Prediktiv livstidsverdi og hvorfor de fleste markedsføringsteam måler feil relasjon

Spør de fleste CMO-er hva kundens livstidsverdi er, og de vil gi deg et tall. Spør dem hvordan de beregnet den, og du får vanligvis en variant av gjennomsnittlig ordreverdi multiplisert med kjøpsfrekvens. Det er en rimelig tilnærming og en som er enkel å forsvare.

Mike Birney, CMO i One Natural Way og Sposey, brukte også denne. 

Han bygde en markedsføringsstrategi basert på den, gjennomførte anskaffelseskampanjer ut fra den og tok budsjettbeslutninger med den. Det var ikke før han begynte å analysere de reelle tallene i detalj, at han innså at tallet han hadde basert seg på, aldri faktisk hadde fanget opp hvor mye kundene hans var verdt.

«Når mamma kommer inn døren vår og babyen er født, er det liksom ha det bra, og det er egentlig ikke tilfelle, fordi folk får to barn, de får tre barn», sier Birney. 

Vi har virkelig slitt med å forstå hvordan LTV-en vår ser ut, fordi vi ikke klarer å spore den særlig godt.

-Mike Birney, CMO i 1 Natural Way

LTV-tallet ditt er sannsynligvis feil

For familier betyr det et andre svangerskap, et tredje, og den voksende produktlinjen som nå inkluderer støttebelter for korsryggen, poser for oppbevaring av morsmelk og digitale ammekurs. Og den overså Sposey fullstendig, søstermerket som tar imot kunden igjen når barna nærmer seg pottetrening.

One Natural Way tilbyr brystpumper og graviditetsprodukter som dekkes av forsikringen. Slik virksomheten hadde målt det, kom en kunde inn under graviditeten, fikk det hun trengte, og gikk igjen. I teorien er det slutten på forholdet. 

Men dette perspektivet overså alt som kommer etterpå. År med potensielle inntekter var usynlige i måltallet virksomheten styrte etter.

Hvis vi ikke virkelig forstår hva dette er for selskapet vårt, hvordan kan vi ta informerte beslutninger fremover?

Det er ikke et retorisk spørsmål, og problemet er ikke unikt for mødrehelse. Forskning publisert i Decision Analytics Journal (2025) anvendte prediktiv CLV-modellering på en portefølje av helsetjenester og fant at 50 % av kundene hadde en anslått verdi på 363 dollar eller mindre over tolv måneder, mens toppsjiktet nådde 10 375 dollar. 

Dette er et spenn på nesten 30 ganger innenfor den samme kundebasen. Når du jevner ut et så bredt spenn til ett enkelt gjennomsnitt og bruker det til å fastsette anskaffelsesbudsjettet, bruker du ikke data til å underbygge beslutninger på en meningsfull måte. 

Som markedsføringsforskeren Peter Fader og kollegene hans har påpekt, undervurderer virksomheter rutinemessig kundene ved å forankre seg i kortsiktige måltall som kostnad for kundeanskaffelse, som optimaliserer for kostnadsreduksjon fremfor investering i verdifulle kunderelasjoner. 

LTV-tallet ditt er ikke feil fordi matematikken din er dårlig. Det er feil fordi det ble utviklet for å måle noe enklere enn den faktiske kunderelasjonen din.

Hva en prediktiv modell endrer

Birney bygger nå et prediktivt LTV-verktøy ved hjelp av AI, utviklet for å modellere hvordan en komplett kundereise gjennom One Natural Way ser ut – på tvers av flere svangerskap, på tvers av begge merkene og på tvers av årene imellom. Inndataene er historisk kjøpsatferd, gjennomsnittlig familiestørrelse og produktlinjen slik den ser ut nå og fortsetter å utvikle seg.

Forskjellen mellom historisk og prediktiv LTV er viktigere enn det kanskje kan virke som. Historisk LTV forteller deg hva kundene har vært verdt. Prediktiv LTV forteller deg hva en kunde du skaffer i dag, sannsynligvis vil være verdt – og det endrer hvor mye du bør være villig til å bruke for å få dem.

Hvis den gjennomsnittlige ordreverdien din er 200 dollar, men en kunde som ble skaffet under sitt første svangerskap er verdt 1 400 dollar over fire år og to barn, vil kanaler som virket marginale, plutselig forsvare kostnadene sine. Økonomien i kundebevaring endres også. Du begynner å behandle perioden mellom kjøp som en relasjon som må vedlikeholdes, ikke som et opphold du kan ignorere.

Innhold som et verktøy for kundebevaring

Det er her innholdsstrategi slutter å være en støttefunksjon og begynner å gjøre en reell forskjell. Når du først forstår at kundens verdi strekker seg langt utover den første transaksjonen, blir hva du publiserer og når du publiserer det, en bevisst beslutning om kundebevaring.

Birney beskriver One Natural Ways ledestjerne som «mamma først, alltid» – å være til stede og nyttig gjennom hele foreldrereisen, ikke bare når behovet oppstår. Denne posisjoneringen fungerer bare hvis du faktisk er til stede mellom kjøpene. 

En nybakt mor som bestiller en brystpumpe, har en rekke produkter som kan være verdifulle for henne. Hun kan trenge ammestøtte, veiledning om søvn eller å vite at det finnes korsryggstøttebelter for ryggsmertene som har plaget henne siden fødselen.

Og senere vil hun være på utkikk etter det Sposey tilbyr. Spørsmålet er om hun tenker på deg når tiden er inne, og dette avhenger helt av om du forblir i hennes krets.

"Alt dette er ytterligere inntektsdrivere," sier Birney om det utvidede produktutvalget, "men vi har ikke klart å knytte det ordentlig til LTV."

Den prediktive modellen er det som lukker denne sløyfen. Den forteller deg hvilke kunder som sannsynligvis kommer tilbake, når og for hva,  og det gir deg en innholdskalender med en reell kommersiell logikk bak seg. 

Du publiserer ikke for å produsere innhold. Du deler innhold for å forbli relevant for en kunde hvis neste kjøp du allerede har forutsett.

For de fleste markedsføringsteam krever dette et holdningsskifte. Innhold som produseres i anskaffelsesfasen, har en åpenbar oppgave. Innhold som produseres mellom kjøp, blir ofte behandlet som merkevarekjennskap. Det kan være vagt, vanskelig å knytte resultater til og lett å kutte.

Prediktiv LTV omformulerer dette som noe som er avgjørende for salgspipelinen. Du pleier en fremtidig transaksjon med en kunde du allerede har, noe som nesten alltid er billigere enn å skaffe en ny.

Dataproblemet som ligger under alt dette

Å bygge en prediktiv modell høres enklere ut enn det er. Birney er åpen om at det har vært vanskeligere å trekke analyse inn i den bredere KI-ligningen enn arbeidet med innhold og kampanjer. Eldre systemer er integrert i arbeidsflytene til folk. 

Team bygger vaner rundt verktøy de kjenner, og å migrere bort fra dem er et prosjekt med reelle kostnader og forstyrrelser.

I stedet for å vente på det perfekte infrastrukturtidspunktet bygger han trinnvis — med utgangspunkt i tilgjengelige data og ved å koble til flere kilder etter hvert som arbeidet utvikler seg. Denne tilnærmingen gjenspeiler et bredere prinsipp han bruker på KI-innføring generelt: Finn ett konkret problem, løs det, og bygg videre derfra. 

En prediktiv LTV-modell som er i drift og 70 % nøyaktig, er mer verdifull enn en perfekt modell som fortsatt er under utvikling. 

Sannsynlighetsbaserte modeller presterte bedre enn mer komplekse maskinlæringstilnærminger, hovedsakelig fordi de grunnleggende datainndataene var solide. Det er viktigere å få dataene riktige enn å gjøre metoden sofistikert.

Kjør en analyse av ditt eget tall

Finn frem ditt nåværende LTV-tall og stresstest det mot disse spørsmålene: Tar det høyde for utvidelsen av produktlinjen siden du beregnet det sist? Modellerer det gjentatte kjøpssykluser som er spesifikke for kundens livsfase, ikke bare den gjennomsnittlige kjøpsfrekvensen din? Er det koblet til innholdskalenderen din på noen meningsfull måte, eller opererer de to systemene i separate samtaler?

Hvis svarene stort sett er nei, er du ikke alene. De fleste LTV-beregninger ble bygget for enkelhet, ikke nøyaktighet. Målet ditt er ikke å bygge noe perfekt. Det er å utvikle en modell som er mer ærlig og informativ enn det du har nå. Og å la dette tallet begynne å påvirke beslutninger det i dag ikke har noen del i.

Begynn med én datakilde du allerede har, kjør en enkel modell og se hvordan intervallet ser ut. Sjansen er stor for at det er bredere enn du forventet,  og dette gapet er nøyaktig der du må gjøre en innsats.

Hva skjer videre?

For den nyeste innsikten, bli med oss i CMO Club for intervjuer med markedsføringsledere og ressurser som kan hjelpe deg med å skape vekst i virksomheten din.