LTV клиента: что это, как считать и почему цифру считают неверно (формулы и правило 3 к 1, 2026)

LTV (от английского Life Time Value) это сколько прибыли один клиент приносит компании за всё время, пока покупает у неё. Показатель нужен, чтобы понять, сколько можно потратить на привлечение клиента и какие каналы окупаются за месяцы и годы, а с первой покупки выглядят убыточными. Простейшая запись: средний чек, умноженный на число покупок и на валовую маржу.

Если вам нужен ИИ-сотрудник, который ведёт клиента после покупки и напоминает о себе, быстрее всего собрать ИИ-продавца в Ное: российский сервис, оплата в рублях, 7 дней бесплатно.

Коротко

• Что это. Прибыль с одного клиента за всё время отношений. Считать нужно по марже: по выручке цифра завышена.
• Формулы. Для повторных покупок: средний чек × число покупок × маржа. Для подписки: ARPU × маржа ÷ отток за тот же период. Для бизнеса, где данных много: накопленная прибыль когорты, делённая на число клиентов.
• Где врёт. Выручка вместо маржи (+67% в нашем примере), смешение месячного ARPU с квартальным оттоком (цифра в 2,9 раза ниже), забытое дисконтирование (−22%), одно среднее на разных клиентов (−38% в примере Фейдера и Харди).
• LTV к CAC. «Не ниже 3 к 1» это ориентир Скока для подписочных компаний, норматива за ним нет. Главное, что нужно сверять: срок окупаемости привлечения.
• Метрика и Директ. В Метрике есть когортный отчёт и отчёт «Клиенты» из CRM, отдельного показателя LTV нет. Заказ из CRM нужно передать в Метрику в пределах 21 дня, иначе он не привяжется к визитам.
• Рычаги. Средний чек, частота, срок жизни, маржа. Свой замер: 28,9% людей присылают в чат ИИ-продавца одно сообщение и больше не пишут.
• Чего нет. Мы не считали LTV на реальных финансах компаний: цифры отраслевых средних без источника в статью не вошли.

Что такое LTV простыми словами

LTV показывает, сколько денег приносит один клиент за всё время, пока он покупает. Если смотреть только на первую покупку, решение «реклама не окупается» может быть неверным: человек вернётся ещё 3 раза, и канал окажется выгодным. Если не смотреть на маржу, можно решить наоборот: выручка большая, а прибыли нет.

Показатель называют по-разному: LTV, CLV (Customer Lifetime Value), пожизненная ценность клиента, ЛТВ. В поиске по слову «ltv» много запросов про камеры видеонаблюдения одноимённого производителя, поэтому для маркетингового смысла к запросу добавляют «что это в маркетинге».

Директ в справочной статье от 26 ноября 2025 года описывает LTV как «сколько дохода принесёт клиент за всё время сотрудничества». Мы считаем правильнее говорить о прибыли: доход без маржи легко приводит к ошибке, о которой сказано ниже.

Чтобы не путать LTV с соседними показателями, сравните их в одном месте.

Для расчёта нужны 4 числа: сколько клиент платит за заказ, как часто покупает, сколько времени остаётся и какая доля выручки остаётся компании после прямых расходов (валовая маржа). Всё остальное строится на них.

Ещё одно различие, которое часто теряют: историческая и прогнозная ценность. Историческая LTV это то, что клиент уже принёс. Прогнозная это оценка того, что он принесёт, если сохранит привычки. Первая считается по фактам и не требует допущений, вторая всегда допущение. Директ в той же статье называет LTV прогнозом: поведение клиентов меняется, и точной цифрой он не бывает.

Какую формулу выбрать

Единой формулы нет: она зависит от того, как клиенты платят. В таблице четыре типичных случая. Числа условные, чтобы показать порядок расчёта.

Повторные покупки

Формула: LTV = средний чек × число покупок за период × срок жизни × валовая маржа. Магазин с чеком 2 800 ₽, 4 покупками в год, клиентом, который остаётся 2,5 года, и маржой 30% получает 28 000 ₽ выручки на клиента и 8 400 ₽ прибыли. Если допустимый CAC взять по правилу «3 к 1», получится 2 800 ₽ на привлечение клиента: цифра для первой проверки, до вывода далеко.

Директ в той же справочной статье показывает такую же логику: «Если один клиент приносит 5 000 ₽ в год, а отток 10%, показатель вырастает до 50 000 ₽». Здесь оценка срока жизни и есть отток: при оттоке 10% в год клиент живёт в среднем 10 лет.

Подписка

Для подписки, сервисов, абонементов формула проще: LTV = ARPU × маржа ÷ отток. Если в месяц приходит 1 500 ₽ с клиента, маржа 60%, а отток 5% в месяц, то LTV = 1 500 × 0,6 ÷ 0,05 = 18 000 ₽, а средний срок жизни = 1 ÷ 0,05 = 20 месяцев.

Обратите внимание, что период оттока и период ARPU должны совпадать. Если взять месячный ARPU и квартальный отток, получится другое число: ниже мы покажем какое.

Формула держится на допущении, что отток каждый месяц одинаков. На деле у новых клиентов он выше, у «старых» ниже. Подробнее об этом в разделе «Где простая формула врёт».

Когорты: считаем по фактам

Когорта это группа клиентов с общим признаком, чаще всего с месяцем первой покупки. Для когорты LTV считают так: суммируют прибыль всех её клиентов за 3, 6, 12 месяцев с момента первой покупки и делят на число клиентов в когорте. Получается кривая: на сколько растёт ценность клиента по мере жизни.

Плюс когорт: им не нужны формулы срока жизни и оттока, они работают с фактами. Минус: чтобы увидеть 12 месяцев, нужно подождать 12 месяцев. Поэтому когорты хороши для проверки формулы: если по формуле за 6 месяцев вышло 9 000 ₽, а когорта за те же 6 месяцев принесла 6 500 ₽, допущения формулы о сроке жизни не подтверждаются.

Дисконтирование: деньги в будущем стоят дешевле

Деньги, которые клиент принесёт через год, сегодня стоят меньше: за год их можно было бы вложить под процент. Поэтому в точных расчётах будущую прибыль приводят к сегодняшнему дню. Формула, в которой маржа за период m, удержание за период r и ставка дисконта за период i: LTV = m × r ÷ (1 + i − r). Такой вид приводят в учебной литературе, его связывают с работами Гупты и Леманна; мы проверили его самостоятельно как сумму убывающей геометрической прогрессии.

Пример: прибыль с клиента 1 000 ₽ в год, удержание 80%, ставка 10%. Без дисконта LTV = 1 000 × 0,8 ÷ 0,2 = 4 000 ₽. С дисконтом: 1 000 × 0,8 ÷ (1 + 0,1 − 0,8) = 2 667 ₽. Разница 33%, и чем длиннее жизнь клиента, тем она больше. Для магазина, где клиент живёт 1–2 года, ею можно пренебречь. Для B2B-контракта на 3–5 лет или для долгой подписки пренебрегать нельзя: Директ в той же справочной статье пишет, что такой метод применяют там, где клиент остаётся на годы.

Пример: одна компания и шесть цифр

Возьмём условный онлайн-сервис по подписке: ARPU 1 500 ₽ в месяц, валовая маржа 60%, отток 5% в месяц. Ниже все способы, какими эту компанию можно «посчитать», и что при этом выходит.

Дисконт 20% годовых мы перевели в месячную ставку 1,53%, платёж за первый месяц считаем сразу.

Из таблицы видно три вещи. Первая: ошибка в определении может быть больше, чем разница между хорошим и плохим бизнесом. Вторая: LTV очень чувствителен к оттоку: один процентный пункт в месяц меняет цифру на 17–25%. Третья: допустимый CAC определяется этой цифрой. Если взять правило 3 к 1 и «верный» LTV 18 000 ₽, привлечение клиента может стоить до 6 000 ₽, а при цифре по выручке 30 000 ₽ допустимо уже 10 000 ₽: компания переплатит на 67%.

Про смешение периодов одна из страниц топа пишет, что месячный ARPU, делённый на квартальный отток, «завышает LTV в три раза». Арифметика говорит обратное: квартальный отток примерно втрое больше месячного, поэтому в знаменателе число больше, а результат меньше. В нашем примере 6 310 ₽ вместо 18 000 ₽. Направление ошибки полезно знать: если цифра вышла втрое меньше ожидаемой, проверьте периоды отчёта и оттока.

Где простая формула врёт: клиенты не одинаковы

Формула «ARPU ÷ отток» берёт один средний отток и применяет его ко всем клиентам. Питер Фейдер (Wharton) и Брюс Харди (London Business School) показали в журнале Marketing Science (2010, том 29, № 1, с. 85–93), что у реальных клиентов это приводит к заниженной оценке ценности базы.

Это условный пример авторов. Компания продаёт годовые контракты по 100 $, ставка дисконта 10%. Пять годовых когорт по 10 000 клиентов, на конец 2007 года остаётся 26 569 клиентов. В последний год удержание по всем когортам вместе составило 69,1%. Если применить стандартную учебниковую формулу с этим числом, ценность оставшейся базы выйдет 4 945 049 $.

Но на деле клиентов два типа: треть с удержанием 90% в год и две трети с удержанием 50%. Со временем «плохие» уходят быстрее, и удержание когорты растёт: в первой когорте оно прошло путь 63,3%, 68,9%, 74,7%, 79,8%. Если это учесть, ценность базы 7 940 992 $. Простая формула занижает её на 38%.

Мы пересчитали обе цифры по условиям статьи. Наивный расчёт даёт те же 4 945 049 $, а расчёт с двумя типами клиентов 7 941 650 $: разница с оригиналом в 0,01% из-за округления долей сегментов.

Что из этого следует практически:

• Не пользуйтесь одним средним оттоком для всей базы. Если можете, разбейте клиентов хотя бы на 2–3 группы: по каналу привлечения, по тарифу, по месяцу прихода.
• Смотрите удержание по когортам. Если у каждой когорты оно с возрастом растёт, это признак смеси разных типов клиентов (так объясняют рост авторы), и простая формула недооценивает ценность тех, кто остался.
• Яндекс Реклама в статье на Хабре от 6 августа 2026 года советует то же: «LTV стоит анализировать по когортам и сегментам». Пример оттуда: средний LTV 100 000 ₽ может скрывать, что 20% клиентов приносят по 300 000 ₽, а остальные 80% по 50 000 ₽.

LTV и CAC: откуда взялось правило 3 к 1

CAC (Customer Acquisition Cost) это сколько стоит привлечь одного клиента: все затраты на маркетинг и продажи за период, делённые на число привлечённых клиентов. Сравнение LTV с CAC показывает, окупается ли привлечение. Если LTV меньше CAC, каждый новый клиент приносит убыток.

В большинстве статей идёт дальше: LTV должен быть минимум втрое больше CAC. Мы разобрали, откуда это.

Первоисточник. Дэвид Скок, венчурный инвестор, в материале «SaaS Metrics 2.0» на forEntrepreneurs пишет, что лучшие SaaS-компании имеют отношение LTV к CAC выше 3, иногда 7 или 8. Эти ориентиры он называет «ранними догадками», которые «хорошо выдержали проверку», и добавляет (в нашем переводе): «Я должен подчеркнуть, что это только ориентиры, всегда есть ситуации, когда их стоит нарушить». Материал написан про SaaS и подписочный бизнес.

Что пишут сейчас:

Мы скачали все 34 страницы и разобрали их по признакам, спорные места прочитали сами. Ссылки на какие-либо первоисточники по теме есть у 2 страниц: Unisender отправляет к другим материалам Скока (не к тексту с правилом), upmetric к статье HBR 2014 года и при этом пересказывает её цифру 25–95% как рост прибыли от роста LTV на 5%, хотя в HBR речь об удержании.

Что делать с этим на практике.

1. Считайте допустимый CAC как рабочую гипотезу. При LTV 8 400 ₽ и правиле 3 к 1 допустимый CAC 2 800 ₽. Это стартовая граница для проверки.
2. Считайте срок окупаемости. Скок отдельно вводит второй ориентир «months to recover CAC»: за сколько месяцев вернутся затраты на привлечение. В примере подписки: CAC 6 000 ₽ ÷ (1 500 ₽ × 60%) = 6,7 месяца. Для бизнеса, где деньги дороги, срок окупаемости важнее отношения.
3. Считайте CAC честно. Яндекс Реклама на Хабре приводит пример: LTV по выручке 60 000 ₽ и CAC 5 000 ₽ дают 12 к 1. Но при марже 30% LTV становится 18 000 ₽, а если в CAC включить зарплаты и сервисы, он вырастает до 10 000 ₽: отношение 1,8 к 1. В другом примере оттуда пересчёт с учётом маржи и полного CAC меняет 4 к 1 на 1,2 к 1.
4. Сравнивайте по каналам. Условно: один канал даёт CAC 1 500 ₽ и LTV 6 000 ₽, другой CAC 4 500 ₽ и LTV 18 000 ₽. Отношение 4 к 1 в обоих случаях, но деньги на привлечение вернутся в разные сроки, а масштаб разный.

ROMI с учётом LTV

ROMI (окупаемость маркетинговых вложений) обычно считают по первой покупке. Пример: затраты на рекламу 50 000 ₽, привлечено 20 клиентов, LTV одного 18 000 ₽, первая покупка 4 000 ₽. Тогда ROMI = (18 000 × 20 − 50 000) ÷ 50 000 × 100% = 620%. По первой покупке было бы (4 000 × 20 − 50 000) ÷ 50 000 × 100% = 60%. Канал с 60% легко отключить, а он приносит 620%. Подробнее про соседние показатели: ROI в продажах и маркетинге. Не забывайте: LTV в этой формуле должен быть тоже по марже и за понятный горизонт.

Как посчитать LTV по выгрузке из CRM

Для расчёта хватает выгрузки заказов с тремя колонками: идентификатор клиента, дата заказа, сумма. Если есть себестоимость или маржа, добавьте её. Порядок такой.

1. Выгрузите заказы за период, который длиннее горизонта расчёта: для LTV за 180 дней нужны клиенты, пришедшие не позже чем 180 дней назад.
2. Для каждого клиента найдите дату первого заказа.
3. Сложите его заказы в окне от первого заказа до первого заказа плюс 180 дней.
4. Умножьте на маржу (если маржи по заказам нет, возьмите общую).
5. Усредните по клиентам. Это LTV за 180 дней.
6. Разбейте клиентов по месяцу первого заказа и посчитайте то же по каждой группе: получится кривая по когортам.
7. Сравните с CAC того же периода и того же канала.

В Excel это сводная таблица по клиентам и когортам или формула СУММЕСЛИМН с условием по датам. В базе данных тот же расчёт делает такой запрос (PostgreSQL, таблица orders):

WITH first AS (
  SELECT client_id, MIN(order_date) AS first_date
  FROM orders GROUP BY client_id
), per_client AS (
  SELECT f.client_id, SUM(o.amount_rub) AS revenue
  FROM first f JOIN orders o ON o.client_id = f.client_id
   AND o.order_date BETWEEN f.first_date AND f.first_date + 180
  GROUP BY f.client_id
)
SELECT AVG(revenue) AS ltv_revenue, AVG(revenue) * 0.35 AS ltv_margin
FROM per_client;

Мы проверили логику запроса на нашей выгрузке: ответ совпал с точным расчётом. Если разбираетесь в таблицах и не хотите писать запросы, посмотрите, как поручить разбор выгрузки нейросети.

Промпт для ИИ: LTV по выгрузке заказов

Прежняя версия давала общий совет «попросите нейросеть». Новая версия фиксирует определение: окно в днях, маржу и таблицу результатов, чтобы цифру можно было проверить. Что подготовить: выгрузку заказов (client_id, order_date, amount_rub), валовую маржу, горизонт в днях. Для больших выгрузок передавайте итоговую таблицу по клиентам вместо сырых строк.

Ты аналитик маркетинга. Ниже выгрузка заказов за период [дата начала]–[дата конца]: колонки client_id, order_date (ГГГГ-ММ-ДД), amount_rub. Валовая маржа — [маржа в процентах] от выручки.

Задача: посчитать клиентскую ценность (LTV) за [горизонт в днях] дней и показать, из чего она складывается.

Правила:
1. Считай только по этим данным. Ничего не выдумывай и не округляй до «красивых» чисел.
2. Сначала выведи таблицу «Что посчитано»: число клиентов, число заказов, выручка, средний чек, заказов на клиента, доля клиентов с двумя и больше заказами.
3. LTV за [горизонт] дней после первой покупки: для каждого клиента сложи его заказы от даты его первого заказа до +[горизонт] дней включительно, затем усредни по клиентам. Дай два значения: по выручке и по марже.
4. Таблица когорт: когорта = месяц первого заказа; для каждой число клиентов и суммарная выручка за весь период.
5. Если клиент пришёл позже, чем за [горизонт] дней до конца выгрузки, не включай его в LTV и напиши, сколько таких клиентов.
6. Если какое-то число невозможно получить точно по тексту выгрузки, напиши «не посчитано» и дай формулу для Excel или SQL, которая это посчитает. Оценки «примерно» не принимаются.
7. В конце блок «Проверка»: сумма выручки по когортам равна общей выручке, число клиентов по когортам равно общему.
8. В конце напиши, что сделано на допущении и что мне проверить самому.

Данные:
[вставьте выгрузку]

Что показал прогон

Мы подготовили условную выгрузку: 60 клиентов, 112 заказов, 577 290 ₽ выручки, январь–сентябрь 2026 года, маржа 35%. Эталон посчитали скриптом: LTV за 180 дней 9 327 ₽ по выручке и 3 265 ₽ по марже. Дальше прогнали два варианта запроса на двух моделях через шлюз нашей платформы: короткий «посчитай LTV» и промпт выше (с подставленными 180 днями и 35%).

Что мы проверили в ответах:

• Арифметика верна в обоих. Число клиентов 60, заказов 112, выручка 577 290 ₽, средний чек 5 154 ₽, 34 клиента с двумя и больше заказами (56,7%), когорты 27, 17 и 16 клиентов с выручкой 266 230, 188 490 и 122 570 ₽, четыре заказа за пределами окна на 17 660 ₽, помесячные суммы, топ-5 клиентов. Числа из ответов (клиенты, заказы, выручка, когорты, окно, разложение LTV) мы сверили скриптом: расхождений нет.
• Короткий запрос дал не ту цифру. Обе модели выдали «LTV за период по выручке»: 9 622 ₽ против 3 265 ₽ по марже за 180 дней. Это завышение почти в 3 раза. В счёте нейросеть здесь не ошиблась: она взяла другое определение. Вторая модель честно написала «по выручке, без учёта себестоимости», Sonnet сам предложил «при марже 30% получится ≈ 2 886 ₽», что тоже не соответствует вашей марже.
• Один прогон вернул пустой ответ. Sonnet 5.5 на промпте с правилами при потолке ответа 9 000 токенов потратил его весь на рассуждение и вернул пустоту (в журнале причина «length»). При потолке 24 000 токенов ответ пришёл за 72 секунды и оказался полностью верным. Если нейросеть «молчит», проверьте лимит ответа.
• Проверка в конце промпта работает. Обе модели сложили когорты и сверили с общей выручкой.

Что остаётся допущением и на что смотреть вам: прогон шёл на 112 строках, на выгрузках в тысячи строк мы его не проверяли, поэтому для больших данных просите формулу или запрос вместо готовых сумм. Горизонт и маржу вы задаёте в промпте сами, нейросеть их не придумывает.

Что умеют Яндекс Метрика и Директ

Мы открыли справку Яндекса и сверили её со статьями из выдачи.

Когортные отчёты. В справке Метрики есть страница «Когортный и Retention отчеты» (меню «Отчеты» → «Retention»). Там четыре представления (когортный анализ, Retention, Rolling Retention и Retention Dynamics), а среди задач прямо названо «оценить долгосрочную ценность пользователей: сколько визитов, просмотров, конверсий или дохода создают разные группы». Сам показатель LTV отчёт не выводит, но его можно прочитать из накопленного дохода на пользователя. Расшифровка «LTV: пожизненная ценность клиента; доход за все время сотрудничества» есть в справке лишь как пояснение к аббревиатуре.

Отчёт «Клиенты». Он появляется после загрузки клиентов и заказов из CRM (подключение к Битрикс24 и amoCRM описано в справке) и показывает ценность каждого покупателя: сколько принёс дохода, сколько заказов, средний чек. В справке прямо сказано, что отчёт не содержит сведений о визитах: источник привлечения придётся связывать отдельно.

Окно в 21 день. Метрика привязывает заказ к ближайшему по времени визиту посетителя, если заказ передан в пределах 21 дня от текущей даты; заказ, совершённый 22 дня назад, к визитам не привяжется. После привязки заказ можно менять в течение следующих 111 дней с начала визита. Следствие для LTV: заказы надо отправлять в Метрику по мере появления; пакет за квартал к визитам уже не привяжется. Заказ без привязки виден только в отчёте «Посетители и клиенты», в остальных отчётах Метрики его нет, а цели, связанные со статусами такого заказа, в Директ не передаются. Историю за месяцы для LTV по каналам надёжнее считать в CRM или таблице по идентификатору клиента.

Что в Директе. Справка Директа описывает «Доход» (считается по выбранным целям, у которых передаётся сумма) и «Ценность конверсий» (задаётся вручную в стратегии или берётся из дохода). Страницы или стратегии с названием LTV в оглавлении справки Директа на 6 октября 2026 года мы не нашли. В блоге Директа сказано, что стратегии «Целевая цена цели» и «Оптимизация конверсий» «автоматически направляют бюджет на клиентов, которые с большей вероятностью принесут максимальный доход». Эти стратегии работают с целями и доходом, которые вы передаёте. Чтобы повторные покупки влияли на рекламу, их надо передавать как конверсии с суммой, и 21 день на привязку остаётся ограничением.

Как поднять LTV

Из формулы LTV следуют 4 рычага: средний чек, частота покупок, срок жизни клиента и маржа. Любое действие по росту показателя сводится к одному из них, и полезно сначала понять, какой рычаг слабее всего у вас.

Директ советует тот же набор: рост среднего чека (апсейлы и кросс-продажи, наборы, порог бесплатной доставки), частота (подписка, напоминания), удлинение цикла, сервис и рассылки. Универсальный совет «повышайте LTV» бесполезен без замера: сначала цифра, потом гипотеза.

Свой замер: как часто люди возвращаются в чат

Чтобы понять частоту возврата, мы сделали срез по платформе, где ИИ-продавцы отвечают клиентам бизнесов. Срез: 3 933 случайных диалога из 110 кабинетов, созданных 90–360 дней назад, с хотя бы одним сообщением клиента. В расчёте участвовали только даты клиентских сообщений.

Второй срез с другим случайным зерном (3 884 диалога, 113 кабинетов) дал 18,6% и 4,6%: результат устойчив. Как читать эти цифры. Это возвраты в чат: человек мог вернуться с вопросом по заказу, а за новой покупкой не прийти. Бизнесы у нас разные, поэтому цифры нельзя переносить на ваш: считайте свои. Но порядок виден: почти треть людей присылает одно сообщение, и дальше инициатива у компании, потому что сами возвращаются немногие.

Что делать с этим:

• Договоритесь, что считается «возвращением»: второй заказ, второй визит или второй диалог. Без определения цифра не сравнима.
• Задайте интервалы касаний после первой покупки: например, через 7, 30 и 90 дней. Какие интервалы подходят вашему продукту, покажет когорта: возьмите срок, на который приходится спад.
• Поручите регулярные касания автоматике: цепочки, напоминания, сообщения «ваш запас заканчивается» нужны, чтобы инициатива не зависела от памяти менеджера.

Контент и поддержка после покупки

После первой покупки клиент уже знает вас, и это удобное время для полезных писем и сообщений: как пользоваться, что с чем сочетается, когда пора обновить. Пример воронки прогрева для услуги с долгим решением смотрите в разборе воронки прогрева для стоматологии. Контент на удержание планируется отдельно от контента на привлечение: у него другие адресаты, и как собрать для каждой группы короткую серию, разобрано в материале про контент-план. Репутация в поиске тоже влияет на повторные покупки: что отвечать на отзывы, чтобы они работали, описано в статье про ответы на отзывы.

Программы лояльности и сегменты

Лояльность не делает клиента верным сама по себе, но подталкивает к повторному заказу: баллы, уровни, ранний доступ. Выбрать сервис и механику поможет обзор программ лояльности для бизнеса. Чтобы понимать, кого удерживать в первую очередь, базу делят по давности, частоте и сумме покупок: RFM-анализ.

Отдел продаж и LTV

Если у вас есть менеджеры, измеряйте их не только по первой сделке. Три практики, которые не требуют отдельного бюджета: автоматические задачи в CRM через 7, 30 и 90 дней после покупки; опрос после сделки с разбором низких оценок; и премия за повторные покупки закреплённых клиентов вместе с премией за новых. Какой эффект это даст, зависит от вашей базы: посчитайте сами, сравнив средний LTV клиентов, с которыми менеджер поддерживал контакт, и клиентов без касаний за один период, и только после этого принимайте решение о масштабе.

Если первое касание клиента сейчас теряется до менеджера, начните с ИИ-продавца для первого касания: он отвечает клиентам круглосуточно в Телеграме, WhatsApp, на Авито и на сайте. А как LTV связан с воронкой в целом, смотрите в руководстве по воронке продаж.

Когда LTV считать рано или не нужно

• Нет данных за горизонт. Если бизнесу 3 месяца, LTV за год это прогноз по данным за 3 месяца. Считайте LTV за тот срок, который уже прошёл, и называйте его так: LTV за 90 дней.
• Покупка разовая по природе. Квартира, ремонт, свадебное платье: повторов нет, и ценность клиента лучше считать через рекомендации и сопутствующие продажи.
• Очень мало клиентов. Один крупный клиент сильно сдвигает среднее. Смотрите по каждому клиенту отдельно.
• Нет маржи. Без неё получится показатель выручки. Лучше назвать его так и не сравнивать с CAC.
• Нельзя связать клиента между заказами. Если нет идентификатора, у вас считаются заказы, и клиентов в этих цифрах нет.

Типичные ошибки

1. Считают по выручке без маржи. Завышение в нашем примере 67%.
2. Смешивают периоды. Месячный ARPU и квартальный отток дают цифру в 2,9 раза меньше.
3. Не учитывают дисконт там, где клиент живёт годы: до 22% разницы в примере со ставкой 20%.
4. Берут одно среднее на всех. В примере Фейдера и Харди это минус 38% от стоимости базы.
5. Считают CAC только по рекламе. Зарплаты, сервисы и подрядчики входят в стоимость привлечения.
6. Верят «норме» 3 к 1 как закону. Это ориентир для подписки, и срок окупаемости важнее.
7. Сравнивают цифры разных определений. «LTV за всё время» и «LTV за 180 дней» не сравнивают, как и выручку с маржой.

Частые вопросы

Что такое LTV простыми словами?

Сколько прибыли приносит один клиент за всё время, пока покупает. Он нужен, чтобы понимать, сколько можно тратить на привлечение и какие каналы выгодны на длинной дистанции.

Как рассчитать LTV клиента?

Для повторных покупок: средний чек × число покупок за период × срок жизни × валовая маржа. Для подписки: ARPU × маржа ÷ отток за тот же период. Для надёжной оценки используйте когорты: прибыль группы клиентов за выбранный горизонт, делённая на число клиентов.

Какой LTV считается хорошим?

Единого уровня нет. Яндекс Директ даёт общий ориентир «втрое выше стоимости привлечения», а Яндекс Реклама на Хабре говорит, что универсального норматива не существует. Сравнивайте со своим CAC и сроком окупаемости: если привлечение окупается за срок, который вы готовы ждать, цифра хорошая.

Чем LTV отличается от ARPU и среднего чека?

Средний чек это сумма одного заказа, ARPU это выручка на клиента за период, а LTV собирает всю историю клиента и умножает на маржу. Первые два показывают текущий поток, LTV показывает ценность отношений.

Считать LTV по выручке или по прибыли?

По прибыли. При марже 30% LTV по выручке завышен более чем в 3 раза, а допустимый CAC, выведенный из него, приведёт к убыткам. Если маржи нет, называйте показатель «LTV по выручке» и не сравнивайте его с CAC.

Как посчитать LTV в Яндекс Метрике?

Прямого показателя LTV в Метрике нет. Откройте «Отчеты» → «Retention», выберите когортный анализ и метрику «Доход на пользователя» по цели с передачей суммы. Для продаж, которые идут через CRM, используйте отчёт «Клиенты»: он строится по загруженным клиентам и заказам. Чтобы заказы попали в отчёты по источникам, передавайте их в Метрику в течение 21 дня.

Что такое жизненный цикл клиента и срок жизни?

Срок жизни это время от первой покупки до ухода клиента. Для подписки его оценивают как 1 ÷ отток: при оттоке 5% в месяц это 20 месяцев. Для магазина срок жизни определяют по когортам: сколько месяцев клиенты ещё делают заказы.

Как увеличить LTV?

Выберите слабый рычаг из четырёх: средний чек, частота, срок жизни, маржа. Затем проверьте гипотезу на группе клиентов и сравните с контрольной: допродажа, подписка, касание через 30 дней. Универсальных «поднимет на 25%» цифр без вашего замера нет.

Что такое LTV к CAC и каким оно должно быть?

Отношение пожизненной прибыли с клиента к стоимости его привлечения. Ориентир 3 к 1 предложен для подписочных компаний (Скок), а для интернет-магазинов Яндекс Реклама называет около 2–3 к 1. Надёжнее смотреть срок окупаемости привлечения в месяцах.

Что вычитать, когда считаешь маржу для LTV?

Прямые расходы, которые возникают с каждой продажей: себестоимость товара или услуги, комиссии платёжных систем и маркетплейсов, доставку, возвраты, скидки и бонусы. Яндекс Реклама на Хабре перечисляет себестоимость, логистику, комиссии и возвраты как то, что завышает LTV, если его не учесть. Расходы, которые есть при любом числе клиентов (аренда, постоянные зарплаты), в маржу не входят: они попадают в CAC и в общую прибыль.

Почему LTV получается огромным, хотя реальные клиенты столько не тратят?

Чаще всего по трём причинам. Первая: формула ARPU ÷ отток при маленьком оттоке даёт очень долгий срок жизни: при оттоке 1% в месяц это 100 месяцев, хотя наблюдали клиентов год. Вторая: LTV посчитан по выручке. Третья: несколько крупных клиентов тянут среднее вверх, о чём пишет и Яндекс Реклама. Ограничьте горизонт сроком, который вы реально наблюдали, и смотрите рядом со средним медиану или разбивку по группам клиентов.

Что делать, если бизнес новый и повторных покупок ещё нет?

Считать историческую цифру за тот срок, который прошёл: LTV за 30 или 90 дней. Прогноз на годы по первым неделям будет догадкой. Через несколько месяцев у вас появятся первые когорты, и формулу можно будет сверить с фактом.

Может ли нейросеть посчитать LTV?

Да, если задать определение. В нашем прогоне на 112 заказах обе модели посчитали арифметику верно, но на короткий запрос «посчитай LTV» дали цифру втрое выше нужной, потому что взяли выручку за весь период. Задавайте горизонт, маржу и просите блок «Проверка». Для больших выгрузок лучше просить запрос или формулу.

С чего начать прямо сейчас

1. Выгрузите заказы за последние 12 месяцев: клиент, дата, сумма.
2. Узнайте валовую маржу по основным товарам или услугам.
3. Посчитайте LTV за 90 и 180 дней по методике выше или промптом из статьи.
4. Посчитайте CAC честно: реклама, зарплаты, сервисы, подрядчики.
5. Сравните LTV и CAC по каналам и найдите срок окупаемости.
6. Выберите один рычаг из четырёх и проверьте гипотезу на группе клиентов.

Вывод

LTV зависит от того, как его посчитали. Одна и та же компания получает от 6 310 до 30 000 ₽ в зависимости от маржи, периодов и допущений. Правило «LTV втрое выше CAC» это ориентир Скока для подписочного бизнеса, закона за ним нет, и лучшая проверка для вас: срок окупаемости привлечения и когорты по каналам. Метрика и CRM дают материал для расчёта, но показатель вам придётся собрать самим.

Как мы проверяли статью и что изменилось

Прежняя версия этой статьи была пересказом чужих текстов. Мы сверили её с 34 страницами из топа Яндекса по 8 запросам про LTV, открыли первоисточники и проверили расчётом всё, что можно проверить:

• Что оказалось неточным. Статья ссылалась на «расчёт Райхельда» из Harvard Business Review: рост удержания на 5% повышает прибыль на 25–95%. В статье самого Райхельда и Зассера 1990 года диапазон другой, 25–85% по отраслям (так её цитируют научные работы; полный текст HBR платный, мы открывали только страницу журнала), а цифру 25–95% приводит HBR в 2014 году со ссылкой на Bain, без указания работы. Фраза «повторная продажа в 5–7 раз дешевле» тоже была без источника: HBR пишет «от 5 до 25 раз, в зависимости от исследования».
• Правило «LTV втрое выше CAC». Его приводят 16 страниц из 34. Автора, Дэвида Скока, называют 6, а ссылки на текст Скока, где правило изложено, нет ни у одной. Сам Скок называет это ориентирами и пишет про подписочный бизнес. Яндекс Директ в ноябре 2025 писал «общее правило», а Яндекс Реклама в августе 2026 на Хабре: «такого норматива не существует».
• Свои расчёты. Одна и та же компания получает LTV от 6 310 до 30 000 ₽ в зависимости от того, как посчитать. В условном примере двух учёных по годовым контрактам общая формула занижает ценность клиентской базы на 38%: мы пересчитали их цифры и получили то же самое.
• Свой замер на чатах. В срезе из 3 933 диалогов ИИ-продавцов 110 кабинетов платформы 19,9% людей писали минимум в 2 разных дня, а у 4,4% между первым и последним сообщением прошло 30 дней и больше. Это возвраты в чат, покупки тут ни при чём, но срез показывает, как редко клиент возвращается сам.
• Прогон нейросетей. Мы дали двум моделям выгрузку из 112 заказов. Арифметику они посчитали верно, но на вопрос «посчитай LTV» ответили цифрой, которая почти втрое выше точной по марже. Расхождение возникло из-за определения, и промпт в разделе про расчёт по выгрузке из CRM его фиксирует.

Источники: Яндекс Директ, «LTV в маркетинге»; Яндекс Реклама на Хабре, «Вы считаете LTV/CAC неправильно»; David Skok, SaaS Metrics 2.0; Reichheld, Sasser, Zero Defections (HBR, 1990); Gallo, The Value of Keeping the Right Customers (HBR, 2014); Fader, Hardie, Customer-Base Valuation in a Contractual Setting (Marketing Science, 2010); справка Метрики: Когортный и Retention отчеты, загрузка данных из CRM, отчёт «Клиенты»; справка Директа: Доход и ценность конверсий.