Юнит-экономика: LTV, CAC, ROMI

Общее #

• Назначение: оценка прибыльности на единицу (клиента/заказа); фильтр масштабирования.
• Аудитория: PM, фаундеры, growth, маркетинг, CFO.
• Статус: устоявшийся (David Skok, 2008; Peter Thiel; Eric Ries).
• Не путать с: AARRR (воронка привлечения), Retention и Churn (поведенческая метрика удержания), GMV/Revenue (выручка, а не прибыль на клиента), ROI (общий возврат инвестиций; ROMI — только маркетинговый).

Юнит-экономика (unit economics) — сопоставление всех денег, которые приносит одна повторяющаяся единица бизнеса (клиент, заказ, подписчик), со всеми деньгами, которые эта единица стоит: привлечение, обслуживание, производство. Главный вопрос, на который отвечает юнит-экономика: зарабатывает ли компания на отдельном клиенте — и что произойдёт с деньгами при масштабировании. Если единица прибыльна, рост работает как копир: каждый новый клиент добавляет кассу. Если убыточна, каждый новый клиент добавляет убыток, и любой рост лишь ускоряет сгорание денег.

Ключевая идея — «считай на единицу» (per customer / per order). Агрегированные выручка и прибыль отвечают на вопрос «как дела в целом», но молчат о причине: компания может расти по выручке и одновременно тонуть в убытках, и по общим цифрам этого не видно. Юнит-экономика разбивает агрегат на элементарный цикл «привлёк → обслужил → заработал» и показывает, воспроизводится ли этот цикл с плюсом. Три главных применения:

• Scale-test (фильтр масштабирования). Решение «увеличивать маркетинговый бюджет» оправдано только при сходящейся экономике на единицу: сначала сходится юнит, потом масштаб. Масштабирование убыточной модели — классический способ ускорить смерть продукта.
• Инвестиционный анализ. LTV/CAC и срок окупаемости привлечения — стандартный язык разговора с инвесторами: эти метрики показывают, воспроизводим ли рост и как быстро он перестаёт требовать денег.
• Оптимизация модели. Разложение на единицу показывает, какой рычаг — цена, удержание, стоимость канала, себестоимость обслуживания — сильнее всего влияет на прибыль, ещё до того, как деньги потрачены на эксперимент.

Исторический каркас темы задали три источника. Дэвид Скок в эссе о масштабировании и «дырявом ведре» (For Entrepreneurs, 2008) показал, что рост без сходящейся юнит-экономики лишь ускоряет потерю денег: пока ведро протекает, доливать в него бессмысленно. Питер Тиль в «Zero to One» (2014) зафиксировал принцип «сначала работающая модель — потом масштаб»: рост и устойчивость должны идти вместе, а не последовательно. Эрик Рис в «The Lean Startup» (2011) сделал юнит-экономику количествовой проверкой бизнес-модели на ранней стадии: инновационная бухгалтерия требует доказывать, что цикл привлечения не просто расходует бюджет, а учится и зарабатывает.

Место в продуктовом цикле #

Юнит-экономика — финансовый слой продуктовых метрик. Поведенческий вход для неё даёт удержание: Retention и Churn определяют срок жизни клиента, а срок жизни — его денежную ценность (Lifetime = 1/Churn). В воронке AARRR (Pirate Metrics) юнит-экономика замыкает крайние ступени: стоимость этапа Acquisition превращается в CAC, монетизация этапа Revenue — в LTV. Для Product-Market Fit сходящаяся юнит-экономика — экономическое подтверждение поведенческих сигналов: рынок не просто пользуется продуктом, но и платит настолько, что привлечение окупается. Связь с North Star Metric опосредованная: NSM фиксирует ценность, ценность через удержание задаёт срок жизни, а из срока жизни рождается LTV.

LTV (Lifetime Value) #

LTV (Lifetime Value, пожизненная ценность клиента) — вся валовая прибыль, которую клиент принесёт за время жизни в продукте. Не выручка, а именно прибыль с учётом себестоимости обслуживания — ключевое различие, без которого метрика теряет смысл (см. «Типичные ошибки»).

Базовая формула #

LTV = ARPU × Gross Margin × Lifetime
Lifetime = 1 / Churn

• ARPU (Average Revenue Per User) — средняя выручка на клиента за период (обычно месяц);
• Gross Margin — валовая маржа: доля выручки, остающаяся после себестоимости (хостинг и инфраструктура, поддержка, лицензии, стоимость проданных товаров, платёжные комиссии);
• Lifetime — средний срок жизни клиента; при стабильном месячном churn он равен 1/Churn.

Равенство Lifetime = 1/Churn — прямой мост к статье об удержании: при месячном churn 2,5% средний клиент живёт 1 / 0,025 = 40 месяцев. Отсюда главное следствие для денег: снижение churn вдвое удлиняет срок жизни вдвое и почти вдвое поднимает LTV — работа с удержанием оказывается самым дешёвым способом поднять пожизненную ценность клиента.

Пример расчёта: B2B SaaS #

Тариф 5 000 ₽/мес, валовая маржа 80% (хостинг, поддержка, лицензии съедают 20%), месячный logo churn 2,5%.

Lifetime = 1 / 0,025 = 40 месяцев
LTV = 5 000 × 0,80 × 40 = 160 000 ₽

Один клиент за сорок месяцев жизни приносит 200 000 ₽ выручки, из которых валовую прибыль — 160 000 ₽. Дальше вся статья использует этот пример как сквозной.

Historical vs Predictive LTV #

• Historical LTV — сумма фактической валовой прибыли по состоявшимся клиентам (или когортам). Точен, но запаздывает: чтобы честно посчитать LTV когорты, нужно дождаться её смерти, а для удерживающихся продуктов это годы. На практике historical LTV считают на усечённом горизонте: «валовая прибыль первых 12 месяцев жизни».
• Predictive LTV — прогноз по формуле или модели на основе ранних данных когорты: ARPU × маржа × 1/Churn, либо более сложные модели (кривые удержания, дисконтирование). Быстр, но чувствителен к допущениям: молодые когорты часто удерживаются лучше старых, и прогноз по первым неделям завышает срок жизни.

Зрелые команды используют обе версии и следят за расхождением: систематический разрыв прогнозного и фактического LTV — сигнал, что модель оптимистична (разобрано в «Минусы и риски»).

Gross vs Net LTV #

• Gross LTV — вся валовая прибыль клиента без вычета операционных расходов на него.
• Net LTV — за вычетом стоимости обслуживания (cost to serve): поддержка, счёт-менеджер, обучение, инфраструктура сверх себестоимости. Для enterprise-сегмента с индивидуальным сопровождением разница бывает критичной: gross-прибыльный клиент оказывается net-убыточным, потому что ест ресурсы команды поддержки.

Правило: сравнивать LTV с CAC корректно на одном уровне затрат. Если в CAC учтены зарплаты продавцов (полный CAC), то и LTV честнее брать net — иначе ratio систематически завышается.

Примеры для других моделей #

E-commerce. Подписки нет, поэтому LTV собирают из чека, маржи и частоты покупок. Средний чек 3 000 ₽, маржа после себестоимости товара, логистики и платёжных комиссий — 25% (750 ₽ с заказа), частота покупок — 4 в год, средний срок жизни покупателя — 2 года (8 заказов):

LTV = 3 000 × 0,25 × 4 × 2 = 6 000 ₽

Mobile-приложение. ARPU 200 ₽/мес по активным пользователям, валовая маржа 70% (комиссии сторов и платёжных систем), месячный churn 10%:

Lifetime = 1 / 0,10 = 10 месяцев
LTV = 200 × 0,70 × 10 = 1 400 ₽

Сводная таблица примеров #

Общий паттерн один: выручка на период × маржа × число периодов жизни. Различается только то, что считать периодом и где брать его длительность — из churn (подписки) или из наблюдаемой частоты повторных покупок (транзакционные модели).

Дисконтирование и горизонт расчёта #

Формула LTV предполагает, что рубль сегодня равен рублю через три года — это не так. При длинном сроке жизни (enterprise-подписки живут годами) будущую валовую прибыль дисконтируют: LTV = Σ (ARPU × Margin) / (1 + d)^t, где d — ставка дисконтирования, t — номер периода. Чем длиннее Lifetime, тем сильнее дисконт съедает хвост формулы: при ставке 15% годовых рубль, полученный через три года, стоит около 66 копеек сегодня. Вторая поправка — горизонт: на практике LTV считают ограниченным горизонтом (12–36 месяцев), потому что и прогнозная точность падает с дистанцией, и решения о бюджете принимаются на более коротких окнах. LTV «за 24 месяца» — честный компромисс между полнотой картины и устойчивостью оценки.

CAC (Customer Acquisition Cost) #

CAC (Customer Acquisition Cost, стоимость привлечения клиента) — все расходы на то, чтобы привести одного нового платящего клиента.

Базовая формула #

CAC = Sales & Marketing Expenses / # New Customers

• Sales & Marketing Expenses — расходы за период: реклама, комиссии, зарплаты и бонусы продаж, инструменты маркетинга и продаж, подрядчики;
• # New Customers — число новых платящих клиентов за тот же период.

Полный и маркетинговый CAC #

• Полный CAC (fully loaded) — все S&M-расходы, включая зарплаты, бонусы и инструменты. Именно полный CAC участвует в стратегических решениях и разговоре с инвесторами.
• Маркетинговый CAC — только медиа и подрядчики, без зарплат sales. Полезен для оценки эффективности каналов, но систематически занижает стоимость привлечения.

Пример (сквозной SaaS). За квартал маркетинг потратил 4 800 000 ₽, продажи (зарплаты, комиссии, CRM) — 3 200 000 ₽, пришло 200 новых клиентов:

Маркетинговый CAC = 4 800 000 / 200 = 24 000 ₽
Полный CAC = (4 800 000 + 3 200 000) / 200 = 40 000 ₽

Разница в 1,7 раза — типичная цена «забытых» зарплат продаж: решения, принятые по маркетинговому CAC, выглядят на две трети выгоднее, чем есть.

Blended vs Paid CAC #

• Blended CAC — все расходы на всех новых клиентов, включая пришедших органически (рекомендации, SEO, бренд). Органика «разбавляет» платные каналы и снижает средний CAC.
• Paid CAC — расходы только платных каналов / только клиентов из платных каналов. Показывает реальную цену покупаемого роста.

Пример. 200 клиентов: 120 из платной рекламы за 4 800 000 ₽, 80 органически. Blended CAC = 4 800 000 / 200 = 24 000 ₽; Paid CAC = 4 800 000 / 120 = 40 000 ₽. Покупаемый клиент стоит вдвое дороже среднего — если планировать следующий бюджет по blended-цифре, денег не хватит.

Сводная таблица вариантов CAC #

Опасная комбинация — считать бюджет по blended («клиент стоит 24 000 ₽»), а платить за рост по paid (40 000 ₽): расхождение покрывается из кассы молча. Корректная дисциплина: план масштабирования строится от Paid CAC, а доля органики рассматривается как отдельный (и хрупкий) источник улучшения blended.

CAC растёт с масштабом #

Стоимость привлечения — не константа, а функция насыщения канала. Первые клиенты приходят дёшево: первой откликается часть аудитории, которая и так искала продукт. По мере исчерпания канала реклама покупает всё менее заинтересованных людей, ретаргетинг выжигается, конкуренция на аукционах растёт — CAC повышается. Отсюда контринтуитивное следствие: юнит-экономика при масштабе ухудшается, а не улучшается. Здоровая компания закладывает в план не текущий CAC, а его кривую: канал за каналом, с ростом цены каждого следующего сегмента. Оценка «CAC у нас 24 000 ₽» без указания объёма трафика, на котором она получена, — самая дорогая иллюзия в growth-планировании.

LTV:CAC ratio #

Главный итог юнит-экономики — соотношение пожизненной ценности клиента и стоимости его привлечения.

LTV:CAC = 160 000 / 40 000 = 4:1

Порог 3:1 #

Консенсусный ориентир, восходящий к Скоку: здоровое соотношение — от 3:1.

Порог больше 5:1 читается как «слишком хорошо»: если экономика настолько сходится, рынок заметит — придут конкуренты с тем же продуктом и большим бюджетом; кроме того, запас прочности означает, что компания может агрессивнее вкладываться в рост, каналы и продукт. Недоинвестируемый канал — тоже потерянные деньги, просто другого рода.

Payback period #

Второй обязательный порог — срок окупаемости привлечения: сколько месяцев клиент «возвращает» свой CAC валовой прибылью.

Payback Period = CAC / (ARPU × Gross Margin)
= 40 000 / (5 000 × 0,80) = 40 000 / 4 000 = 10 месяцев

Ориентиры: для B2B SaaS окупаемость обычно требует меньше 12 месяцев (для enterprise с длинным циклом — до 18–24), для потребительских продуктов — меньше 3 месяцев. Payback удобно видеть на кумулятивном графике денег клиента: линия валовой прибыли когорты пересекает уровень CAC — момент окупаемости; площадь выше CAC — заработанный LTV.

Касса клиента (SaaS, payback = 10 мес):

 −CAC ┼●
      │  ╲
      │   ╲
    0 ─┼────╲───────╲──────────────→ месяцы
      │     ╲     _╱● payback (10 мес)
      │      ╲__╱
      │      валовая прибыль когорты

До точки пересечения компания финансирует клиента из собственного кармана: чем длиннее этот участок, тем больше оборотного капитала требует рост. Payback важнее ratio именно потому, что он про кассу: соотношение 4:1 при окупаемости в три года означает, что компания кредитует рост из собственного кармана на три года — пережить это без внешних денег почти невозможно. Одинаковые LTV:CAC у продуктов с разным payback — это разные по риску модели.

Ориентиры по сегментам #

Бенчмарки — ориентир, а не норма: значения зависят от маржинальности, цикла продажи и зрелости рынка.

Чтение таблицы: consumer-сегменты требуют короткой окупаемости, потому что доступных денег на «прогрев» кассы мало, а отток непредсказуем; enterprise позволяют ждать дольше, потому что контракты крупные и продлеваются годами. Единственное универсальное правило: ratio ниже 3:1 при payback длиннее года означает, что рост финансируется извне и обязан оправдываться стратегией, а не инерцией. Классическая пара порогов масштабирования — LTV:CAC ≥ 3:1 и payback < 12 месяцев: выполнены оба — можно увеличивать бюджет; нарушен любой — сначала чинить экономику.

Интерпретация ratio #

• Ratio двигается от изменений обеих сторон. Рост цены поднимает ARPU → LTV; новое онбординг-улучшение снижает churn → Lifetime → LTV; перераспределение бюджета в органические каналы снижает blended CAC. Дашборд «LTV:CAC = 4» без декомпозиции бесполезен: важно, за счёт чего он держится.
• Ratio по сегментам. Средний ratio смешивает дешёвую органику и дорогой платный трафик, мелких и крупных клиентов. Корректный разрез — ratio по каналам и сегментам: часть каналов сходится с запасом, часть тянет вниз.
• Ratio не заменяет кассу. Даже идеальный 4:1 живёт на бумаге, пока деньги заморожены в пути от оплаты рекламы до возврата через LTV (подробнее — «Типичные ошибки»).

ROMI / ROAS #

Метрики возврата маркетинговых инвестиций — операционный уровень юнит-экономики: они оценивают конкретную кампанию или канал, а не модель целиком.

ROMI #

ROMI = (Revenue from Marketing − Marketing Cost) / Marketing Cost × 100%

Пример. Кампания обошлась в 500 000 ₽, атрибутированная выручка — 1 500 000 ₽, валовая маржа продукта — 70% (валовая прибыль 1 050 000 ₽):

ROMI по выручке = (1 500 000 − 500 000) / 500 000 × 100% = 200%
ROMI по марже = (1 050 000 − 500 000) / 500 000 × 100% = 110%

Каждый рубль кампании вернул три рубля выручки (200% ROMI), но только 2,1 рубля валовой прибыли — вариант «по марже» честнее, потому что именно прибылью кампания оплачивается. ROMI может считаться и с полным набором затрат (зарплаты маркетинга, инструменты) — тогда он приближается к CAC-логике на уровне канала.

ROAS #

ROAS = Revenue / Ad Spend

Та же кампания: ROAS = 1 500 000 / 500 000 = 3 (или «300%»). Это отношение, а не прирост: ROAS 100% — точка нулевой выручки на рубль рекламы, тогда как ROMI 0% — точка безубыточности.

Отличие и выбор метрики #

Правило выбора: ROAS — для сравнения кампаний внутри одного продукта (где маржа общая), ROMI — для решений о том, окупается ли маркетинг вообще, особенно при разных маржах товаров или каналов. Полезен и порог безубыточности: break-even ROAS = 1 / Gross Margin = 1 / 0,70 ≈ 1,43 — кампании с ROAS ниже 1,43 не окупаются даже по выручке с учётом маржи.

Ограничение: атрибуция #

И ROMI, и ROAS наследуют главную слабость маркетинговой аналитики — модель атрибуции, то есть правило, какая кампания получает кредит за продажу. Модели первого и последнего клика раздают кредит по-разному; одна и та же кампания в разных моделях показывает ROAS, отличающийся в разы. Отсюда практические оговорки: сравнивать кампании только внутри одной модели атрибуции; не вычитать из ROMI «законы жанра» (брендовые кампании почти всегда «переоцениваются» last-click, а верх воронки — недооценивается); для сквозных решений проверять ROMI инкрементальными тестами — выключить канал и посмотреть, что изменится. Рекламные кабинеты считают по собственной атрибуции в свою пользу; независимый пересчёт — обязанность аналитика.

ROMI и юнит-экономика #

ROMI связывает кампанальный уровень с модельным: ROMI канала по марже, умноженный на продолжительность жизни клиента, сходится к LTV:CAC. Если ROMI положителен на коротком окне (кампания вернула больше маржи, чем стоила), но LTV:CAC канала ниже трёх — значит, окно ROMI просто короче payback: деньги возвращаются медленнее, чем тратятся. Обратная ситуация — отрицательный ROMI первого заказа при сильном повторном спросе — типична для e-commerce (убыточный первый заказ как инвестиция в LTV). Смотреть эти метрики нужно вместе: ROMI отвечает «окупается ли кампания сейчас», LTV:CAC — «окупается ли канал в целом».

Модели юнит-экономики #

Способ разложения бизнеса на единицу зависит от модели монетизации. Четыре канонических подхода покрывают большинство продуктов.

Fixed / Variable Cost model #

Базовое упражнение: разделить все затраты на фиксированные (не зависят от числа клиентов — команда разработки, офис, лицензии) и переменные (растут с каждым клиентом — реклама, себестоимость, поддержка, платёжные комиссии). Юнит-экономика работает с переменным слоем: маржа на клиенте должна покрывать свой кусок фиксированных затрат и приносить прибыль. Продукт сходится, если маржинальная прибыль на клиенте растёт быстрее переменных затрат, а фиксированные размазываются по растущей базе. Модель отвечает на вопрос «а сколько клиентов нужно, чтобы выйти в ноль» — точка безубыточности = фиксированные затраты / маржа на клиента.

Cohort LTV #

Расчёт LTV не «в среднем по базе», а внутри когорт — групп клиентов, пришедших в один период. Когортный LTV честнее: он видит, как меняется экономика новых клиентов относительно старых, и не смешивает зрелые когорты с молодыми. Методология когорт и их чтения разобрана в статье об удержании; здесь важно следствие: если каждая следующая когорта удерживается лучше, её LTV выше при том же CAC — юнит-экономика улучшается продуктом, а не маркетингом. Обратная картина (LTV когорт падает при росте бюджета) — ранний сигнал перегрева каналов.

Per-order economics (e-commerce) #

Для транзакционных моделей единица — не клиент, а заказ. Считается маржа на заказ: выручка минус себестоимость товара, логистика, упаковка, платёжные комиссии, возвраты. Затем — связка с поведением: сколько заказов делает клиент до окупаемости своего CAC. Пример: маржа заказа 750 ₽, CAC 1 500 ₽ → клиент окупается со второго заказа; всё, что удерживает покупателя после второго заказа, — прибыль. Отсюда прямые решения: порог бесплатной доставки, размер скидки за первый заказ (она съедает маржу первого заказа и отодвигает окупаемость), программы повторных покупок.

Per-seat / per-license (SaaS) #

Единица — место (seat) или лицензия в подписке. Модель отвечает на вопрос, как растёт ценность аккаунта: количество мест растёт с наймом у клиента (естественная экспансия), тариф повышается с использованием функций (upsell). Юнит-экономика per-seat привязана к Net Revenue Retention: NRR выше 100% даёт «бесплатный» рост LTV без новых CAC — существующие клиенты наращивают потребление, и на каждый рубль этой экспансии не потрачено ни рубля привлечения. Математика NRR — в статье об удержании; здесь фиксируется финансовое следствие: экспансия базы — самый дешёвый источник роста, поэтому зрелые SaaS-компании часто ставят NRR в один ряд с LTV/CAC.

Сводная таблица моделей #

Выбор модели не исключает остальные: зрелая компания считает и per-order (для оценки каналов), и cohort LTV (для стратегии), и fixed/variable (для финансового плана). Расхождения между моделями — не баг, а информация: они показывают одну экономику с разных сторон.

Как улучшать unit economics #

У рычага два конца. Формула LTV:CAC = (ARPU × Margin × Lifetime) / CAC даёт всего четыре переменные для работы: цену, маржу, срок жизни и стоимость привлечения.

Рычаг 1: поднять LTV #

• Улучшить удержание. Lifetime = 1/Churn: снижение месячного churn с 2,5% до 2% удлиняет жизнь клиента с 40 до 50 месяцев — LTV растёт на четверть без единого изменения цены. Инструменты — в статье об удержании.
• Expansion revenue. Допродажи тарифов, мест, модулей существующим клиентам: растёт ARPU без роста CAC. NRR выше 100% — идеальная форма этого рычага.
• Ценообразование. Пересмотр тарифной сетки, упаковка функций, value-based pricing — часто самый быстрый способ поднять ARPU (методология — тема отдельной статьи о pricing, готовится).
• Upsell и cross-sell в момент, когда клиент уже получает ценность: продавать расширение удержавшемуся клиенту в разы дешевле, чем привлекать нового.

Рычаг 2: снизить CAC #

• Органический рост. SEO, контент, бренд: медленнее платного, но канал не «сгорает» и не дорожает аукционом. Доля органики — главная страховка blended CAC.
• Referral-механики. Рекомендации удержавшихся пользователей: канал с почти нулевой медиа-стоимостью и лучшей конверсией (этап Referral в AARRR).
• Sales efficiency. Сокращение цикла продажи, автоматизация квалификации, self-service для дешёвых сегментов: полная стоимость привлечения падает вместе с трудозатратами продавцов.
• Перераспределение бюджета. От каналов с Paid CAC выше порога окупаемости — к каналам с запасом; решение принимается по декомпозиции CAC по каналам, а не по среднему.

Математика рычагов #

На сквозном примере (LTV = 160 000 ₽, полный CAC = 40 000 ₽, ratio 4:1) видно, сколько стоит каждый рычаг при прочих равных:

Два наблюдения. Первое: удержание — рычаг с наибольшим плечом, потому что Lifetime стоит в умножителе и не имеет естественного потолка (у плато-продуктов churn стремится к малым значениям). Второе: рычаги перемножаются, а не складываются — цена +10% и churn −20% вместе дают LTV ≈ 220 000 ₽, ratio 5,5. Комбинации умеренных улучшений по каждой переменной обычно достаточно, чтобы вывести экономику из красной зоны в здоровую.

Anti-pattern: масштабирование убыточной модели #

Самая дорогая ошибка — лить бюджет в кампанию, у которой LTV:CAC < 3 или payback за горизонтом планирования. Рост метрик (выручка, регистрации, пользователи) маскирует экономику: пока касса сгорает быстрее, чем возвращается, каждая следующая порция бюджета ускоряет приближение конца. Отсюда правило порогов: масштабировать только при LTV:CAC ≥ 3:1 и payback < 12 месяцев; до этого — чинить экономику на маленьких объёмах. Тиль формулирует то же жёстче: масштабировать следует то, что уже работает; масштабирование не чинит модель, а умножает её дефекты.

Чек-лист перед масштабированием #

Сводка статьи в виде практических проверок — что должно быть посчитано и проверено до удвоения бюджета на привлечение:

• LTV посчитан по валовой прибыли. ARPU × маржа × Lifetime, а не ARPU × Lifetime: без маржи это Lifetime Revenue (см. «Типичные ошибки»).
• Горизонт LTV зафиксирован. Явно указано, за какой срок считается LTV (полный или 12–24 месяца), и дисконтирование применяется при длинном payback.
• CAC полный и по каналам. Включены зарплаты и инструменты продаж; blended и Paid посчитаны раздельно; план строится от Paid.
• Ratio разрезан по сегментам и каналам. Среднее по базе не скрывает убыточные каналы за счёт прибыльных; органика показана отдельной строкой.
• Payback посчитан и выдержан. Срок окупаемости внутри порога для своего сегмента; кассовый разрыв до окупаемости покрыт оборотным капиталом или внешними деньгами.
• Кривая CAC заложена в план. Прогноз учитывает удорожание каналов при росте объёма, а не фиксирует текущую цену лида навсегда.
• NRR измеряется. Экспансия базы учитывается в LTV; при NRR выше 100% рост базы частично финансирует сам себя.
• Методика зафиксирована. Формулы, определения и допущения записаны до расчёта, чтобы результат нельзя было «настроить» под желаемый ответ; прогнозный LTV регулярно сверяется с фактическим.

Чек-лист сознательно консервативен: он отсекает масштабирование в состоянии неопределённости. Пройти его и не масштабироваться — нормальный итог; обойти пункт, потому что «и так понятно», — самая частая точка, где рост превращается в сжигание кассы.

Типичные ошибки #

• LTV без gross margin. ARPU × Lifetime = 200 000 ₽ — это не LTV, а Lifetime Revenue: выручка за жизнь клиента. При марже 80% настоящий LTV — 160 000 ₽, при марже 40% — 100 000 ₽. Соотношения, посчитанные по выручке, систематически завышены ровно на величину маржи; «LTV 5×CAC» по выручке легко оказывается 2×CAC по прибыли — ниже порога масштабирования.
• Средний LTV вместо когортного. Смешение когорт разного возраста завышает LTV, если продукт улучшался, и занижает, если старые когорты пришлись на дешёвый трафик. Сравнивать нужно когорты на одном «возрасте» жизни.
• Игнорирование payback period. Ratio 4:1 с окупаемостью в три года — красивая бумажная экономика и реальный кассовый разрыв: деньги на привлечение уходят сегодня, возврат размазан на годы. Без расчёта срока окупаемости ratio не отвечает на вопрос «переживём ли мы рост».
• CAC без зарплат sales. Маркетинговый CAC вместо полного занижает стоимость привлечения в разы (в сквозном примере — 24 000 ₽ против 40 000 ₽). Решения о масштабировании и план по кассе обязаны считаться от полного CAC.
• «У нас LTV 3×CAC» без учёта cash flow. Даже корректный ratio молчит о временно́й структуре денег: сезонность списаний, годовые предоплата, отсрочки платежей, комиссия платёжных систем. Дисконтирование будущей выручки (деньги через два года дешевле денег сегодня) и условия оплаты — обязательная часть модели при длинном payback.
• CAC как константа. Планирование по текущей стоимости привлечения без кривой насыщения каналов: на удвоении бюджета CAC вырастет, и экономика, сходившаяся на пилоте, разойдётся в масштабе. Ошибка усиливается у растущих компаний: именно они быстрее всех исчерпывают дешёвый трафик.
• LTV по всем клиентам против CAC по платным. Классическая несимметричность: в числитель кладут LTV всей базы (включая органику), в знаменатель — расходы только на платные каналы. Органические клиенты не стоили ничего — но и не были «куплены» этим CAC; корректно считать оба варианта и не смешивать их в одном ratio.
• CAC на регистрацию вместо клиента. Если разделить расходы на число регистраций, а не платящих клиентов, конверсия в оплату «пропадёт» из расчёта: при конверсии 10% в оплату реальный CAC в десять раз выше «CAC на лид». Для продуктов с длинным триалом это дополнительно искажает время: лид, ставший клиентом через три месяца, попадает в другой отчётный период.
• Единица меняется между расчётами. LTV посчитан на аккаунт, CAC — на пользователя; LTV на компанию, CAC — на сделку. Ratio имеет смысл только когда числитель и знаменатель измеряют одну и ту же единицу, купленную и окупаемую.

Плюсы unit economics #

• Объективный scale-test. Вопрос «можно ли масштабироваться» получает численный ответ вместо интуиции: пороги 3:1 и payback < 12 месяцев переводят стратегическое решение в арифметику. Это фильтр, спасший больше стартапов, чем любая метрика роста.
• Язык с инвесторами. LTV, CAC, payback и NRR — универсальная метрическая лексика due diligence: по декомпозиции этих чисел инвестор видит воспроизводимость роста, насыщение каналов и запас прочности модели быстрее, чем по любым презентациям.
• Основа решений по каналам и продуктам. Декомпозиция CAC по каналам и LTV по сегментам превращает распределение бюджета из политики в инженерию: деньги уходят туда, где юнит-экономика сходится с наибольшим запасом. Тот же разрез обосновывает решения о сегментах: убыточный сегмент — не «сложный», а экономически бессмысленный при текущей цене и канале.
• Ранняя диагностика. Ухудшение LTV:CAC видно за кварталы до того, как оно проявится в отчёте о прибыли: падение LTV новых когорт и рост Paid CAC — опережающие индикаторы, в отличие от запаздывающей агрегированной прибыли.
• Дисциплина команды. Общая рамка «сколько клиент стоит и сколько приносит» синхронизирует маркетинг (покупает не лиды, а окупаемых клиентов), продукт (удержание — это деньги), финансы (payback — это касса).

Минусы и риски #

• Модельные допущения. Predictive LTV экстраполирует ранние когорты на будущее: если фактический churn выше прогнозного или маржа сожмётся, посчитанные соотношения окажутся фикцией. LTV — всегда оценка, а не факт; чем моложе продукт, тем шире доверительный интервал.
• Lag indicator. Честный LTV проявляется за срок жизни клиента — месяцы и годы. Команда управляет метрикой, чей истинный результат узнают без неё; на ранних стадиях это вынуждает работать с усечёнными горизонтами («LTV первых 6 месяцев»), которые требуют оговорок.
• Нестабильность данных ранних стартапов. На малых объёмах CAC прыгает от недели к неделе (одна удачная статья удваивает органику), churn не выходит из шума, а сегменты не набраны. Вывод «у нас LTV:CAC = 5» на полусотне клиентов статистически не обоснован — нужен объём и повторяемость когорт.
• Риск overfit под оптимистичный сценарий. Метрику можно «настроить»: выбрать удачную когорту, включить в LTV экспансию без доказательств, посчитать CAC по blended вместо paid, взять исторический лучший канал. Каждое решение по отдельности можно обосновать, вместе — самообман, который вскрывается только кассой. Противоядие — фиксированная методика расчёта и регулярная сверка прогнозного LTV с фактическим.
• Не отвечает «почему». Как и удержание, юнит-экономика диагностирует: показывает, что привлечение не окупается, но не показывает, из-за чего — слабая ценность, дорогой канал, не тот сегмент, цена. Без качественного слоя (интервью, win/loss) команды начинают чинить числа скидками вместо причин.
• Короткий горизонт планирования. Ориентация на payback < 12 месяцев может задушить продукты с длинным естественным циклом (enterprise, инфраструктура): их экономика сходится медленно, но живёт десятилетиями. Пороги — ориентиры по типам бизнеса, а не универсальная норма.

Связанные материалы #

• Retention и Churn — поведенческий фундамент LTV: Lifetime = 1/Churn, когортный анализ, NRR.
• AARRR (Pirate Metrics) — Acquisition как источник CAC, Revenue как источник LTV.
• Product-Market Fit — сходящаяся юнит-экономика как экономическое подтверждение PMF.
• North Star Metric — ценность, которая через удержание конвертируется в LTV.
• Lean Canvas — гипотезы о каналах и выручке, которые проверяются юнит-экономикой.
• Введение в управление продуктом — общая картина, в которую встраивается финансовый слой метрик.
• Ценообразование и монетизация — статья готовится.
• Go-to-market — статья готовится.
• Воронки и конверсии — конверсии как связующее звено между оплаченным привлечением и монетизацией.

Первоисточники #

• Skok D. (2008–2011). Scaling with a Leaky Bucket и цикл статей о метриках стартапа (For Entrepreneurs). — стоимость привлечения, LTV/CAC, пороги масштабирования; «дырявое ведро» роста.
• Thiel P., Masters B. (2014). Zero to One: Notes on Startups, or How to Build the Future. — принцип «сначала работающая модель — потом масштаб»; экономика доминирования.
• Ries E. (2011). The Lean Startup: How Today’s Entrepreneurs Use Continuous Innovation. — инновационная бухгалтерия и количественная проверка бизнес-модели.
• Farris P. W., Bendle N. T., Pfeifer P. E., Reibstein D. J. (2006). Marketing Metrics: 50+ Metrics Every Executive Should Master. — формализация ROMI и ROAS.
• Ellis S., Brown M. (2017). Hacking Growth. — связь каналов привлечения и юнит-экономики в ростовых циклах.