Calculateur de LTV (valeur vie client)

La LTV (Lifetime Value, ou valeur vie client) estime le revenu total qu'un client génère en moyenne sur toute la durée de sa relation avec votre SaaS. La formule la plus simple part de deux ingrédients : l'ARPU mensuel et le taux de churn mensuel.

La durée de vie moyenne d'un client s'obtient par 1 / churn mensuel. Un churn de 2,5 % par mois donne une durée de vie moyenne de 1 / 0,025 = 40 mois. La LTV est alors ARPU × durée de vie, soit ARPU / churn. Exemple chiffré : un ARPU de 59 € et un churn de 2,5 % donnent une durée de vie de 40 mois et une LTV de 59 × 40 = 2 360 €.

Si vous renseignez une marge brute, la LTV pondérée par la marge (2 360 € × 80 % = 1 888 € dans cet exemple) est une meilleure base pour comparer à votre CAC — un client qui vous rapporte 2 360 € de revenu ne vous rapporte pas 2 360 € de profit une fois les coûts d'infrastructure et de support déduits.

Pourquoi la formule diverge à faible churn : quand le churn mensuel tend vers 0 %, 1 / churn tend vers l'infini — un client qui ne part jamais aurait, mathématiquement, une valeur infinie. En pratique, aucun client n'est éternel. C'est pourquoi cette formule simple devient de moins en moins fiable à mesure que le churn observé s'approche de zéro — elle prolonge une tendance récente sur un horizon de temps qu'aucune donnée ne couvre réellement.

Deux erreurs fréquentes. La première : calculer la LTV sur un churn mesuré sur un seul mois, particulièrement volatile sur une petite base de clients — un LTV qui double ou divise par deux d'un mois à l'autre n'est généralement pas un vrai changement de comportement client, mais du bruit statistique. La seconde : comparer une LTV calculée sans marge à un CAC qui, lui, représente un coût réel — cette comparaison surestime systématiquement la rentabilité par client.

Quand la métrique ne veut rien dire : sur un churn mensuel très faible ou sur une base de clients trop récente pour avoir un historique de rétention significatif, la LTV calculée par cette formule reflète surtout une extrapolation optimiste plutôt qu'une mesure. Une analyse de rétention par cohortes réelles, sur plusieurs mois d'historique, donne une image plus honnête que cette formule à deux variables.