شاخص های کلیدی عملکرد یا متریک ها در دیجیتال مارکتینگ

CLV چیست؟ محاسبه ارزش طول عمر مشتری، از درآمد تا حاشیه

سید علی علیزاده

ارزش طول عمر مشتری یا CLV/LTV، ارزش حاصل از رابطه با مشتری در طول زمان است؛ اما تا وقتی مبنای «ارزش» و افق زمانی را مشخص نکرده باشیم، عدد آن قابل تفسیر نیست. یک گزارش ممکن است فروش ثبت‌شده را نشان دهد، گزارش دیگری درآمد آینده را برآورد کند و مدلی دیگر هزینه‌ها و ارزش زمانی پول را هم در نظر بگیرد. مقایسهٔ این عددها با یک نام مشترک، می‌تواند تصمیم را منحرف کند.

پرسش کاربردی این است: هر مشتریِ کدام گروه، در چه مدتی، چه درآمد یا حاشیه‌ای ایجاد کرده یا انتظار می‌رود ایجاد کند؟ در این راهنما، محاسبه را با یک مثال فرضی پیش می‌بریم و نشان می‌دهیم کجا فرمول ساده کافی نیست.

CLV چیست و چه نسبتی با LTV دارد؟

CLV کوتاه‌شدهٔ Customer Lifetime Value است. در زمینهٔ مشتری، LTV و CLTV هم برای همین مفهوم به کار می‌روند؛ بااین‌حال نام مشترک، تعریف محاسباتی مشترک را تضمین نمی‌کند. چکیدهٔ پژوهش Valuing Customers در Columbia Business School، ارزش اقتصادی مشتری را بر مبنای مجموع موردانتظار عایدی‌های آینده با تنزیل تعریف می‌کند.

برای گزارش روشن، برچسب ارزش را کامل بنویسید: «درآمد تجمعی»، «حاشیه مشارکت» یا «ارزش حال جریان آینده». در این مقاله، حاشیه مشارکت یعنی درآمد پس از کسر هزینه‌های متغیرِ مشخص‌شده در همان محاسبه. این مقدار الزاماً سود خالص نیست؛ هزینه‌های ثابت، مالیات و هزینهٔ سرمایه ممکن است در آن لحاظ نشده باشند. همچنین باید روشن باشد هزینهٔ جذب مشتری قبلاً از ارزش کسر شده است یا جداگانه بررسی می‌شود.

ارزش مشاهده‌شده با ارزش پیش‌بینی‌شده فرق دارد

ارزش مشاهده‌شده از خریدهای ثبت‌شده به دست می‌آید. برآورد ارزش آینده به فرض‌ها و مدل رفتار خرید وابسته است. در مطالعهٔ فیدر، هاردی و جرات، داده‌های چند سال نخست مبنای مدلی برای برآورد خریدهای بعدی‌اند. اگر مشتری هنوز امکان خرید دارد، مجموع خریدهایش تا امروز لزوماً کل ارزش نهایی رابطه نیست.

قرارداد پیشنهادی برای نام‌گذاری عددهای مربوط به ارزش مشتری
نام گزارش چه چیزی را بیان می‌کند؟ چه چیزی را ثابت نمی‌کند؟
درآمد مشاهده‌شدهٔ دوازده‌ماهه درآمد ثبت‌شده در دوازده ماه نخست هر مشتری تمام درآمد آینده یا سود مشتری
حاشیهٔ مشاهده‌شدهٔ دوازده‌ماهه مقدار باقی‌مانده پس از هزینه‌های تعریف‌شده در همان بازه سود خالص شرکت یا پایان رابطه
CLV پیش‌بینی‌شده ارزش موردانتظار تحت یک مدل و فرض‌های مشخص تحقق قطعی خریدها و وصول پول
ارزش باقی‌ماندهٔ مشتری ارزش موردانتظار از نقطهٔ ارزیابی به بعد ارزش کامل رابطه از نخستین خرید

افق محدود، نقص گزارش نیست. «حاشیهٔ دوازده ماه نخست به‌ازای هر مشتری جذب‌شده» می‌تواند مبنای قابل بررسی‌تری از عددی باشد که بدون پشتوانه، طول عمر کامل نام گرفته است. کافی است دامنه و محدودیتش روشن بماند.

مثال محاسبه؛ از فروش هر سفارش تا ارزش هر مشتری

تمام اعداد این بخش فرضی و آموزشی‌اند؛ دادهٔ وب برندینگ، مشتریان آن یا هیچ کسب‌وکار واقعی نیستند. فرض کنیم گروهی از ۱۰۰ مشتری تازه را بر اساس ماه نخستین خریدشان انتخاب کرده‌ایم. برای هر نفر، دوازده ماه کامل از نخستین خرید، شامل همان خرید اول، مشاهده شده است. پس اعضای گروه فرصت زمانی یکسان دارند.

داده‌های فرضی گروه مشتریان در دوازده ماه نخست؛ مبالغ به میلیون تومان
ورودی مقدار تعریف در این مثال
مشتریان اولیه ۱۰۰ نفر همهٔ مشتریان تازهٔ گروه؛ حتی کسانی که دوباره نخریده‌اند
خریدها ۲۵۰ خرید خرید اول و خریدهای بعدی همین افراد
درآمد ۳۰۰ پس از تخفیف و بازپرداخت؛ بدون مالیات و مبالغ عبوری
هزینه‌های متغیر مرتبط ۱۸۰ بهای کالا، پردازش، ارسالِ برعهدهٔ کسب‌وکار و پشتیبانی متغیر؛ بدون هم‌پوشانی
هزینهٔ جذب همین گروه ۸۰ جدا از هزینه‌های متغیر بالا و فقط یک‌بار منظور شده است

قرارداد مثال این است که ثبت سفارش‌ها، بازپرداخت‌ها، هویت مشتری و هزینه‌ها کامل است. این فرض را در دادهٔ واقعی باید بررسی کرد. با همین ورودی‌ها:

  • میانگین ارزش سفارش یا AOV: ۳۰۰ میلیون تومان تقسیم بر ۲۵۰ خرید، برابر با ۱٫۲ میلیون تومان است.
  • تعداد خرید به‌ازای هر عضو گروه: ۲۵۰ تقسیم بر ۱۰۰، برابر با ۲٫۵ خرید در دوازده ماه است.
  • درآمد دوازده‌ماهه به‌ازای هر مشتری: ۳۰۰ میلیون تقسیم بر ۱۰۰، برابر با ۳ میلیون تومان است.
  • حاشیه مشارکت دوازده‌ماهه به‌ازای هر مشتری: حاصلِ ۳۰۰ منهای ۱۸۰ میلیون، تقسیم بر ۱۰۰؛ برابر با ۱٫۲ میلیون تومان است.

پس ۳ میلیون تومان و ۱٫۲ میلیون تومان هر دو درست‌اند، اما یکی درآمد و دیگری حاشیهٔ تعریف‌شده است. برای میانگین همین گروه، مخرج ۱۰۰ نفر باقی می‌ماند؛ حذف افرادی که تکرار خرید نداشته‌اند، سؤال گزارش را عوض می‌کند و ارزش متوسط مشتریان اولیه را نشان نمی‌دهد.

در یک دامنهٔ یکسان، ضرب AOV در تعداد خرید به‌ازای مشتری همان نتیجهٔ تقسیم درآمد بر مشتری را می‌دهد: ۱٫۲ میلیون × ۲٫۵ = ۳ میلیون تومان. این یک هم‌ارزی حسابی است. هنوز دربارهٔ خرید سال‌های بعد چیزی نمی‌دانیم.

فرمول سادهٔ CLV چه زمانی مفید است؟

برای برآورد سادهٔ درآمد، فرض کنید میانگین مبلغ خرید و تعداد خرید سالانه در طول رابطه ثابت بمانند. در این حالت، فرمول برآورد چنین است:

CLV درآمدیِ برآوردی = میانگین مبلغ خرید × تعداد خرید سالانهٔ هر مشتری × طول رابطه برحسب سال

اگر صرفاً در یک سناریوی فرضی بپذیریم که الگوی مثال قبل برای یک رابطهٔ دوساله ثابت می‌ماند، حاصل ۱٫۲ میلیون × ۲٫۵ × ۲، برابر با ۶ میلیون تومان است. عدد ۶ میلیون، دادهٔ مشاهده‌شده نیست؛ نتیجهٔ فرض استمرار رفتار است. سابقهٔ یک‌ساله به‌تنهایی آن فرض دوساله را اثبات نمی‌کند.

دو خطای حسابی را جدا کنترل کنید. اول، خرید ماهانه را در عمرِ برحسب سال ضرب نکنید مگر واحدها را تبدیل کرده باشید. دوم، اگر دفعات خرید را از کل رابطه گرفته‌اید، ضرب دوباره در طول رابطه، زمان را دوباره وارد محاسبه می‌کند. متوسط سفارش و دفعات خرید نیز باید به یک جامعه و دامنهٔ سازگار تعلق داشته باشند؛ کنار هم گذاشتن میانگین‌های گروه‌های متفاوت، سناریوی معتبری نمی‌سازد.

طول رابطه هم به تعریف نیاز دارد. فاصلهٔ نخستین خرید تا امروز برای مشتریِ هنوز فعال، طول عمر نهایی او نیست. مقایسهٔ یک گروه قدیمی با گروه تازه، بدون یکسان‌کردن سن مشاهده، می‌تواند فقط تفاوت فرصت خرید را نشان دهد. برای مقایسه، از آغاز رابطه به هر دو گروه فرصت یکسان بدهید و همان تعداد ماه را در گزارش لحاظ کنید.

فرمول اشتراکی LTV چه فرض‌هایی دارد؟

در یک مدل آموزشیِ ساده برای اشتراک، می‌توان درآمد ماهانهٔ هر مشترک پرداخت‌کننده را در نرخ حاشیه ضرب کرد و بر نرخ ماهانهٔ ریزش مشتری تقسیم کرد. اینجا حاشیه را پیش از هزینهٔ جذب تعریف می‌کنیم و منظور از ریزش، ریزش مشترک است؛ نه سهم درآمد ازدست‌رفته:

LTV بر مبنای حاشیه، در مدل ثابت = درآمد ماهانهٔ هر مشترک × نرخ حاشیه ÷ نرخ ماهانهٔ ریزش مشترک

مثال فرضی مستقل: درآمد ماهانهٔ هر مشترک ۵۰۰ هزار تومان، نرخ حاشیه مشارکت ۴۰٪ و احتمال ریزش ماهانه ۵٪ فرض شود. حاشیهٔ هر ماه ۲۰۰ هزار تومان است؛ تقسیم آن بر ۰٫۰۵، مقدار موردانتظار ۴ میلیون تومان را می‌دهد.

برای روشن‌بودن قرارداد این مدل، اولین دورهٔ پرداخت‌شده را لحاظ کرده‌ایم، احتمال ماندن برای هر دورهٔ بعد ۹۵٪ است و تنزیل نداریم. افق جمع در این مدل نامحدود است؛ بااین‌حال بقای هر مشترک در دوره‌های بعد احتمالی است. اگر افق را به تعداد ماه مشخصی محدود کنیم، محاسبه و نتیجه تغییر می‌کند. بنابراین جمع موردانتظار از ۲۰۰ هزار تومانِ دورهٔ اول شروع می‌شود؛ سهم دورهٔ بعد ۹۵٪ آن است و همین الگو ادامه می‌یابد. این محاسبه فرض می‌کند درآمد، حاشیه و احتمال ریزش در طول رابطه ثابت‌اند، برای مشتریان این مدل پارامترهای یکسان فرض شده‌اند و بازگشت پس از ریزش، تغییر پلن یا رشد خرید مدل نشده است.

زمان اولین پرداخت مهم است. Fader و Hardie در یادداشت «Reconciling and Clarifying CLV Formulas» نشان می‌دهند لحاظ‌کردن اولین پرداخت و زمان جریان‌های دوره‌ای، فرمول را تغییر می‌دهد. ارزش باقی‌مانده پس از اولین پرداخت با ارزش از آغاز رابطه یکسان نیست. در مدل اقتصادیِ تنزیل‌شده، زمان دریافت عایدی و نرخ تنزیل هم باید مشخص باشند.

این تقسیم را بدون کنترل فرض‌ها به گزارش واقعی تعمیم ندهید. ثابت‌بودن ریزش، فرض مدل است. ریزش صفر در یک نمونه، عمر نامحدود مشتری را اثبات نمی‌کند و تقسیم بر صفر هم برآورد قابل استفاده‌ای نمی‌سازد. در این وضعیت می‌توان افق محدودِ صریح تعریف کرد یا مدل مناسب‌تری را با دادهٔ کافی ارزیابی کرد.

چرا فرمول ریزش برای هر فروشگاهی مناسب نیست؟

در اشتراک، لغو یا تمدیدنکردنِ قرارداد می‌تواند پایان رابطهٔ قراردادی را آشکار کند. در خرید بدون قرارداد، نخریدن ممکن است فقط فاصلهٔ طولانی میان دو خرید باشد. Fader و Hardie هشدار می‌دهند که نرخ خرید مجدد را نمی‌توان به‌جای نرخ بقای قرارداد در همان فرمول گذاشت.

برای فروشگاهی که پایان رابطه را نمی‌بیند، شروع عملی می‌تواند گزارش درآمد و حاشیه در افق‌های مشخص باشد. اگر پیش‌بینی آینده لازم است، مدل باید با الگوی خرید آن کسب‌وکار سازگار باشد و روی دوره‌ای که در ساخت مدل استفاده نشده ارزیابی شود. پیچیده‌ترشدن مدل، جای کنترل کیفیت داده و خطای پیش‌بینی را نمی‌گیرد.

نسبت LTV به CAC را چگونه بخوانیم؟

این نسبت ارزش هر مشتری را با هزینهٔ جذب او مقایسه می‌کند. صورت و مخرج باید به یک گروه مربوط باشند و مشخص شود ارزش، درآمدی است یا بر مبنای حاشیه؛ مشاهده‌شده است یا پیش‌بینی‌شده؛ و چه افقی دارد.

در مثال دوازده‌ماههٔ بالا، CAC برابر ۸۰ میلیون تومان تقسیم بر ۱۰۰ نفر، یعنی ۸۰۰ هزار تومان است. نسبت درآمدِ مشاهده‌شده به CAC برابر ۳٫۷۵ است؛ اما نسبت حاشیهٔ مشاهده‌شده به CAC برابر ۱٫۵ می‌شود. هیچ‌کدام را نباید بدون ذکر افق، نسبت کل طول عمر نامید.

از حاشیهٔ ۱٫۲ میلیون تومانی، پس از کسر یک‌بارهٔ CAC، مبلغ ۴۰۰ هزار تومان به‌ازای هر مشتری باقی می‌ماند. این عدد پیش از هزینه‌های ثابت و سایر هزینه‌های لحاظ‌نشده است و سود خالص شرکت را ثابت نمی‌کند. اگر هزینهٔ جذب قبلاً در محاسبهٔ حاشیه کسر شده باشد، کسر دوبارهٔ آن خطاست.

برداشت تحلیلی: هدف‌گذاشتن یک نسبت ثابت برای همهٔ کسب‌وکارها، بدون قرارداد محاسبه، قابل دفاع نیست. حتی دو نسبت هم‌تعریف نیز باید با زمان تحقق ارزش و عدم قطعیت آن خوانده شوند. درآمد موردانتظار چند سال آینده، پول وصول‌شدهٔ امروز نیست؛ نسبت بالا به‌تنهایی زمان بازگشت هزینهٔ جذب یا توان تأمین مخارج جاری را نشان نمی‌دهد.

عدد LTV ابزارها الزاماً همان عدد گزارش شما نیست

مستند رسمی Stripe Billing، LTV را درآمد متوسط هر مشترک تقسیم بر نرخ ریزش مشترک تعریف می‌کند. حاشیه در این فرمول کسر نشده است؛ پس نمی‌توان آن را بی‌توضیح با LTV بر مبنای حاشیه مقایسه کرد.

در فهرست رسمی متریک‌های GA4، LTV به درآمد خریدهای ثبت‌شده با کسر بازپرداخت‌ها مربوط است. همان مستند، «احتمال ریزش» را احتمال غیرفعال‌شدن کاربرِ فعالِ هفت روز گذشته در هفت روز بعد تعریف می‌کند. این احتمال، نرخ ماهانهٔ لغو اشتراک در مدل بالا نیست. ARPU ابزار نیز می‌تواند کاربران فعالِ غیرخریدار را در مخرج داشته باشد.

پیش از انتقال عدد، تعریف شاخص، رویدادهای ثبت‌شده، مخرج، بازه و پوشش هویت را بخوانید. دادهٔ کاربر وب یا اپ خودکار معادل پروندهٔ مشتری مالی نیست. این توضیح دربارهٔ معنای شاخص‌های محصول است و وجود یا سلامت چنین گزارشی در حساب تحلیلی یک سایت را تأیید نمی‌کند.

از تغییر CLV چه نتیجه‌ای می‌توان گرفت؟

افزایش عدد به‌تنهایی علت را روشن نمی‌کند. برای تشخیص، گزارش را به اجزای قابل بررسی برگردانید:

  • اگر درآمد هر مشتری بیشتر شده است: مبلغ سفارش، تکرار خرید، ترکیب مشتریان و طول فرصت مشاهده را جدا بخوانید؛ سپس هزینه‌های مرتبط را کنترل کنید.
  • اگر فقط پیش‌بینی بیشتر شده است: فرض طول رابطه، ریزش، حاشیه و افق مدل را با نسخهٔ قبلی مقایسه کنید؛ افزایش فرضی را رشد مشاهده‌شده گزارش نکنید.
  • اگر ارزش یک کانال بالاتر است: سن گروه‌ها، پوشش هزینه و هویت مشتری را همسان کنید. تفاوت ترکیب مشتریان، توضیح جایگزین است؛ این مقایسه به‌تنهایی اثر علّی کانال را اثبات نمی‌کند.
  • اگر گروهی بهتر به نظر می‌رسد: بررسی کنید مشتریان بدون خرید مجدد از مخرج حذف نشده باشند و بازپرداخت‌ها با تأخیر از گزارش جا نمانده باشند.

پیشنهاد گزارش این مقاله، ثبت این موارد کنار هر عدد است: تعریف مشتری و گروه، مبنای درآمد یا حاشیه، هزینه‌های منظورشده، تاریخ استخراج، سن مشاهده، مقدار واقعی یا پیش‌بینی‌شده، افق و فرض‌های مدل و جایگاه CAC. دادهٔ گروه‌های هم‌سن در دوره‌های بعد و خطای پیش‌بینی روی دادهٔ تازه می‌تواند قضاوت اولیه را تغییر دهد. با این قرارداد، CLV به پرسشی روشن دربارهٔ رابطهٔ مشتری و کسب‌وکار پاسخ می‌دهد.

این راهنما بخشی از مجموعهٔ شاخص‌های کلیدی عملکرد در دیجیتال مارکتینگ است.

منابع و روش تهیه

منابع در ۲۱ نوامبر ۲۰۲۶ بررسی شده‌اند. پژوهش‌ها و یادداشت علمی، مفهوم ارزش مشتری و حدود مدل‌ها را توضیح می‌دهند. مستندات Stripe و گوگل برای تعریف شاخص‌های همان محصول‌ها آمده‌اند. فرمول سادهٔ درآمدی در این راهنما یک سناریوی آموزشی با فرض رفتار ثابت است. مثال‌ها، محاسبات و پیشنهاد قرارداد گزارش، آموزشی و تحلیلی‌اند.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

عدد جای خالی را وارد کنید *زمان مجاز به پایان رسید. لطفا کد کپچا را دوباره وارد کنید.

مقاله‌های مرتبط

مشاهدهٔ همه ←
شاخص های کلیدی عملکرد یا متریک ها در دیجیتال مارکتینگ

Reach و Frequency چیست؟ تفاوت پوشش، نمایش و تکرار تبلیغ

Reach، تعداد نمایش و Frequency را با مثال محاسبه کنید. ببینید چرا میانگین تکرار کافی نیست و پوشش چند کانال را چطور باید گزارش کرد.

سید علی علیزاده
شاخص های کلیدی عملکرد یا متریک ها در دیجیتال مارکتینگ

ROAS چیست؟ فرمول بازده هزینه تبلیغات و تفاوت آن با سود

ROAS ارزش منتسب به تبلیغات را در برابر هزینه می‌سنجد. فرمول، مثال فرضی، تفاوت با سود و محدودیت‌های انتساب و تأخیر تبدیل را بخوانید.

سید علی علیزاده
شاخص های کلیدی عملکرد یا متریک ها در دیجیتال مارکتینگ

CAC چیست؟ فرمول هزینه جذب مشتری و اشتباه‌های محاسبه

هزینه جذب مشتری یا CAC را با تعریف دقیق هزینه و مشتری تازه محاسبه کنید؛ تفاوت با CPA و CPL، مثال عددی، تأخیر فروش و زمان بازگشت هزینه را بخوانید.

سید علی علیزاده

جست‌وجو در وب برندینگ