Sostav.ru

Как использовать метрику LTV для управления жизненным циклом клиента: шесть стратегий

Рассказывает управляющий партнер Coffee Analytics Андрей Муратов

2

Аналитическая компания Coffee Analytics совместно с Фондом развития цифровой экономики, платформой Owox Bi и платформой клиентских данных Mindbox провела первое в России исследование того, как компании работают с пожизненной ценностью клиентов (LTV, lifetime value) и выяснили, что только треть компаний считают этот показатель. Управляющий партнер Coffee Analytics Андрей Муратов на примерах показал, как с помощью прогноза метрики LTV (гайд расчёта на машинном обучении) можно оптимизировать привлечение новых клиентов, развивать перспективных и даже управлять товарным ассортиментом.

Описанные в статье шесть стратегий схематично отражены на условном жизненном цикле клиента от знакомства с компанией и первой покупки до удержания.

Распределение шести стратегий по работе с LTV по жизненному циклу клиента

1. Этап привлечения: перераспределение бюджета при закупке новой аудитории

На этапе привлечения главная задача бизнеса — найти и заинтересовать наиболее ценную аудиторию минимальными усилиями. Соотношение «затраты — доход» удобно измерять через полную стоимость привлечения клиента (CAC, customer acquisition cost) к LTV клиента. Хотя нет единого стандарта и для каждой индустрии будут свои ориентиры, в идеальной ситуации CAC к LTV должен быть не менее, чем 1 к 5 (то есть ROI = LTV/CAC — 1, равен или выше 400%).

Важно: для товарных компаний в расчете из LTV вычитают COGS (cost of goods sold, себестоимость товара), то есть считают валовую прибыль, маржу (gross margin).

Зная соотношение CAC к LTV, компания получает возможность перераспределять бюджет между различными каналами: Google AdWords, «Яндекс.Директ», социальными сетями, реферальной программой и так далее. Это позволяет тратить инвестиции на маркетинг оптимальным образом с учетом ожидаемой прибыли за весь период взаимодействия с клиентом, а не ориентироваться на прибыль от первого заказа или за первый месяц привлечения.

Наиболее эффективный канал в этом примере — Google

Сравним Google AdWords и реферальную программу: у Google ROI к ARPU ниже. Если компании нужно выбрать только один канал, она предпочтет реферальную программу. Но на дистанции Google обгонит ее на 28% (434% против 406%), следовательно, оставить нужно именно его.

2. Этап привлечения: привлечение ценной аудитории через look-a-like

Здесь нужно выделить страту клиентов, чей LTV входит в сегмент 80%+ (то есть 20% лучших) от максимального значения, и загрузить этот сегмент в рекламный кабинет для построения look-a-like-аудитории. Facebook, в частности, позволяет задать точность того, насколько новая аудитория будет похожа на исходную.

Настройка look-a-like-аудитории в рекламном кабинете Facebook

Затем нужно оценить эффективность привлечения новой аудитории по сравнению с другими запущенными кампаниями — для этого снова понадобится LTV. Для полноты картины можно смотреть также на динамику LTV месяц к месяцу, фиксируя истощение потенциала кампаний.

Наиболее эффективная аудитория в этом примере — look-a-like 3%

Допустим, компания проводит промоакцию, снимает результаты и видит, что, судя по CAC, CPC и ROI, акция успешно отработала. Но без учета LTV не будет понятно, что на самом деле стратегически в этой акции не было смысла: она привлекла охотников за скидками с низким LTV.

Георгий Чибисов, growth and performance marketing director Lamoda:

Мы решили отказаться от мультиканальной атрибуции и перейти на LTV в 2018 году. Сейчас все усилия по привлечению новых клиентов, процессу удержания и возврата оцениваются с точки зрения LTV в когортах.

Такой подход позволил изменить структуру маркетинговых кампаний, которые теперь полностью нацелены на рост клиентской базы. Инвестиции в маркетинг оцениваются на протяжении всего срока жизни клиента. Важно сказать, что LTV позволяет гибко управлять инвестициями в клиентскую базу: затраты не заканчиваются только привлечением нового клиента, а продолжаются на протяжении всей его жизни.

Благодаря LTV мы смогли оптимизировать затраты на маркетинг на уровне платформ, каналов и источников привлечения, а также в каждом регионе присутствия компании.

3. Этап развития и поддержки: кластеризация и развитие наиболее ценных клиентов

Кластеризация — это подход к сегментации клиентов, предполагающий разделение на однородные группы. Классический пример — деление по возрасту, полу и так далее. Увы, такое разделение не всегда дает адекватные результаты в рекламе.

Принц Чарльз и Оззи Осборн не отличаются с точки зрения соцдема, но очевидно, что у них разные паттерны клиентского поведения. И только анализ покупок сможет это выявить

Другой стандартный подход — RFM-анализ с разделением клиентов по давности (recency), частоте (frequency) и сумме покупок (monetary). Он неплохо работает, но довольно груб, поскольку критерии сегментации определены заранее и используют только транзакционные данные. По нашей практике, лучше работает кластеризация на машинном обучении на полном доступном массиве клиентских данных, когда алгоритм сам определяет, по каким критериям делить базу.

Но и RFM приносит плоды — это доказывает опыт Ozon. Маркетологи компании разделили всю базу на основе RFM-анализа на 27 сегментов и для каждого из них посчитали множители для ставок на основе соотношения прошлого дохода (monetary) и будущего дохода (LTV). Это позволило приоритизировать рекламные показы в ремаркетинге на более ценные сегменты. В результате увеличили конверсию в два раза, ROI повысился на 55%.

Наиболее ценный сегмент в примере — 3.3.3 Множитель ставки для него — 1326%

Еще один недостаток RFM-подхода — количество сегментов, многие из которых на самом деле близки по LTV. Если же использовать ML, то получим меньше кластеров, границы каждого при этом будут более четкими.

Кластеризация на ML в этом примере выявила семь групп

Кстати, необязательно использовать для кластеризации именно показатель LTV. Компания «Эльдорадо» учитывала, например, вероятность совершения покупки, чтобы разделить базу на 10 частей. Это позволило в 2,5 раза увеличить ROI контекстной рекламы.

4. Этап развития и поддержки: фокусирование на ценных клиентах и их удержание

LTV дает возможность следить за наиболее ценными для компании сегментами и понимать, как ежемесячно перетекает аудитория между ними и какой результат в деньгах благодаря этому получает компания.

Слева — перетоки между сегментами, справа — изменение среднего LTV сегмента

Наиболее ценным сегментам разумно уделять повышенное внимание, например, приглашать на закрытые распродажи или давать ранний доступ к новым коллекциям. Если компания правильно выстраивает эту работу, средний LTV более ценных сегментов будет расти, а сами они будут увеличиваться в размере. А это в конечном счете приведет к росту суммарного LTV всех клиентов компании и ее финансовых показателей.

5. Этап развития и поддержки: влияние товарных категорий на LTV

LTV позволяет понять, какие товарные категории выбирают клиенты, то есть в каких категориях LTV накапливается с течением времени по каждому сегменту. Часто это бывают товары регулярного спроса, например рубашки в магазине одежды.

Важно отслеживать изменение LTV именно по сегментам, причем пришедшим за определенный период. Приведу пример. Допустим, компания видит, что LTV к прошлому месяцу у людей с детьми до 5 и 10 лет резко падает:

Причина такого падения может крыться в изменении товарной матрицы. В этом случае — в сокращении ассортимента детских товаров. То есть товар может быть низкомаржинальным, но отказываться от него нельзя, чтобы не спровоцировать отток клиентов.

В общем виде это выражается графиком ниже:

В этом примере категория 4 не так важна при трехмесячной оценке покупок когорты, но ситуация меняется за два года: вклад категории в рост LTV увеличивается.

В этом примере категория 4 не так важна при трехмесячной оценке покупок когорты, но ситуация меняется за два года: вклад категории в рост LTV увеличивается.

Знание товарных категорий, которые влияют на LTV на дистанции, позволяет удерживать клиентов, сохраняя важные позиции в ассортименте. Для полной картины необходима омниканальная программа лояльности. Она позволяет собирать все необходимые для этого данные.

6. На всех этапах жизненного цикла клиента: определение факторов, влияющих на LTV, и генерирование гипотез роста

Модель на машинном обучении, объединяющая все данные о покупателях и транзакциях, позволяет декомпозировать факторы, влияющие на LTV когорты или сегмента. Это, в свою очередь, позволяет компании генерировать гипотезы роста LTV. Изучим график дерева декомпозиции ниже:

Если посмотреть на покупки в разрезе дней недели, окажется, что из-за скидок выходного дня влияние покупок в субботу и воскресенье на LTV ниже, чем в будни. Это означает, что имеет смысл активнее привлекать аудиторию в магазины в будние дни. Подобные гипотезы, конечно, нужно проверять с помощью AB-тестов.

Таким образом, расчет LTV и активная работа с ним позволяет максимизировать прибыль компании на всех этапах жизненного цикла клиента: от привлечения до реактивации.

Обсудить с другими читателями:
Ваш браузер устарел
На сайте Sostav.ru используются технологии, которые не доступны в вашем браузере, в связи с чем страница может отображаться некорректно.
Чтобы страница отображалась корректно, обновите ваш браузер.
Ваш браузер использует блокировщик рекламы.
Он мешает корректной работе сайта. Добавьте сайт www.sostav.ru в белый список.