LTV: що це, для кого й навіщо

LTV (Lifetime Value) – одна з ключових метрик у маркетингу, продуктовій аналітиці та бізнес-стратегії. Вона показує, скільки доходу приносить один користувач за весь період взаємодії з продуктом. Метрика допомагає оцінити реальну цінність клієнта, обґрунтувати витрати на залучення та приймати зважені стратегічні рішення.

Чому LTV настільки важливий

LTV поєднує маркетингові показники з фактичною прибутковістю бізнесу. Без розуміння цінності, яку генерує клієнт, будь-які рішення щодо залучення (acquisition) залишаються припущеннями.

Метрика використовується:

• маркетологами – для визначення допустимого рівня витрат на залучення одного клієнта (CAC) без фінансових втрат;
• продуктовими командами – для оцінки якості онбордингу, утримання користувачів і частоти повторних взаємодій;
• бізнесом – для прогнозування майбутнього доходу, бюджетування та планування KPI.

Як порахувати LTV у GA4

GA4 має вбудований LTV-звіт, однак для ефективного використання отриманих інсайтів та коректної інтерпретації результатів важливо розуміти специфіку його розрахунку.

GA4 визначає LTV на основі device-based data. Це означає, що метрика прив’язується до конкретного пристрою, а не до єдиного профілю користувача. Якщо людина взаємодіє з продуктом з різних пристроїв, GA4 рахуватиме це як окремих користувачів.

Тому LTV у GA4 найточніше працює для мобільних додатків, де використовується стабільний user_id. Це пояснює, чому GA4-LTV часто призводить до занижених або нестабільних значень у вебпроєктах.

Алгоритм розрахунку LTV у GA4 виглядає так:

1. Ідентифікація користувача на рівні пристрою (device).
2. Підрахунок усіх конверсій і purchase revenue за системне часове вікно (window).
3. Поділ загального доходу на кількість користувачів.

У результаті формується теоретичний LTV, який не враховує реальний cross-device.

Як порахувати LTV у BigQuery

Для більшості бізнесів найбільш точним підходом є розрахунок LTV на основі інтеграції GA4 з BigQuery. У ньому доступні всі події, user_pseudo_id, user_id, дані про покупки (purchase data), джерела трафіку (traffic source) та можливість задавати власні часові вікна.

Базовий SQL-приклад LTV на рівні user_id

Це стартовий і найпростіший варіант розрахунку. У ньому підраховується весь дохід, який приніс кожен користувач, після чого визначається середнє значення.

Такий підхід дає відповідь на запитання: скільки в середньому доходу приносить один користувач за весь час взаємодії з продуктом.

WITH purchases AS (



  SELECT



    user_id,// or user_pseudo_id 



    SUM(event_value) AS total_revenue



  FROM `project.analytics_XXXXXX.events_*`



  WHERE event_name = 'purchase'



  GROUP BY user_id // or user_pseudo_id 



)









SELECT



  AVG(total_revenue) AS ltv



FROM purchases

LTV із залученням дати першої взаємодії

Для когортного аналізу важливо знати момент першого контакту користувача з продуктом.

У цьому підході:

• фіксується дата першої взаємодії користувача;
• підтягується весь подальший дохід;
• формується lifetime revenue на рівні user_id.

WITH users AS (



  SELECT



    user_id,// or user_pseudo_id 



    MIN(event_date) AS first_date



  FROM `project.analytics_XXXX.events_*`



  GROUP BY user_id // or user_pseudo_id 



),









revenue AS (



  SELECT



    User_id, // or user_pseudo_id 



    event_date,



    SUM(event_value) AS revenue



  FROM `project.analytics_XXXX.events_*`



  WHERE event_name = 'purchase'



  GROUP BY user_id, event_date



)



SELECT



  u.user_id,// or user_pseudo_id 



  u.first_date,



  SUM(r.revenue) AS lifetime_revenue



FROM users u



LEFT JOIN revenue r USING (user_id) // or user_pseudo_id 



GROUP BY u.user_id, u.first_date

LTV за каналами трафіку

Один із найцінніших сценаріїв використання метрики – аналіз LTV у розрізі каналів або джерел залучення. Саме тут LTV безпосередньо впливає на маркетингові рішення.

У межах такого розрахунку:

• фіксується first-touch джерело користувача;
• підраховується весь дохід, який він приніс;
• визначається середній LTV для кожного каналу.

WITH first_touch AS (



  SELECT



    User_id, // or user_pseudo_id 



    (SELECT value.string_value 



      FROM UNNEST(event_params)



      WHERE key = 'source') AS source,



    MIN(event_date) AS first_date



  FROM `project.analytics_XXXX.events_*`



  GROUP BY user_id // or user_pseudo_id 



),



revenue AS (



  SELECT



    User_id, // or user_pseudo_id 



    SUM(event_value) AS revenue



  FROM `project.analytics_XXXX.events_*`



  WHERE event_name = 'purchase'



  GROUP BY user_id // or user_pseudo_id 



)



SELECT



  source,



  AVG(revenue) AS avg_ltv



FROM first_touch ft



LEFT JOIN revenue r USING (user_id)



GROUP BY source



ORDER BY avg_ltv DESC;

Висновок

LTV – це не формальна метрика для звітів і не абстрактне середнє значення. Це інструмент прийняття рішень, який безпосередньо впливає на інвестиції та масштабування бізнесу.

Коректно розрахований LTV дозволяє визначити, які канали та кампанії залучають цінних користувачів, а не лише генерують трафік. Він дає змогу порівнювати LTV із CAC і приймати рішення щодо безпечного масштабування або виявлення збиткових напрямів ще на ранніх етапах.

Важливо враховувати, що LTV у GA4 є device-based оцінкою. Вона добре підходить для мобільних застосунків, але має обмеження для вебпроєктів. Для складних бізнес-моделей та вебу BigQuery стає єдиним способом отримати реальний LTV з урахуванням user_id, кросдевайсної поведінки, каналів трафіку та кастомних часових вікон.

При цьому сам SQL-розрахунок – це лише перший крок у роботі з метрикою. Найбільшу цінність LTV набуває тоді, коли він використовується системно: у поєднанні із сегментацією за каналами, когортами, типами користувачів або продуктами. Саме в такому вигляді LTV перетворюється з аналітичного показника на практичний інструмент управління зростанням бізнесу.