Як уникнути «фантомної прибутковості» у дашборді та побудувати систему метрик, якій можна довіряти
Ганна Шепелєва, Data Analyst Lead у Brainstack
«CPA низький, окупність чудова — нумо масштабувати кампанію!» Однак за три місяці ця ейфорія обертається масовими рефандами та відмінами підписок. Знайомо?
За понад 10 років роботи в аналітиці я навчилася розпізнавати «фантомну прибутковість» — коли дашборди показують, що все чудово, а реальні гроші не приходять.
У Brainstack ми фокусуємося лише на результаті, тому побудували робочу прогнозну модель. Головний секрет в тому, щоб аналізувати метрики в системі, адже середній LTV часто бреше, а класичний CPA — взагалі не про гроші.
Ось, як ви теж можете поєднати білінг, маркетинг та retention в одну систему звітності, аби побачити реальну економіку продукту.
Перегляньте свою формулу LTV
Маркетологи полюбляють орієнтуватися на метрику CPA, однак насправді вона нам не говорить про доходи, retention, churn, chargebacks, а лише показує вартість залучення користувача. Як результат — є ризик купити аудиторію, які нічого не принесе бізнесу.
Для того, аби побачити повну картину та зрозуміти, що робити з кампанією, потрібно звертати увагу на LTV. Але тут не все так просто. Є один параметр у формулі LTV, який більшість команд просто ігнорують, а саме він може бути визначальним у рішенні про доцільність масштабування. Це Discount Rate.
Ми рахуємо LTV за такою формулою:
Customer Lifetime Value = Margin × (Retention Rate / 1 + Discount Rate — Retention Rate)
Discount Rate — це вартість грошей у часі. Навіщо його додавати до формули? Бо $100 сьогодні і $100 через рік — це не одне й те саме. Коли ми в Brainstack порахували LTV з Discount Rate і без нього, результати відрізнялися на 15%. Для продукту з мільйонним оборотом це сотні тисяч доларів різниці у прогнозах.
Замість середнього LTV рахуйте за сегментами
Підписуйтеся на наші соцмережі
«У середньому по лікарні всі здорові» — це не жарт, а реальність багатьох дашбордів. Орієнтуючись лише на середній LTV, ви, скоріше за все, втрачаєте гроші, просто ще не знаєте про це.
Правильний підхід у тому, аби сегментувати за країнами, джерелами трафіку, когортами. Ми в Brainstack прогнозуємо LTV окремо для кожної локалі, продукту та навіть типу платіжного провайдера.
Загалом ми для себе виокремили такі правила підрахунку LTV:
- Сегментуючи за когортами, завжди зважати на абсолютну кількість користувачів у кожній з них. Уявіть: у когорті А мільйон користувачів, у когорті Б — сто. LTV 12-го місяця є в обох, але висновки з них робити однаково небезпечно.
- Звертати увагу на маржинальність та churn, адже після вирахування всіх витрат, комісій, рефандів і churn може виявитися, що LTV набагато менший.
- Синхронізувати таймзони.
- Постійно адаптувати прогнози під нові продукти та зміни у поведінці користувачів. Модель — це не один раз налаштував і забув.
Сегментуйте користувачів за поведінкою, а не демографією
Ще одна типова помилка бізнесу — аналізувати «середнього користувача» замість розбивати аудиторії за поведінкою.
Візьмемо до прикладу wellness додаток. У нього є користувач А, який обрав ціль «10 000 кроків щодня» і реально ходить. У нього retention 100% кожного дня. Користувач Б обрав «схуднути на 5 кг» і активується тільки перед літом. Його retention формально низький, але для нього це нормальна поведінка. Якщо рахувати їх разом, отримаєте якісь дивні середні цифри, які не описують нікого. Якщо сегментувати — побачите два різні типи користувачів з різною окупністю, різними потребами та різними можливостями монетизації.
У Brainstack ми використовуємо RFM-підхід (Recency, Frequency, Monetary Value) для сегментації. Він гнучкий і дозволяє зафіксувати користувачів за їхніми ID та відслідковувати, як вони реагують на ваші дії та переміщаються між сегментами.
Для автоматичного визначення сегментів ми використовуємо BigQuery, і так бачимо динаміку в реальному часі. Це дозволяє швидко реагувати на зміни та оптимізувати рекламну стратегію під конкретні когорти, а не «користувачів взагалі».
Будуйте прогнозну модель, а не реактивну аналітику
Чи можливо майже на 100% передбачити поведінку користувачів та LTV? Ми переконалися, що так. Але за умови правильного визначення параметрів, які впливають на LTV, та побудови системи.
Наприклад, ми працюємо з моделлю підписки, і для себе обрали п'ять ключових параметрів, які найбільше впливають на LTV:
- Локаль та країна користувача
- Product plan: 1 місяць / 3 місяці / 6 місяців
- Конкретний напрям кампанії
- Тип першого платіжного провайдера
- Спосіб оплати
За допомогою цієї моделі ми прогнозуємо rebill rate та LTV з деталізацією до конкретного користувача.
Найскладніше питання: а що робити, коли запускаєш нову локаль або новий продукт? Тут є три стратегії залежно від ситуації:
- Локаль нова, але в ній вже працювали інші наші продукти – дивимося на поведінку користувача на цій локалі.
- Новий продукт на старій локалі — аналізуємо інші локалі з цим самим продуктом.
- Новий ринок та продукт — використовуємо Decay-коефіцієнт. Беремо дані з найближчих аналогів, але застосовуємо «знижку» на невизначеність.
Аби ця модель працювала максимально точно, ми постійно оновлюємо її фактичними даними.
Створіть зв'язку метрик
Ви можете збирати безліч даних, але якщо ви дивитеся на кожен показник окремо, то не зможете побачити справжню картину окупності. Тому вам потрібна зв’язка метрик.
У Brainstack дані агрегуються на рівні користувача, і кожен дашборд містить зв'язку показників: CPA + Retention + LTV + Churn + ROAS. Саме це дозволяє уникнути помилково оптимістичних прогнозів у дашбордах та ухвалювати правильні рішення.
Чекліст: що ви можете зробити вже зараз
Точна модель прогнозування не будується за тиждень, однак якщо ви почнете вже сьогодні, то поступово якість ваших рішень буде покращуватися.
Ось, що ви можете зробити зараз:
- Переглянути принцип масштабування. Не збільшуємо бюджети на основі CPA, обов’язково враховуємо LTV конкретної когорти.
- Працювати на рівні сегментів. Аналізуємо та оптимізуємо не кампанії загалом, а локалі, продукти й канали окремо. Почніть хоча б з трьох сегментів: країна, джерело трафіку, тип підписки.
- Фокус на рентабельних когортах. Масштабуємо тільки ті сегменти, де LTV/CPA ≥ target.
- Контроль churn та chargebacks. Відслідковуємо вплив відтоку та повернень на реальний прибуток.
- Постійно оновлювати прогнози LTV. Щомісяця звіряємо прогнози з фактом і коригуємо моделі.
- Додавати поведінкові сигнали. Рання активність користувача допомагає швидше розуміти потенційну окупність.
- Ухвалювати рішення за правдивими грошима. Враховуємо Discount Rate — це дає реальну картину того, скільки коштуватимуть майбутні прибутки сьогодні.
Пам’ятайте, що справжня окупність видна тільки в довгостроковій перспективі, а «фантомна прибутковість» у дашбордах — лише ілюзія успіху, за яку доведеться платити рефандами та відтоком користувачів.