После урока будет понятно:

• что такое CAC;
• что показывает LTV;
• зачем считать payback period;
• почему дешёвое привлечение не всегда выгодно;
• как retention и churn влияют на экономику клиента;
• где текст может участвовать в изменении этих показателей, а где причинность нельзя утверждать без данных.

Представьте два канала привлечения клиентов для одного SaaS.

Если смотреть только на стоимость привлечения, канал А выглядит выгоднее.

Если смотреть на всю экономику клиента — картина меняется.

CAC — Customer Acquisition Cost, стоимость привлечения одного клиента.

Например, за месяц компания потратила на привлечение 300 000 ₽ и получила 30 новых платящих клиентов.

CAC = 300 000 / 30 = 10 000 ₽.

То есть в среднем привлечение одного нового клиента обошлось компании в 10 000 ₽.

В реальной аналитике состав расходов может считаться по-разному. В CAC могут входить:

• рекламные расходы;
• работа маркетинга;
• работа отдела продаж;
• агентства и подрядчики;
• инструменты;
• часть зарплат;
• другие затраты, связанные с привлечением клиента.

Допустим:

• рекламный клик стоит 100 ₽;
• регистрация — 500 ₽;
• заявка — 2 000 ₽;
• новый платящий клиент — 10 000 ₽.

Это четыре разных показателя.

Нельзя сказать: «Мы привлекаем клиента за 500 ₽», если 500 ₽ — стоимость регистрации, а до оплаты доходит только часть зарегистрировавшихся.

Поэтому при работе с маркетинговыми материалами важно понимать, какое именно событие считается конверсией.

Для SaaS это может быть:

• регистрация;
• начало trial;
• активация;
• первая оплата;
• переход на платный тариф.

Чем ближе показатель к реальной выручке, тем лучше видно экономику бизнеса.

LTV — Lifetime Value, ценность клиента за всё время отношений с компанией.

В простом представлении LTV отвечает на вопрос:

Например, клиент платит 3 000 ₽ в месяц и в среднем остаётся в SaaS 12 месяцев.

Но в реальном бизнесе расчёт может быть сложнее. Компания может учитывать:

• валовую маржу;
• разные тарифы;
• расширение подписки;
• скидки;
• снижение тарифа;
• повторную активацию;
• разную продолжительность жизни клиентов.

Поэтому в рамках курса нам важна не универсальная формула, а логика: чем дольше клиент остаётся и чем больше ценности покупает за время отношений с продуктом, тем выше его LTV.

Здесь сходятся уроки 2, 3 и 4.

В уроке 2 мы говорили о регулярной выручке. В уроке 3 — о churn и retention.

Теперь становится видно, почему удержание влияет на экономику бизнеса.

Стоимость привлечения обоих могла быть одинаковой. Но их ценность для бизнеса совершенно разная.

Бизнесу недостаточно знать два показателя отдельно. Их нужно сопоставлять.

CAC = 10 000 ₽.

Но сам коэффициент нельзя оценивать вне контекста бизнеса.

На него влияют:

• маржинальность;
• срок окупаемости;
• скорость роста;
• тип продукта;
• рынок;
• расходы на обслуживание клиента.

Даже если LTV значительно выше CAC, бизнесу важно понимать, когда вернутся деньги, вложенные в привлечение клиента.

Это и показывает payback period — срок окупаемости затрат на привлечение.

CAC = 12 000 ₽.

Клиент приносит 3 000 ₽ в месяц.

Если не учитывать дополнительные расходы и маржу, затраты на привлечение окупаются примерно за четыре месяца.

Но если клиент уйдёт через два месяца, CAC не успеет окупиться.

Представим, что переписали лендинг.

Раньше из 1 000 посетителей:

• регистрировались 100;
• платили 20.

После изменений:

• регистрируются 180;
• платят 30.

Конверсия выросла. Это хороший сигнал.

Но ещё неизвестно:

• какие пользователи пришли;
• сколько они платят;
• как долго остаются;
• сколько стоит их обслуживание;
• какой у них churn;
• какой у них LTV.

Копирайтер редко влияет на CAC, LTV или payback напрямую. Но тексты участвуют в действиях, из которых складывается экономика клиента.

До покупки

Текст может помочь пользователю:

• понять продукт;
• определить, подходит ли он для его задачи;
• сравнить тарифы;
• увидеть ценность;
• принять решение о trial или покупке.

Здесь работают лендинг, страницы функций, pricing page, кейсы, сравнения, рекламные материалы и письма.

После регистрации

Текст помогает пользователю:

• начать работу;
• получить первый результат;
• разобраться в продукте;
• увидеть ценность платной версии.

При расширении

Коммуникация может объяснять:

• зачем переходить на более высокий тариф;
• что даёт дополнительное место;
• зачем нужен новый модуль;
• почему стоит увеличить лимит.

При риске ухода

Текст может участвовать в удержании, изменении тарифа, паузе или возврате пользователя.

Но во всех этих ситуациях он остаётся одним из факторов, а не автоматическим объяснением изменения бизнес-показателя.

Представим, что изменили блок тарифов.

После этого:

• больше пользователей открыли страницу оплаты;
• выросла конверсия в покупку;
• средний чек нового клиента увеличился.

Это уже несколько уровней результата.

Но утверждать «Новый текст увеличил LTV» пока рано.

LTV требует времени. Нужно посмотреть:

• остаются ли эти клиенты;
• как долго они платят;
• не вырос ли churn;
• расширяют ли подписку;
• как ведёт себя новая когорта.

Чем дальше показатель находится от конкретного текста, тем осторожнее нужно говорить о причинности.

Компания продаёт тариф за 5 000 ₽ в месяц.

Средний CAC — 15 000 ₽.

Теперь представим, что команда переписала onboarding и пользователи стали чаще доходить до первого полезного результата.

Это может быть хорошей гипотезой для улучшения retention.

Не наоборот.

Например:

• регистрация после лендинга;
• переход с trial на оплату;
• покупка более высокого тарифа;
• добавление места;
• продление подписки;
• риск отмены.

Для выбранной ситуации определите:

1. какое действие пользователя рассматривается;
2. какой текст или элемент коммуникации участвует в этом действии;
3. какую ближайшую метрику можно измерить;
4. может ли изменение быть связано с CAC, LTV или payback;
5. через какую цепочку это влияние может проявиться;
6. какие данные нужны для проверки;
7. какой показатель нельзя оценить сразу;
8. какие другие факторы могут объяснить результат.

Рабочий лист помогает связать конкретное действие пользователя с ближайшей метрикой, определить возможную связь с CAC, LTV или payback и зафиксировать данные, необходимые для проверки гипотезы.

• ✓ Я понимаю, что показывает CAC.
• ✓ Я не путаю CAC со стоимостью клика, регистрации или лида.
• ✓ Я могу объяснить LTV простыми словами.
• ✓ Я понимаю связь retention с LTV.
• ✓ Я понимаю, что показывает payback period.
• ✓ Я не делаю вывод об экономике бизнеса только по одной конверсии.
• ✓ Я могу связать текст с ближайшей измеримой метрикой.
• ✓ Я не приписываю тексту изменение LTV или CAC без подтверждающих данных.