Рассказываем про любимую метрику маркетологов.

Привет, Хабр! Меня зовут Аня Погадаева, и это моя первая статья здесь, поэтому я решила сразу зацепить какую-нибудь интересную и не совсем обычную тему. Кстати, это также первая публикация в блоге Ситидрайва, и я вдвойне волнуюсь.

Мы — сервис каршеринга, поэтому уделяем много времени и усилий работе с клиентами. При этом прекрасно понимаем, что пользователь не может быть с нами вечно. Кто-то покупает собственный автомобиль, пересаживается на велосипед или самокат, а кто-то переезжает в город, где Ситидрайва пока нет. Всё сводится к тому, что в один определённый момент клиент просто уходит из сервиса. И это нормально.

Вот только чтобы строить эффективный бизнес, нам нужно знать, сколько времени типичный клиент проводит вместе с нами и сколько прибыли в сумме за это время приносит.

Поэтому наши аналитики разработали комплексную формулу расчёта LTV, которая учитывает не только специфику работы каршеринга, но также все доходы и затраты сервиса. В статье я расскажу, как мы считаем пожизненную ценность клиента и как с помощью этих данных мы улучшаем свой сервис.

Что такое LTV

Пожизненная ценность клиента или Lifetime Value — показатель, который говорит о том, сколько прибыли в среднем приносит один клиент за всё время сотрудничества с сервисом. Хотя мы и говорим про «пожизненную» ценность, обычно LTV смотрят на N-ый день/неделю/месяц жизни пользователя в сервисе.

Зная LTV, мы можем:

оценить рентабельность бизнеса;
понять, за какую цену (CAC) имеет смысл привлекать нового пользователя;
оценить срок окупаемости маркетинговых инвестиций;
выявить наиболее эффективные рекламные каналы;
определить самые доходные сегменты аудитории и те, которые приносят убытки.

Показатель рентабельности выражается отношением LTV/CAC, где CAC — это сумма маркетинговых затрат на привлечение нового пользователя в сервис; сюда входят как масштабные кампании с привлечением СМИ, так и точечные персонифицированные специальные предложения.

Показатель LTV/CAC зависит от отрасли и бизнеса, хорошим считается отношение 3/1: то есть пользователь должен принести нам в 3 раза больше того, что мы потратили на его привлечение. Зная LTV и желаемый показатель LTV/CAC, мы можем запросто понять, к какой величине CAC нужно стремиться. А зная динамику LTV, мы поймём срок окупаемости маркетинговых инвестиций.

Также, если рассмотреть LTV пользователей в различных разрезах (демографические показатели, города, рекламные кампании и др.), мы можем определить, какие сегменты целевой аудитории обеспечивают наибольшую прибыль компании, а какие — приносят убытки.

В первое время использования сервиса LTV пользователя может быть отрицательным — это говорит о том, что затраты значительно превышают получаемую от пользователя ценность. Но в какой-то момент LTV точно должен начать превышать затраты, и чем быстрее это произойдёт — тем лучше. Если же компания давно на рынке, а LTV стал ниже CAC, скорее всего, что-то идёт не так.

Как рассчитать LTV

Отлично, полезность LTV принимаем. Переходим к расчётам. Небольшая ремарка: подход к расчёту LTV может быть историческим, а может быть прогнозным.

Исторический нам нужен для того, чтобы по данным прошлых периодов оценить эффективность привлечения; найти паттерны в поведении пользователей, выделить сегменты. То есть оценить то, что уже произошло.

А при прогнозном расчёте мы пытаемся заглянуть вперёд и предсказать, сколько клиенты принесут прибыли в будущем исходя из того, что с ними происходит прямо сейчас. Это можно сделать при условии, что у нас уже набралось достаточно данных, мы провели исторические расчёты и имеем примерные ориентиры для предположений.

Сегодня мы поговорим про исторический подход к расчёту. И давайте начнём с примера.

Допустим, у нас есть клиент Валера. Он живёт и работает в Подмосковье, а в столицу приезжает несколько раз в неделю по делам компании.

В среднем он пользуется сервисом Ситидрайв 8,2 раза в месяц и практически во всех случаях выбирает машину класса «Комфорт». Средняя длительность поездки Валеры — 43 минуты. Но он обычно берёт опцию на два часа за 400 рублей, потому что так выгоднее.

Путём нехитрых расчётов мы определяем, что в среднем в месяц Валера тратит 3280 рублей.

Валера пробыл клиентом каршеринга 14 месяцев, после чего переехал в другой город и удалил приложение. Итого получается, что за всё время использования каршеринга Валерий принёс компании 45 920 рублей.

Это самый примитивный способ оценки LTV, который не учитывает операционные расходы на топливо, амортизацию автомобилей, страховку, техобслуживание и ещё целый ряд факторов; словом, в этом примере речь не про прибыль, а про оборот.

LTV можно считать по-разному, главное, чтобы в разных отделах внутри одной компании это делали одинаково. В Ситидрайве мы используем когортный подход.

Когортный подход к расчёту LTV

Начнём с определений, чтобы дальше не возникло путаницы.

Под когортой мы понимаем всех пользователей, которые совершили первую оплату в одном и том же временном промежутке: давайте будем говорить про месяцы. При этом первой оплатой может быть не только аренда авто, но и покупка абонемента или заказ услуги подачи автомобиля к конкретному адресу к нужному времени.

Почему выбрали когортный подход? Потому что всё очень быстро меняется: время года, рекламные кампании, каналы привлечения. Когорты позволяют оценить поведение пользователей, которые пришли в сервис примерно в одно и то же время, а значит были примерно в равных условиях.

У когорты есть возраст, иначе он называется LT (Lifetime). Один LT — это промежуток времени равный 30 дням. Отсчёт дней начинается с первой поездки пользователя, нумерация LT ведётся с 0.

Вернёмся к Валере из Подмосковья. Допустим, свою первую поездку он совершил 1 апреля 2023 года. Он попадёт в когорту 2023-04-01, то есть апрельскую. Период с 1 апреля по 1 мая будет считаться для Валеры 0 LT, а период со 2 мая по 1 июня — 1 LT. И так далее. Все оплаты, которые Валерий совершит с 1 апреля по 1 мая, будут отнесены к 0 LT, а оплаты в период со 2 мая по 1 июня — к 1 LT.

Вскоре Валера рассказал своему другу Игорю о сервисе каршеринга и прислал ему реферальный промокод на первую поездку. Игорь обрадовался и совершил свою первую поездку уже 30 апреля 2023 года. Он всё так же попадёт в апрельскую когорту, но 0 LT у него продлится с 30 апреля по 30 мая, 1 LT — с 31 мая по 30 июня и т. д.

Важно ввести ещё одно понятие: зрелый LT — завершённый LT когорты; период, в котором уже не может произойти изменений в статистике когорты, так как все пользователи перешли на следующий LT.

Вернёмся к апрельской когорте. У Валеры 0 LT закончится 30 апреля, а у Игоря — 30 мая. Все оплаты, которые они совершат в свой 0 LT, будут отнесены к 0 LT апрельской когорты. Таким образом, 0 LT апрельской когорты завершится 30 мая, то есть через 30 дней после последнего числа месяца, к которому относится когорта.

Тут поясню, почему мы не стали брать в качестве отчётного периода обычный календарный месяц. Всё дело в том, что в таком случае периоды LT для пользователей будут зависеть от даты первой оплаты. Из-за этого расчётная ценность пользователя, который зарегистрировался 1 апреля и за 30 дней воспользовался услугами каршеринга 20 раз, будет ниже, чем ценность клиента, который зарегистрировался 30 апреля и поездил всего один день. Естественно, такое нас не устраивает.

Очевидный плюс такого подхода — мы точно понимаем, на каком жизненном этапе пользователь был активен. Есть и минус: из-за того, что мы берём смещённые во времени периоды, срок «созревания» когорты вырастает до 60 дней. Как итог — приходится ждать 2 месяца, чтобы увидеть результаты.

Всё, с определениями закончили. Подходим к самому интересному: формула расчёта LTV. Она относительно простая.

Погнали разбираться. LTV мы считаем для каждой когорты и для каждого LT отдельно. Чтобы посчитать LTV, нужно знать количество пользователей в когорте и GCP.

С количеством всё просто — это уникальные пользователи, которые попали в когорту, то есть совершили свою первую оплату в один и тот же месяц. Для каждой когорты это фиксированное число.

GCP — это так называемый Gross client profit или маржа по каждому клиенту. Так как каршеринг — это сложная система, поэтому и подсчёт GCP учитывает множество нюансов.

Общий алгоритм следующий: берём когорту пользователей и для каждого клиента считаем показатели по дням с момента совершения первой поездки.

Валовая стоимость товара (GMV). Сюда входит фактическая оплата поездок (минуты, пакеты, абонементы, поездки по подписке) + оплата подписки + оплата за подачу авто по адресу.
CI (Customer incentives). Скидки и поощрения, которыми воспользовался клиент — «драйв-бонусы» программы лояльности, скидки по промокодам и бонусы «СберСпасибо».
Прочие доходы. Сюда входит доходная часть за штрафы оферты и возмещения за ДТП. В абсолютном большинстве случаев он равен нулю, потому что штрафы и взыскания за аварии встречаются крайне редко. Но при этом сумма взысканий может в десятки раз превышать средний GMV по клиенту, поэтому учитывать её нужно обязательно.
Прямые затраты. Это затраты, напрямую связанные с привлечением или обслуживанием пользователя. Сюда включаем: затраты на проверку заявок при регистрации; на привлечение, таргетинг и прямой маркетинг — стоимость привлечения распределяется между теми, кто не просто зарегистрировался в сервисе, а совершил первую оплату. Также к прямым затратам относится обслуживание автопарка: заправка, техобслуживание автомобилей, мойка, ремонты, зарплаты техников. Сумма затрат по авто делится между пользователями в зависимости от того, сколько км на авто проехал пользователь. При этом, если на авто не было поездок в течение месяца, в котором было зафиксировано обслуживание, то затраты распределяются между всеми активными в течение месяца пользователями в соответствии со временем внутри аренды.

Далее:

Получаем показатель маржи (GCP) для каждого пользователя на каждый Lifetime:

Считаем суммарный GCP от всей когорты пользователей на каждый LT.

Считаем кумулятивный GCP когорты пользователей на каждый LT.

Формула накопительного GCP когорты на LT

Делим GCP на количество пользователей в когорте и получаем динамику LTV когорты пользователей на каждый LT.

То есть, зная Накопительный GCP, можно без проблем рассчитать ценность клиента в рамках когорты и конкретного оценочного периода по нашей относительно простой формуле:

Итак, путём нехитрых расчётов (сарказм) мы узнали ценность клиента конкретной когорты для конкретного периода времени. То есть, сколько в среднем он приносит компании чистой прибыли в месяц.

Подобная сложная система подсчёта позволяет нивелировать влияние на общий результат тех, кто воспользовался сервисом только один раз, а таких у нас достаточно. Это нормально для каршеринга, но усложняет подсчёт LTV.

Пример LTV по когортам на сгенерированных данных. Строки — когорты, столбцы — Lifetime, ячейки — LTV. С течением времени LTV растёт во всех когортах, но вот пользователи, которые пришли в сервис в октябре 2022 года, показывают результат хуже остальных когорт. Тут стоит копнуть поглубже и разобраться, что произошло: плохой трафик? Возросшие прямые затраты? Что-нибудь ещё?

Среднее время жизни клиента каршеринга

Хорошо, мы теперь умеем считать LTV, это просто отлично. Но вот вопрос: а когда следует остановиться и перестать его считать: через неделю после первой оплаты пользователя? Через месяц? Через 10 лет?

Момент остановки зависит от срока жизни (простыми словами — активности в сервисе) пользователей, который мы для себя определяем. Важно понимать, что когда мы говорим про «срок жизни», то подразумеваем среднего клиента или “срок жизни когорты”. Кто-то из юзеров остаётся с нами долго, кто-то покидает сервис очень быстро.

Если мы можем оценить средне-когортный LTV на достаточно долгом периоде, то это хорошо. Можно признать сроком жизни тот момент, когда кривая LTV выходит на плато и сохраняет такое поведение в течение нескольких месяцев: то есть прироста либо нет, либо он незначительный.

Пример кривой LTV одной когорты на сгенерированных данных. Показан выход на плато. В данном случае сроком жизни пользователей когорты можно считать 6-7 месяцев.

А ещё можно попробовать оценить срок жизни клиента аналитически. Сразу скажу, что измерить срок жизни пользователя простыми способами не получится: какого-то универсального подхода для этого просто не существует. Но мы попытались, нам было интересно :)

Для начала мы просто сравнили время между первым и последним использованием сервиса клиентами. На этом можно было бы заканчивать, но тогда показатель не будет точным: у нас достаточно много пользователей, которые присоединились недавно. В том числе много тех, у кого и вовсе одна поездка — мы пока не знаем, останутся ли они среди клиентов или уйдут.

Для более точной оценки мы выбрали несколько критериев отбора релевантных пользователей:

Пользователь совершил первую поездку более года назад.
Совершил более одной поездки и как минимум в два разных дня.
На момент исследования попал в отток: то есть последняя поездка пользователя была N дней назад, и с тех пор он больше не возвращался в сервис.

И уже для релевантных пользователей изучили:

время между первой и последней поездкой;
сколько нужно времени, чтобы проехать 50% от своих поездок;
сколько нужно времени, чтобы проехать половину от числа поездок, которые совершает средний пользователь за всё время в сервисе.

С учётом всех этих показателей срок жизни клиента каршеринга составил 10 месяцев.

А теперь возвращаемся к нашим когортам и смотрим, какое значение LTV имеем на 10-й месяц. Профит.

Реализация отчётности

Вишенка на торте — мы не просто рассчитали LTV, но и разработали автоматизированный отчёт: дашборд для менеджеров и инвесторов. Любой желающий может заглянуть в этот отчёт и понять, сколько пользователь каждой когорты принёс нам value на конкретный месяц жизни в сервисе; каков наш средний LTV на конкретный LT. Он может также изучить дополнительные метрики, связанные с LTV.

Для создания отчёта нужно было собрать и объединить данные о доходах и затратах из различных источников. Например, данные о затратах на привлечение мы получаем из систем аналитики, данные о ремонтах — из 1С, а данные о заправках — из внутренних систем каршеринга. Собирали все эти показатели при помощи SQL на базе Exasol, а визуализацию отчёта сделали в Tableau. Наши аналитики серьёзно потрудились.

Как итог — можем оценивать LTV когорт в различных срезах: город, тип трафика, канал привлечения, ОС и др. А также на графиках оценивать динамику LTV. Всё это помогает нам принимать решения о стоимости привлечения новых пользователей, оценивать срок окупаемости маркетинговых инвестиций и выделять сегменты пользователей. Словом, получать все те преимущества от знания LTV, которые я описала в начале статьи.

LTV и каршеринг — как мы в Ситидрайве считаем прибыльность клиента