10 драйверов для роста LTV

В e-commerce LTV часто выглядит как главная цель — большая, аккуратная, внушающая доверие.

Но напрямую управлять LTV невозможно. Это результат, а не рычаг. Когда команды пытаются «оптимизировать LTV» как одно число, они часто делают странные вещи: слишком щедрые скидки, искусственные активации, игры с маржой. На дашборде — рост, в бизнесе — нет.

Наш подход проще: смотрите под LTV, а не на него. Разбейте метрику на части, которыми можно управлять — AOV, ARPPC и Lifetime — и работайте с драйверами там.

В этом и смысл наших гайдов и читшитов: меньше мифов про «суперметрику», больше понятных рычагов, за которые можно тянуть.

AOV и его драйверы

AOV — это «сколько мы зарабатываем с одного оформления заказа». Если он растёт — при прочих равных — растёт и LTV. Но AOV — не один переключатель, а целая панель управления. Подкрути правильные ручки — и метрика двинется.

💡 Быстрая проверка — распределение AOV Не полагайтесь только на среднее. Смотрите медиану AOV и p90: медиана показывает типичный чек, p90 — крупные заказы. Среднее растёт, а медиана стоит — значит, выбросы. Растут обе — сдвигается весь диапазон.

Читайте подробнее: Средние показатели вам врут — вот что смотреть вместо них

Средняя цена за товар (Average Price per Item)

Это «средний ценник», который реально платят клиенты. Считайте по чистой выручке — без налогов, доставки и возвратов — так движение цены будет видно честно. Рост восприятия ценности, премиальные линейки и устранение «ценовых утечек» постепенно поднимают этот показатель.

Среднее количество товаров в заказе (Average Items per Order)

Больше товаров в корзине — выше чек. Убедитесь, что у вас чётко определено, что считается “item” (позиция или уникальный SKU), и исключайте возвраты, чтобы не завышать показатель. Главное — стабильность расчёта, иначе тренды будут лгать.

Среднее количество единиц на товар (Average Units per Item)

Показывает эффект «несколько одинаковых SKU» — две свечи, три футболки, набор по выгодной цене. Важно последовательно учитывать варианты SKU и упаковки, чтобы не искажать динамику. Также отслеживайте возвраты: крупные заказы часто возвращают частично.

Доля заказов со скидкой (% of Discounted Orders)

Если слишком много заказов оформляется со скидкой, AOV падает. Задайте простое правило, что считается скидкой — купон, автопромо, подписочная скидка, markdown на PDP — и придерживайтесь его. Разделяйте промо и markdown, чтобы сравнения были честными.

Средний размер скидки (Average % of Discount)

Чем глубже средняя скидка, тем тоньше AOV. Важно зафиксировать, от какой базы считать — от полной цены или текущей. Используйте взвешенное по выручке значение, чтобы мелкие скидки не выглядели крупными.

ARPPC и его драйверы

ARPPC показывает, сколько выручки в среднем приносит один платящий клиент за единицу времени — обычно за месяц. Это «скорость» выручки. Если она растёт — растёт и LTV.

Частично ARPPC зависит от AOV — чем больше чек, тем выше месячный вклад. Но помимо суммы заказа важны и другие факторы: сколько клиентов покупают в период, как часто они делают заказы и насколько короткие между ними интервалы.

Пенетрация клиентов в ассортимент (Customer Penetration)

Показывает, насколько глубоко клиент «освоил» ассортимент. Если у вас 10 товаров, а средний покупатель покупает 5, пенетрация — 50%. Считать можно по SKU или категориям — смотря что ближе к логике покупок.

Высокая пенетрация повышает ARPPC — чем больше продуктов клиент пробует, тем больше поводов купить снова и тем меньше зависимость от одного SKU. Кроме того, она усиливает лояльность: чем шире спектр покупок, тем сложнее уйти.

Частота покупок (Purchase Frequency)

Показывает, сколько заказов в среднем делает платящий клиент за период. Рост частоты = рост ARPPC. Считайте стабильно по одинаковым периодам (месяц, квартал) и исключайте тестовые или отменённые заказы — они могут искажать тренд.

Интервал между заказами (Order Gap)

Среднее время между покупками. Чем меньше разрыв — тем выше вклад клиента в выручку за период. Для корректного сравнения используйте один и тот же диапазон дат и одинаковую выборку клиентов.

Lifetime и его драйверы

Lifetime — это сколько времени клиент остаётся с брендом: месяцы, кварталы, годы. Чем дольше период активности — при стабильном ARPPC — тем выше LTV. Это временная сторона уравнения.

Уровень оттока клиентов (Churn Rate)

В e-commerce отток считать сложнее, чем в SaaS — здесь нет кнопки «отменить». Поэтому обычно выбирают порог неактивности, основанный на среднем цикле покупок. Практичное правило: неактивен ≈ 3 × Order Gap. Если клиент не покупал дольше этого срока — считайте его ушедшим и включайте в расчёт churn.

Чем ниже churn, тем длиннее Lifetime. Основные влияния — предсказуемый сервис, качество, поддержка, и вовремя запущенные win-back’и до наступления порога неактивности.

Давность последней покупки (Recency)

Recency — ранний сигнал о возможном оттоке. Чем больше дней прошло с последнего заказа, тем выше риск churn. Контролируйте кривую: короткая recency сегодня обычно означает длинную Lifetime в будущем.

Заключение

LTV — это счёт на табло, а не план игры. Само по себе число ничего не говорит, оно лишь суммирует эффект других действий. Чтобы LTV рос, его нужно разложить на части — AOV, ARPPC и Lifetime — и заглянуть в драйверы каждой. Именно там прячутся настоящие рычаги.

Если запомнить что-то одно: не гонитесь за LTV как за цифрой. Управляйте драйверами — и LTV подтянется само.