Customer Lifetime Value (CLTV) – Die Kennziffer korrekt berechnen

Robin Kracht

vor 4 Jahren

Die Berechnung des Customer Lifetime Value (CLTV) lohnt sich, denn diese Kennziffer hat ein hohes Erfolgspotenzial. Daher lohnt es sich auch, den CLTV in den Mittelpunkt des E-Commerce-Controllings zu stellen. In diesem Beitrag zeige ich, wie der Customer Lifetime Value berechnet, wie die Datenbasis ermittelt wird und welche Steuerungspotenziale sich beim Customer Lifetime Value ergeben.

Benötigen Sie Unterstützung bei der Kundenbindung und der Bestimmung des Customer Lifetime Values für Ihren Onlineshop? Dann nutzen Sie doch gleich den kurzen Draht zu Prof. Richard Geibel: Tel. 0221 973 199 722, mail: info@ecommerceinstitut.de.

Customer Lifetime Value Berechnung – die Definition

Der Customer Lifetime Value ist der Netto-Deckungsbeitrag, der durch Käufe eines einzelnen Kunden während eines gegebenen Zeitraums, der Kunden Lifetime, erzielt wird. Das Modell des Customer Lifetime Value sieht vor, dass ein Kunde nach einer Akquisition über einen längeren Zeitraum an ein Unternehmen gebunden ist und bei diesem Güter oder Dienstleistungen bezieht. Grundlage für das Modell des Customer Lifetime Value ist also die Loyalität des Kunden. Die Customer Lifetime Value Berechnung stellt dem Gegenwartswert der Netto-Deckungsbeiträge eines Kunden die Kosten der Erst-Akquisition gegenüber.

Customer Lifetime Value Berechnung – die Formel

Zur Berechnung des Customer Lifetime Values kann folgende Gleichung verwendet werden:

Dabei sind:

AK die Akquisitionskosten für den individuellen Kunden,
DB der Deckungsbeitrag I,
MK die Marketing- und Kundenbetreuungskosten,
rr die Retention Rate oder Wiederkaufsrate,
i ein Diskontierungszinssatz und schließlich
n die jeweils betrachtete Periode,
N die insgesamt zugrunde gelegte Zahl der Perioden.
Customer Lifetime Value Berechnung

Customer Lifetime Value Berechnung – ein Beispiel

Angenommen ein Kunde gibt üblicher Weise 200 € pro Jahr bei einem Unternehmen aus, aus denen ein Deckungsbeitrag I von 80 € resultiert. Die Akquisekosten sind einmalig 50 €, die jährlichen direkten Kosten der Kundenbetreuung etc. sind 10 €, die Retention Rate beträgt 85%. Als Kundenbindungszeitraum wird von 5 Jahren ausgegangen, als Zinssatz werden 5% zugrundegelegt.

Daraus ergibt sich bei der Customer Lifetime Value Berechnung:

CLTV = – 50 € + 194,07 € = 144,07 €

Es wird deutlich, dass durch hohe Kosten der Akquise, der eingeschränkten Kundentreue aber auch der Diskontierung der Customer Lifetime Value als Gegenwartswert von einer nennenswerten Zahl negativer Faktoren geprägt ist. Allerdings ist es das Verdienst des CLV-Modells, eine objektive Kennziffer für diese Faktoren und der zur Bestimmung des Gegenwartswerts der Kundenbeziehung zu liefern. Dieser Gegenwartswert ist vor allem wichtig, um das Budget für die Kundenakquise bestimmen zu können.

Customer Lifetime Value Berechnung – die Praxis

Da der Customer Lifetime Value eine zusammengesetzte Kennziffer ist, ist die Bestimmung relativ aufwändig. Gleichzeitig ist der Customer Lifetime Value in die Zukunft gerichtet und beinhaltet daher überwiegend Planzahlen. Schließlich sind unterschiedliche Datenquellen erforderlich, die untereinander konsistente Daten liefern müssen.

Die Datenquellen für den Customer Lifetime Value

Der Customer Lifetime Value beinhaltet Daten aus mehreren Quellen, die zusammengeführt werden müssen. Zunächst liefert das Controlling und das Rechnungswesen Daten zum Deckungsbeitrag und zum Diskontierungsfaktor. Aus dem CRM stammen Informationen zur Retention Rate und zu den Marketings- und Kundenbindungskosten, während das Online Marketing Aussage zu den Online Akquisekosten treffen kann.

Da alle Daten Plandaten sind, müssen die Einzelplanungen koordiniert werden. Die Annahmen über exogene Faktoren der Planungen müssen synchronisiert sein, ebenfalls müssen endogene Planungsparameter abgestimmt werden. Da Planungen in der Regel an Vergangenheitswerten anknüpfen, müssen die einzelnen Datenquellen auf die jeweiligen Vergangenheitswerte zurückgreifen können.

Aggregierte oder individuelle Daten

Eine Frage der Komplexität und der benötigten Kapazitäten, Komplexität zu bewältigen, ist die Frage der Aggregation von Daten. Der Customer Lifetime Value lässt sich individualisiert, also für einzelne Kunden bestimmen, oder -im Sinne einer vereinfachenden Pauschalierung- über Aggregate. Aggregate -z.B. der „durchschnittliche männliche Kunde“- haben den Vorteil, dass sie wesentlich leichter ermittelt werden können, allerdings bedeutet Aggregation unweigerlich Informationsverlust.

Individuelle Daten ermöglichen es auf der anderen Seite laufend, das zugrundegelegte Modell für den Customer Lifetime Value zu überprüfen und anzupassen. Mit Hilfe individuell erhobener Daten können auch Aggregationen leichter durchgeführt werden. Allerdings ist die Erhebung individueller CLTV Daten sehr aufwändig und erfordert in besonderer Weise das Einverständnis der Kunden.

Customer Lifetime Value Berechnung – Segmentierung als Kompromiss

Aufgrund der Schwierigkeiten bei entweder stark aggregierten oder individuellen Daten bietet sich –wie häufig- die Segmentierung als Königsweg an. In der Segmentierung werden Kunden mit identischen und typischen Merkmalen zu Segmenten zusammengefasst, für die dann der Customer Lifetime Value berechnet wird.

Segmente können nach demographischen Merkmalen wie etwa Alter, Geschlecht, Wohnort oder Bildungsstatus festgelegt werden. Aber auch Online Kanäle oder Nutzung verschiedener Devices können die Festlegung von Segmenten prägen. Schließlich lassen sich auch situative Segmente einsetzen, wenn etwa Kampagnen und Aktionen durchgeführt werden, die die Kundenbindung unterstützen sollen.

Customer Lifetime Value Berechnung – Herausforderungen in der Berechnung

Der Berechnung des Customer Lifetime Values liegen einige modellhafte Hypothesen zugrunde, die die Erhebung der Kennziffer zu einer Herausforderung für Datenanalysten machen. Schwierig sind vor allem die pauschalen Kennziffern Akquisitionskosten, Retention Rate, Diskontierungszinssatz aber auch die zugrundegelegte Länge der Kundenbindung.

Bestimmung der Akquisekosten

Das Modell des Customer Lifetime Values geht davon aus, dass nach einer erstmaligen Akquisition eines Kunden kein weiterer Akquiseaufwand entsteht. Dabei wird allerdings ausgeblendet, dass auch Stammkunden Kanäle nutzen können, die zu direkten Marketingaufwendungen führen können. Wenn der Customer Lifetime Value granular, dh. für einzelne Kundensegmente bestimmt werden soll, müssen diese nachlaufenden Akquisekosten berücksichtigt werden.

Typische Akquisekosten sind etwa Klickkosten bei Google Adwords. Um die effektiven Akquisekosten zu bestimmen, lassen sich mit einer einfachen Formel die Cost-per-Order oder Cost-per-Acquisition bestimmen. Dazu benötigt man einen durchschnittlichen Klickkostensatz, den CPC, und die durchschnittliche Conversionrate. Damit ergibt sich als Wert für die Akquisekosten:

CPO = CPC/CR.

Ein Beispiel macht den Zusammenhang deutlich. Bei einem durchschnittlichen CPC von 0,75 Euro und einer Conversion Rate von 3% ergibt sich ein CPO von 25 Euro. Das Beispiel macht deutlich, dass die Akquisekosten im Online Marketing auch bei moderat positiven Kostengrößen erheblich sein können.

Bestimmung der Retention Rate

Weiter ist die Festlegung einer Retention Rate für die gesamte Dauer der Kundenbeziehung problematisch. Realitätsnäher wäre die Berücksichtigung eines dynamischen Verlaufs der Retention Rate. Plausibel dürfte sein, dass die Wiederkaufwahrscheinlichkeit im Zeitablauf abnimmt. Sicherlich dürfte dafür auch maßgeblich sein, ob das Sortiment des Unternehmens eher aus Gebrauchs- oder aus Verbrauchsgütern besteht.

Festlegung des Diskontierungsfaktors

Auch der Diskontierungszinssatz hat einen nennenswerten Einfluß auf die Höhe des Customer Lifetime Value, lässt sich aber nur mit Hilfe von Prognosen festlegen. Der Zinssatz sollte die Kapitalkosten und das Risiko wiedergeben, das der Kunde doch abspringt. Dann lassen sich die Akquisekosten nicht amortisieren und müssen abgeschrieben werden.

Bestimmung der Kundenbindungsperiode

Die Kundenbindungsperiode bestimmt den Customer Lifetime Value signifikant. Bei der Festlegung dieser Zahl ist das Unternehmen also darauf angewiesen, valide Vergangenheitswerte zu haben, die die Bestimmung einer durchschnittlichen Kundenbindungsdauer ermöglichen. Wenn allerdings Kundenbindungsmaßnahmen intensiviert werden, die auch die Kundenbindung verlängern, könnte das Gesamtmodell weniger zuverlässig wirken.

Customer Lifetime Value Berechnung – Unternehmenssteuerung mit dem CLTV

Trotz aller Schwierigkeiten, die sich bei der Festlegung des Customer Lifetime Values ergeben, ist das Modell gut geeignet, eine ertragsorientierte Unternehmenssteuerung durchzuführen.

Der wesentliche Beitrag des Modells Customer Lifetime Value zur Ertragssteuerung liegt in der Segmentierung von Kundengruppen. Unterscheidet man Kundengruppen nach dem zu erwartenden CLTV, lassen sich Online Marketing Maßnahmen und Investments effizienter durchführen. Eine bewährte Vorgehensweise ist die Gruppierung der Kundensegmente im Rahmen einer ABC-Verteilung. Diese ähnelt dem Pareto-Prinzip, das auch als 80/20-Regel bekannt ist: 20% der Kunden stehen für 80% der Deckungsbeiträge.

Weiter ist naheliegend, bei Kunden mit hohem CLTV Kundenbindungsmaßnahmen zu intensivieren. Auch die Wirkung von Rabatten und anderen Aktionen auf die Deckungsbeiträge kann mit Hilfe des Customer Lifetime Values bestimmt werden. Schließlich ist das Modell eine wichtige Grundlage zur Allokation des Budgets für Kundenservice und Kundenbindungsmaßnahmen.

Fazit

Auch wenn das Modell des Customer Lifetime Values einigermaßen komplex ist, hat es doch viele Einsatzmöglichkeiten und bringt wichtige Erkenntnisse, auf die im Online Marketing und E-commerce nicht verzichtet werden sollte. Bedenkt man darüber hinaus, dass der Customer Lifetime Value die zentrale Kennziffer bei amazon -gerade bei Prime Kunden– ist, wird deutlich, dass für viele E-commerce Unternehmen auch aus strategischer und kultureller Perspektive eine Auseinandersetzung mit dem Customer Lifetime Value sinnvoll und notwendig ist.

Literatur: Jeffery, Mark: Data Driven Marketing. The 15 Metrics everyone in Marketing should know, Hoboken 2010, S. 134 ff.

MerkenMerken