# ============================================ # LTV（顧客生涯価値）計算の実装 # ============================================ # LTVとは？ # → 1人の顧客が生涯を通じてもたらす総利益 # → 顧客獲得にいくらまでかけられるかの判断基準 # → ビジネスの健全性を測る重要指標 import pandas as pd import numpy as np # ============================================ # ケース1: シンプルなLTV計算（EC・小売向け） # ============================================ # 計算式: LTV = 平均購買単価 × 購買頻度 × 継続年数 print(“【ケース1: シンプルなLTV】”) avg_purchase = 5000 # 平均購買単価（円） frequency_per_year = 4 # 年間購買頻度（回） avg_years = 3 # 平均継続年数 ltv_simple = avg_purchase * frequency_per_year * avg_years print(f”平均購買単価: ¥{avg_purchase:,}”) print(f”年間購買頻度: {frequency_per_year}回”) print(f”平均継続年数: {avg_years}年”) print(f”LTV = ¥{ltv_simple:,}”) # ============================================ # ケース2: サブスクリプションのLTV（SaaS向け） # ============================================ # サブスクリプションでは「チャーン率」からLTVを計算 # # 平均継続月数 = 1 / 月次チャーン率 # → チャーン率5%の場合: 1/0.05 = 20ヶ月 # # LTV = 月額収益 × 平均継続月数 × 粗利率 print(“\n【ケース2: サブスクリプションのLTV】”) monthly_revenue = 1000 # 月額収益（円） monthly_churn_rate = 0.05 # 月次チャーン率5%（毎月5%が解約） gross_margin = 0.7 # 粗利率70%（売上の70%が粗利） # 平均継続月数の計算 # なぜ「1/チャーン率」で継続月数が分かるか？ # → 確率論の「期待値」に基づく # → 毎月5%が解約する場合、平均20ヶ月で全員が入れ替わる avg_lifetime_months = 1 / monthly_churn_rate # LTV計算（粗利ベース） ltv_subscription = monthly_revenue * avg_lifetime_months * gross_margin print(f”月額収益: ¥{monthly_revenue:,}”) print(f”月次チャーン率: {monthly_churn_rate*100:.1f}%”) print(f”平均継続月数: {avg_lifetime_months:.1f}ヶ月”) print(f”粗利率: {gross_margin*100:.0f}%”) print(f”LTV = ¥{ltv_subscription:,.0f}”) # ============================================ # ケース3: チャーン率別のLTV比較 # ============================================ # チャーン率を1%改善するとLTVがどれだけ変わるか？ # → チャーン率改善の重要性を数値で示す print(“\n【ケース3: チャーン率別LTV比較】”) churn_rates = [0.02, 0.05, 0.10, 0.15, 0.20] monthly_revenue = 1000 gross_margin = 0.7 print(f”{‘チャーン率’:>10} {‘継続月数’:>10} {‘LTV’:>15}”) print(“-” * 40) for churn in churn_rates: avg_months = 1 / churn ltv = monthly_revenue * avg_months * gross_margin print(f”{churn*100:>9.0f}% {avg_months:>10.0f}ヶ月 {ltv:>14,.0f}円”) print(“\n【重要な示唆】”) print(“・チャーン率が2%→5%に悪化するだけでLTVは半減以下に”) print(“・チャーン率改善は新規獲得と同等以上に重要”)

# LTV計算クラス class LTVCalculator: “””LTV（顧客生涯価値）を計算するクラス””” def __init__(self, monthly_revenue, churn_rate, gross_margin=1.0): “”” Parameters: ———– monthly_revenue : float – 月額収益（円） churn_rate : float – 月次チャーン率（0〜1） gross_margin : float – 粗利率（0〜1）、デフォルト=1.0 “”” self.monthly_revenue = monthly_revenue self.churn_rate = churn_rate self.gross_margin = gross_margin def avg_lifetime_months(self): “””平均継続月数””” if self.churn_rate == 0: return float(‘inf’) return 1 / self.churn_rate def ltv_simple(self): “””シンプルLTV（売上ベース）””” return self.monthly_revenue * self.avg_lifetime_months() def ltv_profit(self): “””利益ベースLTV””” return self.ltv_simple() * self.gross_margin def ltv_with_discount(self, discount_rate=0.10, periods=60): “”” 割引率を考慮したLTV（現在価値） Parameters: ———– discount_rate : float – 年間割引率 periods : int – 計算期間（月） “”” monthly_discount = discount_rate / 12 retention_rate = 1 – self.churn_rate ltv = 0 for month in range(1, periods + 1): # 月ごとの継続確率 survival_prob = retention_rate ** month # 割引係数 discount_factor = 1 / ((1 + monthly_discount) ** month) # 期待収益 ltv += self.monthly_revenue * self.gross_margin * survival_prob * discount_factor return ltv def report(self): “””LTVレポートを出力””” print(“=” * 50) print(“LTV分析レポート”) print(“=” * 50) print(f”月額収益: ¥{self.monthly_revenue:,}”) print(f”月次チャーン率: {self.churn_rate*100:.1f}%”) print(f”粗利率: {self.gross_margin*100:.0f}%”) print(f”平均継続月数: {self.avg_lifetime_months():.1f}ヶ月”) print(“-” * 50) print(f”シンプルLTV（売上）: ¥{self.ltv_simple():,.0f}”) print(f”利益ベースLTV: ¥{self.ltv_profit():,.0f}”) print(f”割引考慮LTV（年10%）: ¥{self.ltv_with_discount():,.0f}”) print(“=” * 50) # 使用例 calc = LTVCalculator( monthly_revenue=3000, # 月額3,000円 churn_rate=0.05, # 月次チャーン率5% gross_margin=0.65 # 粗利率65% ) calc.report()

# LTV/CAC分析 def analyze_ltv_cac(ltv, cac, monthly_revenue): “””LTVとCACの関係を分析””” ratio = ltv / cac profit_per_customer = ltv – cac payback_months = cac / monthly_revenue print(“=” * 50) print(“LTV/CAC分析レポート”) print(“=” * 50) print(f”LTV: ¥{ltv:,}”) print(f”CAC: ¥{cac:,}”) print(f”月額収益: ¥{monthly_revenue:,}”) print(“-” * 50) print(f”LTV/CAC比率: {ratio:.2f}倍”) print(f”顧客1人あたり利益: ¥{profit_per_customer:,}”) print(f”回収期間: {payback_months:.1f}ヶ月”) print(“-” * 50) # 判定 if ratio >= 3: status = “✅ 非常に健全” advice = “成長投資の余地あり” elif ratio >= 2: status = “✅ 健全” advice = “現状維持しつつ効率化を” elif ratio >= 1: status = “⚠️ 要改善” advice = “LTV向上またはCAC削減が必要” else: status = “🚨 危険” advice = “即座にビジネスモデル見直しが必要” print(f”ステータス: {status}”) print(f”アドバイス: {advice}”) print(“=” * 50) return { ‘ratio’: ratio, ‘profit’: profit_per_customer, ‘payback’: payback_months } # 分析実行 result = analyze_ltv_cac( ltv=45000, cac=12000, monthly_revenue=3000 )

# LTV改善効果シミュレーション def simulate_ltv_improvement(base_ltv, cac, customers): “””LTV改善シナリオをシミュレーション””” scenarios = { ‘現状’: 1.00, ‘チャーン-20%’: 1.25, # チャーン率20%改善でLTV25%UP ‘単価+10%’: 1.10, ‘頻度+10%’: 1.10, ‘総合改善’: 1.50 } print(“=” * 60) print(“LTV改善シナリオ分析”) print(f”基準LTV: ¥{base_ltv:,} / CAC: ¥{cac:,} / 顧客数: {customers:,}人”) print(“=” * 60) print(f”{‘シナリオ’:<15} {'LTV':>12} {‘LTV/CAC’:>10} {‘総利益’:>15}”) print(“-” * 60) for scenario, multiplier in scenarios.items(): new_ltv = int(base_ltv * multiplier) ratio = new_ltv / cac total_profit = (new_ltv – cac) * customers print(f”{scenario:<15} ¥{new_ltv:>10,} {ratio:>9.2f}倍 ¥{total_profit:>13,}”) print(“=” * 60) # 改善余地の計算 current_profit = (base_ltv – cac) * customers improved_profit = (base_ltv * 1.5 – cac) * customers improvement = improved_profit – current_profit print(f”\n💡 総合改善による利益増加: ¥{improvement:,} (+{improvement/current_profit*100:.1f}%)”) # シミュレーション実行 simulate_ltv_improvement( base_ltv=30000, cac=8000, customers=1000 )