LTV В ANALYTICS И НЕ ТОЛЬКО

Этот материал пригодится представителям магазинов и сервисов, в которые пользователь с высокой вероятностью вернется за повторной покупкой. Например, службам доставки еды, интернет-магазину товаров для животных. Если ваш бизнес ориентирован на разовые продажи, скажем, как служба эвакуации авто или изготовление памятников, то пользы будет немного.

Препарируем базовые e-commerce метрики

Прежде чем начнем разбирать отчет, краткий ликбез с формулами. Наш персонаж-буратино — Василий, маркетолог пиццерии «Парма».

Цель бизнеса — получать прибыль. Руководитель пиццерии зарабатывает, когда привлекает клиента (CAC — Customer Acquisition Cost / Стоимость привлечения клиента) за 500 ₽, а клиент покупает Пепперони с колой и картошкой-фри на 1000 ₽ (Revenue / Выручка). Так, у нас появились два показателя: выручка и САС, Customer Acquisition Cost — стоимость привлечения клиента.

Клиенты разные, и кто-то собирает заказ на 500 ₽, кто-то берет пиццу на корпоратив и платит 3000 ₽. Чтобы сгладить колебания, принято ориентироваться на средний чек — AOV, Average Order Value — по всем клиентам.

Первая формула гласит, что стоимость привлечения должна быть меньше среднего чека иначе Василий и руководитель долго не протянут:
**CAC < AOV**
Правильно смотреть в будущее и ожидать, что клиент совершит еще несколько заказов. Потом отвалится, так как никто не вечен. Однако за свой «срок жизни» клиент успеет принести определенный доход. Это и будет LTV, Life Time Value — пожизненная ценность клиента.

Вторая формула:

LTV = AOV × Количество продаж (год) × Срок жизни (лет)

Василий предполагает, что типичный клиент оформляет заказ на 800 ₽, делает один заказ в месяц на протяжении года, затем так пресытится, что поменяет «Парму» на «Флоренцию».

LTV = 800 * 12 * 1 = 9600 ₽.
Недурно! Как понять, сколько Василий может платить за привлечение клиента, чтобы бизнес рос и развивался? В учебных пособиях приводят такую формулу, третью для нас:

LTV > 3 × CAC

или

**CAC < LTV / 3**

Если возьмем данные по LTV из примера, то получим, что на привлечение можно тратить до 3200 ₽. Даже я немного в шоке. Для перестраховки предлагаю занизить ожидания Василия: продажи клиенту в рамках года на 50% (ах!), а LTV делить на 5 (ох!). Получаем CAC = 800 * 6 * 1 / 5 = 960 ₽. Похоже на правду.

Что интересно, мы готовы заплатить за привлечение клиента даже больше, чем получим с его первой покупки — и ничего, не трясемся! Знаем, что будут светлые времена в нашей с ним истории, он еще поест нашей пиццы.

Analytics считает данные в плоскости пользователя, а не клиента, что не меняет сути. Посмотрите на эти метрики:

→ UAC (User Acquisition Cost) — стоимость привлечения пользователя: еще ничего не купил, просто человечек зашел осмотреться;
→ ARPU (Average Revenue Per User) — средний доход с одного пользователя.
Четвертая формула, очень похожая на первую:

**UAC < ARPU**

Вопрос: А если я не плачу за привлечение пользователя совсем?

Ответ: тогда UAC = 0. Типичная ситуация для прямого трафика: пользователь вбил адрес www.shop.ru — уже знает вас. Если пользователь приходит с контекста, тогда UAC = CPC (стоимость клика). Аналогично можно рассчитать для любого источника.

Такая длинная подводка нужна для того, чтобы переварить главное налегке.

Как включить и прочитать отчет LTV?

Где найти: «Аудитория» — «Общая ценность». Удобно, что не требуется модифицировать код или предварительно включать сбор данных. Работает из коробки.

Подкручиваем:

1. Показатель общей ценности — нас интересуют деньги, выбираем «Доход на пользователя» (ARPU). Ремарка: требуется настроенная «Электронная торговля».
2. Диапазон дат для канала — период для анализа, данные собираются с 1 марта 2017.

В таблице ниже «Канал привлечения трафика» (channel) выставлен по умолчанию, можно также смотреть в других разрезах:
→ источника (source);
→ канала, ох уж этот перевод (medium);
→ кампании (campaign).

Осталось посмотреть на показатель ARPU и решить, хорошо ли отрабатывают рекламные инструменты или ну такое.

Выше я писал, что UAC для контекстной рекламы — это средняя цена клика за тот же диапазон, за который мы смотрим отчет в Analytics. Сформировал отчет в рекламном кабинете, увидел цифру, вписал — никакой магии.

Разберем цифры в отчете Google Analytics. Возьмем источник yandex.search, по нему UAC=20, а ARPU=280 — сверхприбыльно! Другой источник — yandex.context, UAC=14, а ARPU=31. В плюсе, но если посчитать прочие расходы бизнеса, то сработали в 0 или даже в минус.

Почему отчет LTV в Analytics не так хорош, как хотелось бы?

1. LTV для пользователя считается в течение последующих 90 дней после первого визита. Все покупки, которые он совершил спустя 90 дней, не будут учтены и просуммированы с текущим LTV. Мы же нацелены работать с клиентами в долгую и считать их покупки минимум за 12 месяцев. Получается, реальная ценность клиента будет занижена.
2. Инструмент не работает в самой полезной разбивке — по рекламным кампаниям. Корректные данные только для Google Ads, для Директа и прочих — нули.

Кто еще умеет считать LTV автоматом?

Яндекс.Метрика внедрила отчет по пользователям, но пока это таблица с фиксацией всех телодвижений пользователей.

Пофильтровали, поохали, закрыли. Работать с данными невозможно. 100%, что в 2019 году отчет обрастет полезными фишками, ждем.

Любая система person-based аналитики справляется с этим на ура. Примеры: Kissmetrics, Mixpanel. Дорого малого бизнеса, пропускаем.

И, вероятно, самый оптимальный вариант «цена/качество» — Roistat. Это типичный пример «аналитики денег», а не «аналитики пользовательских сессий»: какое дело бизнесу до глубины просмотра?

Roistat интегрируется с CRM, поэтому видит, когда продажа действительно состоялась. Analytics не понимает, что происходит, когда заказ с сайта попадает на менеджера. Заказ задвоился? Клиент отменил? Не выкупил в пункте выдачи? Вернул из-за брака? Данные преувеличены и не отражают действительности.

Roistat считает LTV по каналу так:

LTV = Прибыль / Оплатившие клиенты

Легко видеть динамику повторных продаж. Если бизнес регулярно допродает — LTV увеличивается. И наоборот, если пользователи совершают единичные покупки — LTV замирает. Два примера пользы:

1. После открутки кампании в Директе «Пиццы на заказ» получаем, что LTV ежемесячно прирастает и уже достиг показателя 3000 ₽. Что позволяет нам смело выделять 1000 ₽ на привлечение одного клиента, несмотря на изначальную установку «не более 300 ₽».
2. Если LTV Директа сильно больше LTV Google Ads, то повод задуматься, все ли возможности рекламы мы используем? Возможно, именно ретаргетинг в Директе возвращает аудиторию на сайт за повторными заказами, а мы не используем это в Ads.

Вот чем еще хорош Roistat:
+ анализ на разных глубинах: от источника до ключевого слова;
+ расчет классических и «денежных» показателей: CPO, ДРР, ROI, упомянутый LTV — чудо ведь!
+ интеграция с любой CRM и даже «Google Таблицами» — всё будет учтено;
+ интеграция с любым коллтрекингом, чтобы не терять звонки;
+ мультиканальная атрибуция U-shape (40-20-40) и вера в то, что нам позволят строить собственные модели. С такой атрибуцией вклад каналов в конверсию распределяется более справедливо, чем при модели last-click.

Знаете альтернативу Roistat или что-то похожее — расскажите в комментариях. Очень ждем. Правда, ждем...

Вопрос: А от вас какая польза?

Если вы поняли, что для принятия взвешенных маркетинговых решений недостаточно данных из Метрики и Аналитикса, а конверсия пугающе низкая, мы готовы помочь:

1. Настроить сквозную аналитику: понять, что есть сейчас, и сколько потребуется денег и времени, чтобы выстроить правильный учет. На сайте Ройстата вам скажут, что это делается за 5 минут — вранье;
2. Автоматизировать маркетинг через взаимодействие с посетителями и клиентами. Разработаем сценарии по выкупу брошенных корзин, увеличению среднего чека и LTV.

Заказывайте performance-маркетинг aberix и будут вам лиды. До скорого!