Ste že slišali za izraz življenjska vrednost potrošnika? Verjetno bolj poredko, zato pa je tu angleški prevod, ki je, predvidevam, večini bolj poznan: Customer Lifetime Value (krajše poznan tudi kot CLV, CLTV, LTV). Zaradi očitnih razlogov bom v nadaljevanju uporabljal kratico CLV, ne pa recimo ŽVP.
Kaj je Customer Lifetime Value in zakaj je pomemben?
CLV je podatek, ki nam pove, koliko je naša stranka vredna. Po domače – koliko smo oz. lahko s posamezno stranko zaslužimo. Pri tem se moramo zavedati, da računamo ta podatek za celotno obdobje sodelovanja oz. vse nakupe, ki jih je in jih bo stranka pri nas kadarkoli opravila (le čemu je torej namenjen izraz Lifetime Value 🙂).
Poznamo dve vrsti CLV-ja:
- zgodovinski CLV: preprost seštevek dobička pri vseh nakupih posameznika,
- predikcijski CLV: napoved CLV-ja na podlagi preteklih nakupov in različnih indikatorjev obnašanja uporabnika.
Zakaj je ta metrika pomembna? Poznavanje CLV-ja je strateškega pomena. Z računanjem CLV-ja se lahko podjetje osredotoči na profitabilnost posamezne stranke, kar na dolgi rok prinese profitabilnost in stabilnost celotnemu podjetju.
Hitro se zgodi, da nova stranka in njen prvi nakup za nas predstavljata izgubo. Pogosto to delamo zavestno in zato, da se še kdaj vrne in opravi nov nakup. Na ta način želimo s kasnejšimi nakupi iste stranke pokriti začetno izgubo ter z večjim številom nakupov dobiti pozitiven CLV in profitabilno podjetje. Žalostno pa je, da veliko podjetij CLV-ja sploh ne meri in posledično ne ve, ali so začetno izgubo pokrila in predvsem, ali je njihov posel profitabilen ali ne. Hkrati se ujamejo v proces pridobivanja novih in novih strank, pri čemer delajo izgubo. Na to lahko navežem zelo pogosto situacijo v marketingu nekega podjetja, ki želi hipne učinke in takojšen profit, a hkrati ne ve, koliko je posamezna stranka v resnici vredna (si lahko privošči izgubo pri prvem nakupu?) in koliko lahko v povprečju zapravi za pridobitev nove stranke ipd. Kar želim povedati, je, da bi se morala ta metrika uporabljati veliko pogosteje, hkrati pa bi morala biti bolj pomembna kot posamezne metrike, s pomočjo katerih CLV izračunamo (npr. povprečni dobiček pri transakciji).
Predikcijski CLV je pomemben, saj nam primerjava med njim in realnim CLV-jem pokaže, ali profitabilnost dolgoročno pada ali ne.
Nekaj prednosti CLV-ja
Pravilno računanje vračila investicije, vezanega na strošek pridobitve nove stranke
Z uporabo metrike CLV lahko izračunamo, kateri digitalni kanali prinašajo najbolj profitabilne stranke. S tem, ko optimiziramo digitalne kanale, da prinašajo čim boj profitabilne stranke, bomo povečali tudi celoten profit. Pri optimizaciji je zelo pomembno, da vemo, kakšen je strošek pridobitve nove stranke (ang. CAC – Customer Acquisition Cost), saj želimo povečati razmerje med CLV in CAC. Večje, kot je razmerje, večji je ROI stranke (ang. Return On Investment).
Kot posledica pravilnega izračuna metrik CLV, CAC in ROI se spremeni tudi pogled na to, na kakšen način in kako »drago« smo pripravljeni pridobiti nove stranke. Kar naenkrat smo pripravljeni vložiti več denarja v nove stranke, saj vemo, da se nam bo denar slej ko prej povrnil.
Še ena pomembna stvar: s tem, ko najdemo segment najbolj profitabilnih strank, lahko proučimo njihove karakteristike. Potem pa iščemo nove stranke, ki so jim podobne.
Učinkovitejše oglaševanje – nagovor, targetiranje …
CLV nam lahko služi kot kriterij za segmentiranje (lahko kot edini, veliko bolj pogosto pa kot dodatni), pri čemer v nadaljevanju za vsak segment pripravimo svoj marketinški splet. Za vsak segment uporabimo drugačno komunikacijo, drugačne oglase ipd. Celotno oglaševanje lahko še bolj personaliziramo.
Iskanje vedenjskih vzorcev
Tudi s pomočjo metrike CLV lahko podatke uredimo v gruče (ang. clusters), potem pa iščemo različne vedenjske vzorce. To lahko delamo za tiste stranke, ki so izvedle prvi nakup, še bolj pogosto pa to delamo za najbolj profitabilne stranke. Ko za njih najdemo najbolj značilne karakteristike in predvsem podatke, kaj jih je spodbudilo k nakupu, lahko poskušamo na enak način k nakupu spodbuditi tudi uporabnike, ki pri nas še niso izvedli nakupa.
Učinkovitejši marketing za obstoječe stranke
Pri marketingu za obstoječe stranke se moramo bolj kot na takojšen prihodek kot posledico oglaševalskih kampanj osredotočiti na to, kako so različne marketinške kampanje vplivale na povprečen CLV – ali se je ta povečal, zmanjšal, katere kampanje so vplivale nanj in kako. Še posebej zanimivo je CLV primerjati s predikcijskim CLV-jem ter opazovati odstopanja. Vemo tudi, da je obdržati staro stranko ceneje kot pridobiti novo. Zato je marketing za obstoječe stranke še toliko bolj pomemben.
Učinkovitejša podpora strankam
Ko poznamo najbolj profitabilne stranke, tudi vemo, komu nuditi najboljšo podporo in na koga se bolj osredotočiti. Prav gotovo bomo na ta način njihov CLV še zviševali, saj se bodo še raje odločali za nakupe pri nas. Hkrati se lahko od njih tudi učimo, zbiramo povratne informacije o produktih oz. storitvah in jih na ta način izboljšamo.
Kako CLV izračunamo?
Zgodovinski CLV
Izračun zgodovinskega CLV-ja (CLVH) za posamezno stranko je preprost. Gre za seštevek celotnega dobička pri vseh nakupih, ki jih je stranka opravila do sedaj. Formula izgleda takole:
CLVH = (Purchase 1 + Purchase 2 + … + Purchase N) × AGM,
kjer je Purchase N vrednost nakupa in AGM je kosmati dobiček v odstotkih (ang. Average Gross Margin).
Za primer vzemimo stranko, ki je do sedaj opravila 3 nakupe v vrednostih 100 €, 200 € in 300 €, pri čemer je bil povprečni kosmati dobiček 40 %. Njen CLVH je:
CLVH = (100 € + 200 € + 300 €) × 0,4 = 240 €.
V formuli je uporabljen kosmati dobiček (za začetek lahko vzamemo kar razliko med prodajno ceno in nabavno ceno produktov), pogosto pa se v formuli namesto njega uporablja čisti dobiček. Če za izračun uporabimo čisti dobiček, je tudi izračun bolj natančen, a je precej bolj kompleksen, saj je pri čistem dobičku treba upoštevati še precej drugih parametrov (stroški oglaševanja, vračila, davki …). Izračun na podlagi kosmatega dobička nam ponavadi da popolnoma zadovoljivo informacijo o profitabilnosti stranke.
Predikcijski CLV
Izračun predikcijskega CLV-ja je pomemben, saj z njim lahko predvidevamo, koliko bomo z eno stranko v njenem življenju zaslužili. Kar pomeni, da znamo predvidevati, kolikšna je povprečna vrednost naše stranke. Ko poznamo ta podatek, lahko bolje načrtujemo marketing, prodajo in vse ostale aktivnosti, saj vemo, koliko lahko zapravimo za pridobitev nove stranke.
Formul za izračun je več. Ena od preprostih formul, po kateri lahko izračunamo predikcijski CLV (CLVP), je:
CLVP = (P × AOV) × AGM) × ALT,
kjer je P povprečno število mesečnih nakupov, AOV je povprečna vrednost nakupa (ang. Average Order Value), AGM je kosmati dobiček v odstotkih (ang. Average Gross Margin), ALT pa je povprečna življenjska doba stranke (ang. Average LifeTime) v mesecih.
Če vzamemo za primer isto stranko kot prej (ki je do sedaj opravila 3 nakupe v vrednostih 100 €, 200 € in 300 €, pri čemer je bil povprečni kosmati dobiček 40 %), hkrati dodamo še podatka, da je ta stranka z nami že 6 mesecev in da je povprečna življenjska doba naših strank 20 mesecev, je izračun CLVP preprost:
CLVP = (3/6 × 200 €) × 0,4) × 20 = 100 € × 0,4 × 20 = 40 € × 20 = 800 €,
kar nam pove, da nam bo ta stranka po predvidevanjih v dvajsetih mesecih prinesla 800 € dobička. Od nas pa je sedaj odvisno, kolikšen del tega zneska smo pripravljeni vložiti v različne aktivnosti (beri: zapraviti vnaprej ;)), da vlagamo v pridobitev novih strank, da spodbujamo nakupe in hkrati skrbimo za profit.
Kako izračunamo povprečno življenjsko dobo stranke (ALT)?
Povprečno življenjsko dobo stranke izračunamo na precej preprost način (čeprav tudi tukaj obstajajo še precej bolj kompleksni modeli, ki se jih zaenkrat še ne bomo dotikali). Pri izračunu upoštevamo stopnjo odpovedi (ang. Churn). To je delež strank, ki odpovejo storitev oz. ne ponovijo nakupa v določenem obdobju.
Kot primer naj razložim, kako smo prišli do vrednosti 20 mesecev v prejšnjem primeru. Preprosto: če predpostavimo oz. izračunamo, da vsak mesec izgubimo 5 % strank, je stopnja odpovedi seveda enaka 5 %. Pričakovana povprečna življenjska doba stranke se potem izračuna s formulo:
ALT = 1 / Churn.
V našem primeru je ALT = 1 / 5 % = 1 / 0,05 = 20. Ker povprečno življenjsko dobo stranke računamo s stopnjo odpovedi, ki velja za dobo enega meseca, je tudi povprečna življenjska doba izražena v isti enoti, torej 20 mesecev.
Modelov, s katerimi računamo CLV, je več. Zgoraj sta predstavljena samo dva, ki sta precej preprosta (nismo upoštevali stroškov, da stranko sploh obdržimo, ali stroška pridobitve strank ipd.). Kompleksnejši modeli so bolj natančni, a hkrati težje izračunljivi.
CLV omogoča, da bolje spoznamo svoje stranke, jih bolje segmentiramo, se osredotočimo na tiste bolj pomembne in učinkoviteje načrtujemo marketinške aktivnosti. CLV je metrika, ki je zelo pomembna, njo in njeno vrednost pa bi morala poznati vsa podjetja. Ste ga v vašem podjetju že izračunali?