LTV in Apparel: von der ersten Order bis zur Wardrobe Lifetime

Zwei Kundinnen kaufen am selben Dienstag. Beide geben eine Order über 120 $ auf: eine Jeans und ein T-Shirt. Zwei Jahre später hat die eine insgesamt 180 $ ausgegeben, die andere 640 $ und kauft weiter. Gleiche erste Order, gleicher Kanal, gleiche Landing PageLanding PageEine eigenständige Webseite für ein einziges Kampagnenziel, die Conversions maximiert, indem sie Ablenkungen entfernt und Besucher auf eine einzige Aktion fokussiert.Vollständige Definition ansehen →.

Wenn Sie beim ersten Kauf aufhören zu messen, sind das zwei identische Kundinnen. Sie sind es nicht, und der Abstand zwischen ihnen ist genau das, was Lifetime Value misst. In Apparel sind die Treiber spezifisch: wie oft Leute nachkaufen, ob sie in neue Kategorien wechseln und wie viel Marge die Returns überlebt.

Was LTVLTVLifetime Value: der gesamte Umsatz (oder Gewinn), den ein Kunde über die komplette Dauer seiner Beziehung zu Ihrem Unternehmen generiert.Vollständige Definition ansehen → in Apparel tatsächlich bedeutet

Lifetime Value (LTV) ist der Gesamtprofit, den ein Kunde über die ganze Beziehung mit Ihrer Marke erzeugt, nicht der Umsatz seiner ersten Order. Manche Teams schreiben CLV. Dasselbe Objekt.

Fashion-LTV verhält sich nicht wie Software-LTV. Es gibt kein Abo, kein Renewal-Datum. Leute kaufen in Schüben, gebunden an Saisons, Wetter, Gehaltszyklen, Feiertage und Stimmung. Eine Kundin kann acht Monate still sein und dann 300 $ für einen Drop der neuen Saison ausgeben. Dieser ungleichmäßige Rhythmus ist die Wardrobe Lifetime, und jedes Modell, das gleichmäßigen monatlichen Churn annimmt, liest ihn falsch.

Die Arbeitsformel:

LTV = durchschnittlicher Orderwert × Kauffrequenz × return-adjustierte Marge × Kundenlebensdauer

Jeder Term braucht Behandlung, bevor Sie irgendetwas multiplizieren.

Durchschnittlicher Orderwert

AOV ist Gesamtumsatz geteilt durch Anzahl Orders: 500.000 $ auf 5.000 Orders ergibt 100 $. Die Bandbreiten unterscheiden sich stark zwischen Fast Fashion und Premium, und sie bewegen sich mit jeder Promotion, deshalb ist ein steigender AOV nicht automatisch eine gute Nachricht. ErErDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → steigt auch, wenn eine Kundin zwei Größen desselben Kleids ordert und eine davon zurückschicken will.

Kauffrequenz und Repeat Rate

Die Repeat Rate ist der Anteil der Kunden, die mehr als einmal kaufen. Kauffrequenz ist, wie viele Orders der durchschnittliche Kunde in einem Zeitraum aufgibt. Was pro Kategorie normal ist, klärt die Lektion zu Retention und Benchmarks; hier geht es darum, sie zu berechnen, ohne sich selbst anzulügen.

Zwei Buchhaltungsfallen. Erstens Umtausch: Wenn Ihre Plattform einen Größentausch als neue Order bucht, blähen sich Frequenz und AOV auf, ohne dass neues Geld eingeht. Zweitens Geschenk-Orders. Ein November-KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →äufer, der für jemand anderen kauft, erzeugt eine erste Order, deren Kategorie nichts mit seiner eigenen Garderobe zu tun hat, und das Modell liest sie trotzdem als Kategoriesignal.

Hier trennen sich die beiden Kundinnen. Kundin A kam einmal für eine 60-$-Order zurück und hörte auf. Kundin B kam vier Mal zurück, mit jeweils rund 130 $.

Die fashion-spezifische Wendung: Returns

Generalistische LTV-Modelle nehmen an, gebuchter Umsatz sei behaltener Umsatz. In Apparel funktioniert das nicht, weil die Passform unsicher bleibt, bis das Paket offen ist. Zalando, das Fashion in ganz Europa verkauft und in den meisten seiner Märkte kostenlose Returns angeboten hat, hat Return-Raten von rund der Hälfte der versendeten Artikel thematisiert.

Ein Return ist nicht neutral. Er kostet Rückversand, Prüfung und Einlagerungsarbeit, und oft einen Markdown, wenn der Artikel spät in der Saison zurückkommt. Nutzen Sie die return-adjustierte Marge, sonst ist Ihr LTV Fiktion. (Return-Raten auf Kategorieebene und was eine Policy-Änderung kostet, gehören in die Benchmarks-Lektion.)

Rechenbeispiel: return-adjustierte Marge

Eine Kundin gibt eine Order über 200 $ bei 60 Prozent Bruttomarge auf, also 120 $ Bruttoprofit auf dem Papier.

• Sie schickt einen Artikel für 80 $ zurück.
• Behaltener Nettoumsatz: 120 $.
• Marge auf die behaltene Ware bei 60 Prozent: 72 $.
• Return-Handling (Versand hin und zurück plus Einlagerung): etwa 15 $.
• Return-adjustierter Profit: 72 $ - 15 $ = 57 $.

Sie hätten 120 $ gebucht. Der Return hat das halbiert. Multiplizieren Sie diesen Fehler über eine Cohort, und das Modell empfiehlt den falschen Acquisition-Kanal.

Der Grenzfall, der den Durchschnitt zerlegt: Bracketer

Durchschnitte verbergen einen Tail. Ein kleiner Anteil der Accounts ordert von allem drei Größen und behält eine, oder nichts. Auf dem Papier sehen sie exzellent aus: hoher AOV, mehrere Orders pro Quartal. Auf return-adjustierter Marge sind sie negativ, und sie werden jedes Mal negativer, wenn Sie Geld für ihre Reaktivierung ausgeben.

Zwei Konsequenzen, die die meisten Teams übersehen. Acquisition-Kanäle nach AOV zu ranken belohnt still und leise jenen Kanal, der die meisten Bracketer schickt. Und wenn Sie Ihre High-AOV-Kunden als Seed Audience für Lookalikes einspeisen, trainieren Sie die Plattform darauf, mehr von ihnen zu finden. Berechnen Sie LTV auf individueller Ebene, schauen Sie sich das unterste Dezil an und prüfen Sie, ob darin jemand aktiv umworben wird.

Kategorie-Cross-Sell: der eigentliche LTV-Motor

Zurück zu Kundin B, der 640-$-Kundin. Sie startete in Denim, ergänzte Strick, dann Outerwear, dann Accessoires.

Cross-Sell in eine neue Kategorie ist der stärkste Prädiktor für hohen LTV in Apparel. Eine Kundin, die über drei oder mehr Kategorien kauft, ist deutlich klebriger als eine Ein-Kategorie-Käuferin: Die Marke wird zu ihrer Standardquelle für Garderobe statt zu einem Einmalkauf. Lululemon hat dieses Spiel bewusst gespielt und sich von Yoga-Wear für Frauen in Männerbekleidung, Accessoires und, ab 2022, Footwear ausgedehnt, wobei Männer- und Digital-Wachstum im Zentrum des Plans standen, den man den Investoren in jenem Jahr vorlegte.

Verfolgen Sie die Kategoriedurchdringung, also die Anzahl unterschiedlicher Kategorien, in denen ein Kunde gekauft hat. Leute von einer auf zwei zu bringen, erzeugt meist einen Sprung in der Retention. Outerwear und Accessoires tragen oft bessere Margen, ein Denim-Käufer, den man zu einer Jacke schiebt, hebt also Frequenz und Marge gleichzeitig.

Ein Gegenbeispiel, das man im Kopf behalten sollte: Eine Kundin, die sich nur in Clearance-Kategorien ausdehnt, ist keine Wardrobe-Kundin geworden, sondern eine Sale-Shopperin mit breiterem Warenkorb. Zählen Sie die Kategoriebreite zum Vollpreis separat.

Shopifys Guide zum Customer Lifetime Value ist ein solides kostenloses Primer zur Mechanik, von einem Unternehmen, das die Commerce-Plattform verkauft, die unter vielen dieser Berechnungen liegt.

Cohorts: der einzige ehrliche Weg, Fashion-LTV zu messen

Eine Cohort ist eine Gruppe von Kunden mit gemeinsamem Startpunkt, üblicherweise dem Monat des ersten Kaufs. Cohort-Analyse verfolgt die Ausgaben jeder Gruppe von dort nach vorn.

Gemischte Durchschnitte verbergen in einem saisonalen Geschäft alles. Eine Kundin, die im November mit Rabatt akquiriert wurde und ein Geschenk kaufte, ist oft einen Bruchteil dessen wert, was eine im März zum Vollpreis akquirierte Kundin wert ist. Mitteln Sie beide, und Ihr Acquisition-Budget folgt dem falschen Signal.

Eine Cohort-Kurve lesen

Plotten Sie den kumulierten return-adjustierten Profit pro Kunde gegen die Monate seit der ersten Order, eine Linie pro Cohort.

• Eine Linie, die abflacht, heißt: Diese Kunden sind nicht mehr zurückgekommen.
• Eine Linie, die bei 12, 18 und 24 Monaten noch steigt, ist echte Wardrobe Lifetime.

SELECT
  DATE_TRUNC('month', first_order_date) AS cohort_month,
  DATE_DIFF('month', first_order_date, order_date) AS months_since_first,
  SUM(return_adjusted_profit) 
    / COUNT(DISTINCT customer_id) AS cumulative_ltv_per_customer
FROM customer_orders
GROUP BY 1, 2
ORDER BY 1, 2;

Der Failure Mode hier ist Censoring. Nur Cohorts, die alt genug sind, um 24 Monate Historie zu haben, können eine 24-Monats-Zahl zeigen, und das sind Ihre ältesten, meist kleinsten, am loyalsten aussehenden Gruppen. Die 24-Monats-Zahl einer ausgereiften Cohort mit dem Total einer sechs Monate alten Cohort zu vergleichen, ist kein Vergleich. Vergleichen Sie Cohorts immer im gleichen Alter.

🎬 [VIDEO: "Cohort AnalysisCohort AnalysisDie Cohort Analysis gruppiert Nutzer nach einem gemeinsamen Startmerkmal oder Zeitpunkt (etwa dem Anmeldemonat) und verfolgt ihr Verhalten über die Zeit, um Retention- und Lifecycle-Muster sichtbar zu machen.Vollständige Definition ansehen → Explained" - youtube.com - ein klarer visueller Durchgang, wie man Cohort-Retention- und Umsatzkurven liest und baut]

Den Horizont festlegen, bevor Sie irgendeine Ratio bilden

LTV ist eine Zahl plus ein Zeitfenster. Zwölf Monate, vierundzwanzig oder "für immer" liefern auf denselben Daten Antworten, die um den Faktor zwei oder drei auseinandergehen, und die anschließende Ratio-Arbeit, gemessen gegen die voll belastete Acquisition-Kost, die die CACCACCustomer Acquisition Cost (CAC) sind die gesamten Sales- und Marketingausgaben geteilt durch die Zahl der in einem Zeitraum gewonnenen Neukunden. Die Kennzahl zeigt, wie effizient Sie wachsen.Vollständige Definition ansehen →-Lektion aufbaut, ist nur so ehrlich wie diese Wahl.

Wählen Sie das Fenster, das Ihre Kasse überleben kann. Profit, der in Monat 18 ankommt, ist echt, aber er ist mit heute ausgegebenem Geld bezahlt, und dieselbe Bilanz finanziert Ware, die eine Saison im Voraus gekauft wird. Ein 24-Monats-LTV, der auf dem Papier eine gesunde Ratio erreicht, kann den nächsten Einkauf trotzdem aushungern. Nennen Sie den Horizont auf jeder LTV-Grafik, die Sie herumschicken; Teams streiten monatelang, ohne zu merken, dass sie unterschiedliche Fenster zitieren.

Zusammengesetzt: die beiden Kundinnen, modelliert

Kundin A:

• 2 Orders, AOV 90 $, also 180 $ Umsatz.
• Return-adjustierte Marge 45 Prozent: rund 81 $ Profit.
• Eine Kategorie (Denim und Basics). Kein Cross-Sell. Still ab Monat 5.

Kundin B:

• 5 Orders, AOV 128 $, also 640 $ Umsatz.
• Return-adjustierte Marge 50 Prozent, begünstigt durch weniger Returns und margenstärkere Outerwear und Accessoires: rund 320 $ Profit.
• Vier Kategorien. In Monat 22 noch aktiv.

Kundin B ist etwa vier Mal so viel wert wie Kundin A, und die Lücke wächst an dem Punkt, an dem wir aufgehört haben zu zählen. Gleicher Kanal, gleiche erste Order. Der Unterschied liegt in der Wiederkaufkadenz und der Kategorieausweitung, keines von beiden an Tag eins sichtbar.

Was bedeutet: Die Arbeit endet nicht bei der Acquisition. Nudges zur zweiten Order, Kategorieausweitung und bessere Passform-Beratung sind es, die aus einer Basis, für die Sie schon bezahlt haben, mehr Kundinnen B fabrizieren.

Wo Fashion-LTV-Programme meist scheitern

• Rabattsucht. Cohorts, die mit tiefen Promotions akquiriert wurden, zeigen starkes Erst-Order-Volumen und schwaches Wiederkaufverhalten. Splitten Sie Cohort-Kurven nach Rabatttiefe bei der Acquisition.
• Returns nicht im Modell. Bei Kategorien mit hohen Returns überzeichnet das den Profit um etwa die Hälfte, wie das Rechenbeispiel zeigt.
• Gemischte Durchschnitte. Sie begraben sowohl Ihre beste Cohort als auch Ihre Bracketer.
• Probabilistische Modelle blind angewendet. Standard-Buy-till-you-die-Modelle nehmen an, Käufe kämen mit einer stabilen individuellen Rate. Apparel kommt in saisonalen Spitzen, also sieht eine Kundin, die jeden September kauft, jedes Frühjahr abgesprungen aus.

Key Takeaways

• Erst-Order-Umsatz lügt. Zwei identische 120-$-Käuferinnen können auf 180 $ gegen 640 $ auseinanderlaufen.
• Immer die return-adjustierte Marge nutzen. Ein einziger Return hat den Profit im Rechenbeispiel halbiert, und ein Bracketing-Tail kann im negativen LTV sitzen und dabei wie Ihre besten Kunden aussehen.
• Cross-Sell ist der Motor. Von einer Kategorie auf drei treibt Frequenz, Marge und Retention stärker als jeder andere Hebel, sofern die Ausweitung nicht komplett Clearance ist.
• In Cohorts im gleichen Alter messen. Censoring lässt alte Cohorts heldenhaft und neue schwach aussehen.
• Den Horizont vor der Ratio fixieren. Welche Ratio und welche Payback-Regel Sie als Nächstes anwenden, erbt das Fenster und die Return-Adjustierung, die Sie hier gewählt haben.