LTV (Customer Lifetime Value): що це, формула та зв'язок з CAC

LTV (Customer Lifetime Value, «довічна цінність клієнта»), також відома під абревіатурами CLV або CLTV, — одна з головних метрик юніт-економіки. Вона показує, скільки сумарного прибутку один клієнт приносить бізнесу за весь час відносин з компанією: від першої покупки до моменту, коли клієнт перестає користуватися продуктом або пішов до конкурентів. LTV — фундаментальний показник для SaaS, e-commerce, підписочних сервісів, D2C-брендів, банків, страхування та будь-якого бізнесу з повторними продажами.

LTV рідко дивляться окремо — вона майже завжди йде у зв’язці з CAC (Customer Acquisition Cost, вартість залучення клієнта). Співвідношення LTV : CAC — головний індикатор здоров’я юніт-економіки: якщо LTV більший за CAC хоча б у 3 рази, бізнес масштабований; якщо менший — компанія втрачає гроші на кожному новому клієнті, і зростання призведе до колапсу.

Навіщо потрібен LTV

Без LTV маркетинг працює «всліпу». Простий приклад: реклама в Google Ads коштує $50 за нового клієнта (CAC = $50). Прибуток з першої покупки — $30. Здається, що кампанія збиткова. Але якщо середній клієнт повертається ще 5 разів і приносить за 2 роки $300 прибутку, реальна картина така:

LTV = $300, CAC = $50 → LTV : CAC = 6:1 → відмінно

Кампанію можна спокійно масштабувати. Без розрахунку LTV власник бізнесу бачив би лише «збиток $20 на кожному клієнті» і закрив би канал — втративши найприбутковіше джерело зростання.

LTV дає відповідь на ключові питання маркетингу:

Скільки ми можемо дозволити собі витрачати на залучення клієнта?
Які канали реально прибуткові в довгу?
Які сегменти клієнтів найцінніші?
Через скільки місяців CAC окупається (payback period)?
Чи варто інвестувати в утримання (retention)?

Формули LTV

Існує кілька формул різної складності. Вибір залежить від типу бізнесу та доступних даних.

1. Проста (історичний LTV)

Найбазовіший розрахунок за фактичними даними:

LTV = AOV × Number of Purchases × Customer Lifespan

Де:

AOV (Average Order Value) — середній чек.
Number of Purchases — середнє число покупок на рік.
Customer Lifespan — середнє число років, протягом яких клієнт залишається активним.

Приклад: інтернет-магазин. AOV = $80, клієнт купує в середньому 3 рази на рік, залишається клієнтом 2,5 року.

LTV = 80 × 3 × 2,5 = $600 (за виручкою)

Зазвичай одразу перераховують у прибуток через маржу:

LTV (прибуток) = LTV (виручка) × Gross Margin

При маржі 35%: LTV = $600 × 0,35 = $210.

2. SaaS-формула (через ARPU та churn)

Для підписочних моделей (SaaS, стримінг, мобільні застосунки, телеком):

LTV = ARPU / Churn Rate × Gross Margin

Де:

ARPU (Average Revenue Per User) — середня місячна виручка на користувача.
Churn Rate — місячний відтік (частка клієнтів, що пішли за місяць).
Gross Margin — валова маржа в частках.

Приклад: SaaS, ARPU = $50/міс, monthly churn = 4% (0,04), маржа 80%.

LTV = 50 / 0,04 × 0,80 = $1 000

Логіка формули: при churn 4% «середній» клієнт залишається 1 / 0,04 = 25 місяців, приносить 25 × $50 = $1 250 виручки, з яких 80% маржі = $1 000 валового прибутку.

3. Predictive LTV (ймовірнісна)

Найскладніша та найточніша модель — прогнозує LTV для конкретного клієнта або сегменту на основі машинного навчання. Враховує:

Історію покупок (RFM-аналіз — Recency, Frequency, Monetary).
Поведінку в продукті (логіни, фічі, частоту використання).
Демографію та атрибути.
Рекламний канал залучення.
Сезонність і тренди.

Predictive LTV реалізують через готові моделі в BigQuery ML, GA4 (метрика Predictive LTV в аудиторіях), HubSpot, Salesforce, Mixpanel, або власні ML-пайплайни. Ця модель використовується для:

Сегментації клієнтів на high-value / low-value.
Встановлення різних таргетів CPA для різних сегментів.
Створення lookalike-аудиторій з топ-10% найцінніших клієнтів.

У GA4 Predictive LTV доступний у Audiences → Predictive metrics — Google автоматично передбачає LTV кожного користувача на 28 днів вперед на основі ML-моделі.

LTV : CAC — ключове співвідношення

LTV : CAC — головний індикатор здоров’я юніт-економіки. Базові орієнтири:

LTV : CAC	Що це означає
< 1:1	Катастрофа. Кожен новий клієнт дорожчий за те, що він приносить. Бізнес спалює гроші.
1:1	Точка беззбитковості — впритул, будь-яке просідання вбиває економіку.
2:1	Зона ризику. Маржі немає на покриття операційних витрат.
3:1	Мінімально здорове значення для масштабування. Стандарт для більшості SaaS.
4:1 – 5:1	Хороша юніт-економіка, можна агресивно рости.
> 5:1	Відмінно, але можливий сигнал, що компанія недоінвестує в маркетинг і могла б рости швидше.

Співвідношення 3:1 — практично універсальний орієнтир, виведений венчурною спільнотою для оцінки SaaS. Для e-commerce часто беруть 2,5:1 (коротший цикл, нижча маржа). Для fintech та страхування — 4:1+ (складна регуляторика, довгий sales cycle).

Payback Period

Пов’язана метрика — CAC Payback Period: за скільки місяців CAC окупається.

Payback Period (міс) = CAC / (ARPU × Gross Margin)

Приклад: CAC = $300, ARPU = $50/міс, маржа 80%.

Payback = 300 / (50 × 0,80) = 300 / 40 = 7,5 місяців

Базові орієнтири:

< 6 місяців — відмінно для SaaS (стандарт топ-квартилі).
6–12 місяців — норма для більшості підписочних моделей.
12–18 місяців — допустимо для enterprise-SaaS з довгим циклом.
> 24 місяців — червона зона, потребує багато капіталу на покриття cash flow.

Чим коротший payback period, тим менше оборотного капіталу потрібно, щоб рости, і тим менша залежність від зовнішнього фінансування.

LTV в e-commerce vs SaaS vs D2C

Підходи до розрахунку LTV сильно відрізняються залежно від бізнес-моделі:

E-commerce

Рахують через AOV × частоту × термін.
Враховують повторні покупки — головний драйвер.
Часто дивляться на 12-month LTV або 24-month LTV (повний історичний LTV рідко рахують, бо бізнесу часто менше 5 років).
Бенчмарк: репутаційні e-com бренди прагнуть до LTV у 2–3 рази більшому за перше замовлення.

SaaS / підписочні

Рахують через ARPU / Churn × Margin.
Головний важіль — зниження churn (відтоку).
Додатково дивляться NRR (Net Revenue Retention) — враховує upsell і cross-sell всередині клієнта.
Бенчмарк: SaaS з NRR > 100% росте навіть без нових клієнтів.

D2C-бренди (підписка)

Гібрид: передбачувана повторювана виручка + e-com логіка.
Сильно залежать від subscription retention curve (D1, D7, D30, D90).
Часто працюють у перший місяць з ROAS 100% (без прибутку), відбиваючи на повторних циклах.

Mobile apps / freemium

LTV рахують на рівні когорт користувачів за днями встановлення.
Головні метрики: D1, D7, D30 retention, ARPDAU (Average Revenue Per Daily Active User).
Величезна різниця LTV між сегментами: топ-1% «китів» дає 80% виручки у free-to-play іграх.

Когортний аналіз LTV

Щоб LTV був точним, його потрібно рахувати за когортами — групами клієнтів, залученими в один період (січень, лютий, березень тощо). Когортний аналіз показує:

Як поводиться різна група клієнтів через 1, 3, 6, 12 місяців після залучення.
Чи змінюється LTV з часом (наприклад, якщо product покращується, нові когорти можуть показувати LTV вищий за старі).
Які рекламні канали залучають клієнтів з високим LTV, а які — з низьким.

У GA4 когортний аналіз доступний через Explore → Cohort exploration. У Looker Studio — через зведені таблиці. У BigQuery / SQL — через GROUP BY DATE_TRUNC(first_purchase_date, MONTH).

Типові помилки розрахунку LTV

Рахувати за виручкою, а не за прибутком. «LTV $1 000» при маржі 20% = всього $200 валового прибутку. Без урахування маржі цифра безглузда.
Середнє за «свіжими» клієнтами. Якщо бізнесу 6 місяців, у вас немає даних про те, що буде з клієнтами через рік. Predictive LTV тут обов’язковий.
Ігнорування сегментів. Середній LTV $200 може приховувати, що 20% клієнтів дають LTV $1 000, а 80% — $25. Усереднення вбиває сегментацію.
Не враховувати сезонність. Клієнти, залучені на Black Friday, зазвичай мають LTV нижчий за середній — приходять за знижкою і не повертаються.
Порівнювати LTV з CPA, а не з CAC. CPA не включає зарплати команди та операційні витрати. Реальна картина — лише через CAC.
Брати за «час життя» довільне число. Якщо ви рахуєте «5 років», але в реальності дані показують 1,5 року, LTV буде завищений у 3 рази.

Де брати дані про LTV

GA4 — Predictive LTV в Audiences → Predictive metrics (потребує достатнього обсягу даних).
Stripe / Chargebee / Recurly — вбудовані дашборди LTV для підписочних моделей.
HubSpot / Salesforce — модулі revenue analytics.
Mixpanel / Amplitude — кохортний аналіз і Predictive LTV для продуктової аналітики.
BigQuery + SQL — повний кастомний розрахунок за сирими даними e-commerce та продукту.
Looker Studio — зведені дашборди LTV : CAC по каналах і сегментах.

Як підвищити LTV

Головні важелі роботи з LTV (окрім залучення «правильних» клієнтів):

Знизити churn / відтік. Найбільш високорентабельний фокус. Кожні 1% зниження churn збільшують LTV пропорційно.
Підняти середній чек (AOV). Cross-sell, upsell, бандли, безкоштовна доставка від $X.
Збільшити частоту покупок. Email-маркетинг, push-сповіщення, програми лояльності, реактивація сплячих клієнтів.
Підвищити маржу. Оптимізація собівартості, переговори з постачальниками, відмова від збиткових SKU.
Запустити підписочну модель. Перетворити разових клієнтів на підписників — найрадикальніший спосіб.
Сегментація і персоналізація. Різні пропозиції для різних груп клієнтів замість «одного для всіх».
Customer Success. Активна робота з клієнтом після покупки — особливо в B2B і SaaS.

LTV — це не просто метрика, це компас для всіх інших рішень у маркетингу. Без нього принципово не можна оцінити ні ROI каналів, ні ефективність retention-кампаній, ні рентабельність масштабування.

LTV (довічна цінність клієнта)