LTV простыми
словами: формулы,
расчёт и применение

LTV (Lifetime Value) — это сколько денег один пользователь приносит продукту за всё время своей «жизни» в нём. Зарегистрировался, пользовался 8 месяцев, платил по 500 рублей в месяц — его LTV = 4 000 рублей.

Зачем это знать? Потому что LTV — это ответ на главный бизнес-вопрос: сколько можно потратить на привлечение одного пользователя? Если LTV = 4 000₽, а привлечение стоит 5 000₽ — бизнес теряет деньги на каждом клиенте. Если привлечение стоит 1 000₽ — бизнес растёт.

Зачем LTV продуктовому аналитику

Не существует «единственно правильной» формулы LTV. Способ расчёта зависит от типа продукта, доступных данных и задачи. Вот три основных подхода — от простого к точному.

Способ 1: Простая формула (для подписок)

Lifetime можно выразить через Churn: если ежемесячный churn = 5%, то средний Lifetime = 1 / 0.05 = 20 месяцев. Тогда:

Способ 2: На основе когортных данных (самый точный)

Берём когорту пользователей и считаем, сколько они реально заплатили за N месяцев. Это не прогноз — это факт. Самый надёжный способ, но требует исторических данных.

Способ 3: Прогнозный LTV через Retention

Когда исторических данных мало (молодой продукт), можно экстраполировать кривую retention и на её основе спрогнозировать LTV. Идея: если мы знаем, как затухает retention, и знаем ARPU — можем предсказать суммарную выручку.

Этот метод связывает LTV с retention — и именно поэтому retention часто называют самой важной продуктовой метрикой. Улучшая retention, вы напрямую увеличиваете LTV.

Сравнение трёх способов

LTV сам по себе — число без контекста. Он становится мощным только в связке с CAC (стоимость привлечения) и Payback Period (время окупаемости). Вместе они показывают, зарабатывает ли бизнес на каждом клиенте.

Запрос 1: Когортный LTV по месяцам

Считаем накопленный LTV для каждой когорты на каждый месяц жизни. Основной запрос, который спрашивают на собесе.

WITH cohorts AS (
  SELECT
    user_id,
    DATE_TRUNC('month', registration_date) AS cohort
  FROM users
),
monthly_revenue AS (
  SELECT
    c.cohort,
    DATE_PART('month',
      AGE(DATE_TRUNC('month', o.order_date), c.cohort)
    )::INT AS period,
    SUM(o.amount) AS revenue,
    COUNT(DISTINCT c.user_id) AS cohort_size
  FROM cohorts c
  JOIN orders o ON c.user_id = o.user_id
  WHERE o.order_date >= c.cohort
  GROUP BY c.cohort, period
)
SELECT
  cohort,
  period,
  ROUND(revenue / cohort_size, 2) AS arpu_period,
  ROUND(
    SUM(revenue) OVER (
      PARTITION BY cohort ORDER BY period
    ) / cohort_size, 2
  ) AS cumulative_ltv
FROM monthly_revenue
ORDER BY cohort, period;

Ключ — оконная функция SUM OVER с ORDER BY period. Она накапливает выручку от месяца к месяцу, давая «растущий» LTV: за 1 месяц, за 2 месяца, за 3 и т.д.

Запрос 2: LTV по каналам привлечения

Частая задача на собесе и в работе: сравнить, какой канал приводит самых ценных пользователей — не самых дешёвых, а тех, кто больше платит.

SELECT
  u.acquisition_channel,
  COUNT(DISTINCT u.user_id) AS users,
  ROUND(
    COALESCE(SUM(o.amount), 0)
    / COUNT(DISTINCT u.user_id), 2
  ) AS ltv_6m
FROM users u
LEFT JOIN orders o
  ON u.user_id = o.user_id
  AND o.order_date >= u.registration_date
  AND o.order_date < u.registration_date + INTERVAL '6 months' WHERE u.registration_date < CURRENT_DATE - INTERVAL '6 months' -- только когорты, у которых прошло 6 месяцев GROUP BY u.acquisition_channel
ORDER BY ltv_6m DESC;

Запрос 3: Простой расчёт CAC по каналам

WITH ltv_data AS (
  SELECT
    u.acquisition_channel,
    COUNT(DISTINCT u.user_id) AS users,
    COALESCE(SUM(o.amount), 0)
      / COUNT(DISTINCT u.user_id) AS ltv_6m
  FROM users u
  LEFT JOIN orders o
    ON u.user_id = o.user_id
    AND o.order_date < u.registration_date + INTERVAL '6 months' WHERE u.registration_date >= '2025-01-01' AND u.registration_date < '2025-04-01' GROUP BY u.acquisition_channel
),
spend AS (
  SELECT
    channel,
    SUM(cost) AS total_spend
  FROM marketing_spend
  WHERE spend_date >= '2025-01-01' AND spend_date < '2025-04-01' GROUP BY channel
)
SELECT
  l.acquisition_channel,
  l.users,
  ROUND(l.ltv_6m, 0) AS ltv,
  ROUND(s.total_spend / l.users, 0) AS cac,
  ROUND(l.ltv_6m / NULLIF(s.total_spend / l.users, 0), 1)
    AS ltv_cac_ratio
FROM ltv_data l
JOIN spend s ON l.acquisition_channel = s.channel
ORDER BY ltv_cac_ratio DESC;