1. Faro

Nivel 7 · LTV:CAC y recuperación

La solicitud

De Laura Bennett, Directora de Finanzas

“El consejo hace dos preguntas sobre marketing cada trimestre: cuántas veces repaga un cliente lo que gastamos para conseguirlo y cuántos meses tarda en recuperarse el costo de adquisición. ¿Puedes responder ambas para las cohortes de 2023 y 2024?”

Tu objetivo

Devuelve una fila por año de adquisición (first_year solo 2023 y 2024; 2025 aún no tiene un primer año completo) con: first_year, new_customers, cac (gasto total de marketing de ese año / new_customers, redondeado a 2), first_year_margin (margen por cliente de los pedidos hechos dentro de 365 días del primer pedido del cliente, es decir, order_date < first_at + INTERVAL 365 DAY, redondeado a 2), margin_to_date (todo el margen por cliente hasta 2025, redondeado a 2), ltv_to_cac (margin_to_date / cac, redondeado a 2) y payback_months (cac / (first_year_margin / 12), redondeado a 1). Los valores por cliente se dividen entre new_customers. Usa valores sin redondear en cada fórmula. Ordena por first_year. Los CTE del código inicial dan los primeros pedidos, el margen por línea conservada y el gasto por año.

  • Lee de la tabla productspendiente
  • Lee de la tabla orderspendiente
  • Muestra exactamente first_year new_customers cac first_year_margin margin_to_date ltv_to_cac payback_monthspendiente

Tu consulta

SQL

Cargando el editor…

    ResultadoVista previa de products · presiona Ejecutar para ver el tuyo
    Vista previa de products
    product_idnamecategorysubcategoryunit_price
    101Vale Velvet LoveseatFurnitureSofas1659.00
    102Alder Oak Coffee TableFurnitureTables919.00
    103Orchard Rattan Dining ChairFurnitureChairs789.00
    104Upland Oak BookcaseFurnitureStorage429.00

    Mote revisa tu resultado

    Presiona Ejecutar. Cada fila que cumple el objetivo se vuelve una luciérnaga en tu linterna.

    Tablas

    Datos de la tienda Harbor & Pine, listos para consultar.

    products120 filas · 8 columnas
    • product_idinteger
    • namevarchar
    • categoryvarchar
    • subcategoryvarchar
    • unit_pricedecimal
    • unit_costdecimal
    • launched_ondate
    • is_activeboolean
    Primeras 5 filas de products
    product_idnamecategorysubcategoryunit_priceunit_costlaunched_onis_active
    101Vale Velvet LoveseatFurnitureSofas1659.00NULL2023-09-11true
    102Alder Oak Coffee TableFurnitureTables919.00503.502024-05-16true
    103Orchard Rattan Dining ChairFurnitureChairs789.00429.872023-05-27true
    104Upland Oak BookcaseFurnitureStorage429.00214.702022-12-20true
    105Avery Leather Bed FrameFurnitureBeds449.00232.702021-08-31true
    orders12,000 filas · 7 columnas
    • order_idinteger
    • customer_idinteger
    • order_datetimestamp
    • statusvarchar
    • channelvarchar
    • shipping_feedecimal
    • coupon_codevarchar
    Primeras 5 filas de orders
    order_idcustomer_idorder_datestatuschannelshipping_feecoupon_code
    10011252023-01-01 20:51:19completedweb0.00NULL
    10021562023-01-02 07:58:46completedweb0.00NULL
    1003222023-01-02 10:25:27completedmarketplace4.99WELCOME10
    1004482023-01-02 11:21:51completedmarketplace4.99WELCOME10
    1005822023-01-02 11:43:36completedweb0.00WELCOME10
    order_items30,338 filas · 6 columnas
    • order_item_idinteger
    • order_idinteger
    • product_idinteger
    • quantityinteger
    • unit_pricedecimal
    • discount_pctdecimal
    Primeras 5 filas de order_items
    order_item_idorder_idproduct_idquantityunit_pricediscount_pct
    11001121931.990.00
    21001154311.990.00
    31002154411.990.00
    410021941149.000.00
    51002193219.990.00
    returns1,673 filas · 5 columnas
    • return_idinteger
    • order_item_idinteger
    • returned_ondate
    • reasonvarchar
    • refund_amountdecimal
    Primeras 5 filas de returns
    return_idorder_item_idreturned_onreasonrefund_amount
    1142023-01-10damaged83.69
    2422023-01-10wrong_item19.99
    31052023-01-14wrong_item10.99
    4242023-01-16changed_mind26.99
    51262023-01-16late20.99
    marketing_spend3,276 filas · 3 columnas
    • spend_datedate
    • channelvarchar
    • amountdecimal
    Primeras 5 filas de marketing_spend
    spend_datechannelamount
    2023-01-01paid492.99
    2023-01-01email37.38
    2023-01-01social200.53
    2023-01-02paid709.13
    2023-01-02email64.13
    customers2,018 filas · 9 columnas
    • customer_idinteger
    • first_namevarchar
    • last_namevarchar
    • emailvarchar
    • cityvarchar
    • statevarchar
    • signup_datedate
    • segmentvarchar
    • referral_sourcevarchar
    Primeras 5 filas de customers
    customer_idfirst_namelast_nameemailcitystatesignup_datesegmentreferral_source
    1OwenHudsonowen.hudson@icloud.comSan FranciscoCA2022-06-02consumersearch
    2DouglasMendozadmendoza69@gmail.comAtlantaGA2022-06-02consumerNULL
    3HenryBrookshbrooks@lakesidecafe.comLos AngelesCA2022-06-04businessNULL
    4BrianGrahambgraham@bluecedarhomes.comSeattleWA2022-06-06businesspinterest
    5KyleJimenezkjimenez27@yahoo.comIndianapolisIN2022-06-07consumerNULL
    employees60 filas · 8 columnas
    • employee_idinteger
    • first_namevarchar
    • last_namevarchar
    • departmentvarchar
    • titlevarchar
    • manager_idinteger
    • hire_datedate
    • salaryinteger
    Primeras 5 filas de employees
    employee_idfirst_namelast_namedepartmenttitlemanager_idhire_datesalary
    1CatherineHaleExecutiveChief Executive OfficerNULL2016-03-01285000
    2RobertKimExecutiveChief Operating Officer12017-01-09235000
    3MeganCollinsSalesHead of Sales12018-04-16172000
    4ChloeGutierrezSalesAccount Executive32020-01-2172000
    5FrankBellSalesAccount Executive32023-05-2173000
    web_sessions40,000 filas · 7 columnas
    • session_idinteger
    • customer_idinteger
    • started_attimestamp
    • devicevarchar
    • sourcevarchar
    • pages_viewedinteger
    • convertedboolean
    Primeras 5 filas de web_sessions
    session_idcustomer_idstarted_atdevicesourcepages_viewedconverted
    1NULL2023-01-01 23:02:24mobilepaid1false
    2182023-01-01 15:07:49desktoppaid1false
    3NULL2023-01-01 16:55:46desktopdirect7false
    4NULL2023-01-01 12:43:28mobileorganic3false
    5NULL2023-01-01 13:06:21mobilesocial2false

    La lección

    Dos preguntas sobre cada cliente que compras

    LTV:CAC compara lo que vale un cliente con lo que costó adquirirlo. Una razón de 3 significa que cada dólar gastado en adquisición regresa tres veces como margen. La recuperación del CAC pregunta cuánto tarda: el número de meses de margen necesarios para recuperar el costo de adquisición.

    LTV:CAC        = margin LTV / CAC
    payback months = CAC / monthly margin per new customer

    Ambas usan margen, no ingresos. Con la tasa de margen de 2025 de 53.84 %, un cliente que deja $1,000 en compras le deja a la tienda cerca de $538 para pagar el anuncio que lo encontró.

    Margen, por cohorte

    El margen aquí es el valor de línea con descuento menos quantity * unit_cost, en líneas válidas de pedidos contabilizados que no fueron devueltas. Nueve productos no tienen costo; sus líneas se dejan fuera. Los números por cliente se dividen entre el tamaño de la cohorte (todos los adquiridos ese año), no solo entre los clientes que tienen líneas con margen.

    El margen mensual para la recuperación sale de los primeros 365 días de cada cliente, divididos entre 12. ¿Por qué el primer año? La recuperación trata de los primeros meses, y todas las cohortes se pueden comparar con la misma edad. Por eso 2025 queda excluido: sus clientes aún no han tenido un año completo.

    El resultado

    first_year  new_customers     cac  first_year_margin  margin_to_date  ltv_to_cac  payback_months
    2023                  574  665.84            1727.67         2995.81        4.50             4.6
    2024                  525  841.70            1020.11         1276.82        1.52             9.9

    Ambas cohortes se recuperan en menos de un año. La cohorte de 2023 se ve mucho más fuerte, por dos razones que ya conoces: ha tenido tres años para comprar en lugar de dos, e incluye habituales que se registraron antes de 2023 y solo parecen nuevos porque los datos empiezan ahí.

    Leer la razón con honestidad

    La razón usa el margen a la fecha, así que crece cada mes que una cohorte sigue comprando. Una cohorte joven con 1.52 no es un fracaso; compara cohortes a la misma edad, o usa un LTV de margen predictivo (nivel 4) cuando necesites un número a futuro. Recuerda también que el CAC mixto carga todo el gasto, incluido el correo a clientes existentes, a los clientes nuevos.

    Errores comunes

    • LTV de ingresos sobre CAC. Sobreestima la razón más o menos al doble aquí, porque cerca de la mitad de los ingresos paga los productos.
    • Unir el gasto a las líneas. Unir marketing_spend antes de agregar repite cada fila de gasto por cada coincidencia. Agrega primero cada insumo a una fila por año.
    • Dividir entre los clientes con margen. Un cliente cuyo único pedido se devolvió igual costó CAC.

    Nota de entrevista

    “¿Qué es un buen LTV:CAC?” La respuesta de libro es cerca de 3:1 con recuperación en menos de 12 meses. La mejor respuesta agrega que depende de la definición de LTV y de la edad de la cohorte.

    Elige qué puede ejecutarse en este sitio. Puedes cambiarlo cuando quieras desde "Configurar cookies", al pie de cada página.