راهنمای محاسبات
ROUHI · CUSTOMER ANALYTICS

بریف تغییرات روحی

مستند جامع شش شاخص رفتار مشتری و عملکرد بازاریابی؛ همراه با فرمول‌های محاسباتی، نمودارهای زمانی، مثال‌های عددی، ماشین‌حساب‌های تعاملی و سناریوهای کنترل صحت.

۶ شاخص اصلی۲ پارامتر مستقل زمانی۴ ماشین‌حساب تعاملی + تحلیل طول عمرراست‌به‌چپ · Vazirmatn
✓
تصحیح نهایی منطق نرخ بازگشت بر اساس توضیح شما

اگر بازه گزارش ۱ تا ۱۵ مهر باشد و «دوره بازگشت» را ۳ ماه انتخاب کنیم، بررسی خرید قبلی مشتریان در تمام بازه سه‌ماهه پیش از شروع گزارش، یعنی ۱ تیر تا پایان شهریور انجام می‌شود. لازم نیست مشتری در ۱ تا ۱۵ تیر خرید کرده باشد. این تعریف در سراسر فایل مبنای محاسبه قرار گرفته است.

01–02بازگشت و ریزشمقایسه مشتریان فعلی با کل پنجره گذشته
03وفاداری به کانالشناسایی کانال غالب و میانگین سهم سفارش‌ها
04فاصله خریدفاصله دو سفارش آخر برای مشتریان فعال واجدشرایط
05طول عمر مشتریبررسی مشتریان ازدست‌رفته و آخرین دوره پیوسته خرید
06ارزش طول عمرتخمین ارزش درآمدی با ترکیب سه شاخص
A · B · N · Lتنظیمات اصلیتاریخ‌های گزارش و دو آستانه زمانی مستقل
◈

قراردادهای مشترک محاسباتی

این قراردادها مبنای خواندن تمام فرمول‌های بعدی هستند.

نماد / فیلدمعنامثال یا قاعده
Aشروع بازه انتخابی داشبورد۱ مهر
Bپایان بازه انتخابی داشبورد۱۵ مهر
Nدوره بازگشت۳ ماه؛ برای شاخص‌های ۱ و ۲
Lآستانه ازدست‌رفتن مشتری۶ ماه؛ برای شاخص ۵ و محاسبات وابسته
C(T)مجموعه شناسه‌های یکتای مشتریان دارای سفارش معتبر در بازه Tهر مشتری یک بار در مجموعه شمارش می‌شود
O(u)تاریخچه سفارش‌های مشتری uبه ترتیب زمان و بدون سفارش نامعتبر
AOVمیانگین مبلغ سفارشواحد پولی یکسان برای همه سفارش‌ها
اصل اول: تاریخ گزارش با تاریخچه یکی نیست.

بازه گزارش تعیین می‌کند چه مشتریانی در خروجی حاضر باشند؛ اما برای محاسبات وفاداری و آخرین فاصله خرید باید سابقه سفارش‌های آن‌ها نیز خوانده شود.

اصل دوم: شمارش مشتری با شمارش سفارش متفاوت است.

در نرخ بازگشت مشتری یکتا می‌شماریم، ولی در وفاداری کانال تعداد سفارش‌ها و سهم هر کانال مهم است.

وضعیت تصمیم‌ها: تعریف «سفارش معتبر»، نحوه محاسبه مبلغ خالص یا ناخالص سفارش، رفتار دقیق مرزهای تقویمی و بازه AOV در جلسه به‌صورت کامل تعیین نشده‌اند. در بخش پایانی به عنوان تصمیم باز درج شده‌اند؛ هیچ‌کدام به‌عنوان قانون قطعی بیزنس فرض نشده است.
۱

نرخ بازگشت مشتری Return / Retention Rate

چه درصدی از خریداران بازه فعلی، در تمام N ماه قبل از شروع آن نیز خرید داشته‌اند؟

ابتدا مشتریان یکتای بازه A تا B را پیدا می‌کنیم. سپس بررسی می‌کنیم هر کدام از همین مشتریان، در کل پنجره N ماهه قبل از A حداقل یک سفارش داشته‌اند یا نه.

◈ نمودار زمانی صحیح — مثال با دوره سه‌ماهه
بازه گزارش
۱ تا ۱۵ مهر
۱۰۰۰ مشتری یکتا
⇄
کل بازه مقایسه‌ای
۱ تیر تا ۳۱ شهریور
هر خریدی در این سه ماه قابل قبول است

از میان ۱۰۰۰ مشتری مهر، فرضاً ۵۰۰ نفر در یکی از روزهای تیر، مرداد یا شهریور هم خرید کرده‌اند.

مثال روشن: مشتری‌ای که ۱۰ مهر خرید کرده و خرید قبلی او ۲۵ مرداد بوده، بازگشتی محسوب می‌شود؛ حتی اگر ۱ تا ۱۵ تیر خرید نکرده باشد.
فرمول قطعی در این بریف
RR = | C([A,B]) ∩ C([A−N ماه, A)) || C([A,B]) |× 100
در این نمادگذاری، [A−N، A) یعنی همه روزهای سه ماه قبل از A، بدون خود روز A.
مثال عددی جلسه
مشتریان فعلی
1,000
مشتریان مشترک
500
۱۰۰ × (۵۰۰ ÷ ۱۰۰۰) = ۵۰٪ بازگشت
قواعد ورود به محاسبه
  • مخرج = مشتریان یکتای دارای خرید در A تا B
  • صورت = زیرمجموعه همان افراد با حداقل یک خرید در N ماه قبل از A
  • تعداد سفارش هر شخص، نرخ را بیشتر نمی‌کند
  • اگر مخرج صفر باشد، خروجی «نامشخص» است

ماشین‌حساب تعاملی بازگشت و ریزش

اعداد فرضی را تغییر دهید؛ نسبت‌ها و نمودار به صورت زنده تغییر می‌کنند.

نرخ بازگشت
مقایسه با سه ماه قبل
۵۰٪
نرخ ریزشِ مکمل
طبق تعریف همین پروژه
۵۰٪
تفاوت با تعریف رایج «نرخ حفظ مشتری»: این شاخص با مخرج مشتریان فعلی ساخته می‌شود، بنابراین «چه سهمی از خریداران فعلی سابقه خرید در گذشته دارند؟» را می‌سنجد. نرخ نگهداشت متداول معمولاً مخرج را مشتریان دوره قبلی می‌گیرد. در داشبورد لازم است نام و راهنمای شاخص مطابق همین تعریف اختصاصی نوشته شود.
۲

نرخ ریزش مشتری Churn Rate

مکمل نرخ بازگشت تعریف‌شده برای همین پنجره زمانی

طبق منطق جلسه، نرخ ریزش به‌صورت ۱۰۰ منهای نرخ بازگشت محاسبه می‌شود و برای این شاخص نیاز به استخراج جداگانه مجموعه مشتریان نداریم.

فرمول
Churn = 100% − Return Rate
مثال جلسه: بازگشت ۸۳٪
۱۷٪
بازگشت: ۸۳٪
مکمل / ریزش: ۱۷٪
۱۰۰ − ۸۳ = ۱۷
مفهوم قابل نمایش در داشبورد

از میان مشتریانی که اکنون خرید کرده‌اند، ۱۷ درصد در پنجره N ماهه گذشته خرید نداشته‌اند.

این گروه می‌تواند شامل مشتریان کاملاً جدید یا مشتریانی باشد که بعد از وقفه برگشته‌اند.

نکته نام‌گذاری حیاتی: این معیار به‌تنهایی نشان نمی‌دهد چند نفر از مشتریان قدیمی «دیگر خرید نمی‌کنند». چون مخرج آن مشتریان فعلی است، دقیق‌تر است در توضیحات داشبورد به‌عنوان مکمل نرخ بازگشت معرفی شود. شاخص «مشتری ازدست‌رفته» که در طول عمر استفاده می‌شود، منطق جداگانه‌ای دارد.
۳

نرخ وفاداری به کانال‌های فروش Channel Loyalty

از بین مشتریان فعال در بازه گزارش، هر فرد بیشتر از کدام کانال خرید کرده است؟

ابتدا فقط کسانی انتخاب می‌شوند که در بازه A تا B خرید کرده‌اند و در کل تاریخچه قابل بررسی حداقل دو سفارش معتبر دارند. سپس برای هر نفر، کانال غالب از روی تاریخچه سفارش‌ها مشخص می‌شود؛ در جلسه، تاریخچه از سال ۱۴۰۰ مطرح شده است.

مثال ۶ سفارش یک مشتری
Aاسنپ
Bاسنپ
Cاسنپ
Dکال‌سنتر
Eاسنپ
Fاسنپ
ترتیب زمانی سفارش‌ها ← ۵ سفارش اسنپ‌فود و ۱ سفارش کال‌سنتر
اسنپ‌فود
۵ از ۶
کال‌سنتر
۱ از ۶

گام اول: تعیین کانال اصلی مشتری

قاعده انتخاب کانال غالب
PrimaryChannel(u) = arg maxc OrderCount(u,c)
اگر چند کانال حداکثر برابر داشته باشند، کانال آخرین سفارش در میان همان کانال‌های مساوی انتخاب می‌شود.

گام دوم: محاسبه وفاداری هر مشتری

نسبت سفارش‌های کانال غالب به همه سفارش‌های مشتری
L(u) = تعداد سفارش در کانال اصلی مشتری uتعداد کل سفارش‌های معتبر مشتری u× 100
برای مثال بالا: ۵ ÷ ۶ × ۱۰۰ = ۸۳٫۳۳ درصد

گام سوم: میانگین وفاداری در سطح هر کانال

میانگین ساده وفاداری مشتریان منتسب به کانال c
ChannelLoyalty(c) = Σ L(u) ، برای همه u متعلق به cتعداد مشتریان واجد شرایط متعلق به c
مشتری اسنپ‌فودوفاداری فردی
مشتری اول83.33%
مشتری دوم80%
مشتری سوم75%
میانگین = ۷۹٫۴۴٪ وفاداری کانال اسنپ‌فود
روند پردازش
فیلتر مشتریان خریدارِ بازه
خواندن تاریخچه سفارش
شمارش کانال‌ها
تعیین کانال غالب
میانگین وفاداری هر کانال
فقط مشتریانی در گزارش دوره هستند که واقعاً در آن دوره خرید کرده‌اند؛ حتی اگر تاریخچه قبلی طولانی داشته باشند.

آزمایش تعاملی تعیین کانال مشتری

برای نمونه دو کانال، تعداد سفارش را تغییر دهید؛ در حالت تساوی، کانال آخرین سفارش تعیین‌کننده است.

کانال اصلی و وفاداری فردی
۵ از ۶ سفارش در اسنپ‌فود
۸۳٫۳۳٪
تفاوت دو نوع میانگین: فرمول جلسه «میانگین درصد وفاداری مشتریان» است، نه «کل سفارش‌های اسنپ / کل سفارش‌های همه مشتریان». این دو در داده‌های واقعی می‌توانند نتایج متفاوتی تولید کنند.
۴

میانگین فاصله خرید Average Purchase Interval

میانگین فاصله آخرین خرید با خرید بلافاصله قبلی، برای هر مشتری واجد شرایط

مشتری باید در بازه گزارش خرید داشته باشد و تاریخچه او حداقل دو سفارش معتبر داشته باشد. برای هر شخص، آخرین سفارش او در بازه گزارش را پیدا می‌کنیم و تاریخ سفارش بلافاصله قبلی را از تاریخچه می‌خوانیم؛ سفارش قبلی ممکن است قبل از شروع گزارش باشد.

مفهوم فاصله خرید دو مشتری فرضی
مشتری ۱
خرید قبلی ●● خرید آخر
۳۰ روز
مشتری ۲
خرید قبلی ●● خرید آخر
۵۵ روز
فاصله هر مشتری جداگانه استخراج می‌شود و در پایان میانگین ساده آن‌ها گزارش می‌شود.
فرمول میانگین فاصله خرید
API = Σ (آخرین تاریخ سفارش − تاریخ سفارش قبلی) برای هر مشتریتعداد مشتریان واجد شرایط
مثال: (۳۰ + ۵۵) ÷ ۲ = ۴۲٫۵ روز

ماشین‌حساب فاصله خرید دو مشتری

میانگین فاصله خرید
میانگین ساده دو مقدار
۴۲٫۵ روز
مثال تقویمی: مشتری در ۲، ۱۰ و ۱۴ مهر سفارش ثبت کرده باشد. آخرین سفارش ۱۴ مهر و سفارش قبلی ۱۰ مهر است؛ فاصله محاسبه‌شده ۴ روز خواهد بود.
تصحیح عدد شفاهی: فاصله تقویمی ۲ تا ۱۴ مهر با روش استاندارد تفاضل تاریخ، ۱۲ روز است. عدد ۱۳ روز که در جلسه بیان شد، شمارش شامل هر دو روز آغاز و پایان است. مبنای محاسبات پیشنهادی: تفاضل واقعی تاریخ‌ها.
توجه: میانگین فاصله خرید تعریف‌شده اینجا، میانگین تمام فاصله‌های بین تمام سفارش‌های تمام مشتریان نیست؛ فقط آخرین فاصله هر مشتری واجد شرایط در نظر گرفته می‌شود.
۵

طول عمر مشتری Customer Lifetime

طول عمر آخرین دوره فعالیت پیوسته مشتریانی که در بازه گزارش به وضعیت «ازدست‌رفته» می‌رسند

این شاخص با دو گام انجام می‌شود: ابتدا مشتریانی را که در بازه گزارش، مدت L ماه از آخرین خریدشان سپری شده پیدا می‌کنیم؛ سپس برای هر نفر، از آخرین سفارش به عقب حرکت می‌کنیم و شروع آخرین زنجیره پیوسته خرید را به دست می‌آوریم.

گام اول — تشخیص ورود به وضعیت ازدست‌رفته

نمودار بازه‌های زمانی با آستانه ۶ ماه
بازه گزارش ازدست‌رفتن
۱ تا ۱۵ مهر
تاریخ رسیدن به آستانه L
⇄
آخرین خریدِ مربوط
۶ ماه قبل از هر تاریخ
به روش انتقال تقویمی توافق‌شده

شرط: آخرین سفارش تاریخی مشتری تا انتهای گزارش شناسایی می‌شود و تاریخ رسیدن آن سفارش به آستانه L در بازه گزارش قرار می‌گیرد.

شرط انتخاب مشتری ازدست‌رفته
A ≤ LostDate(u) ≤ B   ,   LostDate(u) = LastOrder(u) + L
آخرین سفارش باید «آخرین سفارش مشتری تا پایان B» باشد؛ در این تعریف مشتری پس از آن تا پایان گزارش دوباره خرید نکرده است.

گام دوم — پیدا کردن شروع آخرین زنجیره سفارش‌ها

سفارش‌های یک مشتری را به ترتیب زمانی در نظر بگیرید. از آخرین سفارش به عقب بروید. اگر فاصله هر دو سفارش متوالی بیشتر از L باشد، زنجیره قطع می‌شود و سفارش‌های قدیمی‌تر در طول عمر دوره فعلی وارد نمی‌شوند.

نمودار تاریخچه سفارش‌های A تا E
A
قدیمی
۲ ماه
B
حذف از چرخه
۷ ماه ✕
C
شروع معتبر
۲ ماه
D
ادامه چرخه
۱۰ روز
E
آخرین خرید
نتیجه برای L = ۶ ماه: فاصله ۷ ماهه بین B و C زنجیره را قطع می‌کند؛ بنابراین اولین خرید معتبر C و آخرین خرید E است. طول عمر این دوره = ۲ ماه و ۱۰ روز.
نمایش «۲ ماه و ۱۰ روز» تقویمی است؛ تبدیل آن به تعداد روز باید با تاریخ واقعی سفارش‌ها انجام شود و همیشه دقیقاً ۷۰ روز نیست.
طول عمر فردی و میانگین طول عمر
Lifetime(u) = LastOrder(u) − EpisodeStart(u)
AverageLifetime = Σ Lifetime(u) برای مشتریان ازدست‌رفته واجد شرایطتعداد مشتریان ازدست‌رفته واجد شرایط
مثال میانگین سه مشتری
مشتریطول عمر دوره معتبر
اول۱۷۰ روز
دوم۲۴۰ روز
سوم۱۹۰ روز
(۱۷۰ + ۲۴۰ + ۱۹۰) ÷ ۳ = ۲۰۰ روز
نکات حیاتی
  • پارامتر L مستقل از دوره بازگشت N است.
  • حداقل دو سفارش در زنجیره معتبر فعلی لازم است.
  • داشتن چند سفارش قدیمی، به‌تنهایی کفایت نمی‌کند.
  • کل تاریخچه سفارش‌ها برای تشخیص مرز زنجیره لازم است.

آزمایش تعاملی زنجیره طول عمر

برای فواصل A→B: دو ماه، B→C: هفت ماه، C→D: دو ماه، D→E: ده روز؛ آستانه را تغییر دهید تا شروع معتبر عوض شود. ماه در این آزمایش فقط برای مقایسه فاصله‌ها به کار می‌رود.

آغاز آخرین دوره خرید
گپ ۷ ماهه باعث قطع زنجیره می‌شود.
C

طول عمر این دوره: ۲ ماه و ۱۰ روز

شرط گزارش تاریخی: برای گزارش تا تاریخ B، داده‌های خرید بعد از B نباید وارد محاسبه شوند؛ وگرنه نتیجه یک گزارش قدیمی با سفارش‌های آینده تغییر می‌کند. این شاخص «طول دوره فعالیت خاتمه‌یافته» است، نه پیش‌بینی قطعی مدت آینده هر مشتری.
۶

ارزش طول عمر مشتری Customer Lifetime Value · CLV

برآورد درآمد متناظر با متوسط دفعات خرید در طول دوره فعالیت مشتری

این شاخص خروجی دو محاسبه قبلی را با میانگین ارزش سفارش (AOV) ترکیب می‌کند. ابتدا متوسط طول عمر را بر متوسط فاصله خرید تقسیم می‌کنیم تا تعداد دفعات خرید تقریبی به دست آید؛ سپس آن را در AOV ضرب می‌کنیم.

میانگین طول عمر
290 days
÷
میانگین فاصله خرید
50 days
=
۵٫۸ سفارش تخمینی
×
AOV
۲ میلیون تومان
=
۱۱٫۶ میلیون تومان
فرمول نهایی مورد توافق جلسه
CLV = AOV × Average Customer Lifetime (days)Average Purchase Interval (days)
AOV = مجموع مبلغ سفارش‌های معتبر ÷ تعداد آن سفارش‌ها
متغیرمثالکارکرد
طول عمر متوسط۲۹۰ روزمدت دوره ارتباط فعال
فاصله خرید متوسط۵۰ روزتقریب تعداد سفارش در واحد زمان
میانگین ارزش سفارش۲٬۰۰۰٬۰۰۰ تومانارزش متوسط هر ثبت سفارش
ارزش طول عمر۱۱٬۶۰۰٬۰۰۰ تومان۲۹۰ ÷ ۵۰ × ۲ میلیون

ماشین‌حساب تعاملی CLV

تعداد سفارش تخمینی
۵٫۸
ارزش طول عمر
۱۱٬۶۰۰٬۰۰۰
ارقام صرفاً نمونه آموزشی هستند.
کاربرد مدیریتی: ارزیابی تقریبی ظرفیت درآمدی مشتری برای برنامه‌ریزی جذب، بازگشت و نگهداشت مشتری.
محدودیت مهم: این محاسبه «ارزش درآمدی تخمینی» است و هزینه جذب مشتری، هزینه عملیات، حاشیه سود و تنزیل زمانی را کسر نمی‌کند.
دو ابهام باز: (۱) AOV دقیقاً برای چه بازه‌ای محاسبه می‌شود؟ (۲) در تقسیم طول عمر بر فاصله خرید، خرید اولیه به‌صورت مستقل به تعداد سفارش‌های تخمینی اضافه می‌شود یا خیر؟ فرمول این بریف دقیقاً مطابق بیان جلسه است و عدد ۱ اضافه نشده است؛ اما برای مدل‌سازی آماری دقیق سفارش‌ها، این فرض باید آگاهانه تأیید شود.
≡

برگه خلاصه فرمول‌ها و وابستگی‌ها

جدول مرجع سریع برای تحلیل‌گر، برنامه‌نویس و طراح داشبورد

شاخصمبنای جمعیت و فرمولورودی زمانیخروجی
۱. بازگشتمشتریان فعلی دارای خرید در کل N ماه قبل ÷ کل مشتریان فعلی × ۱۰۰A,B,Nدرصد
۲. ریزش۱۰۰ − نرخ بازگشتوابسته به ۱درصد
۳. وفاداری کانالمیانگین سهم سفارش کانال غالب مشتریان فعال واجد شرایطA,B + تاریخچهدرصد به تفکیک کانال
۴. فاصله خریدمیانگین فاصله آخرین و سفارش قبلی هر مشتری واجد شرایطA,B + تاریخچهروز
۵. طول عمرمیانگین فاصله شروع تا پایان آخرین زنجیره فعال مشتریان ازدست‌رفته واجد شرایطA,B,L + تاریخچهروز
۶. CLVAOV × (طول عمر متوسط ÷ فاصله خرید متوسط)وابسته به ۴ و ۵ + AOVتومان
نقشه وابستگی شاخص‌ها
نرخ بازگشت
←
نرخ ریزش = مکمل
طول عمر مشتری
میانگین فاصله خرید
AOV
↓
ارزش طول عمر مشتری
تاریخچه سفارش + کانال
←
وفاداری به کانال‌ها
✓

سناریوهای تست پذیرش و تصمیم‌های باز

چک‌لیست پیش از اتصال به داده واقعی و انتشار داشبورد

سناریوداده ورودیانتظار
بازگشت؛ مشتری دارای خرید در مردادخرید ۱۰ مهر و ۲۵ مرداد، N=۳ ماهبازگشتی است
بازگشت؛ اشتباهِ بازه هم‌اندازهخرید ۱۰ مهر و ۲۰ تیر، N=۳ ماهبازگشتی است؛ حتی بدون خرید ۱ تا ۱۵ تیر
بازگشت ۵۰۰ از ۱۰۰۰خریداران فعلی ۱۰۰۰ و مشترک ۵۰۰۵۰٪
ریزش مکملبازگشت ۸۳٪۱۷٪
وفاداری اسنپ‌فود۵ اسنپ و ۱ کال‌سنترکانال اسنپ و وفاداری ۸۳٫۳۳٪
تساوی کانال‌ها۲ اسنپ + ۲ کال؛ آخرین سفارش کالکانال اصلی کال‌سنتر
مشتری تک‌سفارشیدر کل تاریخچه ۱ سفارشحذف از وفاداری و فاصله خرید
میانگین فاصله خریدفاصله‌های ۳۰ و ۵۵ روز۴۲٫۵ روز
آخرین فاصله خریدسفارش ۲، ۱۰ و ۱۴ مهر۴ روز
زنجیره طول عمر۲ ماه، ۷ ماه، ۲ ماه، ۱۰ روز؛ L=۶قطع در ۷ ماه؛ شروع از C
تک‌سفارشیِ زنجیرهچند خرید قدیمی ولی دوره فعلی ۱ سفارشحذف از میانگین طول عمر
میانگین طول عمر۱۷۰، ۲۴۰ و ۱۹۰ روز۲۰۰ روز
CLV نمونه جلسه۲۹۰ روز، ۵۰ روز، ۲ میلیون تومان۱۱٬۶۰۰٬۰۰۰ تومان
بازه خالی / مخرج صفر۰ مشتری فعلیفاقد داده، نه صفر درصد
گزارش تاریخیسفارش جدید بعد از Bنباید نتیجه قدیمی را تغییر دهد

مواردی که باید توسط صاحب شاخص تأیید شوند

۱. سفارش معتبر و نحوه استفاده از مبلغ سفارش

وضعیت‌های موفق، لغوشده، در انتظار، برگشتی یا تحویل‌شده باید با نگاشت دقیق سامانه سفارش مشخص شوند. برای AOV معلوم شود مبلغ پیش/پس از تخفیف، هزینه ارسال و مالیات کدام است و واحد مبلغ ریال یا تومان است.

۲. تعریف ماه، نقطه ورود به حالت ازدست‌رفته و برابری با آستانه

تاریخ هجری شمسی یا میلادی به‌عنوان مبنای انتقال ماه تعیین شود. برای فاصله دقیقاً برابر L ماه مشخص شود مشتری در همان لحظه ازدست‌رفته محسوب می‌شود یا فقط پس از عبور از مرز. در شکل‌ها، قطع زنجیره خرید وقتی رخ می‌دهد که فاصله بیشتر از L باشد؛ این شرط از مثال جلسه گرفته شده است.

۳. محدوده تاریخچه و شناسایی یکپارچه مشتری

تاریخچه سال ۱۴۰۰ به بعد در گفت‌وگو مطرح شده است. باید روشن شود آیا پوشش اطلاعات از اولین سفارش تمام مشتریان کامل است و آیا مشتری یکسان در همه کانال‌ها شناسه یکسان دارد؛ در غیر این صورت وفاداری و طول عمر می‌توانند سوگیرانه محاسبه شوند.

۴. دامنه محاسبه AOV و جمعیت شاخص CLV

بازه محاسبه AOV به‌صورت قطعی در جلسه تعیین نشد. همچنین باید معلوم شود همه مشتریان کسب‌وکار یا فقط مشتریان واجد شرایط شاخص‌های فاصله خرید و طول عمر، جامعه هدف CLV هستند. برای نمایش رسمی نیز عنوان پیشنهادی «ارزش درآمدی تخمینی طول عمر مشتری» شفاف‌تر است.

۵. فرمت خروجی و فیلترهای تجاری

تفکیک شعبه، کانال، وضعیت سفارش، نوع خرید و مبلغ سفارش (در صورت درخواست محصول) باید به‌صورت سازگار در صورت و مخرج هر شاخص اعمال شود. فیلترهای بعدی نباید بدون بررسی، کل تاریخچه مشتری را محدود کنند؛ مخصوصاً در وفاداری و طول عمر که اطلاعات گذشته اهمیت دارد.