Юнит-анализ CAC, LTV, Churn: расчёты в Excel и Python

CAC (Customer Acquisition Cost) — стоимость привлечения клиента

Формула:

CAC = Расходы на маркетинг и продажи / Число новых клиентов

Пример: потратили 300 000 ₽, привлекли 150 клиентов.
CAC = 300 000 / 150 = 2 000 ₽

В Excel:

=B2/C2

Важно учитывать не только рекламу, но и зарплаты маркетинга, подрядчиков, CRM, креативы и инструменты аналитики.

LTV (Lifetime Value) — прибыль или выручка с клиента за всё время жизни

Базовая формула:

LTV = ARPU × Lifetime

Где:
ARPU — средняя выручка с клиента за период
Lifetime — средний срок жизни клиента

Если считать через churn:
Lifetime = 1 / Churn
Тогда:
LTV = ARPU / Churn

Пример:
ARPU = 1 500 ₽ в месяц, churn = 10%
LTV = 1 500 / 0.1 = 15 000 ₽

В Excel:

=B2/C2

Если нужна более точная модель, лучше считать маржинальный LTV:
LTV = ARPU × Gross Margin × Lifetime
Это полезнее для SaaS, подписок и e-commerce.

Churn — отток клиентов

Формула:

Churn = Ушедшие клиенты / Клиенты на начало периода

Пример:
В начале месяца было 500 клиентов, ушли 25.
Churn = 25 / 500 = 5%

В Excel:

=B2/C2

Есть два вида churn:

• customer churn — отток клиентов
• revenue churn — отток выручки

Для подписочных моделей revenue churn часто важнее.

Как интерпретировать связку метрик

Главный ориентир: LTV > CAC
Желательно, чтобы LTV/CAC был не ниже 3 ✅

Если:

• CAC растёт — дорожает маркетинг или падает конверсия
• Churn высокий — продукт не удерживает клиентов
• LTV низкий — слабая монетизация или короткий жизненный цикл клиента

Расчёты в Python

Простой пример:

```python
marketing_cost = 300000
new_customers = 150
arpu = 1500
churn = 0.10

cac = marketing_cost / new_customers
ltv = arpu / churn
ratio = ltv / cac

print("CAC:", cac)
print("LTV:", ltv)
print("LTV/CAC:", ratio)
```

Результат:

• CAC = 2000
• LTV = 15000
• LTV/CAC = 7.5

Частые ошибки ⚠️

• считать CAC только по рекламному кабинету
• сравнивать месячный CAC с годовым LTV без нормализации периода
• игнорировать валовую маржу
• считать churn по всем клиентам без когортного анализа
• принимать средние значения без сегментации по каналам

Что лучше: Excel или Python?

Excel подходит для быстрых расчётов, отчётов и проверки гипотез.
Python удобен для автоматизации, когортного анализа, прогноза churn и обработки больших массивов данных.

Итог: если вы регулярно считаете CAC, LTV и Churn, то быстрее находите убыточные каналы, видите слабые места продукта и принимаете решения на основе цифр, а не интуиции 🚀