← Todos os Insights
Analytics 6 min de leitura

Customer Lifetime Value, Explicado

CLV não é uma métrica de marketing. É o preço que você pode pagar por um relacionamento e a disciplina que decide para onde vai cada real investido em aquisição e retenção.

Em resumo

  • O customer lifetime value muda a pergunta de "quanto o cliente comprou" para "quanto ele vai valer", e com isso estabelece um teto defensável para o que você pode gastar para conquistá-lo e mantê-lo.
  • A economia é desproporcional. Conquistar um novo cliente custa de cinco a vinte e cinco vezes mais do que reter um já existente, e um ganho de cinco pontos na retenção pode elevar o lucro de 25 a 95 por cento.
  • O CLV só serve quando cruzado com seus direcionadores. Saber quem é valioso sem entender por que essas pessoas ficam ou vão embora gera um ranking, não uma estratégia.

A maioria das empresas sabe dizer quanto um cliente gastou no último trimestre. Bem poucas sabem dizer quanto esse cliente vale ao longo de todo o relacionamento, e menos ainda deixam esse número decidir para onde vai o próximo real de marketing. É nessa brecha que a margem escapa, sem ninguém perceber.

O customer lifetime value fecha essa brecha. O CLV é o valor presente da receita, ou melhor, da margem, que você espera de um cliente ao longo de todo o relacionamento. Ele condensa três coisas em um único número: por quanto tempo você retém o cliente, quanto ele gasta a cada período e quanto custa atendê-lo. Bem construído, ele deixa de ser uma métrica de vaidade e passa a ser um limite de orçamento.

O CLV define o preço que você pode pagar

O que o CLV faz de mais útil é limitar o gasto com aquisição. Se você sabe quanto um cliente vale, sabe quanto pode pagar, de forma racional, para conquistá-lo e ainda assim lucrar. Sem esse teto, a aquisição vira chute, e o chute costuma ser generoso demais nos segmentos que parecem empolgantes e sovina demais naqueles que constroem valor ao longo do tempo.

A assimetria é o motivo de isso importar tanto.

5–25x Quanto mais caro é conquistar um novo cliente do que reter um existente, dependendo do setor e do método. Fonte: Harvard Business Review

O CLV não é um número que você reporta. É um teto contra o qual você gasta.

Quando a aquisição custa muito mais do que a retenção, o que vale ouro não é um funil maior. É um relacionamento mais longo. O CLV torna esse relacionamento mais longo mensurável, e o que é mensurável pode ser gerenciado.

É na conta da retenção que o valor se acumula

O CLV cresce mais rápido não quando os clientes gastam mais em um determinado mês, mas quando ficam por mais tempo. O tempo de permanência é o multiplicador, e basta uma pequena variação nele para mover o número inteiro. É essa constatação que sustenta a economia da fidelização desde que Frederick Reichheld a quantificou pela primeira vez na Bain.

25–95% O aumento de lucro produzido por um aumento de cinco pontos percentuais na retenção de clientes. Fonte: Bain & Company

A mesma lógica vale do lado das vendas. Vender para quem você já atende tem probabilidade muito maior de dar certo do que convencer um desconhecido, e é por isso que o cliente retido reúne as duas coisas: valor mais alto e custo menor para realizá-lo.

Quadro 1

As chances favorecem os clientes que você já tem

Cliente existente60–70%
Novo prospect5–20%

Fonte: Paul Farris et al., Marketing Metrics, probabilidade de uma venda bem-sucedida.

Por isso, um modelo de CLV que ignora a retenção é meio modelo. O número é determinado justamente pela parte que você mais consegue influenciar.

Como o CLV é de fato modelado

Os modelos vão de uma conta de guardanapo a uma previsão cliente a cliente, e o modelo certo depende dos seus dados e da decisão em jogo. A progressão é mais ou menos assim:

  1. Média histórica. Margem média por cliente a cada período multiplicada pelo tempo de permanência esperado, tirado da sua curva de retenção. É rápido, transparente e suficiente para definir um primeiro teto de aquisição.
  2. Por segmento, em geral RFM. Agrupe os clientes por recência, frequência e valor monetário e aplique retenção e gasto no nível do segmento. É aqui que a maioria dos negócios de consumo deveria operar, porque é granular o bastante para agir sem cair em overfitting.
  3. Preditivo. Modelos de sobrevivência ou de machine learning estimam o tempo de permanência e o gasto de cada cliente. Só compensa o esforço quando scores individuais vão orientar tratamentos individuais, como uma oferta de retenção ou um nível de atendimento.

Seja qual for a escolha, valide o modelo. Faça back-test contra uma amostra de validação, acompanhe se o valor previsto acompanha o valor realizado ao longo do tempo e atualize o modelo à medida que o comportamento muda. Um número de CLV que ninguém pôs à prova é um palpite disfarçado de previsão.

Valor sem direcionadores é apenas um ranking

A falha mais comum é tratar o CLV como linha de chegada. Você monta um ranking caprichado de clientes por valor e então descobre que ele não diz nada sobre o que fazer. Um cliente de alto valor que vem se afastando em silêncio pede uma resposta diferente de um cliente de alto valor que está plenamente engajado, e o score, sozinho, não distingue um do outro.

O CLV justifica seu custo quando anda lado a lado com seus direcionadores. Cruze-o com o risco de churn e você encontra as contas de alto valor que vale a pena defender primeiro. Cruze-o com os motivos por trás da retenção e você descobre quais intervenções de fato movem o tempo de permanência, em vez de apenas andarem juntas com ele. A personalização que vem depois não é enfeite; as empresas que a executam bem geram cerca de 40 por cento mais receita com essas iniciativas do que as concorrentes medianas, justamente porque direcionam o tratamento conforme valor e intenção em vez de espalhá-lo por toda a base.

A questão é alinhamento. Gaste mais onde o valor é alto e a intenção é frágil, gaste com parcimônia onde não é, e pare de tratar todo cliente como se fosse igual.

Para ver como construímos isso com clientes, conheça nossos trabalhos de Lifetime Value e Churn Modeling, ou navegue pelos estudos de caso.

Fontes

  1. Harvard Business Review, "The Value of Keeping the Right Customers," hbr.org.
  2. Bain & Company, "Retaining Customers Is the Real Challenge," bain.com.
  3. Paul Farris et al., "Marketing Metrics," citado em Optimove, "The Business Case for Customer Marketing," optimove.com.
  4. McKinsey & Company, "The Value of Getting Personalization Right, or Wrong, Is Multiplying," mckinsey.com.

Quer aplicar isso aos seus dados?

Agendar uma Consultoria