Cara Menghitung LTV Ketika Anda Memiliki Data Terbatas
Anda tidak perlu riwayat pelanggan bertahun-tahun untuk menghitung LTV yang berguna. Berikut adalah rumus yang bekerja pada tahap berbeda — dan asumsi yang perlu Anda nyatakan secara eksplisit.
Alasan paling umum tim tahap awal melewati perhitungan LTV adalah mereka merasa tidak memiliki cukup data. Ini hampir selalu panggilan yang salah. Estimasi LTV yang dibangun di atas dua belas bulan data pelanggan dan asumsi eksplisit jauh lebih berguna daripada tidak ada estimasi LTV sama sekali — karena itu memaksa Anda untuk berpikir dengan hati-hati tentang retensi, itu membuat asumsi Anda terlihat dan dapat ditantang, dan itu memberi Anda angka untuk menyempurnakan seiring lebih banyak data tiba.
Tujuan pada tahap awal bukan LTV yang presisi — itu adalah yang secara direktif benar dengan asumsi terdokumentasi. Presisi datang seiring waktu. Disiplin menghitungnya dimulai pada hari pertama.
Dua rumus
Lifetime rata-rata = 1 ÷ 0,03 = 33 bulan.
LTV = $60 × 0,75 × 33 = $1,485
LTV = $45 × (0,82 + 0,71 + 0,64 + 0,59 + 0,55…) dijumlahkan hingga horizon yang diharapkan.
Pada 24 bulan: LTV ≈ $45 × 17,4 bulan efektif ≈ $783
Estimasi LTV dengan asumsi eksplisit jauh lebih berguna daripada tidak ada sama sekali. Disiplin menghitungnya — bukan presisi hasilnya — adalah apa yang mengubah cara tim membuat keputusan.
Tiga asumsi yang mengubah segalanya
Tingkat churn. Input paling sensitif dalam perhitungan LTV apa pun. Pergeseran dari 3% hingga 5% churn bulanan mengurangi lifetime pelanggan rata-rata dari 33 bulan menjadi 20 bulan — pengurangan 40% dalam LTV. Ketika Anda memiliki data terbatas, model LTV di tiga asumsi churn (optimistis, sentral, pesimistis) dan sajikan kisaran daripada angka tunggal. Ini mencegah kesalahan umum menangkri pada angka yang berasal dari dua bulan data.
Margin kotor. Menggunakan pendapatan daripada laba kotor sangat mengurangi LTV untuk bisnis dengan biaya pengiriman bermakna. Bisnis SaaS dengan margin kotor 80% dan bisnis layanan dengan margin kotor 40% memiliki ekonomi yang sangat berbeda bahkan pada tingkat pendapatan identik. Jika margin kotor Anda di bawah 50%, LTV Anda jauh lebih rendah daripada perhitungan berbasis pendapatan — dan toleransi CAC Anda secara berkorespondensi lebih rendah.
Cakrawala waktu. LTV secara teknis adalah jumlah semua laba kotor masa depan dari pelanggan, didiskonkan ke nilai saat ini. Dalam praktik, sebagian besar tim membatasi LTV mereka pada cakrawala tiga hingga lima tahun, karena proyeksi di luar itu memperkenalkan lebih banyak ketidakpastian daripada wawasan. Ekspor tentang cakrawala Anda. LTV yang dihitung lebih dari dua puluh empat bulan dan yang dihitung lebih dari enam puluh bulan untuk pelanggan yang sama dapat berbeda tiga hingga lima kali — dan keduanya secara teknis "benar."
Gunakan LTV Sederhana ketika Anda memiliki kurang dari delapan belas bulan riwayat pelanggan, ketika Anda melakukan perhitungan direksional cepat, atau ketika audiens Anda (investor, kepemimpinan) memerlukan angka yang dapat mereka periksa dengan cepat. Gunakan LTV Prediktif ketika Anda memiliki cukup data kohort untuk melihat kurva retensi Anda benar-benar merata — biasanya setelah delapan belas bulan — dan ketika Anda membuat keputusan presisi tentang plafon CAC atau target periode pembayaran kembali. Rumus Sederhana akan melebih-lebihkan LTV jika kurva retensi Anda tidak merata (yaitu, jika pelanggan terus churn pada tingkat konstan yang tidak terbatas daripada menstabilkan).
Angka yang benar-benar Anda gunakan untuk keputusan
LTV dengan sendirinya tidak langsung dapat ditindaklanjuti. Angka yang Anda gunakan untuk keputusan sebenarnya adalah rasio LTV:CAC dan periode pembayaran kembali. Jika LTV Sederhana Anda adalah $1,485 dan CAC Anda adalah $400, rasio LTV:CAC Anda adalah 3,7:1 — sehat. Periode pembayaran kembali Anda adalah CAC dibagi dengan laba kotor bulanan per pelanggan: $400 ÷ ($60 × 0,75) = $400 ÷ $45 = sekitar 9 bulan — luar biasa.
Kedua angka harus diperhitungkan setiap kuartal seiring ARPU, tingkat churn, dan CAC Anda berkembang. Tren penting sama dengan nilai saat ini: rasio 3:1 yang telah meningkat dari 2:1 selama enam bulan menceritakan kisah yang sangat berbeda dari 3:1 yang telah menurun dari 5:1.
Jika pelanggan Anda meningkatkan seiring waktu — pindah dari tingkat yang lebih rendah ke yang lebih tinggi, menambah tempat duduk, membeli add-on — rumus LTV sederhana Anda meremehkan nilai sebenarnya dari pelanggan karena ARPU pada akuisisi lebih rendah daripada ARPU pada Bulan 18. Sesuaikan dengan menggunakan ARPU rata-rata di seluruh lifetime pelanggan daripada ARPU akuisisi, atau tambahkan istilah "pendapatan ekspansi" terpisah. Bisnis dengan retensi pendapatan bersih yang kuat (di atas 110%) akan sangat meremehkan LTV jika mereka menggunakan asumsi ARPU statis.
Perhitungan LTV memerlukan input dari berbagai bagian bisnis — data pendapatan dari keuangan, data churn dari produk atau CS, data margin kotor dari operasi. Di FabricLoop, tim melakukan ulasan LTV kuartalan sering menggunakan catatan grup bersama yang menangkap input, perhitungan, asumsi, dan rasio LTV:CAC yang dihasilkan bersama dengan angka kuartal sebelumnya. Ketika asumsi didokumentasikan di tempat yang sama dengan output, percakapan "tingkat churn mana yang kami gunakan?" tidak terjadi tiga bulan kemudian. Perhitungan menjadi dapat diaudit dan dapat ditingkatkan daripada kotak hitam yang berubah setiap kali seseorang menghitungnya ulang.