5 способов определить ценность клиента (CLV) для бизнеса

Вопрос «как оценить покупателя» звучит просто только в учебниках. На практике в одном файле сидят 12 000 строк заказов, в другом — анкеты NPS, в третьем — выгрузка из рекламного кабинета, и никто не понимает, кто из этих людей правда ценный, а кто пришёл за купоном и уйдёт навсегда. Я разберу пять рабочих способов посчитать ценность клиента — без воды, с формулами, диапазонами и тем, что я лично видел в проектах за последние семь лет.

Зачем считать ценность клиента, а не просто выручку

Выручка отвечает на вопрос «сколько денег прошло через кассу». Ценность клиент — на вопрос «кто именно эти деньги принёс и принесёт ли ещё». Это разные вселенные. Магазин с оборотом 8 миллионов в месяц может быть убыточным, если 70% выручки даёт реклама с CAC 3 500 ₽, а средний клиент возвращается раз в полтора года с чеком 1 800 ₽. И наоборот: небольшой SaaS-сервис с выручкой 600 тысяч в месяц может расти кратно, потому что у него LTV/CAC выше 6, а отток ниже 3% в месяц.

Ценности клиента в продажах — это не абстрактная философия про «любить клиента». Это конкретные цифры, которые показывают, кому давать персональную скидку, а кого не стоит догонять ретаргетом ещё на 4 000 ₽. Без этих цифр маркетинг работает на ощупь, а финансовая модель превращается в гадание.

Создаёте карточки для маркетплейсов и думаете, как окупить трафик? Попробуйте бесплатный конструктор и создать карточку для OZON за несколько минут — пока разбираетесь с метриками, визуал уже будет работать.

Способ 1. Формула LTV/CLV — базовый расчёт

Начну с базы, потому что без неё остальные четыре способа повисают в воздухе. CLV (Customer Lifetime Value) — это сумма прибыли, которую приносит клиент за всё время взаимодействия с бизнесом. Формула в самом простом виде:

CLV = AOV × F × T × M

Три рабочих сценария, которые я повторно вижу в проектах:

Сценарий А. E-commerce, одежда и аксессуары. Средний чек 3 200 ₽, частота — 2,4 покупки в год, срок жизни — 2,8 года, маржа — 38%. CLV = 3 200 × 2,4 × 2,8 × 0,38 = 8 171 ₽. Если CAC выше 2 700 ₽ — экономика на грани. Реальный диапазон LTV в e-com я наблюдаю от 2 500 до 25 000 ₽: нижняя планка — это импульсные покупки в категориях с высокой конкуренцией, верхняя — премиум-сегменты с лояльной аудиторией.

Сценарий Б. SaaS-сервис для малого бизнеса. Тариф 4 900 ₽/мес, средний срок подписки — 14 месяцев, маржа на программном продукте — 78%. CLV = 4 900 × 14 × 0,78 = 53 508 ₽. Это нижняя граница SaaS-диапазона. У B2B-сервисов с годовыми контрактами и тарифами 25 000–80 000 ₽/мес CLV спокойно уходит к 300 000–500 000 ₽. Ниже 50 000 ₽ в SaaS — это либо плохое удержание, либо слишком дешёвый тариф.

Сценарий В. Услуги (барбершоп, студия маникюра). Средний чек 1 800 ₽, частота — 11 визитов в год, срок жизни — 1,9 года, маржа — 45%. CLV = 1 800 × 11 × 1,9 × 0,45 = 16 929 ₽. В офлайн-услугах ключевой рычаг — частота, а не чек: разница между клиентом, который ходит раз в месяц и раз в три, по CLV — двукратная.

Моя позиция: считать CLV без учёта маржи — самообман. Я регулярно вижу презентации, где «LTV 18 000 ₽» означает выручку, а себестоимость съедает 70%. Реальная прибыль на клиента в этом примере — 5 400 ₽, и весь бюджет на привлечение строился вокруг неверной цифры.

Способ 2. RFM-анализ — сегментация по поведению

RFM-анализ — это инструмент, который разделяет базу на сегменты по трём измерениям. Не по «полу и возрасту», как в брифах из 2010-х, а по реальному поведению с деньгами.

Каждой переменной присваивается оценка от 1 до 5. Получается 125 сегментов, но реально работают 8–12 из них. Самые ценные — те, у кого RFM = 555 (купили недавно, часто и много). Самые проблемные — 111 (давно, редко, мало): на них тратить бюджет реактивации обычно бессмысленно.

Рабочий пример из практики. База 24 000 клиентов интернет-магазина косметики. После RFM-разбивки:

Урок: RFM не отвечает на вопрос «сколько стоит клиент», он отвечает на вопрос «куда направить усилия». Если объединить RFM с CLV из первого способа, получается матрица, по которой можно ставить разные цели для разных сегментов: для «чемпионов» — апселл, для «на грани» — реактивация с офером, для «спящих» — выключить из платных рассылок и не тратить на них SMS-бюджет.

Способ 3. NPS — лояльность как опережающий индикатор

NPS (Net Promoter Score) — индекс готовности рекомендовать. Вопрос звучит так: «Насколько вероятно, что вы порекомендуете нас друзьям и коллегам по шкале от 0 до 10?». Ответившие 9-10 — промоутеры, 7-8 — нейтралы, 0-6 — критики. NPS = % промоутеров − % критиков.

Ориентиры, которые я считаю рабочими:

Связь NPS и CLV прямая, но не линейная. Промоутеры в среднем имеют CLV в 1,8–3,2 раза выше нейтралов и в 4–7 раз выше критиков. Логика: они покупают чаще, реже жалуются, реже требуют возвратов и приводят знакомых. Я бы добавил важное: NPS — это опережающий индикатор. Падение NPS на 12-15 пунктов сегодня означает падение выручки на 8-20% через 5-9 месяцев. Это видно в когортах: критики уходят медленно, но уходят неизбежно.

Что я не люблю в NPS-практике: компании собирают цифру, рисуют слайд в отчёт и забывают. Полезно работать не с цифрой, а с конкретными критиками. Если 0-6 поставили 280 человек за квартал — позвонить хотя бы 30 из них и разобрать, что пошло не так. В 80% случаев всплывают 2-3 повторяющиеся причины, которые лечатся за месяц без миллионных бюджетов.

Способ 4. Реферальность — клиент, который приводит клиентов

Реферальность это способность клиента генерировать новых клиентов через рекомендации. Измеряется тремя метриками:

Рабочие диапазоны: для B2C-услуг K-фактор 0,15–0,40 считается нормальным, 0,5+ — отличный. Для SaaS K выше 0,7 запускает виральный рост. Доля выручки от рефералов в зрелых нишах редко превышает 20-25%, но именно эти 20% обычно дают самую дешёвую и качественную аудиторию: CAC у реферальных клиентов в 3-6 раз ниже платного.

Числовой пример. Онлайн-школа английского, база 6 400 платящих клиентов, K-фактор 0,28. За год эта база автоматически приводит 1 792 новых платящих, из которых доходит до оплаты — 64% (1 147 человек). При CLV школы 32 000 ₽ и нулевой стоимости привлечения по этому каналу получается 36,7 миллиона ₽ выручки в год — практически чистой, если не считать стоимость реферальной программы (обычно 5-8% от чека).

Моя авторская позиция по реферальности: переплачивать за реферальные бонусы хуже, чем недоплачивать. Я видел истории, где компания давала 30% от чека за приведённого друга — и получала всплеск регистраций, но не оплат. Когда снизили до 10-12% — конверсия в оплату выросла, потому что отсеялись «охотники за бонусом». Реферал должен мотивировать рекомендовать, но не должен превращаться в основной мотиватор покупки.

Способ 5. Когортный анализ — где спрятана правда об удержании

Когорта — группа клиентов, объединённая по времени первого контакта (например, все, кто впервые купил в марте 2025). Когортный анализ показывает, как ведёт себя каждая такая группа во времени: сколько остаётся через 30, 60, 90, 180 дней, сколько денег приносит.

Почему это важнее одной общей цифры CLV: средний CLV скрывает динамику. Если у вас февральская когорта возвращается на 28% через 90 дней, а майская — только на 14%, средняя «звучит нормально», а на деле бизнес-модель сломалась в апреле. И вы узнаете об этом через полгода по выручке, если не смотрите когорты.

Реальный пример из проекта по доставке здорового питания:

Что случилось: с апреля включили агрессивные купоны на первый заказ. Привели много, но не тех. Через 9 месяцев общий CLV по базе упал на 31% — и только когортный взгляд показал, где именно сломалось. Вернули фокус на органический трафик, через два квартала retention в новых когортах поднялся до 27-30%.

Когортный анализ хорош тем, что заставляет смотреть не на «всё в среднем», а на конкретные группы. Это единственный способ увидеть последствия маркетинговых решений во времени, а не задним числом, когда уже поздно.

Как считать CLV в Excel и Метрике

Не нужен дорогой BI-инструмент, чтобы получить рабочую оценку. Базовый расчёт делается за вечер.

В Excel или Google Sheets

  1. Выгружаете из CRM или 1С таблицу заказов с колонками: ID клиента, дата заказа, сумма, маржа (или себестоимость).
  2. Сводной таблицей считаете по каждому клиенту: количество заказов, суммарную выручку, дату первого и последнего заказа.
  3. Считаете срок жизни как разницу между первым и последним заказом плюс ожидаемый «хвост» (для зрелой базы — медианная разница между последним заказом и сегодняшней датой по живым клиентам).
  4. Перемножаете средние значения по формуле AOV × F × T × M.
  5. Группируете клиентов по дате первой покупки (когорты) — функция МЕСЯЦ() или ГОД() от даты первого заказа.

Реалистичный объём для ручной работы — база до 50 000 уникальных клиентов. Выше — уже нужна выгрузка в Power Query, БД или Power BI.

В Яндекс Метрике

Метрика напрямую CLV не считает, но даёт два рычага:

Что я бы делал на старте: первые расчёты — в Excel за 2-3 часа, затем уже автоматизировал бы регулярное обновление через выгрузки из CRM. Не наоборот.

3 ошибки при оценке клиента и их последствия

Ошибка 1. Считать LTV по выручке, а не по марже

Последствие: переплата за привлечение. Если у вас LTV «18 000 ₽» по выручке и маржа 35%, реальный потолок CAC — около 6 300 ₽, а не 12 000 ₽, как кажется на слайде.

Цифра: в моей практике перерасход на платный трафик из-за этой ошибки доходил до 2,8 миллиона ₽ за квартал у среднего e-com проекта. Полгода — и кассовый разрыв.

Ошибка 2. Считать средний CLV без когорт

Последствие: не видите момента, когда экономика сломалась. Цифра «средний CLV 9 400 ₽» может скрывать падение в новых когортах с 12 000 до 5 000 ₽ — и пока среднее догонит реальность, пройдёт 5-8 месяцев.

Цифра: в одном из проектов разница между средним CLV и реальным CLV свежих когорт составила 47%. Это значит, что бизнес планировал бюджет 2026 года на основе цифр, которые перестали быть актуальными ещё в августе 2025.

Ошибка 3. Игнорировать NPS и реферальность

Последствие: бизнес растёт только на платном трафике. Это работает, пока ставки в аукционах ниже CLV, и моментально ломается на любом росте конкуренции.

Цифра: компании с NPS ниже 20 в среднем имеют CAC в 2,3 раза выше, чем компании с NPS 40+. Просто потому что у них нет органического сарафана, и каждого клиента приходится покупать заново.

Что в итоге

Ни один из пяти способов не работает в одиночку. CLV без RFM — это средняя температура по больнице. RFM без NPS — снимок прошлого без прогноза. NPS без когорт — настроение без подтверждения деньгами. Реферальность без CLV — поток трафика без понимания, окупает ли он себя.

Я бы строил систему оценки клиента в таком порядке: первым считал базовый CLV по формуле (день работы в Excel), вторым — раскладывал базу по RFM (ещё день), третьим — настраивал ежеквартальный NPS (внедрение — 2 недели, первые выводы — через квартал), четвёртым — мерил реферальность (если есть UTM-трекинг — мгновенно, если нет — месяц на разметку), пятым — переводил всё в когорты (полноценно — через 2-3 месяца накопленных данных).

Главный практический вывод: цифры важны не сами по себе, а как опора для решений. Цифра, на основе которой ничего не меняется — это бухгалтерская отчётность, а не управление. Если посчитали CLV, поняли, что он 8 000 ₽, и при этом тратите 11 000 ₽ на привлечение — это не «надо ещё подумать», это «надо менять воронку в этом месяце». Жёстче и быстрее.

Если вы продаёте на маркетплейсах, к расчёту ценности клиента полезно добавить и работу с визуалом — он напрямую влияет на конверсию и, как следствие, на CAC. Подробнее в материале карточки на Wildberries: как создать, оформить и не потерять продажи.

FAQ

Чем CLV отличается от LTV?

На практике это синонимы: и CLV (Customer Lifetime Value), и LTV (Lifetime Value) показывают, сколько денег приносит клиент за всё время взаимодействия. Тонкая разница: LTV чаще считают по выручке, CLV — по марже за вычетом затрат на удержание. Если бизнесу важна экономика, считайте именно по марже.

Какой NPS считается хорошим?

Универсальной планки нет, но ориентиры такие: NPS 30+ — хорошо для большинства рынков, 50+ — сильно, 70+ — уровень Apple и Tesla. Отрицательный NPS — это диагноз: клиенты не возвращаются и активно отговаривают других, экономика бизнеса будет сыпаться через 6-12 месяцев.

Сколько стоит клиент в e-commerce и SaaS в среднем?

Диапазоны зависят от ниши, но рабочие ориентиры: в e-commerce LTV колеблется от 2 500 до 25 000 ₽ за весь срок жизни клиента, в SaaS — от 50 000 до 500 000 ₽. Подписки на B2B-сервисы дают самую длинную дугу, разовые покупки в FMCG — самую короткую.

Что такое реферальность простыми словами?

Реферальность это способность клиента приводить новых клиентов: через отзывы, личные рекомендации, реферальные ссылки. Измеряется долей новых клиентов, пришедших по рекомендации. Сильная реферальность снижает стоимость привлечения и удлиняет жизненный цикл когорты.

Можно ли посчитать CLV без CRM?

Да, если есть выгрузка заказов с привязкой к email или телефону. Базовый расчёт делается в Excel за 30-40 минут на выборке из 500-1000 покупателей. CRM нужна, когда хочется автоматизировать обновление цифр и считать когорты в динамике.