 3 miesiące kupuje w Twoim sklepie internetowym soczewki kontaktowe, za które płaci każdorazowo 100 zł, to jego CLV w okresie 12 miesięcy wynosi 4 * 100 zł = 400 zł.

Oczywiście powyższe obliczenie jest uproszczone i ma na celu wstępne zarysowanie koncepcji. CLV ma szerokie zastosowanie – jeśli wiesz, ile wart jest dla Ciebie klient, jesteś w stanie skuteczniej decydować, ile pieniędzy możesz przeznaczyć na konkretne działania, aby firma była rentowna.

Do czego wykorzystać wartość życiową klienta?

Znając wartość CLV możesz podjąć na podstawie danych wiele decyzji bazujących do tej pory na przeczuciu bądź ogólnej estymacji. Przede wszystkim CLV pozwala Ci stwierdzić, jak duże nakłady na pozyskanie klienta oraz utrzymywanie z nim relacji możesz ponieść. Dzięki temu określisz maksymalny budżet na działania PPC przy którym nadal opłaca Ci się pozyskiwać klientów.

Na przykład wiedząc, że średnio dział obsługi klienta poświęca 5 godzin miesięcznie na kontakt z klientem, a godzina pracy tego działu kosztuje Cię 40 zł, możesz to porównać z przychodami, jakie w ciągu roku klient wygeneruje dla Twojej firmy i zdecydować, czy na pewno taki kanał wsparcia jest opłacalny. Jeśli nie, to być może bardziej opłaca się stworzyć obszerny dział pomocy na stronie internetowej i tam kierować klientów, którzy nie przynoszą firmie dostatecznie dużo pieniędzy.

No właśnie – jak określić, ile nakładów maksymalnie na pozyskanie i obsługę konkretnego klienta? Z pomocą przychodzi tutaj segmentacja, która powinna być nieodłącznym elementem wyliczania CLV. Wyliczenie uśrednionej wartości dla całej populacji klientów nie pozwoli Ci na wyciągnięcie wniosków pozwalających na skuteczniejsze działanie. A im bardziej skomplikowane jest Twoje portfolio produktów i im większe są różnice pomiędzy poszczególnymi grupami klientów, tym ważniejsza będzie segmentacja i wyliczenie osobnego CLV dla każdego z segmentów, jakie zidentyfikujesz.

Jeśli prowadzić biznes internetowy, to jedną z podstawowych segmentacji jest podział użytkowników wobec źródeł ruchu. Pozwoli Ci to dostrzec różnice w CLV zaangażowanych klientów (pozyskanych np. poprzez newsletter) oraz klientów pozyskanych poprzez serwisy zakupów grupowych, którzy prawdopodobnie chcieli tylko skorzystać z promocji i już nie wrócą do Twojej firmy, ponieważ będą woleli wybrać ofertę promocyjną konkurencji. Taka segmentacja daje Ci informację o tym, które źródło pozyskiwania klientów jest skuteczniejsze i gdzie lepiej alokować budżet na promocję firmy – w pracownika dbającego o jakość kampanii e-mail marketingowych, czy w prowizję dla serwisu zakupów grupowych.

Jak wyliczyć wartość życiową klienta?

Do wyliczenia CLV prowadzą dwie drogi – pierwsza z nich to metody oparte o dane historyczne, natomiast druga to analizy predykcyjne. Analizy predykcyjne polegają na estymowaniu przyszłych przychodów na bazie dobranych kryteriów i wymagają tworzenia zaawansowanych modeli, dlatego na potrzeby tego wpisu przedstawię dwie metody oparte o dane historyczne. Te sposoby są szybsze i mniej skomplikowane. Mają oczywiście swoje wady, ale pozwolą Ci w krótszym czasie rozpocząć podejmowanie decyzji w oparciu o CLV.

Na początku warto jeszcze wspomnieć o tym, jak nie należy liczyć CLV. Najprostszym sposobem wydaje się bowiem podzielenie sumy przychodów na liczbę klientów. Nigdy tego nie rób – uśrednione w ten sposób dane w żaden sposób nie pomogą Ci podjąć właściwych decyzji.

Średni przychód na użytkownika

Na przykład jeśli klient o imieniu Weronika dokonał pierwszego zakupu na kwotę 100 zł w marcu, a następnie dokonał dwóch kolejnych zakupów na kwotę 70 zł każdy w kwietniu, to jego średnia miesięczna wartość wynosi:

(100 zł + 70 zł + 70 zł) / 2 = 120 zł

Jeśli klient o imieniu Adam dokonał w styczniu zakupu na kwotę 200 zł, a kolejnego zakupu na kwotę 80 zł dokonał dopiero w kwietniu, to jego średnia miesięczna wartość wynosi:

(200 zł + 80 zł) / 4 = 70 zł

Uśredniając ten wynik uzyskujesz wartość ARPU w ujęciu miesięcznym:

(70 zł + 120 zł) / 2 = 95 zł

Aby poznać CLV dla okresu 12 miesięcy, wystarczy pomnożyć uzyskany wynik:

95 zł * 12 = 1140 zł

CLV Wykres 1
Metoda średniego przychodu na użytkownika (ang. Average Revenue per User) to prosty i szybki sposób na wyliczenie wartości życiowej klienta (ang. Customer Lifetime Value). Dzięki niej obliczysz, ile pieniędzy średnio wydają klienci na Twoje usługi, co pomoże Ci podejmować trafne decyzje związane z pozyskiwaniem i obsługą klientów.

Oczywiście przy obliczaniu ARPU w Twojej firmie wykorzystasz dane o większej liczbie klientów, więc wyliczenie CLV potrwa dłużej, ale wciąż będzie oparte o przedstawione wzory. Zaletą tej metody jest szybkość i prostota. Jej wada to fakt, że nie bierze pod uwagę podziału na nowych i powracających klientów a także zmian w ich zachowaniu. Posiadając wartość ARPU nie jesteś w stanie określić, która z grup klientów ma większy wpływ na końcową wartość wskaźnika. Np. bazując na ARPU nie dostrzeżesz spadku przychodów w grupie powracających klientów (czyli spadku ich lojalności), jeśli jednocześnie szybko rosną przychody generowane przez nowych klientów. Wskaźnik pozostanie w miejscu, więc sytuacja na pozór będzie wyglądać normalnie, a prawdziwe problemy będą dla Ciebie niewidoczne.

Analiza kohort

Remedium na wady ARPU jest analiza kohort. Kohorta to grupa klientów, która dokonała pierwszego zakupu (lub zrealizowała inny cel, np.

CLV Wykres 2
Analiza kohort to metoda obliczania CLV, która uwzględnia podział przychodów uzyskanych od konkretnych grup klientów w podziale na kolejne miesiące. Ta metoda umożliwia sprawdzenie jaka część przychodu pochodzi od nowych klientów, a jaka od powracających, jak przedstawia się dynamika zmian między przychodami z tych dwóch grup oraz jak klienci zachowują się wraz z kolejnymi miesiącami od dokonania zakupu. Pozwala też dokładniej niż w przypadku ARPU estymować przychody w kolejnych miesiącach.

Dzięki analizie kohort dowiesz się, jak wygląda CLV w podziale na poszczególne miesiące licząc od pierwszego zakupu dokonanego przez klienta. Pozwoli Ci to zaobserwować trend i przewidzieć, ile faktycznie zarobisz przez kolejne 4 miesiące w odniesieniu do liczby klientów na poszczególnych etapach. Możesz np. wyciągnąć taki wniosek, że pierwsze dwa miesiące nie przynoszą zbyt wysokich przychodów, ponieważ klient chce wypróbować Twoje produkty bez inwestowania wielu pieniędzy, ale gdy się do nich przekona, to w trzecim miesiącu składa duże zamówienie.

Na podstawie takich danych możesz podjąć decyzję o zintensyfikowaniu działań budujących zaufanie do Twoich produktów oraz firmy w pierwszych dwóch miesiącach od pozyskania klienta, tak aby zwiększyć wartość zamówień składanych w trzecim miesiącu bądź zwiekszyć liczbę klientów, którzy w kolejnych miesiącach zdecydują się na zakup.

Analiza kohort pozwala Ci też zidentyfikować trend i obszary Twojej działalności wymagające poprawy. Jeśli widzisz, że wraz z upływem czasu klienci coraz mniej wydają w kolejnych miesiącach, oznacza to, że powinieneś popracować nad ich lojalnością identyfikując, co wpływa na ich mniejszą powracalność oraz znaleźć na to rozwiązanie.

Do wad analizy kohort w kontekście CLV trzeba zaliczyć fakt, że nie sprawdza się ona w momencie gdy rynek szybko się zmienia lub gdy firma dynamicznie rośnie. Klienci pozyskiwani na początkowym etapie istnienia firmy, czyli tzw. early adopters, różnią się od klientów pozyskiwanych na kolejnych etapach. Np. jeśli sprzedajesz aplikację w modelu SaaS i na początku działalności była ona niedopracowana, to pozyskani wtedy klienci prawdopodobnie szybko zrezygnowali z usługi. Zakładając, że po kilku miesiącach aplikacja działała sprawnie i pozyskiwani pół roku po starcie klienci przedłużali abonament, to analiza kohort z pierwszych kilku miesięcy wskazywałaby na przychody sporo mniejsze, niż rzeczywiste.

Teraz Twoja kolej!

Oblicz CLV dla swoich klientów korzystając z jednej z przedstawionych wyżej metod, najlepiej uwzględniając podział na segmenty. Dzięki temu będziesz mógł podejmować skuteczniejsze decyzje dotyczące np. wydatków na pozyskiwanie ruchu czy oferowanego wsparcia posprzedażowego.

Jeśli chcesz zyskać przewagę konkurencyjną dzięki zwiększaniu współczynnika konwersji oraz zwiększyć zysk swojej witryny bez wydawania kolejnej złotówki na reklamę, skontaktuj się z Conversion by poznać nasze podejście. Więcej o optymalizacji współczynnika konwersji dowiesz się pobierając przygotowane przez nas bezpłatne poradniki, raporty oraz case studies.

Autor: Damian

Damian odpowiada za szkicowanie oraz testowanie nowych rozwiązań na stronach internetowych naszych klientów. Jest absolwentem Szkoły Głównej Handlowej na kierunku Finanse i Rachunkowość, a niebawem dołoży do tego dyplom z Zarządzania. Wpisy na blogu Conversion to pochodna jego wieloletniego zainteresowania dziennikarstwem. W wolnych chwilach ugania się za piłką na warszawskich orlikach.





x

Pobierz najnowsze case study

Przeczytaj jak Limango Polska wykorzystuje potencjał analityki internetowej w swojej organizacji.

Pobierz case study