Как прогнозировать CLV, когда истории всего полгода

Сервис работает полгода, а для бюджета на следующий год уже нужен LTV. В таблице появляется средний чек, частота покупок и предполагаемые пять лет жизни клиента. Формула возвращает точное число, хотя главная её часть пока существует только как предположение.

CLV — ожидаемая ценность будущих отношений с клиентом, обычно выраженная через вклад после затрат и с учётом времени получения денег. Историческая выручка за полгода — полезный факт, но она сама по себе не определяет будущую ценность. Фейдер и Харди показывают, что даже внешне похожие формулы CLV могут различаться из-за принятого момента расчёта и определения денежных потоков. [1]

Ограничьте обещание модели

Когда история короткая, сначала выберите горизонт, который нужен для решения: следующие три месяца, полгода или конкретный сезон. Назовите показатель соответственно: «прогноз вклада на следующие шесть месяцев». Слово «пожизненный» не добавляет данных.

Зафиксируйте дату прогноза. В признаки клиента могут попасть только сведения, известные на эту дату. Возврат, который зарегистрируют через неделю, нельзя использовать как уже известный факт при проверке старого прогноза.

Разделите наблюдаемую часть и прогноз. Клиент с шестимесячной историей и клиент, пришедший вчера, требуют разной уверенности, даже если модель выдаёт обоим похожие значения.

Начните с простой проверяемой схемы

Для первого варианта достаточно оценить вероятность покупки по месяцам, ожидаемый вклад при покупке и дополнительные затраты обслуживания. Считайте по достаточно крупным группам с понятными различиями. Слишком подробные сегменты оставляют по несколько наблюдений и создают нестабильные оценки.

Условный пример. Для выбранной группы прогнозируют долю покупателей в следующие три месяца: 30%, 25% и 20%. Предположим, что покупатель делает не больше одного учитываемого заказа за месяц, вклад заказа после переменных расходов — 600 рублей, CRM-контакты стоят 12 рублей на клиента в месяц.

Сумма до дисконтирования — 414 рублей. При условной месячной ставке 1% и поступлениях в конце каждого месяца приведённая стоимость составит около 406 рублей. Это учебный прогноз при заданных вероятностях, а не оценка, подтверждённая историей компании.

Если люди могут делать несколько заказов, вместо вероятности одной покупки нужна ожидаемое число заказов либо отдельная модель частоты. Если вклад уже включает CRM-затраты, повторно вычитать их нельзя.

Проверьте прогноз на прошлом

Временная проверка воспроизводит реальную ситуацию: используйте только доступную тогда историю и сравните прогноз с последующим фактом. Hyndman и Athanasopoulos описывают проверку с последовательным сдвигом даты прогноза, при которой будущие наблюдения не участвуют в обучении. [2]

При шести месяцах истории можно проверить, например, прогноз на месяц вперёд из нескольких прежних дат. Надёжно подтвердить прогноз на два года таким способом ещё невозможно. Укажите этот предел прямо.

Сравните модель с простым ориентиром: средним результатом похожей прошлой когорты. Проверяйте и общую сумму, и систематические ошибки по группам. Хорошая средняя точность может скрывать постоянное завышение ценности новых клиентов.

Передайте неопределённость в решение

Постройте сценарии изменения частоты, маржи и возвратов. Не называйте произвольный диапазон «95%-м интервалом». Статистический интервал требует отдельного метода, а сценарий показывает последствия выбранных предположений.

Бюджет привлечения и удержания разумно проверять на устойчивость: сохранится ли приемлемая экономика при более слабом сценарии. Обновляйте прогноз по мере созревания когорт, сохраняя предыдущие версии. Тогда команда увидит, где улучшилась модель, а где просто изменились исходные ожидания. Для решения о росте привлечения дополните прогноз расчётом срока окупаемости когорты.

Источники

1. Fader P. S., Hardie B. G. S. Reconciling and Clarifying CLV Formulas. Technical Note 024. Март 2012.

2. Hyndman R. J., Athanasopoulos G. Time Series Cross-Validation. Forecasting: Principles and Practice. 3-е издание, раздел 5.10. OTexts, 2021.