วิธีคำนวณ LTV เมื่อคุณมีข้อมูลจำกัด

คุณไม่จำเป็นต้องมีประวัติลูกค้าหลายปีเพื่อคำนวณ LTV ที่มีประโยชน์ นี่คือสูตรที่ใช้งานได้ในขั้นตอนต่างๆ — และสมมติฐานที่คุณต้องระบุให้ชัดเจน

โดยทีม FabricLoop

พฤษภาคม 2569

อ่าน 4 นาที

เหตุผลที่พบบ่อยที่สุดที่ทีมช่วงต้นข้ามการคำนวณ LTV คือรู้สึกว่าไม่มีข้อมูลเพียงพอ สิ่งนี้เกือบทุกครั้งเป็นการตัดสินใจที่ผิด การประมาณ LTV ที่สร้างบนข้อมูลลูกค้าสิบสองเดือนและสมมติฐานที่ชัดเจนมีประโยชน์มากกว่าไม่มีการประมาณ LTV เลย เพราะมันบังคับให้คุณคิดอย่างรอบคอบเกี่ยวกับการรักษา มันทำให้สมมติฐานของคุณมองเห็นได้และท้าทายได้ และให้ตัวเลขที่จะปรับปรุงเมื่อมีข้อมูลเพิ่มขึ้น

เป้าหมายในช่วงต้นไม่ใช่ LTV ที่แม่นยำ แต่เป็น LTV ที่ถูกต้องทิศทางพร้อมสมมติฐานที่บันทึกไว้ ความแม่นยำมาตามเวลา วินัยในการคำนวณเริ่มตั้งแต่วันแรก

สองสูตร

LTV อย่างง่าย — ใช้เมื่อคุณมีข้อมูลลูกค้าน้อยกว่า 18 เดือน

LTV = ARPU × % อัตรากำไรขั้นต้น × อายุเฉลี่ยของลูกค้า

ARPU (รายได้เฉลี่ยต่อผู้ใช้): รายได้รายเดือนทั้งหมดหารด้วยจำนวนลูกค้าที่ใช้งาน

อายุเฉลี่ยของลูกค้า: ใช้ 1 ÷ อัตราการเลิกใช้รายเดือน ถ้าอัตราการเลิกใช้รายเดือนคือ 3% อายุเฉลี่ยคือ 1 ÷ 0.03 = 33 เดือน

% อัตรากำไรขั้นต้น: (รายได้ − ต้นทุนสินค้าขาย) ÷ รายได้ นี่แปลงรายได้เป็นกำไรที่สะสมให้ธุรกิจจริงๆ

ตัวอย่าง: ARPU = $60/เดือน, อัตรากำไรขั้นต้น = 75%, อัตราการเลิกใช้รายเดือน = 3%
อายุเฉลี่ย = 1 ÷ 0.03 = 33 เดือน
LTV = $60 × 0.75 × 33 = $1,485

LTV เชิงพยากรณ์ — ใช้เมื่อคุณมีข้อมูลการรักษาตามกลุ่ม 18+ เดือน

LTV = ∑ (กำไรขั้นต้นรายเดือน × อัตราการรักษาที่เดือน n) ในทุกเดือนอนาคต

แทนที่จะสมมติการเลิกใช้คงที่ วิธีนี้ใช้เส้นโค้งการรักษาที่สังเกตได้จริงจากการวิเคราะห์กลุ่ม คูณกำไรขั้นต้นต่อลูกค้าด้วยอัตราการรักษาที่แต่ละเดือนอนาคตและรวมชุด

ลดมูลค่าของกระแสเงินสดในอนาคตโดยใช้อัตราส่วนลดรายเดือน (ต้นทุนทุนรายปี ÷ 12) หากต้องการ LTV มูลค่าปัจจุบันแทนมูลค่าตามชื่อ สำหรับวัตถุประสงค์ช่วงต้นส่วนใหญ่ เวอร์ชันไม่ลดราคาเพียงพอ

ตัวอย่าง: กำไรขั้นต้นรายเดือนต่อลูกค้า = $45 การรักษาที่ M1=82%, M2=71%, M3=64%, M4=59%, คงที่ที่ ~55% จาก M5 เป็นต้นไป
LTV = $45 × (0.82 + 0.71 + 0.64 + 0.59 + 0.55…) รวมถึงขอบฟ้าที่คาดหวัง
ที่ 24 เดือน: LTV ≈ $45 × 17.4 เดือนที่มีผล ≈ $783

การประมาณ LTV พร้อมสมมติฐานที่ชัดเจนมีประโยชน์มากกว่าไม่มี LTV เลย วินัยในการคำนวณมัน ไม่ใช่ความแม่นยำของผลลัพธ์ คือสิ่งที่เปลี่ยนวิธีที่ทีมตัดสินใจ

สามสมมติฐานที่เปลี่ยนทุกอย่าง

อัตราการเลิกใช้ อินพุตที่ไวต่อการเปลี่ยนแปลงมากที่สุดในการคำนวณ LTV ใดๆ การเปลี่ยนแปลงจาก 3% เป็น 5% อัตราการเลิกใช้รายเดือนลดอายุเฉลี่ยของลูกค้าจาก 33 เดือนเป็น 20 เดือน ลดลง 40% ใน LTV เมื่อมีข้อมูลจำกัด ให้โมเดล LTV ด้วยสมมติฐานอัตราการเลิกใช้สาม (แง่ดี กลาง แง่ร้าย) และนำเสนอช่วงแทนตัวเลขเดียว สิ่งนี้ป้องกันความผิดพลาดทั่วไปในการยึดกับตัวเลขที่ได้จากข้อมูลสองเดือน

อัตรากำไรขั้นต้น การใช้รายได้แทนกำไรขั้นต้นประเมิน LTV สูงเกินไปอย่างมีนัยสำคัญสำหรับธุรกิจที่มีต้นทุนการส่งมอบที่มีนัยสำคัญ ธุรกิจ SaaS ที่มีอัตรากำไรขั้นต้น 80% และธุรกิจบริการที่มีอัตรากำไรขั้นต้น 40% มีเศรษฐศาสตร์ที่แตกต่างกันมากแม้ในระดับรายได้เดียวกัน ถ้าอัตรากำไรขั้นต้นต่ำกว่า 50% LTV ของคุณต่ำกว่าการคำนวณตามรายได้ที่แนะนำมาก และความอดทน CAC ของคุณต่ำกว่าตามสัดส่วน

ขอบฟ้าเวลา LTV ในทางเทคนิคคือผลรวมของกำไรขั้นต้นในอนาคตทั้งหมดจากลูกค้า ลดราคาเป็นมูลค่าปัจจุบัน ในทางปฏิบัติ ทีมส่วนใหญ่จำกัด LTV ที่ขอบฟ้าสามถึงห้าปี เพราะการคาดการณ์เกินนั้นแนะนำความไม่แน่นอนมากกว่าข้อมูลเชิงลึก ระบุขอบฟ้าของคุณให้ชัดเจน LTV ที่คำนวณในยี่สิบสี่เดือนและอีกอันที่คำนวณในหกสิบเดือนสำหรับลูกค้าเดียวกันอาจแตกต่างกันสามถึงห้าเท่า และทั้งสองถูกต้องในทางเทคนิค

เมื่อใดใช้ LTV อย่างง่าย vs. LTV เชิงพยากรณ์

ใช้ LTV อย่างง่ายเมื่อคุณมีประวัติลูกค้าน้อยกว่าสิบแปดเดือน เมื่อทำการคำนวณทิศทางอย่างรวดเร็ว หรือเมื่อผู้ชม (นักลงทุน ผู้นำ) ต้องการตัวเลขที่พวกเขาสามารถตรวจสอบได้อย่างรวดเร็ว ใช้ LTV เชิงพยากรณ์เมื่อคุณมีข้อมูลกลุ่มเพียงพอเพื่อดูว่าเส้นโค้งการรักษาของคุณแบนจริงๆ อย่างไร โดยทั่วไปหลังจากสิบแปดเดือน และเมื่อคุณตัดสินใจที่แม่นยำเกี่ยวกับเพดาน CAC หรือเป้าหมายระยะเวลาคืนทุน สูตรอย่างง่ายจะประเมิน LTV สูงเกินไปหากเส้นโค้งการรักษาของคุณไม่แบน

ตัวเลขที่คุณใช้จริงสำหรับการตัดสินใจ

LTV เพียงอย่างเดียวไม่สามารถดำเนินการได้โดยตรง ตัวเลขที่คุณใช้สำหรับการตัดสินใจจริงคืออัตราส่วน LTV:CAC และระยะเวลาคืนทุน ถ้า LTV อย่างง่ายของคุณคือ $1,485 และ CAC ของคุณคือ $400 อัตราส่วน LTV:CAC ของคุณคือ 3.7:1 มีสุขภาพดี ระยะเวลาคืนทุนของคุณคือ CAC หารด้วยกำไรขั้นต้นรายเดือนต่อลูกค้า: $400 ÷ ($60 × 0.75) = $400 ÷ $45 = ประมาณ 9 เดือน ยอดเยี่ยม

ทั้งสองตัวเลขควรคำนวณใหม่ทุกไตรมาสเมื่อ ARPU อัตราการเลิกใช้ และ CAC ของคุณพัฒนา แนวโน้มสำคัญพอๆ กับค่าปัจจุบัน อัตราส่วน 3:1 ที่ปรับปรุงจาก 2:1 ในหกเดือนบอกเรื่องราวที่แตกต่างมากจากอัตราส่วน 3:1 ที่ลดลงจาก 5:1

การปรับรายได้ส่วนขยาย

ถ้าลูกค้าของคุณอัปเกรดตามเวลา ย้ายจากชั้นล่างไปชั้นสูง เพิ่มที่นั่ง ซื้อส่วนเสริม สูตร LTV อย่างง่ายของคุณประเมินมูลค่าจริงของลูกค้าต่ำเกินไปเพราะ ARPU ที่การซื้อต่ำกว่า ARPU ที่เดือน 18 ปรับโดยใช้ ARPU เฉลี่ยตลอดอายุลูกค้าแทน ARPU ที่การซื้อ หรือเพิ่มคำ "รายได้ส่วนขยาย" แยกต่างหาก ธุรกิจที่มีอัตราการรักษารายได้สุทธิแข็งแกร่ง (สูงกว่า 110%) จะประเมิน LTV ต่ำเกินไปอย่างมีนัยสำคัญถ้าใช้สมมติฐาน ARPU คงที่

FabricLoop รองรับสิ่งนี้อย่างไร

การคำนวณ LTV ต้องการอินพุตจากหลายส่วนของธุรกิจ ข้อมูลรายได้จากการเงิน ข้อมูลการเลิกใช้จากผลิตภัณฑ์หรือ CS ข้อมูลอัตรากำไรขั้นต้นจากการดำเนินงาน ใน FabricLoop ทีมที่ทำการตรวจสอบ LTV รายไตรมาสมักใช้บันทึกกลุ่มที่แชร์ที่บันทึกอินพุต การคำนวณ สมมติฐาน และอัตราส่วน LTV:CAC ที่ได้ควบคู่กับตัวเลขของไตรมาสก่อน เมื่อสมมติฐานถูกบันทึกในที่เดียวกับผลลัพธ์ การสนทนา "เราใช้อัตราการเลิกใช้ไหน?" จะไม่เกิดขึ้นสามเดือนต่อมา การคำนวณกลายเป็นสิ่งที่ตรวจสอบได้และปรับปรุงได้แทนกล่องดำที่เปลี่ยนทุกครั้งที่ใครคำนวณใหม่

ประเด็นสำคัญ

คุณไม่จำเป็นต้องมีข้อมูลหลายปีเพื่อคำนวณ LTV ที่มีประโยชน์ การประมาณพร้อมสมมติฐานที่ชัดเจนและข้อมูลสิบสองเดือนสามารถดำเนินการได้มากกว่าการรอข้อมูลที่สมบูรณ์แบบ วินัยในการคำนวณมันเปลี่ยนวิธีที่คุณตัดสินใจ ไม่ว่าความแม่นยำจะเป็นเท่าไร

LTV อย่างง่าย = ARPU × % อัตรากำไรขั้นต้น × อายุเฉลี่ยของลูกค้า โดย อายุเฉลี่ยของลูกค้า = 1 ÷ อัตราการเลิกใช้รายเดือน ใช้เมื่อคุณมีประวัติลูกค้าน้อยกว่าสิบแปดเดือน

LTV เชิงพยากรณ์รวมกำไรขั้นต้นรายเดือนคูณด้วยอัตราการรักษาที่สังเกตได้จริงที่แต่ละเดือนอนาคต ใช้เมื่อคุณมีข้อมูลกลุ่มสิบแปดเดือนหรือมากกว่าและสามารถดูว่าเส้นโค้งการรักษาของคุณแบนจริงๆ ที่ไหน

อัตราการเลิกใช้คืออินพุตที่ไวต่อการเปลี่ยนแปลงมากที่สุด การเปลี่ยนแปลงจาก 3% เป็น 5% อัตราการเลิกใช้รายเดือนลดอายุเฉลี่ยของลูกค้า 40% เมื่อข้อมูลจำกัด โมเดล LTV ด้วยสมมติฐานอัตราการเลิกใช้สามแบบและนำเสนอช่วงแทนตัวเลขเดียว

ใช้กำไรขั้นต้นเสมอ ไม่ใช่รายได้ การใช้รายได้ประเมิน LTV สูงเกินไปสำหรับธุรกิจที่มีต้นทุนการส่งมอบมีนัยสำคัญ ธุรกิจที่มีอัตรากำไรขั้นต้น 40% มี LTV ครึ่งหนึ่งของธุรกิจที่มีรายได้เดียวกันแต่อัตรากำไร 80%

ระบุขอบฟ้าเวลาของคุณให้ชัดเจน LTV ที่คำนวณในช่วง 24 เดือนและในช่วง 60 เดือนอาจแตกต่างกันสามถึงห้าเท่าสำหรับลูกค้าเดียวกัน ระบุขอบฟ้าทุกครั้งที่คุณแชร์ตัวเลข LTV ตัวเลขไม่มีความหมายหากไม่มีมัน

ผลลัพธ์ที่ดำเนินการได้ของ LTV คืออัตราส่วน LTV:CAC (ควรอย่างน้อย 3:1 สำหรับ SaaS) และระยะเวลาคืนทุน (CAC ÷ กำไรขั้นต้นรายเดือนต่อลูกค้า) LTV เพียงอย่างเดียวไม่สามารถดำเนินการได้โดยตรง อัตราส่วนที่ได้เหล่านี้คือสิ่งที่ขับเคลื่อนการตัดสินใจ

ถ้าลูกค้าขยายตามเวลา อัปเกรดชั้น เพิ่มที่นั่ง สมมติฐาน ARPU คงที่ประเมิน LTV ต่ำเกินไป ธุรกิจที่มีอัตราการรักษารายได้สุทธิแข็งแกร่ง (สูงกว่า 110%) จะประเมินมูลค่าลูกค้าต่ำเกินไปอย่างมีนัยสำคัญถ้าใช้ ARPU ที่การซื้อในโมเดล LTV

คำนวณ LTV ใหม่ทุกไตรมาสโดยใช้อินพุตที่สอดคล้องกัน แนวโน้มสำคัญพอๆ กับค่าปัจจุบัน อัตราส่วน 3:1 ที่ปรับปรุงจาก 2:1 ในหกเดือนบอกเรื่องราวที่แตกต่างมากจากอัตราส่วน 3:1 ที่ลดลงจาก 5:1

บันทึกสมมติฐานทั้งหมด ทั้งอัตราการเลิกใช้ที่ใช้ เปอร์เซ็นต์อัตรากำไรขั้นต้น ขอบฟ้าเวลา ตัวเลข ARPU ควบคู่กับการคำนวณ LTV เมื่อสมมติฐานไม่ได้บันทึก ตัวเลขกลายเป็นสิ่งที่ตรวจสอบไม่ได้และทีมถกเรื่องวิธีการแทนที่จะดำเนินการตามข้อมูลเชิงลึก