CLV w sklepie — Customer Lifetime Value, kalkulator i próg opłacalności kanału

TL;DR

• CLV = całkowita wartość klienta przez cały czas relacji ze sklepem.
• Najprostszy wzór: CLV = AOV × Frequency × Lifetime × Gross Margin.
• Reguła branżowa: CLV / CAC >= 3.0 (zdrowy sklep), >= 5.0 (świetny).
• 3 modele: prosty (manual), cohort-based (8–12 msc historii), BG/NBD (1 000+ klientów).
• CLV per kanał akwizycji UJAWNIA: paid social typowo 0.7× medium, organic 1.8× medium, email 1.4×.
• Próg opłacalności płatnego kanału: CAC <= CLV × 0.33 (LTV:CAC = 3:1).
• Top 20% klientów generuje 70–85% przychodu — segmentacja per CLV percentile, nie demografia.
• Kalkulator i pełna formuła w sekcji niżej.

Dlaczego CLV jest ważniejsze niż AOV

Dwa sklepy. Sklep A ma AOV 280 zł i konwersję 2.1%. Sklep B ma AOV 80 zł i konwersję 2.0%. Patrząc na te metryki — Sklep A wygrywa.

Ale spójrz na CLV:

• Sklep A: AOV 280 × 1.4 zamówień/rok × 1.6 lat × 40% marża = 251 zł CLV.
• Sklep B: AOV 80 × 5.8 zamówień/rok × 3.2 lat × 38% marża = 564 zł CLV.

Sklep B zarabia 2.2× więcej na każdym kliencie mimo niższego AOV. Może wydać 2.2× więcej na akwizycję i być nadal w plusie. Sklep A walczy z konkurencją o CAC 95 zł i ma na to ledwo 50%.

Wniosek strategiczny: kategorie z wysoką częstotliwością zakupu (kosmetyki, suplementy, karma dla zwierząt, kawa) prawie zawsze biją kategorie z wysokim AOV (meble, AGD, sport) pod względem CLV. Stąd boom subskrypcji w polskich sklepach 2025–2026.

3 modele CLV — od najprostszego do statystycznego

Model 1: Prosty (każdy może policzyć dzisiaj)

• AOV — średnia wartość zamówienia (Total Revenue / Total Orders w okresie).
• Frequency — średnia liczba zamówień na klienta na rok (Total Orders / Unique Customers / Years).
• Lifetime — średni czas relacji klienta w latach. Dla świeżego sklepu: założyć 2–3 lata (medium e-commerce PL).
• Gross Margin — marża brutto (sprzedaż − koszt produktu − fulfillment) / sprzedaż.

Przykład: sklep kosmetyczny. AOV 95 zł. Klient kupuje średnio 4.2 razy/rok. Lifetime 2.8 lat. Marża 52%. CLV = 95 × 4.2 × 2.8 × 0.52 = 581 zł.

Model 2: Cohort-based (po 12 msc historii)

Bierzesz wszystkich klientów którzy zarejestrowali się w styczniu 2025. Patrzysz ile wydali w styczniu, lutym, marcu... aż do dziś. Suma podzielona przez liczbę klientów w kohorcie = CLV średni tej kohorty.

Plusy: realne dane historyczne, prawdziwa krzywa retencji. Minus: wymaga 12+ msc danych, klienci ze stycznia mogą zachowywać się inaczej niż dzisiejsi (sezonowość, marketing changes).

Model 3: BG/NBD + Gamma-Gamma (statystyczny)

Najbardziej zaawansowany. BG/NBD modeluje prawdopodobieństwo że klient wróci (frequency dropout), Gamma-Gamma modeluje wartość przyszłych transakcji. Wynik: predicted CLV per indywidualnego klienta na następne X miesięcy.

Implementacje: lifetimes (Python — najbardziej znana, free open source), CLVTools (R), Shopify Magic Predictive Audiences, Klaviyo Predictive CLV. Próg sensowności: 1 000+ klientów z 12+ msc historii.

Interaktywny kalkulator CLV (manualne wartości)

Ćwiczenie 30 sekund: wstaw własne liczby. Twój maksymalny CAC = CLV / 3. Jeśli płacisz Meta Ads więcej za nowego klienta — albo musisz podnieść AOV/Frequency/Lifetime/Margin, albo zmniejszyć CAC, albo przestać reklamować w tym kanale.

CLV per kanał akwizycji — co naprawdę zarabia

Większość sklepów liczy CAC per kanał (ile kosztuje pozyskać klienta z Google vs Meta vs email). Ale klient z Google jest często warty 2× więcej niż klient z Meta. Liczyć trzeba CLV PER KANAŁ.

Dane z 30 audytów sklepów PL (2024–2025, własne pomiary):

Co to zmienia: Allegro Ads ma świetny CAC (35 zł) ale klient jest jednorazowy (kupuje na Allegro, wraca na Allegro — nie do Ciebie). Stąd niski CLV. Meta Ads ma OK CAC ale klient ma niską lojalność — kupuje impulsywnie, znika. Organic search i email mają najlepsze ratios — bo klient z intencją trzeźwą i już zaangażowany.

Decyzja budżetowa: jeśli SEO i email dają 15×–18× ratio, ale wydajesz 80% budżetu na paid (Meta + Google Shopping) — robisz dużo gorzej niż mogłeś. Realokacja na content + retencja często daje 30–60% wzrost przychodu w 6 miesięcy.

Segmentacja per CLV percentile — top 20% rządzi

Klasyczne 80/20 w e-commerce 2026: top 20% klientów generuje 70–85% przychodu. To nie jest segmentacja po demografii ani lokalizacji — to segmentacja PO CLV.

5 segmentów CLV (percentile-based):

• VIP (top 10%) — CLV > 1 200 zł. Akcja: personal account manager, early access do nowości, ekskluzywne rabaty, VIP events.
• High Value (top 20%) — CLV 600–1 200 zł. Akcja: loyalty program, free shipping, urodzinowy bonus.
• Stable (middle 50%) — CLV 100–600 zł. Akcja: retencja email flow, cross-sell, win-back po 90 dniach nieaktywności.
• Drifting (bottom 30%) — CLV < 100 zł. Akcja: reactivation campaign (ostatni email z rabatem). Jeśli nie odpowie — przestań wydawać.
• Predicted churning (z ML modeli) — wysoki historyczny CLV ale brak zakupu > 90 dni. Akcja: priorytetowy reactivation z personalnym kontaktem.

Klaviyo / Mailchimp / Synerise mogą to robić automatycznie — segmenty są dynamiczne, klient sam się przesuwa między segmentami w zależności od zachowania.

Jak podnieść CLV — 7 dźwigni

1. Subskrypcje — najmocniejsza dźwignia. Subskrybent CLV 3–5× wyższe niż jednorazowy. Działa dla: kosmetyki, suplementy, karma, kawa, herbata, chemia domowa.
2. Post-purchase email flow — 5 maili w pierwszych 30 dniach po zakupie (powitanie, jak używać, cross-sell, opinie, kolejne zakupy). Podnosi retencję 2× w porównaniu do braku flow.
3. Bundling i cross-sell — „klienci którzy kupili X kupili też Y". Zwiększa AOV (więc CLV).
4. Loyalty program z punktami — Sephora model. Punkty za zakup → vouchery → motivacja do powrotu.
5. VIP tier — top 10% klientów dostaje benefity (free shipping, early access). Powiększa lifetime tych klientów.
6. Win-back flow — automated email do klientów > 60 dni nieaktywności. Konwersja 8–15% (low cost, high CLV recovery).
7. Customer service jakość — szybki response email, łatwe zwroty, jakość packaging. Recencja Capital One: każde 5 gwiazdek vs 4 gwiazdki = +37% retencji.

Stack narzędzi do CLV

• Google Sheets + dane z bazy — start, manual CLV. Wystarczające do 500 klientów.
• Metabase / Looker Studio — bezpłatne dashboardy z auto-refresh, dobre dla 500–5 000 klientów.
• Klaviyo (z natywnym Predictive CLV) — 90 USD+/msc, działa od 1 000 klientów.
• Synerise — polskie, integruje z PL platformami, ML predictive CLV.
• lifetimes (Python) — free, open source, BG/NBD + Gamma-Gamma. Dla data scientisty lub agencji.
• Shopify Magic / Shopify Audiences — natywnie predictive (jeśli na Shopify Plus).

Najczęstsze pytania