14 جولای 2026

راهنمای عملی محاسبه و پیش‌بینی LTV و CAC برای تصمیم‌گیری بودجه‌ای: فرمول‌ها، سناریوسازی و قالب اکسل

اگر قرار باشد فقط با یک عدد درباره «صرفه داشتن» رشد تصمیم بگیرید، آن عدد معمولاً نسبت LTV به CAC است؛ اما مشکل اینجاست که در بسیاری از تیم‌ها LTV و CAC یا با فرمول‌های ناقص محاسبه می‌شوند یا آن‌قدر پیچیده می‌شوند که در تصمیم بودجه‌ای به کار نمی‌آیند. این راهنما دقیقاً برای همین نوشته شده: تمرکز روی اقتصاد واحد و تصمیم‌های مالی، نه صرفاً اتریبیوشن و داشبورد قیف.

در طول مقاله چند بار به کلیدواژه مرجع انگلیسی هم اشاره می‌کنیم تا واضح باشد دقیقاً دنبال چه هستیم: calculate customer lifetime value یعنی LTV را طوری محاسبه کنیم که برای سقف‌گذاری CAC، بودجه‌بندی کانال‌ها و پیش‌بینی نقطه سر‌به‌سر قابل اتکا باشد.

خروجی عملی این مقاله: در پایان می‌توانید (1) LTV را با ۳ روش رایج و قابل دفاع بسازید، (2) CAC را کانال‌به‌کانال با هزینه‌های پنهان جمع کنید، (3) سناریوهای بهبود نگهداشت/قیمت/مارجین را اجرا کنید، و (4) نقطه سر‌به‌سر و سقف مجاز CAC را برای هر کانال یا کمپین تخمین بزنید.

فهرست مطالب

تعریف مسئله: اقتصاد واحد و چرا از قیف شروع نمی‌کنیم

داشبورد قیف و اتریبیوشن به شما می‌گویند «چه کانالی تبدیل آورد»، اما اقتصاد واحد می‌گوید «کدام تبدیل ارزش خرید دارد». وقتی بودجه محدود است، سؤال اصلی این نیست که کدام کانال بیشتر لید می‌آورد؛ سؤال این است که آیا ارزش طول عمر مشتری (LTV) از هزینه جذب مشتری (CAC) به اندازه کافی بزرگ‌تر است تا:

  • رشد را توجیه کند (پول نسوزانید)
  • نقطه سر‌به‌سر را در بازه قابل قبول برساند
  • فضا برای هزینه‌های سربار و ریسک باقی بگذارد

به زبان تصمیم‌گیری مالی: شما می‌خواهید حداکثر CAC مجاز را پیدا کنید، نه فقط CAC فعلی را.

در بسیاری از کسب‌وکارها LTV «به شکل خوش‌بینانه» و CAC «به شکل خوش‌بینانه‌تر» محاسبه می‌شود؛ نتیجه هم بودجه‌بندی اشتباه است. در ادامه یک چارچوب قدم‌به‌قدم می‌دهیم که با داده‌های ناقص هم قابل اجراست.

داده‌های حداقلی موردنیاز (و جایگزین‌ها)

برای calculate customer lifetime value و CAC لازم نیست از روز اول دیتای کامل داشته باشید؛ اما باید مشخص کنید هر عدد از کجا می‌آید و چه فرضی پشت آن است.

حداقل داده‌ها برای LTV

  • درآمد: ARPU (میانگین درآمد به ازای هر کاربر) یا AOV (میانگین ارزش سفارش) و تعداد خرید
  • حاشیه سود ناخالص: Gross Margin (حاشیه ناخالص) به درصد یا مبلغ
  • ماندگاری: میانگین مدت همکاری/اشتراک یا نرخ ریزش

حداقل داده‌ها برای CAC

  • هزینه‌های مستقیم کانال: رسانه/تبلیغات/کمیسیون/ابزار
  • هزینه‌های نیروی انسانی و عملیاتی: بخشی از حقوق تیم مارکتینگ/فروش/طراحی/آنالیتیکس
  • تعداد مشتری جدید: New Customers در همان بازه زمانی

اگر داده ماندگاری دقیق ندارید، پیشنهاد می‌کنم به‌صورت موقت از کوهورت (Cohort) و نگهداشت استفاده کنید؛ راهنمای گام‌به‌گام آن را می‌توانید اینجا ببینید: راهنمای کوهورت آنالیز برای افزایش نگهداشت (با قالب اکسل).

روش ۱: LTV ساده (سریع، اما با محدودیت)

این روش برای شروع و هم‌راستاسازی تیم عالی است، اما برای سقف‌گذاری CAC در بلندمدت ممکن است خطا بدهد.

فرمول

LTV ساده = میانگین درآمد کل هر مشتری × حاشیه سود ناخالص

نمونه:

  • میانگین درآمد کل از هر مشتری در ۶ ماه گذشته: 8,000,000 تومان
  • حاشیه ناخالص: 40%
  • LTV ساده ≈ 3,200,000 تومان

چه زمانی مناسب است؟

  • وقتی دوره عمر مشتری کوتاه است (مثلاً پروژه‌ای)
  • وقتی هنوز داده ماندگاری ندارید
  • برای مقایسه اولیه کانال‌ها

محدودیت‌های مهم

  • اثر نگهداشت و تکرار خرید را خوب مدل نمی‌کند
  • تغییر قیمت و مارجین را به آینده تعمیم می‌دهد
  • اگر بازه مشاهده کوتاه باشد، LTV را کم‌برآورد می‌کند

روش ۲: LTV = ARPU × حاشیه × ماندگاری

این روش متداول‌ترین مدل عملی برای calculate customer lifetime value است، چون اجزایش قابل کنترل و سناریوسازی هستند: درآمد ماهانه، مارجین، و مدت ماندگاری.

فرمول پایه

LTV = ARPU ماهانه × Gross Margin × Average Lifetime (ماه)

نمونه:

  • ARPU ماهانه: 600,000 تومان
  • حاشیه ناخالص: 50%
  • ماندگاری متوسط: 10 ماه
  • LTV = 600,000 × 0.5 × 10 = 3,000,000 تومان

ARPU را چگونه حساب کنیم؟

  • اگر B2C اشتراکی هستید: مجموع درآمد دوره / تعداد کاربران فعال همان دوره
  • اگر B2B دارید: بهتر است به تفکیک سگمنت/پلن حساب کنید (میانگین‌گیری کل گمراه‌کننده است)

ماندگاری را چگونه تخمین بزنیم؟

دو راه عملی:

  1. از داده واقعی: میانگین مدت فعالیت مشتریان از شروع تا ریزش
  2. از نرخ ریزش: اگر داده طول عمر ندارید، با نرخ ریزش ماهانه تقریب بزنید (در بخش اشتراکی دقیق‌تر توضیح می‌دهیم)

روش ۳: LTV در مدل اشتراکی (Churn-based)

در SaaS/اشتراک، رابطه LTV با نرخ ریزش (Churn) بسیار مستقیم است و برای تصمیم بودجه‌ای دقیق‌تر جواب می‌دهد، چون به جای «حدس ماندگاری»، از الگوی خروج استفاده می‌کند.

فرمول رایج (تقریبی)

LTV ≈ ARPU ماهانه × Gross Margin ÷ Churn Rate ماهانه

نمونه:

  • ARPU: 700,000 تومان
  • حاشیه ناخالص: 60%
  • ریزش ماهانه: 5% (یعنی 0.05)
  • LTV ≈ 700,000 × 0.6 ÷ 0.05 = 8,400,000 تومان

نکته‌های مهم در تفسیر

  • اگر ریزش در ماه‌های اول بالاست، میانگین ساده گمراه‌کننده می‌شود؛ بهتر است ریزش را به تفکیک کوهورت ببینید.
  • در مدل‌های سالانه، ریزش را به بازه درست تبدیل کنید (ریزش ماهانه ≠ ریزش سالانه).

در این مرحله اگر می‌خواهید LTV را به بهبود نگهداشت گره بزنید، سناریوسازی شما به‌طور مستقیم روی churn اثر می‌گذارد و می‌توانید اثر مالی را شفاف نشان دهید. این همان نقطه‌ای است که calculate customer lifetime value از یک «عدد گزارش» تبدیل به «اهرم تصمیم» می‌شود.

محاسبه CAC کانال‌به‌کانال با هزینه‌های پنهان

CAC وقتی به درد بودجه می‌خورد که دقیقاً بدانید هر کانال چه هزینه‌ای «واقعاً» ایجاد کرده و چند مشتری «واقعاً» آورده است. مشکل معمول: هزینه‌ها کامل جمع نمی‌شوند یا مشتری‌های منتسب درست شمرده نمی‌شوند.

فرمول پایه CAC

CAC کانال = (هزینه‌های مستقیم کانال + سهم هزینه‌های پشتیبان) ÷ تعداد مشتری جدید منتسب

چه چیزهایی را به عنوان هزینه پنهان در نظر بگیریم؟

  • حقوق و مزایا: درصدی از زمان تیم (مارکتینگ، محتوا، طراحی، آنالیتیکس، فروش)
  • ابزارها: CRM، اتوماسیون، کال‌ترکینگ، ابزار لندینگ، هزینه‌های سرور مرتبط
  • هزینه تولید دارایی: ویدئو/بنر/کپی (حتی اگر «داخلی» است)
  • هزینه‌های مالی: کارمزد درگاه/پرداخت در خرید اول (اگر به خرید اول مربوط است)

کانال‌به‌کانال یعنی چه؟

به جای یک CAC کلی، یک جدول بسازید: جستجو، شبکه‌های اجتماعی، همکار فروش، رفرال، افیلیت، ایمیل، رویداد و… هرکدام با هزینه و مشتری جدید. برای اینکه انتساب مشتری درست‌تر شود، استاندارد نام‌گذاری کمپین و UTM خیلی مهم است؛ اگر هنوز یک استاندارد ندارید، این راهنما کمک می‌کند: راهنمای عملی طراحی UTM و نام‌گذاری کمپین‌ها.

اگر انتساب دقیق نداریم چه کنیم؟

برای تصمیم بودجه‌ای، لازم نیست وارد مدل‌های پیچیده شوید؛ اما اگر کانال‌ها هم‌پوشانی زیادی دارند (مثلاً ریتارگتینگ + سرچ)، می‌توانید از مدل‌سازی اتریبیوشن چندلمسی به‌عنوان «کمک‌ابزار» استفاده کنید، نه محور تصمیم: مدل‌سازی اتریبیوشن چندلمسی برای بودجه‌بندی کمپین‌ها.

Payback و نقطه سر‌به‌سر: چه زمانی پول برمی‌گردد؟

حتی اگر LTV بزرگ باشد، ممکن است بازگشت پول خیلی دیر اتفاق بیفتد و نقدینگی شما را فشار دهد. اینجا دو مفهوم به کار می‌آید:

  • Payback Period: مدت زمانی که سود ناخالص انباشته هزینه جذب را پوشش می‌دهد
  • Break-even (نقطه سر‌به‌سر): جایی که سود ناخالص تجمعی = CAC (و بعد از آن وارد سود می‌شوید)

فرمول ساده Payback

Payback (ماه) ≈ CAC ÷ (ARPU ماهانه × Gross Margin)

نمونه:

  • CAC: 2,000,000 تومان
  • ARPU ماهانه: 600,000 تومان
  • حاشیه ناخالص: 50%
  • Payback ≈ 2,000,000 ÷ (600,000 × 0.5) ≈ 6.7 ماه

اگر کسب‌وکار شما چرخه نقدی حساس دارد، ممکن است به جای LTV/CAC، هدف اصلی شما «Payback زیر ۳ ماه» یا «زیر ۶ ماه» باشد.

سقف مجاز CAC را چگونه تعیین کنیم؟

سقف مجاز CAC یعنی بیشترین هزینه‌ای که می‌توانید برای جذب یک مشتری بدهید و هنوز از نظر مالی «می‌ارزد». تعیین این سقف باید با دو لایه انجام شود:

  • لایه ۱: سقف نظری بر اساس LTV
  • لایه ۲: سقف عملی بر اساس Payback و محدودیت نقدینگی

۱) سقف نظری بر اساس نسبت هدف LTV/CAC

یک نسبت هدف تعریف کنید (مثلاً 3). سپس:

Max CAC (theoretical) = LTV ÷ Target Ratio

مثلاً اگر LTV = 9,000,000 و نسبت هدف 3 باشد، سقف نظری CAC = 3,000,000 تومان.

۲) سقف عملی بر اساس Payback قابل قبول

اگر Payback هدف شما ۶ ماه است:

Max CAC (payback) = (ARPU ماهانه × Gross Margin) × 6

حالا سقف نهایی را حداقل این دو سقف در نظر بگیرید (محافظه‌کارانه‌تر).

یک مقایسه سریع: کدام معیار برای کدام تصمیم؟

معیار بهترین کاربرد ریسک اگر تنها معیار باشد
LTV/CAC ارزیابی سودآوری بلندمدت، انتخاب کانال‌های قابل توسعه نادیده گرفتن دیر برگردیدن پول (فشار نقدینگی)
Payback Period کنترل نقدینگی، تصمیم‌های رشد در دوره‌های پرریسک ممکن است کانال‌های با LTV بالا ولی دیر بازده را حذف کند
Gross Margin تصمیم درباره تخفیف، قیمت‌گذاری، هزینه‌های سرویس‌دهی بدون ماندگاری تصویر ناقص می‌دهد

سناریوسازی: نگهداشت، قیمت، مارجین

نقطه قوت اقتصاد واحد این است که می‌توانید بفهمید «کدام اهرم بیشترین اثر مالی دارد». سه سناریوی رایج:

  • بهبود نگهداشت: کاهش churn یا افزایش طول عمر
  • افزایش قیمت: بالا رفتن ARPU
  • تغییر مارجین: بهبود هزینه ارائه خدمت/COGS

سناریو ۱: بهبود نگهداشت (Retention)

فرض کنید در مدل اشتراکی ریزش از 5% به 4% برسد:

  • LTV جدید ≈ ARPU × GM ÷ 0.04
  • این یعنی LTV حدود 25% رشد می‌کند (چون 1/0.04 نسبت به 1/0.05 بزرگ‌تر است)

این سناریو معمولاً بیشترین اثر را دارد، اما اجرای آن ممکن است نیازمند تغییر محصول/آن‌بوردینگ/پشتیبانی باشد.

سناریو ۲: افزایش قیمت

افزایش قیمت مستقیم ARPU را بالا می‌برد، اما ممکن است ریزش را بدتر کند؛ بنابراین در اکسل دو متغیر را هم‌زمان تغییر دهید: ARPU و churn. اگر فقط ARPU را بالا ببرید، نتیجه خوش‌بینانه می‌شود.

سناریو ۳: تغییر مارجین

اگر Gross Margin از 50% به 60% برسد، LTV نیز 20% رشد می‌کند. این سناریو برای کسب‌وکارهایی که COGS بالا دارند (ارسال، پشتیبانی سنگین، هزینه زیرساخت) بسیار کلیدی است.

در هر سناریو دوباره calculate customer lifetime value را انجام دهید، سپس سقف مجاز CAC و Payback را به‌روز کنید. تصمیم بودجه‌ای شما باید بر اساس «محدودیت جدید» باشد.

قالب اکسل: ساختار شیت‌ها و فرمول‌ها

حتی اگر فایل آماده جداگانه داشته باشید، دانستن ساختار منطقی مهم است تا بتوانید آن را به داده‌های خودتان وصل کنید. یک قالب پیشنهادی با ۵ شیت:

Sheet 1: Inputs (ورودی‌ها)

  • ARPU (ماهانه/سفارش)
  • Gross Margin
  • Churn (یا Lifetime)
  • Target LTV/CAC
  • Target Payback (ماه)

Sheet 2: LTV Models

  • LTV ساده
  • LTV مبتنی بر ARPU×GM×Lifetime
  • LTV اشتراکی مبتنی بر churn

بهتر است سه خروجی کنار هم باشد تا اختلاف‌ها را ببینید و یک «LTV تصمیم‌گیری» انتخاب کنید (مثلاً محافظه‌کارانه‌ترین یا میانه).

Sheet 3: CAC by Channel

  • ستون‌های هزینه مستقیم
  • ستون سهم هزینه‌های پشتیبان (به صورت درصد یا مبلغ ثابت ماهانه)
  • مشتری جدید منتسب
  • CAC کانال

Sheet 4: Break-even & Payback

  • سود ناخالص ماهانه به ازای مشتری = ARPU × GM
  • Payback = CAC ÷ سود ناخالص ماهانه
  • مقایسه Payback کانال‌ها با هدف

Sheet 5: Scenarios

  • سناریوهای نگهداشت/قیمت/مارجین با جدول Data Table یا چند ستون سناریو
  • خروجی: LTV، Max CAC، Payback

چک‌لیست اجرایی برای تصمیم بودجه‌ای

  • تعریف کنید «مشتری جدید» دقیقاً چیست (اولین خرید؟ اولین پرداخت موفق؟ قرارداد امضا شده؟).
  • یک روش استاندارد LTV برای تصمیم‌گیری انتخاب کنید (محافظه‌کارانه، میانه، یا خوش‌بینانه) و ثابت نگه دارید.
  • Gross Margin را واقعی کنید (COGS، هزینه سرویس‌دهی، کارمزدهای مرتبط).
  • CAC را کانال‌به‌کانال محاسبه کنید و هزینه‌های پنهان را تخصیص دهید.
  • برای هر کانال Payback را حساب کنید و با سقف نقدینگی بسنجید.
  • سقف مجاز CAC را با دو روش «نسبت هدف» و «Payback هدف» حساب کنید و حداقل را مبنا بگیرید.
  • سه سناریوی نگهداشت/قیمت/مارجین را اجرا کنید و ببینید کدام اهرم بیشترین فضای رشد ایجاد می‌کند.
  • برای کانال‌هایی که نزدیک سقف هستند، به جای افزایش بودجه، روی بهبود نرخ تبدیل (Conversion Rate) یا کیفیت لید تمرکز کنید.

اشتباهات رایج

  • محاسبه LTV بر اساس درآمد، نه سود: اگر حاشیه را لحاظ نکنید، سقف CAC را بیش‌برآورد می‌کنید.
  • نادیده گرفتن هزینه‌های تیم: «تبلیغات» تنها هزینه جذب نیست؛ زمان فروش/پشتیبانی پیش‌فروش هم هزینه است.
  • یک CAC کلی برای همه کانال‌ها: میانگین‌گیری باعث می‌شود کانال‌های بد پشت کانال‌های خوب پنهان شوند.
  • سناریوسازی تک‌متغیره: افزایش قیمت را بدون اثر روی churn مدل می‌کنند و نتیجه غیرواقعی می‌شود.
  • تصمیم با LTV خوش‌بینانه: برای بودجه بهتر است با LTV محافظه‌کارانه تصمیم بگیرید و در صورت تحقق، بودجه را باز کنید.
  • اتکا به انتساب ناقص: وقتی UTM و تعریف کانال استاندارد نیست، عدد CAC کانال «دقیق به نظر می‌رسد» اما قابل دفاع نیست.

سوالات متداول

۱) بهترین روش برای calculate customer lifetime value کدام است؟

برای بیشتر کسب‌وکارها، مدل ARPU × حاشیه × ماندگاری بهترین تعادل بین سادگی و قابلیت سناریوسازی را دارد؛ در مدل اشتراکی، فرمول مبتنی بر churn معمولاً دقیق‌تر است.

۲) LTV را با درآمد ناخالص حساب کنم یا سود ناخالص؟

برای تصمیم بودجه‌ای باید با سود ناخالص (Gross Margin) کار کنید؛ وگرنه سقف مجاز CAC غیرواقعی بالا می‌رود.

۳) اگر تعداد مشتری جدید کانال دقیق نیست، CAC کانال را چه کنم؟

یا دامنه بدهید (حداقل/حداکثر)، یا از یک مدل انتساب ساده‌تر و استاندارد UTM استفاده کنید تا شمارش مشتری جدید کانال قابل دفاع شود.

۴) نسبت استاندارد LTV/CAC چند است؟

یک عدد «جهانی» وجود ندارد؛ اما بسیاری از تیم‌ها از 3 به‌عنوان نقطه شروع استفاده می‌کنند و سپس با Payback و ریسک بازار آن را تنظیم می‌کنند.

۵) Payback مهم‌تر است یا LTV/CAC؟

اگر نقدینگی محدود دارید یا بازار پرنوسان است، Payback می‌تواند اولویت بالاتری داشته باشد؛ در غیر این صورت، LTV/CAC برای مقیاس‌پذیری بلندمدت مهم‌تر است.

۶) در B2B با قراردادهای بزرگ، LTV را چگونه بسازیم؟

سگمنت‌بندی کنید: LTV را به تفکیک نوع مشتری/پلن/اندازه قرارداد بسازید و میانگین کلی را فقط برای گزارش استفاده کنید، نه تصمیم.

۷) هزینه‌های برندینگ را در CAC بیاوریم؟

اگر هدف شما CAC «عملکردی» است، هزینه‌های برندینگ را جدا نگه دارید؛ اما برای تصمیم بودجه‌ای کلان، بخشی از هزینه‌های بالاسری و برند می‌تواند به‌صورت درصدی تخصیص داده شود تا تصویر محافظه‌کارانه‌تری بسازید.

۸) هر چند وقت یک‌بار باید LTV و CAC را به‌روزرسانی کنیم؟

برای تیم‌های در حال رشد، ماهانه کافی است؛ در کمپین‌های سنگین یا تغییرات قیمت/محصول، بهتر است دو‌هفته‌ای بررسی کنید تا سقف مجاز CAC عقب نماند.

اگر بخواهید با یک اصل جمع‌بندی کنیم: LTV و CAC را نه برای «گزارش»، بلکه برای تعیین سقف هزینه قابل پرداخت و کنترل Payback بسازید؛ این همان جایی است که calculate customer lifetime value ارزش واقعی‌اش را نشان می‌دهد.

مدیر

علاقه مند به بازاریابی دیجیتال

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *