코호트 유지를 통한 고객 평생 가치 추정

그들이 부르는 CLV 또는 LTV

이것은 고객 평생 가치를 추정하는 2 부작 시리즈의 1 부입니다. 이 포스트에서는 Part II 에서 Python 코드로 무엇을 할 것인지 설명하기 위해 개념적 수준에서 LTV를 추정하는 방법을 설명합니다 .

우선, 왜 LTV 인가? 두 가지 이유가 있습니다. CAC (고객 획득 비용)에 대한 벤치 마크를 만들고 고객을 비교하는 것입니다 (예 : 평균 고객보다 더 많거나 적은 비용을 지출하는 사람들을 대상으로하는 경우).

고객 평생 가치 (LTV)를 추정하기 위해 이탈 또는 유지를 사용하는 것에 대해 이야기하는 많은 출처가 핵심 아이디어는 동일하지만 계산 방식은 크게 다릅니다. 따라서 모든 분석가가이 기사를 읽으면 이익을 얻을 수 있지만 주요 목표는 과거 보유 데이터를 사용하여 고객의 LTV를 추정 하는 방법을 설명하는 것입니다 . 이탈을 추정하고 예측을 구축하기 위해 통계 기법을 사용하지 않을 것입니다. 대신, 우리는 시작하기 더 쉬운 역사적 보존을 사용할 것입니다.

왜 보존 인가? 고객 평생 가치의 문제는 고객 평생 입니다. 구독 기반 서비스에 대해 이야기하는 경우 고객 도입 가치의 추정치는 반복 수익 (RR) 또는 고객이 구독에 대해 지불하는 금액입니다. 그러나 고객이 기간을 건너 뛸 가능성이있는 경우이를 조정하는 것을 잊지 마십시오 (평균 건너 뛰기 비율 추정).

우리가 알지 못하는 것은 새로운 고객이 비즈니스에 얼마나 오래 머무를 것인지입니다. 따라서 우리는 이전에 획득 한 고객을 기반으로 교육적인 추측을 시도하고 있습니다. 전체 고객 기반에 대한 전체 측정 항목으로 수명을 계산하는 것이 종종 제안되는데, 이는 혼란스러운 평균을 제공합니다. 적어도 잠재적으로 비즈니스와 몇 년을 보냈을 수있는 고객과 지난주 또는 어제 가입 한 고객 전체입니다. 동시에, 이전 코호트는 분석에 적합하지만 측정 항목이 실행 가능하고 따라서 젊은 코호트를 추정 할 수 있기를 바랍니다. 유지 매트릭스 또는 곡선은 인수 한 고객 중 얼마나 많은 고객이 계속해서 수익을 창출하면서 비즈니스에 머물 렀는지 시각적으로 나타냅니다. 실제 데이터를 기반으로하므로 패턴 식별을 시작하고 신규 고객의 패턴을 대략적으로 파악할 수 있습니다. 그래서 방법?

C의 ohorts 및 보존 매트릭스는
고객이 서로 다른 시간에 사업에 참여하기 때문에, "정상화"에서 보존 할 수있는 방법이 있어야한다. 간단한 예 : 1 년 전에 가입 한 고객의 10 %가 여전히 비즈니스에 있습니다. 그러나 지난달 고객의 90 %가 여전히 우리와 함께 있습니다. 결코 지난달에 가입 한 고객이 작년의 고객보다 낫거나 나쁘다는 것을 의미하지는 않습니다. 그들은 귀하의 비즈니스가 자신에게 얼마나 "고정적"이거나 가치 있는지를 보여줄 시간이 적었습니다.

이러한 이유로 고객이 가입 한 시간에 따라 고객을 집단 (그룹)으로 나눌 수 있습니다 (그리고 그래야합니다). 일반적으로 코호트와 그 유지는 유지 매트릭스 또는 유사하게 유지 곡선을 통해 분석됩니다. 아래 매트릭스에서 각 사각형은 다음 달에 이동 (재주문, 재 구독) 한 최초 획득 사용자의 비율을 나타냅니다. 간단하게하기 위해 아래 그림과 같이 색상으로 구분했습니다.

그림 1 :이 게시물의 모든 색상에 대한 샘플 스케일 — 노란색 (~ 0 ~ 15 %)에서 진한 녹색 (~ 90 ~ 100 %)까지
그림 2 : 유지 매트릭스; y 축, 취득 기간 (월), x 축, 임기 또는 취득 후 경과 한 시간 색상은 그림 1을 참조하십시오.

결합 된 시간 또는 인수 월 (y 축)과 후속 기간 또는 임기 (x 축, 주, 월, 연도 등 비즈니스에 적합한 모든 축)의 두 축이 있습니다. 대부분의 보유 매트릭스에서 가장 먼저 눈에 띄는 것은 비율이 다를 수 있지만 보유 기간이 증가함에 따라 보유가 사라지는 경향이 있다는 것입니다. 매트릭스 만 사용하여 코호트의 평균 실제 수명 또는 코호트의 고객이 제품을 사용한 평균 시간을 계산할 수 있습니다. 이 계산은 단순히 행별 보존 합계입니다 ( 예 : 여기 ).

여기서 빠르게 알아 차릴 또 다른 점은 행렬이 항상 반쯤 비어 있다는 것입니다. 첫 번째 목표는 아래의 물음표를 찾는 것입니다.

그림 3 : 무엇을 추정해야합니까?

분명히 그것은 젊은 집단이 현실화되지 않은 수명을 가졌기 때문입니다. 이상적으로 우리는 이들의 수명 (및 가치)을 알고 싶습니다. 그래도 어떻게?

E의 xtrapolation
쉬운 방법 중 하나는 이전 동료의 성능의 평균을 기준으로 새로운 고객에 대한 값을 입력하는 것입니다. 평균 유지는 직접적으로 너무 거칠고 새로운 코호트의 실제 데이터와 단절 될 수 있으므로 한계 유지를 활용할 수 있습니다. 이는 기간별 유지 (예 : 월별 또는 주별)라는 점에서 코호트 유지와 다릅니다. 기간은 비즈니스주기에 따라 다릅니다.

그림 4 : 한계 유지, 이전 기간에 서비스 비용을 지불 한 고객이 다음 기간으로 "마이그레이션"되었으며, 임기가 증가함에 따라 증가하는 경향이 있으며 이상적으로는 100 %에 근접한 고객 수를 설명합니다.

가치가 실현 된 코호트 의 한계 유지율 을 알고 나면 "드래그 (drag down)" 하여 요소별로 젊은 코호트를 추정합니다. 옵션으로, 가장 이른 코호트부터 시작하여 마지막 N 코호트의 단순 평균을 사용하거나 아래 행렬의 첫 번째 행을 사용할 수 있습니다. 이렇게하면 행 번호 N 이상에 대해 N 행의 이동 평균과 N-1 이하 행에 대한 모든 이전 값의 평균이됩니다. 그것을 청사진으로 사용하고 계절성 측면, 미래 변화에 대한 가정 등을 포함하여 더 복잡하게 만들 수 있습니다.

그림 5 : 위쪽에서 아래쪽으로 한계 유지율 외삽, 요소별로

결과적으로 행렬은 대각선 위의 한계 유지율과 대각선 아래의 추정치로 채워집니다. 우리의 경우 후자는 행 번호에 따라 최소 1, 최대 N의 윈도우로 이동 평균입니다.

그림 6 : 전체 매트릭스를 채우기 위해 외삽 된 한계 유지

전체 정사각형 행렬을 채운 후 유지율을 추정 할 수 있습니다. "오른쪽으로 드래그" 하여 요소별로 수행 할 수 있습니다 . 1) 유지 매트릭스의 마지막 값에 한계 유지 매트릭스의 다음 열 값을 곱하면 유지 매트릭스의 유지 추정치가 업데이트됩니다. 2) 반복 전체 행에 대해 동일한 절차를 수행하여 한 행의 마지막 유지 추정치를 취하고 한계 유지 매트릭스의 다음 값으로 곱합니다.

그림 7 : 외삽 된 한계 유지와 코호트 유지를 결합하여 코호트 유지 매트릭스 채우기

이런 식으로 우리는 대각선 위의 실제 값과 대각선 아래의 추정치로 완전히 채워진 유지 매트릭스를 갖게됩니다. 코호트의 평균 수명 추정치는 코호트에 대한 유지율의 합계 일뿐입니다. ( 사실 이유를 설명해 주시려면 아래에 댓글을 달거나 강조 표시하고 댓글을 남겨 주시기 바랍니다. 현재 게시물을 더 강조하고 싶습니다 ).

V ALUE
우리가 얘기하는 값은 약 이상적으로 반영해야한다 반복 고객에 의해 생성 된 양, 운영 비용의 순 고객에게 서비스 또는 제품을 제공과 관련된합니다. 예를 들어 배송 업체에있는 경우 배송비를 제외 할 수 있습니다. 고객을 위해 인프라를 유지해야하는 경우이를 제외합니다. 일반적으로 지불에 적용되는 모든 할인을 고려하여 총 마진에 도달 할 수 있습니다. 하지만 처음 고객이 제안하는 경우 평생 가치를 크게 낮출 수 있으므로 이러한 할인을 미래로 추정하지 않도록주의하십시오.

위의 내용이 복잡해 보이면 마진 대신 총 수익으로 시작하고 거기에서 작업하십시오. 저는 최상위 라인에서 시작하여 총 마진에 도달하는 데있어 가치가 있다고 생각합니다. 따라서 다른 구성 요소를 고려할 때 비즈니스의 수익 역학에 대해 교육적인 가정을 할 수 있습니다. 마케팅 또는 제품 개선 노력의 영향을 가정하려는 경우 LTV 모델링을위한 좋은 시작점이 될 수도 있습니다.

L ife Time Value 위의 사항을
확인한 후 평생 가치 추정치는 집단 기반의 평생 가치와 가치의 산물 일뿐입니다. 단순 또는 가중 평균을 사용하여 더 많은 고객이있는 새로운 코호트 또는 코호트에 더 많은 가중치를 부여 할 수 있습니다.

그리고 우리는 그것을 가지고 있습니다!

본질적으로, 우리는 코호트 유지와 한계 유지를 사용하여 전자를 새로운 코호트로 추정했습니다. 항상 분명하지는 않지만 흥미로운 사실은 수명이 임기 축 전체에 걸쳐 코호트의 유지 합계가 될 것이라는 것입니다.

출처 :이 블로그 게시물에는 주제에 대한 매우 간단하고 포괄적 인 설명이 있습니다.

구독 평생 가치 계산을위한 스프레드 시트

이 글을 읽어 주셔서 감사합니다! 도움이 되었기를 바라며 의견이 있으시면 아래에 남겨주세요.

링크드 인에서 저에게 연락 할 수도 있습니다 : https://www.linkedin.com/in/areusova/ (이 미디엄 게시물에서 왔음을 언급).

또는 Twitter https://twitter.com/khunreus .

추신 여기에 작은 후속 조치를 썼습니다. 가중 코호트 수명 . 코호트의 평균 수명에 도달하기 위해 유지율이 어떻게 증가하는지 확인하려는 경우.

그리고 여기에 파이썬 구현이 있습니다 .

Suggested posts

중요하지만 종종 간과되는 데이터 과학 및 분석 기술

중요하지만 종종 간과되는 데이터 과학 및 분석 기술

이제 데이터 과학 및 분석에 들어가는 데 필요한 기술 기술을 배울 수있는 방법이 그 어느 때보 다 많았습니다. 온라인 과정, Kaggle 대회, YouTube 자습서, 스택 오버플로가있는 금광 등이 있습니다. 현장에 침입하려는 사람들은 종종 "X 데이터 작업을 수행하려면 어떤 프로그래밍 기술이 필요한가요?", "어떤 기계 학습 기술을 배워야합니까?", "기술을 구축하려면 어떤 프로젝트를 수행해야합니까?"와 같은 질문을 자주합니다. / 포트폴리오?”.

의미없는 말과 유효한 영어 텍스트를 구별하는 방법

의미없는 말과 유효한 영어 텍스트를 구별하는 방법

텍스트 피트니스 기능의 세계 해커 영화의 인기있는 비유에서 때때로 하루를 저장하기 위해 해독해야하는 암호화 된 텍스트가 있습니다. 주인공은 컴퓨터에서 몇 가지 빠른 헛소리를하고 해독 된 텍스트를 터뜨립니다. 마지막 순간에 세상을 구할 때가되었습니다.

Related posts

아무도 말하지 않는 기업가 정신의 진정한 현실

자신을위한 것인지 결정하는 데 도움이되는 요소

아무도 말하지 않는 기업가 정신의 진정한 현실

Ishy Patel에 의해 직면하자; 요즘에는 거의 모든 사람이 기업가입니다. 모두가 새로운 사업을 시작했으며 실제로 피할 수있는 것은 아닙니다.

성공적인 경력 변화의 예술

경력 교차로를 탐색하는 데 도움이되는 3 가지 질문

성공적인 경력 변화의 예술

제 인생의 마지막 5 년 동안 저는 맞춤 제작 사업을 시작하고 성장시키는 데 매 시간을 바쳤습니다. 그 동안 나는 또한 큰 출판물을 집필하고 공동 편집하는 데 서서히 경력을 쌓고있었습니다.

세계 최초의 인터넷 스타트 업 창업자가 수십억 달러의 특허를 희생 한 이유는 무엇입니까?

같은 이유로 수십억 달러를 희생 할 수 있습니까?

세계 최초의 인터넷 스타트 업 창업자가 수십억 달러의 특허를 희생 한 이유는 무엇입니까?

사람들이 창업자를 평가할 때 돈은 창업자의 성공 여부를 결정하는 핵심 요소입니다. 여기에는 다음과 같은 것들이 포함됩니다. 회사가 얼마나 많은 돈을 모금 했습니까? 그들의 회사는 얼마나 많은 수익을 창출 할 수 있었습니까? 회사는 어떤 가치에 도달 했습니까? 창립자들은 회사를 얼마에 팔았습니까? 창립자들은 출구에서 얼마나 많은 돈을 벌었습니까? 스타트 업 창업자의 전반적인 성공을 평가하는 것과 관련하여 돈의 중요성을 고려할 때, 세계 최초의 인터넷 스타트 업으로 널리 알려진 것을 시작한 Alan Emtage의 전반적인 성공을 어떻게 평가할까요? 1992 년에 Alan Emtage는 Bunyip Information Services라는 회사를 설립하여 온라인 서비스를 판매하기 위해 특별히 새로운 회사를 처음으로 설립했습니다.

확장 가능한 마켓 플레이스 스타트 업을 구축하는 방법

마켓 플레이스 규칙이 극적으로 변경되었으며 계속해서 빠르게 변경 될 것입니다.

확장 가능한 마켓 플레이스 스타트 업을 구축하는 방법

실수하지 마십시오. 다른 사람의 결과물로 수익을 창출하는 사업을 운영하는 것은 항상 미끄러운 경사가 될 것입니다. 아이디어는 간단 해 보입니다.