Como calcular Customer Lifetime Value (LTV)

O LTV (Customer Lifetime Value) é uma das principais métricas das empresas de SaaS. Nesse post, vamos explicar o que é e porque é importante tê-lo em mente quando tomar algumas decisões. Além disso, vamos mostrar como calculá-lo corretamente para que você possa usá-lo no dia a dia. Vamos lá?

A AgileMS é um ERP desenvolvido exclusivamente para empresas de SaaS. Esse post faz parte do Blog onde compartilhamos melhores práticas de gestão de SaaS.

O que é LTV (Customer Lifetime Value)?

O LTV, também conhecido como CLTV, é uma estimativa do lucro bruto acumulado que um cliente médio gerará durante todo o relacionamento com a empresa. Em suma, é a média de lucro que a empresa terá ao adquirir um novo assinante. Veja a ilustração abaixo para visualizar melhor.

Qual é a importância do LTV (Customer Lifetime Value)?

A princípio, O Customer Lifetime Value é usado para identificar o valor máximo a ser pago por novo cliente. Afinal, se um novo assinante gera R$4000 de lucro (LTV), não vale a pena pagar mais do que isso para adquirí-lo. De fato, como os R$4000 é gerado ao longo do tempo, o valor máximo a ser pago deve ser bem menor. Veremos mais adiante.

Assim, a importância dessa métrica para uma empresa de SaaS é similar a da margem bruta para um comércio ou indústria. É um número fundamental para saber o quão lucrativa sua operação é. Não conhecemos muitas informações mais importantes do que essa.

Como Calcular o LTV (Customer Lifetime Value)?

A fórmula abaixo pode ser um ponto de partida para se estimar o Customer Lifetime Value. É estimativa pois não considera upgrades, downgrades, ou fato de que churn não tem padrão previsível. Também assume uma mensalidade fixa e, portanto, se você tem produtos com setup ou com preço baseado em uso, será preciso ajustá-la.

Limitações da fórmula prática de LTV

A fórmula de Customer Lifetime Value acima é baseada em uma média de churn cujo valor pode variar ao longo do tempo. Ou seja, dependendo de quando você fizer o cálculo, você pode “acertar” ou “errar”.

Outras limitações são os fatos de que a fórmula assume:

1. Receita média constante, o que não leva em conta upgrades, downgrades e cross-sell. Se tiver uma estimativa confiável de sua receita de expansão líquida, pode endereçar esse problema ajustando sua formula para:

2. Margem bruta constante, o que não leva em conta variações nos custos de produto vendido

3. Padrão previsível de churn, o que nem sempre condiz com a realidade sobretudo no mundo de pequenas e médias empresas e/ou em países emergentes como o Brasil

4. Longevidade de clientes em perpetuidade, o que não é realista em um contexto competitivo e economicamente volátil como o do Brasil

5. A fórmula também não leva em conta Second Order Revenue, aquela advinda de indicações de clientes existentes ou de usuários finais que compram seu SaaS ao se mudar para uma nova empresa.

Exemplo das Limitações da fórmula prática de LTV

Para ilustrar o problema de variação no valor do churn médio, vamos calcular o LTV de 4 empresas. Veja que as taxas de churn seguem padrões diferentes:

1. O churn mensal da empresa Cinza é constante: 2.2%
2. O churn mensal da empresa Amarela começa com zero no 1º mês e cresce linearmente a uma taxa de 0,25% ao mês
3. O churn mensal da empresa Azul é de 1% ao mês nos primeiros 12 meses de contrato e de 20% no 13º mês (não renovação), repetindo esse padrão todos anos
4. O churn mensal da empresa Laranja é de 70% no 1º mês e de 0,75% nos meses subsequentes

Para o cálculo de LTV, vamos assumir receita líquida mensal média de R$1000 por cliente, margem bruta de 80%, e cohort com 100 clientes iniciais. Também limitamos a vida máxima de clientes a 7 anos. A Morgan Stanley Research assume 10 anos de vida máxima para empresas com clientes PMEs-mid-market nos EUA. Fizemos um corte de 30% para ajustar para a maior instabilidade econômica do Brasil. O gráfico abaixo ilustra a dinâmica de clientes ativos nesse cenário.

Comportamento dos diferentes Cohorts

Podemos ver que a quantidade de clientes varia bastante entre os cohorts, sobretudo na 1ª metade do período. Isso reflete médias de churn muito diferentes e Customer Lifetime Value distintos.

Na sequência, vejamos como o resultado da fórmula prática varia o longo do tempo devido as mudanças no valor da taxa média de churn.

O valor do LTV pode ser muito diferente dependendo do mês em que você o calcula. Por exemplo, o cohort amarelo pode variar de R$100.000+ a R$20.000. Calculando no 49º mês e usando os meses 1-48, todas as empresas terão LTV de R$36.571 apesar dos padrões claramente diferentes de churn.

Dessa forma, para se chegar um valor mais “real” de LTV para cada cohort, precisamos:

1. verificar o número exato de clientes a cada mês
2. multiplicá-lo pela receita líquida e margem bruta
3. fazer a somatória de todos os meses
4. dividir o resultado pelo número inicial de clientes

Comparando-se o LTV “real” com o estimado pela fórmula prática, vemos que acertar ou não depende do momento em que você calcula.

Cohort Azul

Para o cohort azul, a fórmula prática superestima o LTV “real” nos primeiros meses e aproxima-se do valor “real” perto do último mês. Assim, se você determinasse o CAC através da fórmula prática nos primeiros 12 meses poderia perder dinheiro. De fato, até no 24º mês, você poderia errar a conta por mais de R$10.000.

Cohort Laranja

No cohort laranja, ao utilizar a fórmula prática nos primeiros 29 meses, você subestimaria o LTV “real”. Portanto, poderia estar deixando de atrair clientes lucrativos ao estabelecer um teto de CAC artificialmente baixo.

Cohort Cinza

Como o cohort cinza tem churn linear, a diferença entre o LTV da fórmula prática e o LTV “real” permanece a mesma ao longo do período. Ela reflete a premissa equivocada da perpetuidade da fórmula prática. Ao limitar-se a longevidade do cohort em 7 anos, “perde-se” o valor que seria gerado nos anos seguintes. Portanto, o LTV “real” é mais baixo do que o estimado. Nesse caso, ao utilizar a fórmula prática, estaríamos consistentemente superestimando o LTV. Consequentemente, correríamos o risco de pagar demais para atrair um novo cliente durante todo o período.

Cohort Amarelo

O cohort amarelo é o que apresenta a maior variação absoluta entre o LTV estimado pela fórmula prática e o LTV “real”. Nos primeiros meses, o LTV estimado chega a valores tão “fora” que os retiramos do gráfico. Mesmo no período visível, podemos observar que a fórmula prática superestima o LTV real até o 59º mês. Depois disso, passa a subestimá-lo. Nesse cenário, utilizar a fórmula prática para balizar o CAC poderia ser um erro.

Como usar o LTV corretamente?

Agora que você sabe que a fórmula prática é uma estimativa cujo erro pode ser significativo, você pode estar se perguntando o que fazer. Eis o que sugerimos:

1. Use uma margem de segurança. Por exemplo, se você se guia pela regra geral do LTV/CAC >= X, certifique-se de que não está operando no limite pois, nesse caso, não há como acomodar o erro padrão do cálculo e você pode ter prejuízo.
2. Calcule o LTV por segmento de cliente pois pode existir padrões muito diferentes de churn em sua base. Sabemos, por exemplo, que o churn tende a variar de acordo com o tamanho dos clientes. Assim, uma forma popular de segmentação é dividir sua base em pequenos, médios e grandes.
3. Faça análise de cohorts. Dependendo de sua taxa de crescimento, os novos clientes adicionados em cada período podem distorcer bastante o resultado da fórmula prática. A análise de cohorts elimina esse fator de erro e pode te dar o valor “real” do Customer Lifetime Value.

Acompanhe o seu LTV apesar da imperfeição da fórmula. O LTV é uma métrica fundamental para se avaliar a saúde financeira do seu negócio pois indica o lucro (ou prejuízo) trazido por cada cliente. É melhor usar uma estimativa do que navegar no escuro.

Conclusão

Agora você já conhece um pouco mais sobre LTV e viu exemplos de como o seu cálculo se comporta em diferentes cenários. Indo em frente, te encorajo a usar esse conhecimento. Use a métrica, mas não cegamente. Tenha em mente suas imperfeições para avaliar se os números fazem sentido no seu caso específico.

Caso queira saber mais sobre outras métricas utilizadas em empresas de SaaS, leia o post: Como otimizar Business Intelligence em empresas de SaaS. O que achou desse post? Deixe seu comentário abaixo. Adoraríamos falar com você!