Немного душная, но важная вводная часть

Факт — большинство компаний озабочено повышением своей финансовой эффективности. Некоторые считают, что ключ к успеху — клиентоориентированность. Каждый день сотрудники штаб-квартир и региональных представительств оценивают экономику принимаемых решений и придумывают, как повысить лояльность клиента.

По сути, перед нами постоянно стоит множество разнообразных вопросов о том, как достичь роста доходности компании. Принимаемые решения могут быть управленческого уровня:

• Какую сумму инвестировать в бизнес-направление и когда вложения окупятся?

• Сколько мы зарабатываем на продукте A, и не каннибализирует ли он доходы с продукта B?

• Насколько капитализация нашего бизнеса изменилась за последний год?

Помимо этого, мы принимаем (преимущественно в автоматизированном режиме) множество операционных решений:

• Информацию о каком продукте направить клиенту в SMS-рассылке?

• С каким приоритетом обслужить клиентов в условиях ограниченных ресурсов?

• Какую оптимальную цену предложить клиенту за потребляемые услуги?

Чтобы отвечать на эти вопросы, компании придумывают множество всевозможных метрик и оценивают их изменения от потенциального решения. Неизбежно метрик становится много, некоторые из них могут иметь обратную корреляцию, и часто неочевидно, какое действие является оптимальным.

Попробуйте ответить на вопрос: стоит ли повысить стоимость услуги на 10%, если это приведет к тому, что через 3 месяца 6% клиентов перестанут ее потреблять?

Мы знаем, как облегчить процесс принятия решений — ввести в компании еще одну метрику! Сейчас модно называть ее CLTV. В этой и последующих статьях мы расскажем, зачем и как внедряли CLTV в компании.

Дисклеймер: мы правда пытались сделать статьи максимально компактными, но опыт внедрения CLTV в двух компаниях дал однозначно понять, что этот продукт является не только крутой ML-разработкой, но и в том числе культурой, которая должна быть определена и принята всеми участниками. В статьях будут содержаться как технические наработки, которые мы реализовали, так и принципы, которые считаем важными для достижения успеха.

Что такое CLTV? Он же LTV, CLV

CLTV (customer lifetime value) — метрика, используемая для оценки прибыли, которую компания может получить от своего клиента за время его пользования продуктами и сервисами компании.

Важно: данная величина является прогнозом ML-моделей. В некоторых компаниях ограничиваются расчетом доходности, которую клиент принес по текущий день.

Идея проста — принимать решения, исходя из их влияния на долгосрочную доходность, а не на произвольно выбранные факторы. Для этого необходимо сделать три шага:

1. Научиться прогнозировать доходы и расходы, которые мы понесем в будущем.

2. Научиться отвечать на вопрос: как меняется прогнозная доходность в результате наших действий.

3. Все это должно быть реализовано на уровне отдельно взятого клиента.

Когда вы пройдете все три шага, то получите универсальную интегральную метрику, которая одновременно учитывает множество факторов. Так как она рассчитывается на уровне клиента, вы можете использовать ее персонально, кроме этого, вы можете смотреть на агрегаты в интересующих вас сегментах и отслеживать ее динамику.

Как можно применять:

1. Следить за перформансом бизнеса

2. Оценивать экономику продуктов и клиентских сегментов

3. Ранжировать клиентов в условиях ограничений по предоставлению определенного уровня сервиса

4. Противопоставлять затраты от бизнес-инициативы потенциальному приросту доходности

В споре повысить ARPU на 10% и потерять 6% клиентов у вас появится понимание, что таким образом вы будете в плюсе в течение 5-6 месяцев, но начиная с 7 месяца результат вашего решения будет убыточным. Оптимально повысить стоимость услуги на 4%.

Если вы сделали все правильно, то, внедряя культуру CLTV, вы станете более клиентоориентированными.

Как посчитать CLTV

Если решитесь внедрять CLTV в компании, то будьте готовы к тому, что от вас постоянно будут требовать формулу! Огорчу вас, универсальной методологии не существует, потребуется заточить концепцию под ваш бизнес. При изучении опыта других компаний мы пришли к выводу, что CLTV чаще всего внедряется в компаниях с подписной моделью монетизации (онлайн-игры, стриминговые сервисы и т.д.). К таким компаниям можно отнести и билайн.

В нашем случае главными факторами, которые должны присутствовать в формуле были:

• Выживаемость

• Выручка

• Расходы

Необходимо учесть максимальный перечень финансовых компонент — в противном случае при принятии решений вы будете руководствоваться искаженной картиной мира. Особое внимание необходимо уделить расходам:

• Зачастую именно они убивают выручку, которую мы с радостью отражаем в презентациях.

• Среди костов много косвенных (например, зп сотрудникам) — придется разработать методологию аллокации до клиента, поэтому коллеги из финансов станут вашими лучшими друзьями.

Наконец, перейдем к формуле

Базовые способы расчета

CLTV = Выручка / Уникальное число клиентов

CLTV = Среднее время удержания * Средняя стоимость заказа

Слишком просто, так как эти формулы могут усреднить совсем непохожих клиентов, к тому же забыли про расходы. Идем дальше.

CLTV = (Доходы — Затраты ) / Количество клиентов

Но хотелось бы точнее, так как клиенты имеют свойство оттекать, и существуют затраты

CLTV = (Средний платеж * Количество повторных продаж или платежей * Среднее время удержания) - Затраты

Но нам бы горизонт побольше и поточнее, а еще и инфляция.

CLTV = (Маржа / (1 + Ставка дисконтирования - Коэффициент удержания)) - Стоимость привлечения клиента

Хотелось бы большей детализации, не учитывает поведения клиента после привлечения

Варианты посложнее

К расчету CLTV можно подойти как к RFM-анализу. Просегментировав клиентов по лайфтайму, частоте и сумме покупок, мы получим более точный прогноз (ссылка).

Но этот подход многое не учитывает, например, комбинации продуктов, которыми может пользоваться абонент одновременно: абонент просто с симкой или абонент с симкой и интернетом дома.

Марковские цепи

Расписывается матрица состояний абонента:

• Каждое следующие состояние зависит от предыдущего

• У каждого будущего состояния есть вероятность его наступления

В качестве состояний могут быть смена тарифа / подключение домашнего интернета и объединение этого всего в один договор / покупка рингтона от Валерия Леонтьева и т.п. Рассматриваются переходы от любого сегмента ко всем остальным.

Распределяем доходы и затраты по состояниям, умножаем на вероятности переходов и, вуаля, получили CLTV. Но в каждый момент времени наш следующий шаг зависит только от нашего нынешнего положения, то есть мы уже через одну смену состояния забудем, что Казанова ворвался в вашу жизнь в прошлом месяце (пример с погодой).

Некоторые способы рассмотрены подробнее с примерами и картинками (ссылки на статьи: тут, тут, тут и вот тут)

Перечисленные подходы довольно сильно ограничивают вас в объемах данных, которые вы можете учитывать. Полученный результат, скорее, описывает сегмент, а не клиента. А полезной информации в компаниях обычно очень много:

• Как регулярно платит Клиент?

• Как проходит ваше взаимодействие — это приложение, или он приходит в офис?

• Если приходит в офис, то как часто?

• Он купил что-либо в вашем офисе?

CLTV в билайне

Может возникнуть предположение, что в билайне все просто — клиенты платят каждый месяц, достаточно умножить эту сумму на среднее время жизни клиента, и CLTV готов.

Но это не так.

В билайне существуют сотни состояний клиентов, от простого варианта «клиент просто купил SIM» до «клиент, у которого подключен семейный тариф с несколькими реципиентами, еще у него есть билайн ТВ + интернет, за парковку он платит с мобильного счета, каждый день читает гороскопы по подписке, а вчера купил телефон в салоне для своей дочери, и ему начислили бонусы».

Все это довольно сложно описать формулой.

Изменение любой переменной влияет на CLTV. Повысили ARPU -> увеличился отток; конкуренты запустили новый тариф -> увеличился отток; захотели привлечь новых пользователей -> выросли расходы на рекламу; продали симки в метро -> клиенты с низкой лояльностью.

У любого бизнеса есть 100500 метрик и на каждую по дашборду. Большинство из них описывают прошлые события, остальная часть — это планы на квартал или на год. Как правило, план содержит усредненные значения на клиента, которые умножаются на количество клиентов. CLTV же, во-первых, строит прогноз поклиентно, да еще и на более длительный горизонт взаимодействия с клиентами. А во-вторых, CLTV учитывает все доходы и расходы на взаимодействие с клиентом при его привлечении, обслуживании, удержании. На основании этой информации можно принять решение, стоит ли этот клиент ваших вложений или нет, а также возможно определить, какой продукт компании приносит убыток.

Напомним наши требования:

• Прогноз доходности каждого клиента на длительный горизонт с месячной детализацией.

• Прогноз затрат, которые принесет каждый клиент (административные, реклама, зарплата сотрудников, логистика, затраты на привлечение и др.).

• Учет всех используемых продуктов и сервисов.

• Учет всех поведенческих характеристик: как часто и кому звонит, как часто использует интернет и отправляет мемасы, когда менял тариф и с какого на какой и прочее.

• Учет не только данных, которые поступают раз в месяц, но и ежедневных фичей.

• Уметь оценивать влияние маркетинговых кампаний на изменение CLTV.

• Уметь использовать CLTV в качестве KPI.

Исходя из вышеперечисленных пожеланий, в билайне CLTV считаем так:

где:

N — горизонт прогнозирования, в билайн равен 5 годам (число, выведенное опытным путем, в среднем на этом горизонте окупаются практически все продукты)

t— дискретный интервал прогнозирования, в текущей версии равен месяцу

L_t — вероятность «дожития» клиента до указанного периода t

R_t — выручка (revenue) по клиенту в указанном периоде t

C_t — расходы (costs) по клиенту в указанном периоде t

Дальнейшие статьи нашей команды расскажут, как мы все это прогнозируем, как стартовали с экселей до моделей машинного обучения, как пришли к релизам и мониторингу, разбору сложных продуктов и оценки их влияния на CLTV.

Хочу сказать спасибо команде за помощь в подготовке этой и последующих статей цикла про CLTV: