食品通販の顧客別粗利LTVはどう計算する？値引き・送料・返品を含める方法

顧客別粗利LTVは、売上から顧客ごとの変動費を引いて比べる

食品通販で売上LTVが高い顧客を優良顧客と決めても、値引き、送料、返品が重なると利益が残っていないことがあります。反対に、注文金額は大きくなくても、通常価格で繰り返し購入し、配送負担が安定している顧客群は利益貢献が高い場合があります。

結論は、初回購入から同じ観測期間の売上を集計し、商品原価、値引き、送料・決済、返品・返金に伴う顧客別の変動費を差し引くことです。その上で、同じ初回商品、値引き条件、配送条件、購入回数の顧客群へ分け、粗利LTVの差が生まれた場所を特定します。この記事では「顧客別 LTV」という検索課題に絞り、計算式よりも、費用範囲、データの結び方、改善対象の選び方を整理します。

最初に、粗利LTVへ含める費用範囲を固定する

粗利LTVは社内で用途を決めて使う管理指標です。唯一の式を探すのではなく、何を判断するための数字かを先に決めます。既存顧客施策の優先順位を決めるなら、まず注文へ直接結び付く費用を対象にすると、顧客群の差を説明しやすくなります。

基本は「一定期間の売上－商品原価－値引き－送料・梱包－決済手数料－返品・返金に伴う費用」です。送料無料分は送料をゼロにせず事業側負担として残します。返品は返金額だけでなく、回収できなかった配送費や廃棄・再販売の扱いも、取得できる範囲と社内ルールを明記します。

広告費、固定人件費、倉庫固定費まで無理に顧客へ配賦すると、仮定の違いで結果が大きく変わります。最初は注文に結び付く変動費で比較し、獲得採算や部門収益を見る場合は別の指標として広げます。既存のD2CのLTV計算では売上・粗利・継続期間の定義を広く整理しています。本稿は、食品通販の費用を顧客へ結び付け、顧客群の改善判断へ使うところに範囲を限定します。

注文と費用を結び、同条件の顧客群へ分ける

顧客別粗利LTVを作るには、顧客ID、注文ID、注文日、商品、数量、売上、値引き、送料、決済、返品・返金を同じ注文単位で結びます。商品原価が月ごとに変わる場合は、可能な範囲で注文時点の原価を使います。取得できない項目をゼロにせず、「未取得」として比較対象から外すか、同じ仮定の範囲で別表示します。

全顧客の平均だけでは、何を直すべきか決まりません。少なくとも初回商品、初回値引き、獲得経路、配送地域や温度帯、購入回数、観測期間をそろえます。新しい顧客群は再購入機会がまだ来ていないため、古い顧客群と累計値を直接比べません。初回購入から90日、180日など、事業の購入周期に合う同じ経過期間で比べます。

差が見えたら、購買データだけで原因を断定しません。値引きが大きい群なら通常価格移行、送料負担が大きい群なら配送条件やまとめ方、返品費用が大きい群なら商品・梱包・表示・利用案内を確認します。返品理由の分け方は食品通販の返品・返金理由を改善につなげる方法も参考になります。問い合わせ、アンケート、レビューと照合し、顧客が困っている事実と費用差が一致するか確かめます。

利益が高い群ではなく、改善できる一群を優先する

粗利LTVが高い顧客群をさらに伸ばすことが、常に最優先とは限りません。すでに安定している群は維持し、顧客数が一定あり、費用差の原因が見え、現場で変更できる群を最初の検証対象にします。優先順位は、事業への利益影響、原因の確からしさ、改善余地、実行可能性の四つで決めます。

たとえば、初回値引きが大きく通常価格へ移行しない群では、割引額を一律に変える前に、初回商品、案内、二回目の購入時期を一つだけ検証します。送料負担が大きい群では、送料無料条件、配送頻度、同梱、温度帯を同時に変えず、一要素ずつ比較します。返品が多い群では、値引きや再購入配信より先に、商品品質、梱包、期待値、利用案内のどこに原因があるかを分けます。

一顧客群・一変更で実行し、粗利LTVまで戻って確認する

事業責任者は対象顧客群、費用範囲、優先理由、継続・停止条件を決めます。EC・CRM担当は対象抽出と接点、商品担当は原価と商品条件、物流担当は送料・梱包・返品、顧客対応は問い合わせ理由を管理します。数字の定義と施策の責任者を分けたままにせず、一つの検証表で共有します。

KDIは対象抽出の完了、案内到達、条件変更の完了など実行を確認できる指標にします。KPIは再購入率、購入頻度、返品率に加え、同じ観測期間の顧客別粗利LTVを置きます。短期の注文数が増えても、値引きや送料を含む粗利LTVが下がるなら拡大しません。クロスセルを検討する場合も、食品通販のクロスセルと粗利の判断手順のように、主力商品の再購入を同時に確認します。

この方法が向かない条件

商品別原価や送料が取得できない、返品と元注文を結べない、顧客IDがチャネルごとに分かれている、観測期間が短い場合は、精密な顧客別粗利LTVを出す段階ではありません。欠損をゼロで埋めたり、少人数の率差を断定したりせず、まず一商品・一チャネルでデータの結合ルールを作ります。固定費の配賦方法によって順位が入れ替わる場合も、数字を一つに確定せず幅で示します。

顧客別粗利LTVを、既存顧客グロースの実行へつなげる

顧客別粗利LTVの目的は、利益の高い顧客を選別することではありません。どの顧客群で、商品、価格、配送、利用体験、継続接点のどこを直すと、顧客体験と利益を両立できるかを判断することです。

MANAGEWORKSの既存顧客グロース支援では、購買・原価・接点データと顧客の声をつなぎ、売上・利益構造、優先顧客群、商品・接点、KPI・KDI、担当と検証まで一貫して設計します。売上LTVと粗利LTVが混在している、費用データが部門ごとに分かれている、改善対象を一群へ絞れない場合は、まず計算範囲と施策判断のつながりを整理します。