# LTV по когортам: как увидеть, какие клиенты со временем приносят больше

> Средний LTV по базе прячет главное: клиенты из разных источников окупаются по-разному. Показываем, как считать LTV по когортам, читать кривые и решать, куда лить бюджет.

**Рубрика:** Статьи  
**Дата:** 2026-08-06

В большинстве отчетов LTV — одна цифра. Выручка базы за год, поделенная на число клиентов. Или средний чек, умноженный на среднее число заказов. Цифра попадает в презентацию, на нее ориентируется performance-отдел, под нее выставляют допустимую стоимость привлечения. А потом канал с красивым CAC приводит людей, которые покупают один раз со скидкой 40% и исчезают навсегда.

Среднее по всей базе смешивает клиентов, которые живут с вами пять лет, и тех, кто пришел на распродаже в прошлый четверг. Это разные экономики, и управлять ими по одной цифре — все равно что лечить по средней температуре в больнице. Как перейти от усредненной метрики к картине, на которой видно реальную отдачу от каждой группы клиентов, рассказывает Екатерина Чернова, CRM-маркетолог ClientCore.

> **Читайте также:** [Маржинальный LTV: почему считать выручку без маржи опасно для бизнеса](https://clientcore.ru/blog/articles/marzhinalnyy-ltv-pochemu-schitat-vyruchku-bez-marzhi-opasno-dlya-biznesa)

## Почему средний LTV по базе вводит в заблуждение

Средний LTV страдает от двух искажений. Первое — смешение зрелых и молодых клиентов. Те, кто купил впервые три года назад, уже принесли весь свой LTV. Те, кто пришел два месяца назад, отдали пока только первый чек. В средней цифре они весят одинаково, и она не описывает ни одну из групп.

Второе искажение — скрытая неоднородность источников. Смотрите на цифрах. Допустим, база 80 000 клиентов, средний LTV — 5 200 рублей. Прилично. Раскладываем по каналам привлечения: клиенты из поисковой рекламы приносят за год 8 900, из органики — 7 400, а пришедшие по промокодам агрегаторов — 1 600 и не возвращаются. Средние 5 200 маскировали простой факт: треть бюджета уходит на когорту, которая не окупается в принципе.

> В девяти аудитах из десяти нам показывают LTV одной цифрой в слайде. Спрашиваем, откуда она, — выручка за год, деленная на базу. В этой цифре клиент 2019 года с сорока заказами и человек, купивший неделю назад, равны. По такой метрике нельзя решать, куда идет бюджет, ей место только в иллюстрации к презентации».
>
> — Екатерина Чернова, CRM-маркетолог, ClientCore

Когда средний LTV — единственный ориентир, маркетинг переплачивает за слабые каналы и недобирает в сильных. Дорогой канал с «неэффективным» CAC может приводить людей, которые за год окупаются трижды. Из сводного отчета этого не видно.

## Как работает когортный анализ LTV

Когорта — группа клиентов, объединенных моментом входа. Базовый вариант: все, кто совершил первую покупку в конкретном месяце. Январская когорта, февральская, мартовская и дальше по списку.

Для каждой когорты считают накопительную выручку на клиента по мере ее «взросления»: сколько в среднем принес человек через месяц после первой покупки, через три, через шесть, через двенадцать. Получается кривая. И LTV на основе повторных покупок здесь виден наглядно: первая ступень — стартовый чек, все, что выше, — возвраты и докупки.

Условный пример. Когорта «март 2024», 1 400 клиентов:

- через 1 месяц — 2 600 руб. на клиента;
- через 3 месяца — 3 300;
- через 6 месяцев — 4 100;
- через 12 месяцев — 4 700.

Кривая затухает: основной прирост когорта дает в первые полгода, дальше идут редкие докупки. Для решений о привлечении разумно опираться на шестимесячный LTV, а двенадцатимесячный считать приятным бонусом.

Данные для такого разбора — обычная выгрузка транзакций: ID клиента, дата заказа, сумма, источник. И один нюанс: для бюджетных решений считайте маржинальный LTV, с вычетом себестоимости и скидок. Выручка врет особенно нагло на скидочных когортах — там чек есть, а маржи почти нет.

## По каким срезам строить когорты

Месяц первой покупки — только старт. Деньги приносят срезы, которые отвечают на конкретный вопрос бизнеса.

**Канал привлечения.** Классика для перераспределения бюджета: сравнить кривые когорт из контекста, таргета, SEO и офлайна. Часто выясняется, что канал с дешевым лидом поставляет одноразовых покупателей.

**Первая покупка.** Категория первого заказа предсказывает будущее поведение. В косметике вошедшие через уход возвращаются чаще тех, кто пришел за декоративкой на акции. В одежде купившие базовый ассортимент живут дольше «распродажных».

**Глубина скидки на входе.** Когорта «купили впервые с промокодом от 30%» против «купили без скидки». Разница в повторных покупках обычно разительная.

**Норма**

- в когорте от 300–500 клиентов — иначе кривая скачет от любого крупного заказа;
- срез отвечает на вопрос вроде «куда перелить бюджет» или «давать ли скидку на первый заказ»;
- когорты сравнивают на одинаковом возрасте: месяц 3 к месяцу 3.

**Red flag**

- десять срезов одновременно — утонете в таблицах, начните с канала и первой покупки;
- когорты по 30–50 человек: один оптовый клиент перевернет кривую;
- сравнение зрелой когорты со свежей в лоб, без поправки на возраст.

## Как читать когортные кривые

Когда таблица собрана, ищите четыре паттерна.

**Кривые новых когорт лежат выше старых.** Продукт, ассортимент или CRM стали работать лучше. Проверьте, что изменилось в этот период, и закрепите.

**Кривые падают год к году.** Качество клиентов деградирует: либо привлечение ушло в дешевые источники, либо ослабло удержание. Почти всегда это ранний сигнал проблемы — средний LTV покажет ее с опозданием на год.

**Высокий старт и плоское плато.** Типичная форма скидочных когорт: жирный первый чек, потом тишина. Такие клиенты окупаются на первой транзакции или не окупаются вообще.

**Сезонные аномалии.** Ноябрьские когорты в e-commerce почти всегда ведут себя иначе: старт высокий, хвост слабый. Сравнивайте ноябрь с ноябрем прошлого года, а не с мартом.

> У одного ритейлера команда была уверена: ноябрьские распродажи приносят лучших клиентов, чек же выше. Разложили по когортам — через восемь месяцев ноябрьская когорта уступала мартовской на треть по накопительной выручке на клиента. Люди приходили за скидкой и уходили вместе с ней».
>
> — Екатерина Чернова, CRM-маркетолог, ClientCore

Тот же принцип работает в коммуникациях. Когда видишь, что сегменты ведут себя по-разному, слать всем одно и то же перестает иметь смысл. Мы в MINIDINO пересобрали рассылки именно с этой ставкой — на точность попадания вместо охвата: плюс 110% к эффективности email за квартал без роста числа отправок ([кейс](https://clientcore.ru/blog/articles/keis-minidino-rost-effektivnosti-email)).

## Что когортный LTV меняет в бюджете на привлечение

Главное применение когортного анализа LTV — цена привлечения. Допустимый CAC считается от LTV конкретной когорты, а не от усредненной цифры по базе.

Рабочий ориентир для e-commerce: CAC в пределах 30–35% от маржинального LTV за 12 месяцев. Если канал приводит когорту с годовым LTV 9 000 рублей, CAC в 2 500 — здоровая экономика, даже если вчерашний отчет кричит, что «дорого». Если когорта за год приносит 1 800, то и CAC 600 — уже потеря.

На практике это переворачивает медиаплан. Каналы с «плохим» CAC и сильными кривыми получают больше бюджета. Каналы с дешевыми лидами и плоскими когортами режутся или перенастраиваются: другой оффер, другая посадочная, отказ от промокодной механики на входе.

Второе применение — оффер первой покупки. Если скидочные когорты стабильно дают плоский хвост, скидка на первый заказ работает против вас. Меняйте механику: бонус на вторую покупку, подарок к заказу, вход в программу лояльности с первого чека.

**Норма**

- у каждого канала свой допустимый CAC, привязанный к его когортной кривой;
- решение о масштабировании — после того как когорта дожила хотя бы до 3–4 месяцев;
- плоский хвост скидочных когорт — повод пересобрать оффер входа.

**Red flag**

- один допустимый CAC на весь маркетинг;
- выводы по когорте, которой две недели от роду;
- сравнение каналов по цене лида без привязки к повторным покупкам.

## Как CRM сдвигает кривую когорты вверх

Наклон когортной кривой — управляемая величина. И главный рычаг здесь — CRM-маркетинг.

Ключевой участок кривой обычно лежит между первой и второй покупкой. Клиент, сделавший второй заказ в первые 60–90 дней, дальше ведет себя иначе: возвращается чаще, чек растет. Поэтому цепочки дожима до второй покупки дают самый заметный сдвиг: welcome-серия с вовлечением в ассортимент, персональный подбор по первому заказу, бонус, который сгорает через 45 дней.

На спаде кривой подключаются механики удержания: реактивация тех, кто замолчал дольше нормального цикла покупки, и подписка на регулярное пополнение там, где товар расходуемый.

Так это выглядит в жизни. У «Браво-Оптики» коммуникации были нерегулярными: SMS, WhatsApp, редкие массовые email. Мы внедрили Mindbox, запустили полноценный email-канал, каскадные цепочки и поп-апы для лидогенерации — и за 10 месяцев CRM-направление дало плюс 14,62% к выручке ([кейс](https://clientcore.ru/blog/articles/keis-bravo-optika-rost-vyruchki-crm)). Если говорить языком этой статьи, кривые новых когорт просто легли выше старых.

> Эффект CRM проверяйте той же когортной логикой. Берете когорту, которая прошла через новую welcome-цепочку, и сравниваете с когортой кварталом раньше на том же возрасте. Разница в накопительной выручке — честный эффект механики. Без такого сравнения любой рост можно списать на сезон».
>
> — Екатерина Чернова, CRM-маркетолог, ClientCore

> **Читайте также:** [Прогнозирование LTV: как заранее понять ценность клиента и куда вкладывать](https://clientcore.ru/blog/articles/prognozirovanie-ltv-kak-zaranee-ponyat-cennost-klienta-i-kuda-vkladyvat)

---

[Открыть статью на сайте](https://clientcore.ru/blog/articles/ltv-po-kogortam-kak-uvidet-kakie-klienty-so-vremenem-prinosyat-bolshe)