LTV без иллюзий: как посчитать «сколько мы зарабатываем на клиенте» в D2C в 2026-м, когда CAC плавает, а атриб

LTV без иллюзий: как посчитать «сколько мы зарабатываем на клиенте» в D2C в 2026-м, когда CAC плавает, а атрибуция спорит с правдой

В D2C все любят говорить про LTV, но обычно под этим словом скрывается что-то разное:
— в одном случае это “маржа с повторных покупок”
— в другом — “вся выручка минус первые маркетинговые расходы”
— в третьем — “модель, которую никто не проверял на реальных когортах”

В 2026 году к путанице добавились две вещи. Во‑первых, средний чек у многих стал ниже (люди экономят), а значит LTV нужно защищать не только скидками и промо. Во‑вторых, last-click атрибуция всё чаще уступает privacy-first подходам: server-side, MMM и incrementality. В результате “красивые отчёты” перестают совпадать с тем, что вы реально контролируете.

Ниже — способ считать LTV так, чтобы он помогал управлять payback’ом (сроком окупаемости), а не превращался в спорную математику.

1) Начните с простого: LTV как когортная юнит-экономика, а не “средняя по больнице”
Тезис: LTV нужно считать по когортах клиентов (по месяцу первой покупки или по каналу/кампании), чтобы видеть, как повторяется спрос и где именно вы теряете маржу.

Почему это важно: в реальности CAC меняется и по сезонам, и по эффективности креативов, и по ценам на трафик. Если вы считаете LTV “как среднее по всем”, вы неизбежно смешаете разные эпохи привлечения.

Пример из практики: бренд нижнего белья может получить в июне клиентов дороже (дороже трафик, меньше конверсий), но именно эта когорта будет “длиннее” за счет лучшего match по размеру. Если считать общим средним, получится парадокс: LTV выглядит стабильным, а payback — то лучше, то хуже. На когортах видно: в июне рост повторов есть, но вы его не инвестировали (не настроили ритейнер-подход), поэтому маржа не доехала до вас.

Как сделать “когортный LTV” в разумной форме:
— берете когорту по дате первой покупки (например, месяц)
— считаете валовую выручку по каждой последующей покупке этой когорты
— считаете маржу: вычитаете COGS, доставку до клиента, упаковку, комиссии, возвраты (как минимум на уровне процента), обслуживание
— маркетинговые расходы: отделяете “переменные на привлечение” от “бренда и накладных”
— получаете LTV по горизонту: 90 дней / 180 дней / 365 дней

Ключевой принцип: сначала доведите когортную картину до согласия с реальностью (заказы, возвраты, маржа), и только потом добавляйте модель сложнее.

2) Разведите “LTV клиента” и “LTV для юнит-экономики”: кто платит за первые касания?
Тезис: для payback важнее “маржа после маркетингового вклада”, а не просто общая маржинальность клиента.

Почему: в D2C есть как минимум два типа расходов:
— расходы, которые напрямую создают продажи в конкретный период (performance-блок, промо, удерживающие коммуникации, которые измеряются)
— расходы, которые формируют спрос и узнаваемость (брендинг, PR, контент Topical Authority, часть медийки), но не всегда измеряются по last-click

В 2026-м, когда атрибуция становится спорной, ошибка в расходах обычно одна из двух:
— вы “переприсваиваете” брендинговую часть performance-кампаниям и занижаете payback
— или наоборот — “размазываете” маркетинговые затраты так, что LTV кажется слишком высоким

Пример: косметический D2C мог активно растить бренд через контент и поисковый (информационный SEO начал уступать чистому informational потоку, но топик-авторитет ещё держится). В какой-то момент performance-канал “отвалился” по атрибуции, но продажи не исчезли: клиент приходил уже с пониманием продукта.
Если вы посчитали LTV минус только direct-расходы, вы получите “хороший payback”. Если вы наоборот списали на performance ещё и половину бюджета бренда без проверки, payback станет “плохим” — хотя компания могла бы нормально масштабироваться.
…