The post has been translated automatically. Original language: Russian
If ARPU is usually considered technically incorrect, then Lifetime is often just invented. They take the best month, look at a couple loyal customers, and extrapolate this to the entire business. As a result, LTV looks beautiful, but it has little relation to reality.
Lifetime answers a simple question: how long does the client actually stay with you and pay. Not as much as I would like. It's not how long the biggest customer lives. And how long does an ordinary paying customer live on average?
Why is this important? Because it is Lifetime that, together with ARPU, forms LTV. The error here automatically inflates the entire LTV. On paper, the economy is starting to look stronger than it really is.
If you have a subscription model and a more or less stable churn, there is a simple formula:
Lifetime = 1 / churn
Example:
Monthly churn is 5% (0.05).
Lifetime = 1/0.05 = 20 months.
This means that the average customer stays for 20 months.
It is important that the periods match. If churn is calculated by months, Lifetime will also be in months.
Where the errors start
They often take churn for one successful month. Or they count on a small database, where one departed client greatly distorts the percentage. Or they don't take into account refunds and freezes. As a result, Lifetime is overestimated. If churn is unstable, Formula 1 division into churn begins to give an overly optimistic picture.
The most honest way to count Lifetime is to watch cohorts
Take the customers who came in one month and see how many of them are left after 1, 3, 6, 12 months. Based on this, you calculate the average life expectancy. No assumptions, no optimism, just real data. Cohort analysis immediately shows whether the product retains customers or whether they leave after the first period.
Courses and marketplaces often don't have subscriptions, so classic churn doesn't work. There, Lifetime is usually considered as the period between the first and last purchase. If a customer bought the first product in January 2023 and the last in January 2025, his Lifetime is 24 months. Then you can see the average for the entire cohort.
To understand whether Lifetime has been calculated honestly, ask yourself a few questions.
Is this the average for all clients, or just the best ones?
Are refunds and actual outflows taken into account?
Is there data on cohorts?
Does the period coincide with the one in which you count ARPU?
If there are no clear answers to these questions, most likely Lifetime is overestimated.
Investors like to dig here. Because Lifetime is the most convenient point for manipulation. It is enough to add a few months to the calculations, and LTV increases by tens of percent. It looks beautiful on the slide. Until the first detailed question.
Lifetime is not a number for presentation. This is a reflection of how much the product really retains customers. If the customers don't stay, no amount of math will save them.
If the article was useful, please like it. It motivates me to share useful information. In the next article, I will analyze Churn (customer churn).
Subscribe to my channel. There are meetings, discussions and a lot of useful things.
Если ARPU обычно считают технически неправильно, то Lifetime часто просто придумывают. Берут лучший месяц, смотрят на пару лояльных клиентов и экстраполируют это на весь бизнес. В итоге LTV выглядит красиво, но к реальности имеет слабое отношение.
Lifetime отвечает на простой вопрос: сколько времени клиент реально остается с вами и платит. Не сколько хотелось бы. Не сколько живет самый крупный клиент. А сколько в среднем живет обычный платящий клиент.
Почему это важно? Потому что именно Lifetime вместе с ARPU формирует LTV. Ошибка здесь автоматически раздувает весь LTV. На бумаге экономика начинает выглядеть сильнее, чем есть на самом деле.
Если у вас подписочная модель и более или менее стабильный churn, есть простая формула:
Lifetime = 1 / churn
Пример:
Месячный churn 5% (0.05).
Lifetime = 1 / 0.05 = 20 месяцев.
Это означает, что в среднем клиент остается 20 месяцев.
Важно, чтобы периоды совпадали. Если churn считается по месяцам, Lifetime тоже будет в месяцах.
Где начинаются ошибки
Часто берут churn за один удачный месяц. Или считают по маленькой базе, где один ушедший клиент сильно искажает процент. Или не учитывают возвраты и заморозки. В результате Lifetime получается завышенным. Если churn нестабилен, формула 1 делить на churn начинает давать слишком оптимистичную картину.
Самый честный способ считать Lifetime это смотреть когорты
Берете клиентов, которые пришли в одном месяце, и смотрите, сколько из них осталось через 1, 3, 6, 12 месяцев. На основе этого считаете среднюю продолжительность жизни. Без предположений, без оптимизма, только реальные данные. Когортный анализ сразу показывает, удерживает ли продукт клиентов или они уходят после первого периода.
В курсах и маркетплейсах часто нет подписки, поэтому классический churn не работает. Там Lifetime обычно считают как период между первой и последней покупкой. Если клиент купил первый продукт в январе 2023 и последний в январе 2025, его Lifetime 24 месяца. Дальше уже смотрите среднее по всей когорте.
Чтобы понять, честно ли посчитан Lifetime, задайте себе несколько вопросов.
Это среднее по всем клиентам или только по лучшим?
Учитываются ли возвраты и реальный отток?
Есть ли данные по когортам?
Совпадает ли период с тем, в котором вы считаете ARPU?
Если на эти вопросы нет четких ответов, скорее всего Lifetime завышен.
Инвесторы любят копать именно здесь. Потому что Lifetime самая удобная точка для манипуляции. Достаточно добавить несколько месяцев в расчетах, и LTV вырастает на десятки процентов. На слайде это выглядит красиво. До первого детального вопроса.
Lifetime это не цифра для презентации. Это отражение того, насколько продукт реально удерживает клиентов. Если клиенты не остаются, никакая математика не спасет.
Если статья была полезной, поставьте лайк. Это мотивирует мне делиться полезной информацией. В следующем материале разберу Churn (отток клиентов).
Подписывайтесь на мой канал. Там встречи, разборы и много полезного.
Share
