شتابدهنده هاردتک
تحلیل و محاسبه ارزش طول عمر مشتری CLV

تحلیل و محاسبه ارزش طول عمر مشتری – بخش دوم

ارزش طول عمر مشتری (CLV) معیاری است که به مدیران اجازه می‌دهد ارزش کلی پایگاه مشتریان خود را درک کرده و میزان موفقیت راهبردهای مدیریتی‌شان ارزیابی کنند. ما در چند بخش نحوه محاسبه و نکات مهم در خصوص آن را تشریح می‌کنیم.

در بخش اول تحلیل و محاسبه ارزش طول عمر مشتری، این مفهوم تعریف شد و  با در نظر گرفتن فرضیاتی فرمول ساده‌ای برای محاسبه آن ارائه شد. در این بخش سعی می‌کنیم فرضیات ساده‌سازی شده را حذف و به فرمول جامع‌تری برسیم.

حفظ و نگهداری مشتری در فرمول محاسبه ارزش طول عمر مشتری

 اولین مسئله‌ای که در مورد محاسبه ارزش طول عمر مشتری به میان می‌آید، این است که چگونه طول عمر مورد انتطار یک مشتری تعیین می‌شود. هرچند راه‌های زیادی برای این کار وجود دارد، اساسی‌ترین رویکرد بر اساس نرخ ریزش مشتری (Churn Rate) است که یک سنجه رایج در بسیاری از شرکت‌هاست. درباره رابطه بین نرخ ریزش مشتری و طول عمر مورد انتظار مشتری بحث خواهیم کرد، به چند فرضی که به‌طور تلویحی در این رویکرد وجود دارد اشاره خواهیم کرد و چند سنجه مفید و مرتبط که در عمل استفاده می‌شوند را ذکر خواهیم نمود.

 با چند تعریف شروع کنیم:

نرخ ریزش مشتری

  • نرخ ریزش (Churn Rate (CR: به درصد مشتریانی که در یک دوره مشخص به رابطه خود با شرکت خاتمه می‌دهند، نرخ ریزش می‌گویند. نرخ ریزش معمولاً در سطح بخش (Segment) تعریف می‌شود، و به‌طور تلویحی فرض می‌شود که امکان اتمام رابطه با شرکت برای تمام افراد آن بخش یکسان است. نرخ ریزش معمولاً به صورت سالانه یا ماهانه بررسی می‌شود.

نرخ نگهداری مشتری

  • نرح نگهداری (Retention Rate (RR، سنجه‌ای مرتبط است که درصد مشتریانی را اندازه‌گیری می‌کند که در یک دوره معین رابطه خود را با شرکت ادامه می‌دهند. براساس تعریف،

محاسبه ارزش طول عمر مشتری - نرخ نگهداری

  • احتمال ماندگاری (Survival Probability (s: احتمال اینکه یک مشتری در یک دوره معین با یک شرکت رابطه داشته باشد را احتمال ماندگاری می‌گویند. معمولاً در دوره‌ای که مشتری به شرکت می‌پیوندد، احتمال ماندگاری را ۱ فرض می‌کنند. در دوره‌های بعدی، ممکن است مشتری تصمیم بگیرد رابطه خود را با شرکت خاتمه دهد، در نتیجه احتمال ماندگاری به شکلی تعریف شده که به مرور کاهش پیدا می‌کند. سری احتمال ماندگاری در تحلیل ارزش طول عمر مشتری مفید است زیرا برای تعیین حاشیه سود مورد انتظار در یک دوره معین مورد نیاز است.

سری احتمال‌های ماندگاری معمولاً با کمک نرخ ماندگاری تعیین می‌شود که جایگزینی مناسب برای احتمال ترک مشتری در یک دوره خاص است. اگر فرض کنیم که نرخ ماندگاری در طول زمان تغییر نمی‌کند، می‌توانیم سری احتمال‌های ماندگاری را تعیین کنیم با فرض اینکه:

۱- احتمال اینکه یک مشتری با شرکت رابطه‌ای داشته باشد در اولین دوره برابر با ۱ است.

۲- احتمال اینکه مشتری در دوره کنونی با شرکت رابطه داشته باشد، مساوی احتمالی است که مشتری در دوره قبل رابطه با شرکت داشته باشد، ضرب در احتمالی که مشتری رابطه را در دوره حاضر تمام نکند (نرخ نگهداری).

به این ترتییب:

محاسبه ارزش طول عمر مشتری - احتمال ماندگاری

  • طول عمر خرید مورد انتظار (Expected Purchasing Life (L، تعداد دوره‌هایی است که انتظار می‌رود مشتری به رابطه‌اش با شرکت ادامه دهد. اگر فرض کنیم که:

(۱) نرخ ریزش مشتری و نرخ حفظ مشتری با گذشت زمان تغییری نکند،

(۲) این امکان وجود دارد که مشتری در یک افق زمانی نامحدود با شرکت باقی بماند،

سپس روابط زیر بین طول عمر خرید مورد انتظار، نرخ ریزش مشتری و نرخ نگهداری مشتری برقرار است:

محاسبه ارزش طول عمر مشتری - طول عمر خرید مورد انتظار

مثال عددی محاسبه طول عمر خرید

یک مثال می‌تواند این مطالب را شفاف کند. فرض کنید الکساندر یک خریدار علاقه‌مند به مد و وفادار به برند است. می‌دانیم که نرخ ریزش مشتریِ بخش علاقمند به مد، سالیانه ۱۰٪ است. بنابراین، نرخ نگهداری بخش علاقمند به مد سالانه ۹۰٪ است.

اگر فرض کنیم که همه‌ خریداران علاقمند به مد شانسی برابر برای پایان دادن به رابطه در یک دوره معین داشته باشند (در این صورت نرخ ریزش بخش علاقمند به مد می‌تواند معادل باشد با احتمال اینکه الکساندر، خود دیگر مشتری نباشد) و به دلیل اینکه نرخ ریزش مشتری در گذر زمان تغییر نمی‌کند، به آسانی می‌توانیم احتمال ماندگاری الکساندر را برای سال‌های متمادی و طول عمر مورد انتظار او را محاسبه کنیم.

طبق تعریف، احتمال اینکه الکساندر در سال اول مشتری باشد ۱ است. احتمال اینکه الکساندر در سال دوم مشتری باشد برابر است با احتمال اینکه او در سال اول مشتری باشد ضرب در احتمال اینکه ارتباط خود را در هر بازه خاص ادامه دهد: s2=1*0.9=0.9. با همین منطق، احتمال اینکه الکساندر در سال سوم مشتری باشد s3=0.9*0.9=0.81 است، در سال چهارم s4=0.81*0.9=0.729، و به همین ترتیب.

بنابراین، طول عمر خرید مورد انتظار الکساندر برابر است با L=1/0.1=10 سال.

 ارزش طول عمر مشتری بر اساس احتمال ماندگاری

برای اینکه اثر هر دوره آینده را مشخص بکنیم، فرمول ارزش طول عمر مشتری بر اساس احتمال ماندگاری بیان می‌شود:

محاسبه ارزش طول عمر مشتری بر اساس احتمال ماندگاری

که در آن m و AC مثل قبل هستند،

t نشان‌دهنده بازه زمانی (سال یا ماه) است،

و st احتمال این است که مشتری رابطه خود را با شرکت در دوره t حفظ کند.

عبارت (m*st) معادل حاشیه فروش مورد انتظار از مشتری در دوره T است و احتمال اینکه مشتری در این دوره رابطه خود را پایان دهد و یا اینکه در دوره قبل تصمیم گرفته ارتباط خود را پایان دهد، را نیز در نظر می‌گیرد.

اگر فرض کنیم که نرخ ریزش و نرخ نگهداری در طول زمان عوض نمی‌شوند، می‌توانیم بنویسیم:

محاسبه ارزش طول عمر مشتری بر اساس نرخ نگهداری و ریزش

جمع این عبارت به ازای تمام دوره‌ها، فرمول ساده زیر را ارائه می‌دهد:

محاسبه ارزش طول عمر مشتری بر اساس نرخ نگهداری و ریزش ساده شده

هر دوی این عبارت‌ها به نحوی مفید هستند. اولین مورد این مزیت را دارد که حاشیه فروش مورد انتظار را در هر بازه کاملاً نشان می‌دهد ولی دومی با سادگی بیشتری محاسبه می‌شود.

مثال عددی محاسبه ارزش طول عمر مشتری بر اساس احتمال ماندگاری

با ادامه از مثال قبل، به‌خاطر آورید که فروشگاه برای جذب الکساندر ۲۰ دلار هزینه کرده و انتظار می‌رود که در هر سال، ۵۰ دلار از او حاشیه فروش به دست آورد تا زمانی که او مشتری است. می‌توانیم ارزش طول عمر الکساندر را به دو روش تعیین کنیم:

با استفاده از عبارت دوم، می‌توانیم به سادگی مقدارها را داخل فرمول قرار دهیم تا مشخص شود که ارزش طول عمر او ۴۸۰ دلار است. فروشگاه برای جذب او ۲۰ دلار هزینه کرده و در طول زمان قرار است ۵۰۰ دلار از او به دست آورد.

رابطه اول پیچیده‌تر است ولی اطلاعات بیشتری در مورد فرضیه‌های استفاده شده در رابطه، می‌دهد. با استفاده از نرخ نگهداری افرادی که به مد اهمیت می‌دهند، فرض می‌کنیم که احتمال حفظ الکساندر در بازه t برابر با RRt-1 است. بنابراین، حاشیه فروش مورد انتظار از او به صورت زیر خواهد بود:

مثال محاسبه ارزش طول عمر مشتری با احتمال ماندگاری

اگر با همین روند ادامه دهیم (به عنوان تمرین در اکسل ادامه دهید)، حاشیه فروش مورد انتظار در سال ۲۵ برابر با ۳٫۹۹ دلار و در سال ۵۰ برابر با ۰٫۲۹ دلار خواهد بود.

اگر به اندازه کافی در آینده جلو برویم، احتمالی که الکساندر همچنان در رابطه با فروشگاه باقی بماند بسیار کم می‌شود و درنتیجه حاشیه فروش مورد انتظار او فراتر از آن نقطه نیز بسیار کوچک است. می‌توانیم به سادگی سری سالانه حاشیه فروش مورد انتظار او را در یک بازه زمانی طولانی جمع کنیم تا حاشیه فروشی که از این مشتری انتظار می‌رود را تخمین بزنیم. با این کار می‌بینیم که انتظار می‌رود الکساندر در ۲۵ دوره اول ۴۶۴٫۱۱ دلار حاشیه فروش و در ۵۰ دوره اول ۴۹۷٫۴۲ دلار حاشیه فروش ایجاد کند.

هرچند این فرمول پیچیده‌تر است، به صراحت نشان می‌دهد که حاشیه فروش مورد انتظار در دوره‌های آینده دور چقدر است. اگر عدد به دست آمده بزرگ باشد، جای نگرانی وجود دارد. آیا واقعاً می‌توان انتظار داشت که الکساندر تا پنجاه سال آینده مشتری ما باشد؟ اگر بله، چه میزان به فرضیات مدلمان برای این پیش‌بینی‌ها اعتماد داریم؟ به‌علاوه، آیا نباید نگران ارزش زمانی پول باشیم؟

در ادامه در بخش سوم در خصوص کاربرد ارزش زمانی پول در فرمول بحث می‌کنیم.

محمدرضا سلطانی

نظر دهید