Customer lifetime value (CLV / LTV)

Customer lifetime value, geschreven als CLV of LTV, is de totale omzet of winst die een klant oplevert over de hele relatie met jou, van de eerste factuur tot de laatste, in plaats van wat hij betaalt in de maand waarin hij tekent.

Het is het getal achter de meeste groeibeslissingen over geld dat nog niet binnen is: hoeveel je kunt uitgeven om een klant te winnen, welke segmenten de tijd van je salesteam verdienen en of elke nieuwe lichting klanten zich beter ontwikkelt dan de vorige. In elk bedrijf met verlengingen of herhaalbestellingen is de eerste deal maar een klein deel van wat een klant waard is.

Er zit wel een addertje onder het gras: lifetime value is een voorspelling, en de methode die je kiest verandert de uitkomst flink. Een formule van één regel, een gedisconteerde versie en een optelling van wat eerdere klanten echt betaalden, geven hetzelfde bedrijf drie verschillende getallen. En een webshop kan de methode van een softwarebedrijf helemaal niet gebruiken.

TL;DR

• De simpele formule is jaarlijkse omzet per account × brutomarge ÷ jaarlijkse churn: €7.200 × 70% ÷ 15% = €33.600 voor ons voorbeeld uit Zwolle. Facturatietools laten de marge vaak weg, en Stripe gaat uit van een looptijd van 60 maanden als er in de periode niemand churnde.

• Als je toekomstige jaren disconteert, komt het getal lager uit. Bij 15% churn en een disconteringsvoet van 10% is dezelfde klant €5.040 × 1,10 ÷ 0,25 = €22.176 waard, een derde minder dan het niet-gedisconteerde getal.

• De cohortmethode telt op wat één groep klanten echt betaalde. De klanten die Zwolle in 2021 tekende, leverden in vijf jaar €21.357 brutowinst per oorspronkelijk account op. Dat is zo'n 14% meer dan de formule voor die jaren verwachtte, omdat de accounts die bleven minder churnden en groeiden.

• Retentie stijgt naarmate een cohort ouder wordt, omdat klanten met een hoge kans op churn vroeg vertrekken. Fader en Hardie beschrijven dat als een sorteereffect. Kansmodellen (shifted-beta-geometric voor abonnementen, BG/NBD plus gamma-gamma voor herhaalaankopen) trekken het door naar de toekomst, en lonen bij volume.

• LTV bij abonnementen begint bij een opzegging die je ziet gebeuren en wordt per account gemeten, inclusief expansion. LTV bij e-commerce moet afleiden of een klant die stil is gevallen vertrokken is, en bouwt de waarde op uit bestelfrequentie, orderwaarde en marge na retouren en verzending.

• Gebruik LTV als plafond voor je acquisitie-uitgaven en om segmenten te rangschikken. In de studie van Gupta, Lehmann en Stuart naar vijf beursgenoteerde bedrijven verhoogde 1% betere retentie de klantwaarde met 3 tot 7%, tegenover zo'n 1% voor marge en 0,02 tot 0,3% voor acquisitiekosten.

Drie manieren om customer lifetime value in een getal te vangen

Elke LTV-berekening stelt dezelfde vraag: hoeveel zal een klant waard zijn geweest als hij eenmaal weg is? Er zijn grofweg drie manieren om die vraag te beantwoorden.

De historische methode kijkt terug. Neem de klanten die in dezelfde periode tekenden, tel alles op wat ze betaalden en deel door het aantal dat begon. Er zit geen enkele gok in. Het nadeel is dat hij stopt bij vandaag.

De formulemethode kijkt vooruit met een paar gemiddelden: wat een klant betaalt, de marge die je overhoudt en hoe snel klanten vertrekken. Dit is wat de meeste financesheets en facturatiedashboards laten zien, en die behandelt elke klant en elk jaar alsof ze identiek zijn.

De voorspellende methode past een kansmodel toe op de historie van elke klant en voorspelt hoe lang hij blijft en wat hij uitgeeft. De meeste B2B-bedrijven gebruiken uiteindelijk de eerste twee samen: de cohortcijfers om de formule te controleren, en de formule om de jaren in te vullen die de cohorten nog niet hebben bereikt.

De simpele LTV-formule, bij een planningsbedrijf in Zwolle

Neem een illustratief softwarebedrijf in Zwolle dat software voor onderhoudsplanning verkoopt aan installatiebedrijven. Het gemiddelde account betaalt €600 per maand, jaarlijks gefactureerd, dus €7.200 per jaar. De brutomarge na hosting, support en onboarding is 70%. Elk jaar verliest het bedrijf 15% van zijn terugkerende omzet aan opzeggingen en downgrades. Dat is hetzelfde als zeggen dat de gross revenue retention 85% is.

De formule heeft drie inputs:

LTV = jaarlijkse omzet per account × brutomarge ÷ jaarlijkse churn rate

Elk account levert €7.200 × 70% = €5.040 brutowinst per jaar op. Door te delen door de churn maak je daar een looptijd van: 1 ÷ 0,15 betekent dat het gemiddelde account zo'n 6,7 jaar blijft. De LTV is dus €5.040 ÷ 0,15 = €33.600.

Laat je de marge weg, dan krijg je €7.200 ÷ 0,15 = €48.000, de omzetversie. Die rapporteren de meeste facturatietools. Het supportartikel van Stripe over subscriber lifetime value definieert het bijvoorbeeld als de gemiddelde omzet per abonnee gedeeld door de churn rate van abonnees, en als er in de periode geen enkele abonnee churnde, gaat Stripe uit van een looptijd van 60 maanden. Prima voor een dashboard. Zet je het in een plan, dan plan je op een getal dat de tool heeft verzonnen.

Door welke churn je deelt, maakt ook uit. Tel je logo's, dan weegt een account van €50 even zwaar als een van €5.000. Verschillen je accounts in omvang, gebruik dan revenue churn uit gross revenue retention, en houd de periode gelijk: jaaromzet met jaarlijkse churn, maandomzet met maandelijkse churn. In het artikel over customer churn rate lees je hoe maandelijkse en jaarlijkse churn in elkaar omrekenen, en dat gaat anders dan door met twaalf te vermenigvuldigen.

De jaren disconteren die nog moeten komen

De simpele formule doet alsof €5.040 in jaar zes evenveel waard is als €5.040 vandaag. Dat klopt niet, want geld dat je nu hebt, kun je herinvesteren, en een voorspelling zes jaar vooruit is wankeler. Gupta, Lehmann en Stuart definiëren de waarde van een klant in hun paper uit 2004 over het waarderen van de klantenbasis van een bedrijf als de verwachte som van gedisconteerde toekomstige inkomsten, bij een gegeven retentiegraad en marge.

Als het eerste jaar bij het tekenen wordt betaald en de marge daarna elk jaar gelijk blijft, komt die som hierop uit:

LTV = jaarlijkse brutowinst × (1 + i) ÷ (1 + i - r)

Daarbij is r de retentiegraad en i de disconteringsvoet. De paper merkt op dat financehandboeken een jaarlijkse disconteringsvoet tussen 8% en 16% aanraden, en de auteurs gebruikten zelf 12%. Reken Zwolle door tegen 10%: €5.040 × 1,10 ÷ (1,10 - 0,85) = €5.040 × 4,4 = €22.176. Zet je i op nul, dan geeft dezelfde formule weer €33.600. Het verschil van €11.424 is dus volledig de prijs van het wachten.

Disconteren telt het zwaarst als klanten lang blijven of als je een klantenbasis waardeert voor investeerders. Voor interne vergelijkingen is het niet-gedisconteerde getal prima, zolang je steeds hetzelfde gebruikt.

Wat een cohort uit 2021 echt betaalde

De formule gaat ervan uit dat het bedrijf elk jaar 15% van de omzet van elke groep klanten verliest, tot in de eeuwigheid. Echte klantgroepen gedragen zich anders. Hier zijn de 40 accounts die Zwolle in 2021 tekende, allemaal gestart op het gemiddelde van €7.200, gevolgd over vijf volle jaren:

Deel de cumulatieve €1.220.400 door de 40 accounts die begonnen, en elk oorspronkelijk account blijkt €30.510 te hebben betaald. Bij 70% marge is dat €21.357 brutowinst per account, en daar zit geen enkele schatting in.

Vergelijk dat nu met wat de formule voor dezelfde vijf jaar verwachtte. Jaar één telt volledig, dan 85% daarvan, dan weer 85% daarvan, enzovoort: €5.040 × (1 + 0,85 + 0,7225 + 0,614125 + 0,52200625) = €5.040 × 3,70863125 = €18.691,50. Het cohort versloeg de formule met €2.665,50, zo'n 14%, en het is nog niet klaar. De 29 accounts die nog in de boeken staan, betalen samen €230.400 per jaar, ongeveer €7.945 per account. Dat is meer dan ze bij het tekenen betaalden.

Eén churncijfer verbergt hier twee dingen. De verliezen namen na jaar één snel af, en de accounts die bleven, voegden seats en modules toe. Dat is expansion revenue, precies het deel dat de simpele formule buiten beschouwing laat. In het artikel over net revenue retention lees je hoe je die groei op de bestaande basis meet zonder dat nieuwe klanten het beeld vertroebelen.

Voor de dalende churn bestaat een bekende verklaring. Peter Fader en Bruce Hardie laten in hun paper over het voorspellen van klantretentie zien dat retentiecijfers meestal stijgen met de leeftijd van een cohort, ook als geen enkele klant afzonderlijk loyaler wordt. Klanten bij wie vertrek altijd al waarschijnlijk was, gaan vroeg, en wie overblijft, was altijd al waarschijnlijk een blijver. Ze noemen het een sorteereffect. Een blended churn rate overschat dus hoe snel je oudste klanten vertrekken, en onderschat de verliezen in het eerste jaar.

Voorspellende LTV-modellen, en wie er echt een nodig heeft

Het antwoord van Fader en Hardie op dat sorteerprobleem is het shifted-beta-geometric-model (sBG). Het gaat ervan uit dat elke klant bij elke verlenging een eigen, vaste kans heeft om op te zeggen, en dat die kansen per klant verschillen. Die spreiding schat het model uit een paar jaar aan retentiecijfers per cohort. De paper laat zien dat het werkt in een gewone Excel-spreadsheet, en het is gebouwd om de staart van een cohort als de klanten van Zwolle uit 2021 te voorspellen. Met één blended churn rate lukt dat niet.

Voor bedrijven zonder contracten komen de standaardtools van dezelfde onderzoekers. Het BG/NBD-model (Fader, Hardie en Lee, 2005) schat hoeveel aankopen elke klant nog gaat doen, en hoe groot de kans is dat hij überhaupt nog actief is, op basis van drie gegevens: hoe vaak hij kocht, wanneer hij voor het laatst kocht en hoe lang hij al klant is. De auteurs presenteren het als een veel eenvoudiger alternatief voor het oudere Pareto/NBD-model, met heel vergelijkbare uitkomsten. Een bijbehorend gamma-gammamodel voor monetaire waarde voorspelt daarna per klant de waarschijnlijke besteding per transactie, en de twee samen vermenigvuldigd geven een LTV per persoon.

Heb je dit allemaal nodig? Een webshop met tienduizenden terugkerende kopers wel, want opensourcebibliotheken maken de modellen goedkoop om te draaien, en de uitkomst per klant bepaalt wie een win-backaanbod krijgt. Bij een B2B-bedrijf met een paar honderd accounts zouden wij meestal stoppen bij een cohorttabel en de gedisconteerde formule, met de retentie jaar voor jaar uit de cohorttabel in plaats van één blended gemiddelde. Een model op vier cohorten van 40 accounts meet vooral ruis.

LTV bij abonnementen is iets anders dan LTV bij e-commerce

Fader en Hardie trekken hier de grens die ertoe doet. In een contractuele situatie zie je de klant vertrekken: hij zegt op, of hij verlengt niet. In een niet-contractuele situatie ziet het bedrijf de klant nooit gaan. Hij stopt gewoon met bestellen, en je kunt een verloren klant niet onderscheiden van een klant die lang tussen twee aankopen zit.

• De eenheid. LTV bij B2B-abonnementen meet je per account, dus per bedrijf met meerdere gebruikers en vaak meerdere contracten. LTV bij e-commerce meet je per persoon, in de praktijk per e-mailadres.

• Waar de looptijd vandaan komt. Abonnementen hebben een churn rate die je kunt tellen. Een webshop moet per klant de kans schatten dat hij nog actief is, en precies daarvoor is BG/NBD gebouwd.

• Groei binnen de klant. B2B-accounts groeien via seats, pakketten en tweede producten, dus een goede LTV rekent expansion mee, zoals het cohort van Zwolle deed. De waarde van herhaalaankopen groeit juist via frequentie en mandgrootte, en die neemt het bestedingsmodel apart mee.

• Marge. In software gaat het vooral om hosting, support en onboarding. In e-commerce reken je de marge per order na productkosten, verzending, transactiekosten, kortingen en retouren, en in categorieën waarin veel orders terugkomen, kunnen retouren het grootste deel van de marge opeten.

• Scheefheid. Een handvol heel grote accounts maakt een B2B-gemiddelde misleidend, dus rapporteer LTV per segment of per contractgrootte. Bij een webshop zit de scheefheid in een lange staart van eenmalige kopers.

Ook de schaal verschilt. Een webshop in Breda die koffiebonen verkoopt, houdt van een order van €45 na kosten en retouren misschien €13,50 over. Zijn LTV hangt dus bijna volledig af van hoeveel herhaalbestellingen een nieuwe koper nog gaat plaatsen.

LTV bepaalt het plafond voor acquisitie-uitgaven

De lifetime value van een klant is het maximum dat je redelijkerwijs kunt uitgeven om hem te winnen, en je hoort ver onder dat maximum te blijven. Daarom lees je LTV naast customer acquisition cost, en daarom bestaat de verhouding tussen LTV en CAC. Dat artikel behandelt de rekensom, de gangbare vuistregel dat lifetime value minstens drie keer zo groot moet zijn als de acquisitiekosten, en waarom je de ratio naast de payback moet lezen.

Wat de ratio van dit artikel erft, is de methode. Stop je er de omzetversie van €48.000 in, dan lijkt Zwolle zich meer dan twee keer zoveel te kunnen veroorloven als de gedisconteerde €22.176 toelaat. Kies dus één definitie en houd je eraan.

LTV bepaalt ook hoeveel moeite een deal verdient. Bij een lifetime value van €8.000 verdient een salescyclus met vijf meetings en een voorstel op maat zich niet terug. Bij €80.000 wel, en die logica bepaalt hoe je revenue engine het werk verdeelt tussen self-serve, inside sales en field sales.

Een hogere lifetime value begint bij wie je tekent

Gupta, Lehmann en Stuart maten bij vijf beursgenoteerde bedrijven (Amazon, Ameritrade, Capital One, eBay en E*Trade) hoe gevoelig de klantwaarde is voor elke input. Een verbetering van 1% in retentie verhoogde de klantwaarde met 3 tot 7%. Een verbetering van 1% in marge leverde zo'n 1% op, en 1% lagere acquisitiekosten maar 0,02 tot 0,3%. De deling in de formule verklaart waarom. Kleine veranderingen in de noemer geven grote veranderingen in de uitkomst.

De goedkoopste retentie wordt bij de sale bepaald. Splits LTV uit per segment en je ziet dat sommige klanttypes jaren blijven en groeien, terwijl andere vertrekken bij de eerste budgetkrimp. Neem dat mee in je ideal customer profile, zodat je gericht zoekt naar de bedrijven die lang blijven. Gebruik daarnaast geautomatiseerde prospecting die accounts op fit screent voordat een rep er tijd in steekt, zodat de segmenten die snel vertrekken je pipeline nooit vullen.

Na de sale wijst het cohort van Zwolle de hefbomen aan. De meeste omzet gaat in het eerste jaar verloren, dus daar hoort de inspanning voor onboarding heen. Volg accounts met een customer health score die dalend gebruik of een vertrokken champion signaleert vóór de verlenging, en zie een downgrade als verlies, ook als je de klant ermee binnenhield. Maak daarna ruimte voor expansion bij de accounts die waarde halen, want de klanten die blijven en groeien, zijn ook degenen die de volgende klant aanbrengen. Zo gaat een GTM-flywheel draaien.

Samenvatting

Customer lifetime value is een voorspelling met een definitie eraan vast, en die definitie doet het meeste werk. Omzet of marge, gedisconteerd of niet, één blended churn rate of een churncurve uit echte cohorten: elke keuze verschoof het getal van Zwolle met duizenden euro's, van €48.000 omlaag naar €22.176, zonder dat ook maar één klant zich anders gedroeg.

De verstandige aanpak is de methodes elkaar laten controleren: de cohorttabel voor wat klanten echt betaalden, de formule voor de jaren die de cohorten nog niet hebben bereikt, en een kansmodel zodra je het volume hebt om er een te schatten. Welke versie je ook kiest, die hoort naast de acquisitiekosten te staan, uitgesplitst per segment en met de methode erbij.

Het getal is ook een oordeel over je targeting. Klanten die passen, blijven langer en groeien, dus lifetime value wordt net zo goed bepaald door wie sales en marketing benaderen als door alles wat customer success later doet. Daarom hoort het centraal te staan in hoe een GTM-systeem targeting, verkoop en retentie met elkaar verbindt.

Staat je LTV nu in een spreadsheet die niemand meer kan nabouwen? Dan richten wij de instroomcohorten, omzethistorie en segmentvelden in je CRM zo in dat de cohorttabel zichzelf ververst, en laten we je team achter met een opzet die het zonder ons kan draaien en aanpassen.

Veelgestelde vragen