Хватит умножать средний чек на частоту. Это не CLV — 16 марта 2026 г. в 16:32:00.686
Хватит умножать средний чек на частоту. Это не CLV // Большинство маркетологов считают CLV «в среднем по больнице» — берут средний чек, умножают на частоту и горизонт. Получают красивое число, которое ничего не предсказывает. Модель Фейдера (BG/NBD + Gamma-Gamma) работает иначе. Она исходит из простой идеи: каждый клиент в какой-то момент уходит навсегда — просто мы не знаем когда. Поэтому вместо среднего она считает вероятность того, что конкретный клиент ещё жив и купит снова. // Как устроена модель Внутри два независимых процесса. BG/NBD отвечает за поведение: как часто клиент покупает пока активен, и когда он «умрёт» для бренда. Модель смотрит на три вещи по каждому клиенту — как давно пришёл, сколько раз купил, когда была последняя покупка. Результат — не сегмент, а конкретное число: ожидаемое количество покупок за следующие N месяцев. Gamma-Gamma отвечает за деньги: какой будет средний чек. У каждого покупателя есть своя «личная норма» траты — конкретные чеки случайно отклоняются от неё вверх-вниз. Модель восстанавливает эту норму по истории и экстраполирует на будущее. Ключевое допущение: сумма покупки не зависит от частоты. Это два независимых процесса — поэтому части считаются отдельно и перемножаются. Итоговая формула: CLV = ожидаемые покупки × ожидаемый чек × маржа // Что нужно для расчёта По каждому клиенту: → дата первой покупки → дата последней покупки → количество покупок за период наблюдения → средний чек Возьмём косметический ритейл, период наблюдения — 12 месяцев. Клиентка А: первая покупка в январе, последняя в октябре, 5 покупок, средний чек 1 800 ₽ Клиентка Б: первая покупка в феврале, последняя в марте, 2 покупки, средний чек 3 200 ₽ BG/NBD смотрит на А: покупала часто и недавно → скорее всего ещё активна → 4,2 ожидаемые покупки в следующие 12 месяцев. На Б: покупала редко и давно не появлялась → вероятно ушла → 0,8 ожидаемые покупки. Gamma-Gamma по истории чеков оценивает личную норму: А → ~1 750 ₽, Б → ~3 100 ₽. // Считаем CLV Маржа 40%, стоимость коммуникаций ~200 ₽/год: → Клиентка А: 4,2 × 1 750 × 0,4 − 200 = 2 740 ₽ → Клиентка Б: 0,8 × 3 100 × 0,4 − 200 = 792 ₽ Без модели обе попали бы в один сегмент — у Б чек выше. Фейдер показывает: А в 3,5 раза ценнее. // Что это меняет на практике → сколько тратить на удержание каждого сегмента → кому давать скидки, а кому — нет → как расставить приоритеты в триггерных цепочках // Инструменты В Python — библиотека lifetimes. В R — пакет CLVTools. Данные из Mindbox выгружаются через API, расчёт делается локально. Минимум для старта: ~500 клиентов, история от 6 месяцев, хотя бы 2 покупки на клиента. // Модель не волшебная. Но даже на скромной истории она даёт сегментацию на порядок точнее, чем RFM без вероятностного слоя. #CLV #Фейдер #аналитика #ритейл #моделирование