Головная боль для любых сервисов с рекуррентными (повторяющимися) платежами. Причина проста: LTV – ключевая метрика для оценки сходимости юнит-экономики. Однако дьявол по своей любимой привычке кроется в деталях: готовясь к публикации этого поста, я насчитал около десятка собственно методик расчета LTV. Сколько же будет вариантов для прогнозирования этой метрики?

Не все так трагично.

Во-первых, мне импонируют подходы, описанные в статье на GoPractie. Главные из них – использовать когортный метод и считать LTV по валовой прибыли (а скажем не по выручке). Это зерно здравого смысла, сходу отсекающее целую кучу возможных спекуляций.

Во-вторых, собственно прогноз является производной от ресурсов. То есть вам изначально нужно оценить, чем вы располагаете для работы: датасет, люди, компетенции. И только после приступить к расчетам. Я для себя выделил 3 возможных расклада:

1. Вы – счастливый обладатель данных и людей, способных с ними работать. В этом случае датасет c месячными когортами скажем за последний год препарируется с помощью алгоритмов машинного обучения – например логистической или полиномиальной регрессии. Идеальная картинка. Вы можете оценивать качество прогноза и регулярно его улучшать.

2. Случай посложнее. У вас есть датасет с не самыми подробными историческими данными, но не хватает рук или времени. В этом случае имеет смысл включить импровизацию. Например здесь описан простой, но изящный метод прогнозирования LTV в Google Spreadsheets с помощью графика scatter plot. А здесь метод с расчетом площади под кривой retention. Оба решения являются уместными (и не самыми плохими) компромиссами.

3. Веселуха. Самой старшей вашей когорте меньше 3 месяцев и в команде кроме вас есть партнер и большой вагон самоуверенности. Выкручивайте ручку творчества на максимум – делите единицу на месячный churn и умножайте полученное на (средний чек минус COGS). Грубейшее допущение, но это то самое безрыбье, на котором чем-то приходиться жертвовать.

Больше о работе с данными в продукте и маркетинге есть в Телеграм-канале "Модель атрибуции”