Customer Lifetime Value (CLV)

Kdo potřebuje znát CLV

Znalost customer lifetime value je důležitá hlavně:

• V e-commerce, dochází-li k opakovaným nákupům. Zejména na trzích, kde se hodnota jednotlivých zákazníků významně liší. Typicky při prodeji módy, bytových doplňků apod.
• V oborech, kde je získání zákazníka tak drahé, že je třeba sledovat dlouhodobou návratnost těchto nákladů (typicky u některých hodně konkurenčních služeb).

Příkladem může být moje firma Adaptic. Její strategií je zaměření na dlouhodobou spolupráci. V praxi to znamená, že se snažíme zákazníky rozmazlovat a jakmile jednou zákazníka získáme, obvykle už od nás pak neodchází. Po vytvoření webu tak zajišťujeme online marketing, konzultace, různé úpravy webu, později třeba rozsáhlejší redesign webu. Zákazníci si nás také často najímají na své další projekty.

Hodnota prvotní získané zakázky se sice někdy pohybuje jen v řádu desítek tisíc korun, ale hodnota zákazníka je pro Adaptic ve skutečnosti mnohonásobně vyšší.

Kdy se customer lifetime value hodí

Zjištění maximální ceny za získání zákazníka 

Hodnota customer lifetime value se uplatní především při úvahách, jaká maximální cena za získání zákazníka se nám ještě vyplatí a do kterých kanálů tedy reklamní rozpočet směřovat. Většina firem, které si hlídají návratnost investic (a to už je pokrok!), počítá pouze s průměrnou hodnotou nákupu zákazníka:

Max. cena za získání zákazníka = (hodnota průměrné objednávky * výše marže) − rezerva na zisk

Proč je to špatně? Vychází hodně malá čísla. A to znamená:

• firma zbytečně vylučuje některé marketingové kanály jako neefektivní
• nedokáže marketingové příležitosti využít naplno (třeba pokud takto omezí cenu za proklik u PPC reklamy)
• na prvotní akvizici zákazníka často vůbec finančně nedosáhne (konkurence je přeplatí)

A firma tak zbytečně ztrácí příležitosti k uzavření obchodu. Kdyby však nahradili průměrnou hodnotu objednávky hodnotou customer lifetime value, dostanou se na reálnější čísla a získají větší manévrovací prostor.

Tyto základní trojčlenkové počty dostávají v online světě nový rozměr, protože příslušná data lze velmi přesně měřit a vyhodnocování automatizovat. Webová analytika umožňuje sledovat informace o návštěvnosti, jejích zdrojích a efektivitě konverze. CRM systémy vyhodnocují dlouhodobé chování zákazníků a řídí proměnu jejich vztahu k firmě. Navíc máme k dispozici i spoustu jednoduchých nástrojů, jak zákazníky aktivizovat a jejich hodnotu zvyšovat (email marketing, marketing v sociálních sítích, remarketing...).

Příklad: CLV u mobilního operátora

Představte si, že řídíte marketing ve Vodafone a potřebujete spočítat provizi, kterou budete vyplácet partnerům za získání zákazníka. Bude-li moc malá, partneři se nebudou dostečně snažit. Bude-li příliš velká, takový zákazník se vám nevyplatí.

Víte, že průměrný zákazník u vás utrácí 500 Kč měsíčně. Budete výši provizi odvozovat od té pětistovky, které vám pak nový zákazník zaplatí první měsíc? Pochopitelně že nikoliv. Zákazaník přece u vás zůstane na smlouvu nejméně po dva roky. Můžete tedy pracovat s částkou alespoň 12 000 Kč. Pravděpodobně i vyšší – pokud bude spokojený, smlouvu si prodlouží. Stačí vám udělát si analýzu, jak dlouho u vás průměrný zákazník ve skutečnosti vydrží.

To je customer lifetime value v praxi. Přitom však takto většina e-shopů nepřemýšlí, přestože logika je úplně stejná.

CLV při obsazování trhu

Pokouší-li se firma proniknout na nový trh, má nevýhodu v tom, že její značku nikdo nezná. Proto má i horší konverzní poměr na webu, menší průměrnou míru prokliku reklamních inzerátů atd. Aby tento hendikep vyrovnala, musí firma za získání zákazníka zaplatit více než na trhu již etablovaná konkurence.

Ale co je ještě rozumná částka, aby se investice časem vrátila? Právě na to přináší customer lifetime value odpověď. A stejný problém budete řešit i v situaci, kdy se vám třeba podaří získat investora a pokusíte se akcelerovat růst firmy tím, že obsadíte větší podíl na trhu.

Reaktivace zákazníků

Řekněme, že máme zákazníky, kteří u nás nakupovali a už dlouho do e-shopu nepřišli. Chceme je vybídnout k dalšímu nákupu a rádi bychom k tomu využili slevový kupón. Zasílat ho budeme e-mailem nebo pomocí SMS. Ale jak nastavit výši slevy? Bude-li sleva příliš malá, zákazníka to nemotivuje. Bude-li příliš velká, oživení zákazníka se nám nevyplatí.

Známe-li však customer lifetime value, úkol je jednoduchý a každému zákazníkovi můžeme poslat kupón v jiné výši – přesně takové, jaká odpovídá jeho budoucí útratě.

Jak spočítat CLV prakticky

1. Segmentujeme

   Prvním předpokladem úspěchu je, že se nepokoušíme spočítat jednu průměrnou hodnotu customer lifetime value pro všechny zákazníky plošně. Je důležité si uvědomit, že jednotliví zákazníci se od sebe přínosem pro firmu značně liší, jejich hodnota se různí. Podle jejich chování si je však můžeme rozdělit na skupiny, obvykle pomocí RFM segmentace.

   Jestliže ve firmě zatím segmentaci zákazníků neřešíte, zaměřte se nejprve na ni a na CLV zatím zapomeňte.

2. Predikujeme

   Máme zákazníky segmentované a jsme zvyklí se segmenty pracovat odlišně, tj. komunikovat jednotlivým segmentům jiný obsah, jinou formou, jinými kanály, s různými rozpočty pro jednotlivé segmenty. Pak nás pochopitelně bude nejvíce zajímat CLV zákazníků ze ziskovějších segmentů. Neboť zákazníci, kteří už u nás pravidelně nakupují, mají největší potenciál nakoupit i v budoucnu. Mluvíme o tzv. prediktivní customer lifetime value. Tj. zajímá nás hodnota zákazníků, kteří mají největší pravděpodobnost, že u nás nejspíš zase nakoupí.

   Nejjednodušší je podívat se na historická data zákazníků v daném segmentu a jejich chování si promítnout i do budoucna. Pěkně to vysvětluje Pavel Jašek v rozhovoru s Davidem Špinarem: chování zákazníků obvykle podmiňují jejich socioekonomické faktory. Pokud u nás nakupují opakovaně, tedy naši značku dobře znají, a nakoupili za minulý rok několikrát s určitou výší objednávky, je velká pravděpodobnost, že se v dalším roce budou chovat stejně. Můžete si to ověřit pohledem na data, pravidelní zákazníci budou mít nejspíš v určitých cyklech podobnou výši útraty.

3. Modelujeme

   Pokud chceme znát customer lifetime value opravdu přesně, dál už je to úkol pro datového analytika. Ten rozumí statistickým modelům a umí používat R či ostatní matematické programy. Případně na to existují specializované aplikace, které si platíte paušálem a ony vše počítají v reálném čase nad vašimi daty uloženými třeba v GoodData. Ty zároveň zvládnou i tu RFM segmentaci.

   Na druhou stranu, možná zpočátku nepotřebujete úplně sofistikované řešení. Často nejsou potřeba úplně přesná čísla. Posunout byznys můžete hodně i s hrubými odhady postavenými na základě selského rozumu.