LTV — главная метрика в юнит-экономике. Как считать и прогнозировать пожизненную ценность клиента

1. Юнит-экономика без LTV — это слепой полет: почему все остальные метрики вторичны
2. Переход от LTV «вообще» к LTV «юнита»: первая фатальная ошибка
3. Формула LTV в юнит-экономике: маржинальность и горизонт планирования
4. Шаг 1: Рассчитываем «сырой» LTV. Данные, источники и первичная проверка
5. Шаг 2: «Очищаем» LTV. Учет переменных затрат и реальной маржи
6. Шаг 3: Прогнозируем LTV. От исторических данных к сценарному моделированию
7. Связываем LTV юнита с жизненным циклом клиента и продукта
8. Как работать с LTV в продуктовой команде: от метрики к фичам
9. Типичные ошибки: как убить всю юнит-экономику одним неверным допущением
10. Инструментарий: дашборд, модель в Excel/GSheets и процессы в Notion
11. FAQ: Ответы на главные вопросы по LTV в юнит-экономике
12. Вывод: Инструкция по внедрению за 21 день

Юнит-экономика — это ответ на один вопрос: «Сколько денег приносит один клиент (юнит) за вычетом всех затрат на его привлечение и обслуживание?» Логическая цепь проста:

1. CAC (Customer Acquisition Cost): Сколько мы тратим, чтобы клиент появился.
2. LTV (Lifetime Value): Сколько чистых денег он нам принесет за все время.
3. Итог: LTV - CAC = Маржинальная прибыль с клиента.

Если CAC — это расходы маркетинга, то LTV — это совокупный результат работы всего продукта, поддержки, контента и монетизации. Это итоговая оценка здоровья вашего бизнеса на микроуровне.

Экспертный инсайт: При подготовке к раунду инвестиций мы с CFO потратили 80% времени не на расчет выручки, а на обоснование LTV. Инвестор смотрит не на ваши планы по трафику, а на LTV/CAC ratio и LTV Payback Period. Если эти цифры убедительны и основаны на реальных данных когорт, вопрос «как вы будете масштабироваться» отпадает сам собой. LTV — язык, на котором говорят с деньгами.

«Средний LTV по компании» — бесполезная, а зачастую и опасная цифра. Ваша задача — считать LTV для конкретного юнита в конкретном сценарии.

Что такое «юнит» в вашем случае?

• Для SaaS/B2B: Одна подписка на определенном тарифе.
• Для EdTech: Один студент на определенном курсе или программе.
• Для E-commerce: Один покупатель определенной категории товаров.
• Для Marketplace: Одна сторона (покупатель или продавец) в определенном сегменте.

Пример: В EdTech LTV студента, купившего «Курс Excel для начинающих» за 10 000 руб. и LTV студента, купившего «Продвинутую аналитику на Python» за 80 000 руб. — это две разные юнит-экономики. У них разный CAC, разный срок жизни, разная вероятность апселла. Смешивать их — значит принимать неверные решения по бюджетированию.

Забудьте простые формулы из предыдущих статей. Для юнит-экономики нужна дисконтированная маржинальная модель.

LTV (юнита) = Σ [ (Маржинальная прибыль с клиента в период t) / (1 + Ставка дисконтирования)^t ]

Где:

• Σ (Сумма) — по всем периодам (месяцам) жизни клиента.
• Маржинальная прибыль = Доход от клиента в месяце t - Переменные затраты на клиента в месяце t.
• Ставка дисконтирования (r) — отражает стоимость денег во времени (обычно 10-20% годовых для стартапов). Это «штраф» за будущие деньги.

Почему так сложно? Потому что 1000 руб. прибыли сегодня ≠ 1000 руб. прибыли через 3 года. Инвестор и здравый смысл требуют учитывать временную стоимость денег, особенно для бизнесов с долгим LTV (например, B2B SaaS).

Упрощенная рабочая формула (для начала):

LTV (практический) = (Средняя маржинальная прибыль с клиента в месяц) * (Средний срок жизни в месяцах)

• Ключ: Используйте маржинальную прибыль, а не выручку. Иначе вы будете радоваться цифрам, скрывающим убытки.

Прежде чем углубляться в маржу, посчитайте «верхнеуровневый» LTV на основе выручки.

Алгоритм для одной продуктовой когорты (например, клиенты тарифа «Про» за январь):

1. Выручка с когорты: Сумма всех платежей от этой группы за выбранный период (например, 12 месяцев).
2. Количество клиентов в когорте: Число уникальных юнитов на старте.
3. «Сырой» LTV = (Пункт 1) / (Пункт 2).

Где брать данные:

• Выручка: CRM (AmoCRM, Salesforce), платежные агрегаторы.
• Клиенты: База данных пользователей + логи платежей.
• Важно: Работайте с закрытыми периодами. Чтобы считать LTV за 12 месяцев, берите когорту, которой уже исполнился год.

Здесь начинается настоящая работа. «Сырой» LTV создает иллюзию. Нужно вычесть все затраты, которые напрямую зависят от количества клиентов.

Переменные затраты на клиента (COGS — Cost of Goods Sold):

• Комиссия платежных систем (3-7% от оборота).
• Стоимость лицензий/роялти, если платите за каждого пользователя (например, за использование определенного API).
• Затраты на доставку (для e-commerce).
• Затраты на услуги поддержки/курации, если они пропорциональны числу клиентов (например, зарплата куратора, делящаяся на количество студентов в группе).
• Инфраструктурные затраты, которые масштабируются с ростом пользователей (сервера, трафик).

Формула маржинального LTV:

Маржинальный LTV = Σ( (Доход_мес - Переменные_затраты_мес) / (1+r)^t )

Пример (упрощенный, EdTech):

• Студент платит 10 000 руб./мес.
• Комиссия платежки: 5% (500 руб.)
• Стоимость курации на студента: 1 000 руб./мес.
• Маржинальная прибыль в месяц = 10 000 - 500 - 1 000 = 8 500 руб.
• Если студент учится 6 месяцев, его маржинальный LTV (без дисконтирования) = 8 500 * 6 = 51 000 руб.
• Экспертный инсайт: Проводя эту «очистку» для нашего основного курса, мы обнаружили, что при «сыром» LTV в 70 000 руб. маржинальный LTV был всего 35 000 руб. Из-за высоких затрат на персональную проверку домашних заданий. Это заставило нас пересмотреть продукт: мы автоматизировали проверку для первых модулей, оставив персональную обратную связь для финального проекта. Это повысило маржинальность LTV на 40% без потери качества.

Исторический LTV показывает прошлое. Для решений о будущем (запуск нового продукта, выход на новый рынок) нужен прогнозный LTV.

Метод прогнозирования через ключевые драйверы:

1. Определите драйверы: Частота платежей (ARPA), процент оттока (Churn Rate), доля клиентов, делающих апселл.
2. Постройте модель в Excel/Sheets: Месячная таблица, где для каждой будущей когорты вы вручную или формулами задаете предполагаемые значения драйверов.
3. Создайте сценарии:

• Базовый (ожидаемый): По текущим трендам.
• Пессимистичный: Падение частоты покупок, рост оттока.
• Оптимистичный: Успешный запуск новой фичи, снижающей отток.

Промт для изображения 2: «Скриншот таблицы Excel/Google Sheets с моделью прогнозирования LTV. Видны столбцы: Месяц жизни когорты, Количество клиентов, Отток, ARPA, Маржинальная прибыль, Накопительный LTV. Ниже — график с тремя кривыми: сценарии базовый, пессимистичный и оптимистичный.»

ALT-тег: Пример финансовой модели для прогнозирования LTV в Excel с учетом разных сценариев.

Как это использовать: Показывайте инвесторам не один «красивый» LTV, а диапазон. «При базовом сценарии LTV юнита будет 50 000 руб., но даже в пессимистичном (который мы считаем маловероятным) он остается положительным и равен 20 000 руб., что в 2 раза превышает наш CAC». Это — сила.

LTV — не статичный ярлык. Он «живет» и меняется вместе с клиентом и продуктом.

Фаза 1: Onboarding (Месяцы 0-1).

• Цель: Максимально быстро привести клиента к первой точке ценности («Aha! moment»).
• Влияние на LTV: Качество онбординга напрямую влияет на отток на раннем этапе (early churn), который является главным убийцей LTV.

Фаза 2: Активное использование (Месяцы 2-12).

• Цель: Увеличить глубину использования продукта, вовлеченность.
• Влияние на LTV: Глубина использования коррелирует с вероятностью апселла и удержания. Здесь формируется «мясо» LTV.

Фаза 3: Зрелость и лояльность (Год+).

• Цель: Трансформация клиента в адвоката, получение рефералов.
• Влияние на LTV: Снижает CAC для новых клиентов (через рефералов), что косвенно повышает общую рентабельность юнита.

Продуктовый инсайт: Разбивайте свой LTV по этим фазам. Если вы видите, что 80% маржинальной прибыли клиент приносит в первые 6 месяцев, а потом уходит, ваш продукт, скорее всего, решает одну точечную проблему. Значит, нужно строить экосистему продуктов, чтобы продлить жизнь юнита. Это стратегическое решение, основанное на анализе LTV по фазам.

Для продуктового менеджера LTV — не финансовая абстракция, а путеводная звезда для backlog.

Как перевести рост LTV в задачи:

• Если низкий срок жизни (высокий churn): Приоритет — фичи, повышающие удержание: улучшение онбординга, триггеры для возврата «заснувших» пользователей, персональные уведомления.
• Если низкая маржинальная прибыль: Приоритет — фичи, снижающие переменные затраты (автоматизация поддержки, оптимизация инфраструктуры) или увеличивающие средний чек (новая монетизация, система апселла).
• Если низкая частота платежей (для e-commerce): Приоритет — фичи, увеличивающие повторные покупки: персонализированные рекомендации, подписка на рестарт товаров, программа лояльности.

Процесс: Раз в квартал проводите LTV review с продуктологами, маркетологами и аналитиками. Смотрите на динамику LTV ключевых когорт. Ставьте гипотезы: «Мы считаем, что фича X увеличит срок жизни на 15%, что повысит LTV на 2 000 руб.». Затем измеряйте результат.

1. Использование выручки вместо маржи. Самая частая и смертельная ошибка. Ведет к завышенным расчетам и убыткам при масштабировании.
2. Игнорирование дисконтирования для долгосрочных LTV. Особенно актуально для B2B с контрактами на 2-3 года. Завышает текущую стоимость будущих денег.
3. Прогнозирование LTV на основе «свежих» когорт. Когорте должно «выполниться» хотя бы 30-50% от предполагаемого срока жизни, чтобы экстраполяция была хоть сколько-то достоверной.
4. Неучет переменных затрат, которые появятся позже. Например, вы считаете LTV для 100 клиентов, а при 10 000 вам понадобится дорогая серверная инфраструктура или больше менеджеров. Заложите эти скачки затрат в модель.
5. Считать LTV один раз и забыть. Юнит-экономика — живой организм. LTV нужно пересчитывать ежеквартально, так как меняются рынок, продукт, конкуренты.

1. Единый источник истины — Google Sheets/Excel модель.

• Вкладка 1: Исходные данные по когортам (выручка, количество, затраты).
• Вкладка 2: Расчет маржинального LTV для каждой когорты.
• Вкладка 3: Прогнозная модель со сценариями.
• Вкладка 4: Итоговый дашборд с ключевыми графиками (LTV по когортам, LTV/CAC, Payback Period).

2. Оперативный дашборд в BI-инструменте (DataLens, Tableau, Power BI).

• Подключается напрямую к вашей базе данных.
• Показывает ключевые метрики в реальном времени: LTV последних завершенных когорт, текущий CAC, тренд LTV/CAC.
• Должен быть доступен всем руководителям направлений.

3. Процесс в Notion/Confluence.

• Страница «Юнит-экономика»: Ссылка на модель, дашборд, описание методики расчета.
• Ежеквартальный отчет: Фиксируем результаты, инсайты, решения. Почему LTV вырос/упал? Какие гипотезы подтвердились?
• Backlog гипотез по росту LTV: Прямая связь метрики с работой команды.

Не откладывайте. Запустите процесс за три недели.

Неделя 1: Фундамент (Дни 1-7).

• День 1-2: Определите ваш ключевой юнит и 2-3 основные продуктовые когорты за прошлый год.
• День 3-4: Соберите данные по выручке и количеству клиентов для этих когорт.
• День 5-6: Посчитайте «сырой» исторический LTV для каждой.
• День 7: Поделитесь цифрами с командой на короткой встрече. Фиксируйте удивление и вопросы.

Неделя 2: Углубление (Дни 8-14).

• День 8-10: Проработайте с финансами/бухгалтерией список переменных затрат на клиента.
• День 11-13: Рассчитайте маржинальный LTV для ваших когорт. Сравните с «сырым». Это будет откровение.
• День 14: Создайте простую Excel-таблицу с формулами для расчета.

Неделя 3: Интеграция (Дни 15-21).

• День 15-17: Постройте простейший прогноз на основе текущих драйверов. Создайте оптимистичный и пессимистичный сценарий.
• День 18-19: Сформулируйте 3 гипотезы, как можно повысить LTV (уменьшить отток, увеличить чек, снизить затраты).
• День 20-21: Проведите LTV review с ключевыми сотрудниками. Утвердите одну гипотезу для тестирования в следующем квартале и назначьте ответственных.

LTV в юнит-экономике — это не отчет для галочки. Это система принятия решений, которая ставит во главу угла экономическую ценность каждого клиента. Начните с одного расчета. Первые цифры, даже приблизительные, изменят ваш взгляд на продукт, маркетинг и развитие бизнеса.

Хотите разбирать такие же сложные метрики на реальных кейсах? Присоединяйтесь к моему закрытому Telegram-каналу для CMO и руководителей роста, где мы обсуждаем инструменты, которые напрямую влияют на прибыль.