Заказчик

NDA

Задача

Клиент работает по модели платной подписки: пользователь регистрируется, пробует продукт и потом платит. Название под NDA, поэтому дальше просто интернет-сервис.

Привет, на связи Дмитрий Шестаков из Сайткрафт. На одном проекте мы столкнулись с тем, что интернет-сервис по подписке вроде бы окупается, но пожизненную ценность клиента и допустимую цену привлечения никто не считал, а решения по рекламе принимали по оплатам первой недели. Если вы отвечаете за рост онлайн-сервиса или SaaS, ниже разбор, как мы собрали LTV по недельным когортам, вывели из него потолок цены привлечения и что из этого сработало, а что нет.

Содержание

1. Клиент и задача: подписочный сервис хотел знать, сколько можно платить за клиента

2. Точка А: кабинет показывал меньше трети итоговых оплат

3. Специфика ниши: оплата догоняет регистрацию месяцами

4. Гипотеза и решение: ценность клиента собираем снизу, из фактических оплат

5. Состав работ: 4 шага от выгрузки до потолка цены привлечения

6. Нестандартный ход: прогноз свежей недели по кривой добора

7. Когорты и кривая добора сработали, формулу оттока отложили, строку оплат переделываем

8. Результат: регистрация стоит почти втрое дороже первой оценки

9. Что забрать себе: чек-лист первого расчета

10. Частые вопросы

Клиент работает по модели платной подписки: пользователь регистрируется, пробует продукт и потом платит. Название под NDA, поэтому дальше просто интернет-сервис. Основной платный трафик идет из Яндекс Директа, рекламу и ежемесячную отчетность по ней ведем мы.

Запрос от клиента был практичный. Сколько сервис может отдавать за регистрацию и за платящего пользователя, чтобы наращивать рекламу и не уходить в минус. За ним стояли два вопроса поменьше: за какой срок окупается привлечение и можно ли доверять оплатам, которые кабинет показывает по свежим неделям.

Про цифры скажу сразу. Публиковать данные клиента нельзя, поэтому все значения ниже взяты из модели, построенной по его отчету за 2025 год: числа изменены, пропорции и динамика сохранены. Для разбора метода этого хватает, соотношения те же, что в оригинале.

До расчета решения по рекламе принимались по тому, что успело оплатиться за отчетный период. Посмотрим, как это выглядело на 13 недельных когортах первого квартала 2025 года, с 6 января по 6 апреля.

Показатель по 13 когортам

Неделя прихода Итог через полгода Регистрации 9 593 12 101 Оплаты 1 277 4 533 Оплат на 100 регистраций 13,3 37,5 Регистраций на одну оплату 7,5 2,7

В неделю прихода сервис видел 28 процентов оплат, которые эти пользователи в итоге принесли. Цена оплаты в кабинете при этом выглядела пугающе: на одну оплату первой недели приходилось семь с половиной регистраций. Любая кампания, оптимизированная на оплату, по такому срезу казалась дорогой.

Пожизненную ценность клиента, она же LTV, никто не считал. Стоимость привлечения клиента, CAC, была известна только в разрезе кабинета, без связи с тем, сколько клиент заработает сервису. Отсюда и ощущение: вроде бы окупаемся, но насколько и где предел, непонятно.

У подписочных сервисов пользователь часто регистрируется, уходит подумать и платит через несколько недель. У этого проекта кривая добора оказалась такой:

Сколько прошло с недели прихода

Доля итоговых оплат когорт Неделя прихода 28% 2 недели 37% 1 месяц 58% 2 месяца 76% 3 месяца 87% 4 месяца 94% 25 недель 100%, дальше строка не растет

Регистрации тоже подтягиваются, но слабее: за полгода когорты прибавили к своей первой неделе 26 процентов. Оплаты за тот же срок выросли в 3,5 раза. Разрыв между этими двумя кривыми и есть причина, по которой срез за месяц врал.

Вторая особенность: сезонность. Первая неделя года попала на праздники и собрала 558 регистраций при 680-815 у остальных, а оплат на 100 регистраций у нее вышло 11,5 против средних 13,3. Одна такая неделя в выборке заметно тянет среднее вниз.

Гипотеза звучала так: реальная ценность регистрации в разы выше той, что видна по первой неделе, значит, потолок цены привлечения можно поднять без ухода в минус. Проверять ее мы решили по фактическим оплатам когорт.

Учебная формула LTV выглядит заманчиво: средний платеж умножить на маржу и разделить на месячный отток. Мы ее примерили и отложили. Отток у молодого сервиса гуляет от месяца к месяцу, а деление на маленькое неустойчивое число дает разброс в разы. На условном примере: при оттоке 5 процентов клиент живет 20 месяцев, при 2 процентах уже 50. Строить бюджет на такой вилке нельзя.

Когортный анализ оплат обходится без прогноза оттока. Мы просто смотрим, сколько реально заплатили люди, пришедшие в конкретную неделю, и ждем, пока цифра перестанет расти. Удержание клиентов при этом сидит внутри таблицы и не требует отдельного отчета.

Шаг 1. Разложили регистрации и оплаты по неделе прихода

Собрали две одинаковые таблицы: по регистрациям и по оплатам. Строка соответствует неделе, когда пришли пользователи, столбец соответствует еженедельному снимку. В ячейке накопленное число, которое когорта набрала к дате снимка. Каждую неделю справа добавляется новый столбец.

Жирная зеленая диагональ показывает результат самой недели прихода, все правее нее когорта добрала потом. Слева отдельный столбец прироста с тепловой заливкой: чем темнее, тем больше оплат строка добрала после первой недели. По нему сразу видно выбивающуюся когорту с 10 по 16 марта.

Шаг недели выбрали осознанно. Месячных когорт за квартал всего три, и каждая сильно зависит от праздников и запусков. Недельных за тот же срок 13, по ним уже можно считать среднее и видеть разброс.

Шаг 2. Считали только дозревшие когорты

Когорта считается зрелой, когда ее строка перестает расти. У этого сервиса это происходит через 25 недель после прихода. В таблице такие ячейки заливаются персиковым автоматически, и зрелость видна глазом: получается ровная лесенка справа.

По 13 зрелым когортам первого квартала вышло 37,5 оплаты на 100 регистраций против 13,3 в неделю прихода. Разброс между неделями при этом большой: когорта с 17 по 23 февраля за полгода умножила свои оплаты в 2,8 раза, мартовская, с 10 по 16 марта, в 5,3 раза. Поэтому в расчет идет только среднее по многим неделям.

Когорты 10 и 24 марта принесли в неделю прихода одинаковые 99 оплат. Через полгода у первой их было 525, у второй 277.

Шаг 3. Перевели оплаты в маржу

Когортная таблица дает штуки, а юнит-экономике SaaS нужны рубли. Расчет LTV на регистрацию собрали из трех модулей:

Модуль

Что берем Где взяли Оплаты на регистрацию Итоговые оплаты зрелых когорт, деленные на их регистрации: 0,375 Когортные таблицы Средний платеж Выручка за период, деленная на число оплат за тот же период Биллинг сервиса Маржа Доля платежа после инфраструктуры, эквайринга и поддержки Финансовый учет клиента

Формула короткая: LTV на регистрацию равна оплатам на регистрацию, умноженным на средний платеж и на маржу. Рублевые значения здесь не показываю, они под NDA. Важно другое: считать по марже обязательно. Выручка без вычета себестоимости завышает ценность клиента, а платить за привлечение сервис будет из остатка.

Шаг 4. Вывели потолок цены привлечения и срок окупаемости

Потолок CAC на регистрацию считали как LTV на регистрацию, деленную на целевое отношение LTV к CAC. Взяли ходовой для SaaS ориентир 3 к 1: треть ценности уходит на привлечение, остальное остается на продукт, команду и рост.

Знаменатель выбирается под стратегию в Директе. Если кампания учится на регистрации, потолок считаем на регистрацию и сверяем с целевой ценой конверсии. Если на оплату, пересчитываем на платящего пользователя, помня, что к итогу на одну оплату приходится 2,7 регистрации, а не 7,5, как в неделю прихода.

Срок окупаемости клиента, CAC payback, нашли по той же таблице: накопленные оплаты умножаем на средний платеж и маржу и ищем столбец, где сумма догоняет бюджет, потраченный на эту неделю. Основная отдача у проекта приходится на первые три месяца, к этому сроку когорты набирают 87 процентов итога. На этом отрезке мы и планируем окупаемость рекламы.

Дмитрий Шестаков, управляющий партнер Сайткрафт

Самое полезное в этом расчете для меня даже не итоговое число, а понимание, когда смотреть. Если кампанию оценивают через неделю после запуска, она видит чуть больше четверти своей будущей отдачи. Решение резать бюджет в такой момент принимается по неполной картине, а откатить его потом дорого: автостратегия после резкой правки снова набирает статистику.

Ждать полгода, чтобы оценить каждую неделю, на практике нельзя. Поэтому мы добавили прогноз: берем оплаты свежей когорты на ее текущем возрасте и делим на среднюю долю, которую зрелые когорты набирали к тому же возрасту. Получается ожидаемый итог, и его уже можно сравнивать с потолком цены привлечения.

Проверили на тех же 13 неделях, как будто итог еще неизвестен. Средние доли посчитаны по этим же когортам, так что это проверка внутри выборки, а не честный прогноз вперед, но порядок ошибок она показывает хорошо.

Когда прогнозируем

Средняя ошибка Худший случай По неделе прихода, умножаем на 3,5 12% 33%, недобор по когорте 10 марта Через месяц, делим на 0,58 5% 16%, та же когорта Через 2 месяца, делим на 0,76 2% 4%

Вывод для работы простой. Через месяц после недели прихода прогноз уже годится для решений по бюджету, через два месяца он почти совпадает с итогом. А вот коэффициент по первой неделе сильные недели недооценивает: мартовскую когорту он оценил в 351 оплату при фактических 525.

Сводка по решениям, которые мы примеряли на проекте:

Решение

Итог Комментарий Недельные когорты Сработало За квартал 13 точек вместо трех, разброс виден сразу Порог зрелости 25 недель с автозаливкой Сработало Сразу видно, какие строки можно брать в расчет Прогноз по кривой добора Сработало с оговоркой Решения принимаем не раньше месяца после недели прихода Коэффициент по первой неделе Только для грубой оценки Ошибка до трети на выбивающихся неделях Формула через месячный отток Отложили Отток молодого сервиса нестабилен, вилка в разы Оплаты одной строкой Переделываем Не видно, где первая покупка, а где продление

На последнем пункте остановлюсь. В таблице оплаты идут общим числом, без разделения на первую оплату и продление. Для оценки LTV это не мешает, а вот причину роста строки так не разглядеть: люди долго думают перед первой покупкой или исправно продлевают подписку. Когда кривая однажды просядет, без этого разделения будет непонятно, что чинить, продукт или онбординг. Поэтому сейчас заводим две строки.

И отдельно про январь. Праздничную неделю мы оставили в расчете, но пометили. Если в вашей выборке всего пять-шесть когорт и одна из них праздничная, лучше считать среднее без нее и смотреть, насколько сдвинулся результат.

Показатель

До: по неделе прихода После: по зрелым когортам Оплат на 100 регистраций 13,3 37,5 Регистраций на одну оплату 7,5 2,7 Потолок цены регистрации Базовый уровень В 2,8 раза выше при той же марже и том же соотношении 3 к 1 Когда оцениваем кампанию По оплатам за отчетный период Не раньше месяца, по прогнозу через кривую добора Горизонт окупаемости Не определен Основная отдача за 3 месяца, хвост до полугода

Главное изменение в том, что у сервиса появилась своя цифра предела. Разговор о том, дорого или нет платить за регистрацию в Директе, теперь можно вести вокруг потолка, посчитанного из маржи и реального поведения когорт.

Есть и обратная сторона. Расход идет сегодня, а маржа возвращается частями до полугода. Если поднять бюджет вдвое, касса почувствует это раньше, чем когорты окупятся, поэтому масштабирование мы планируем вместе с запасом на этот разрыв.

Метод переносится почти на любой подписочный онлайн-сервис или SaaS. Для первого расчета достаточно двух выгрузок и таблицы:

• Выгрузите регистрации и оплаты с датой прихода пользователя и разложите их по неделям.
• Добавляйте столбец раз в неделю. Если история событий есть за прошлые месяцы, соберите таблицу задним числом.
• Настройте условное форматирование, которое красит ячейку, когда строка перестала расти.
• Считайте оплаты на регистрацию только по зрелым когортам и только средним по десятку недель и больше.
• Заведите оплаты двумя строками: первая покупка и продление.
• Попросите у финансов средний платеж и маржу. Без маржи потолок CAC завышен.
• Пересчитывайте кривую добора раз в квартал: тарифы, сезон и состав трафика ее сдвигают.

Полный пошаговый расчет пожизненной ценности клиента с формулами, типовыми ошибками и разбором CAC payback мы выложили отдельно, его можно найти в блоге Сайткрафт. Там же лежат соседние разборы по экономике каналов для SaaS и онлайн-платформ. Если ваши когорты ведут себя иначе, чем в этом кейсе, присылайте выгрузку на разбор: посмотрим, где у вас зрелость и какой потолок цены привлечения из нее следует.

Сколько когорт нужно, чтобы посчитать LTV?

Чем больше, тем спокойнее. Мы бы не опирались меньше чем на десяток зрелых недель: итог когорт одного и того же месяца у этого проекта различался почти вдвое.

Что делать, если зрелых когорт еще нет?

Считать нижнюю оценку на том горизонте, который накопился, и уточнять ее каждый месяц. Через два-три месяца истории уже видна форма кривой добора, а по ней можно прогнозировать итог свежих недель.

Какое отношение LTV к CAC брать?

Для SaaS чаще берут 3 к 1.

Почему не взять LTV из отраслевого бенчмарка?

Потому что поведение когорт у сервисов слишком разное. У этого проекта оплаты за полгода выросли в 3,5 раза к неделе прихода, у другого продукта с другим пробным периодом кривая может быть вдвое короче. Бенчмарк годится для проверки здравого смысла, для бюджета нужна своя цифра.

Подходит ли подход для B2B SaaS с годовыми договорами?

Да, но шаг берите крупнее, месяц или квартал, а горизонт хотя бы в два продления.

Как часто обновлять расчет?

Кривую добора и потолок цены привлечения пересчитываем раз в квартал. Сами таблицы обновляются еженедельно, это пара минут после выгрузки.